Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kesehatan jantung merupakan hal yang penting dalam kehidupan manusia. Oleh karena itu, setiap orang perlu untuk memeriksakan kesehatan jantungnya secara regular. Penelitian ini bertujuan untuk mengetahui status kesehatan jantung mahasiswa reguler FIK UI angkatan 2013 berdasarkan indikator tekanan darah, indeks massa tubuh, dan frekuensi nadi. Penelitian ini menggunakan desain deskriptif cross-sectional dengan metode total sampling. Responden dalam penelitian ini adalah seluruh mahasiswa reguler FIK UI angkatan 2013. Data dalam penelitian ini dianalisis menggunakan analisis univariat.Hasil penelitian ini menunjukkan bahwa proporsi responden yang memiliki faktor risiko masalah kesehatan jantung berdasarkan indikator tekanan darah adalah 32,7%, proporsi responden yang berisiko mengalami masalah jantung berdasarkan indikator indeks massa tubuh adalah 25,5%, sedangkan 8,2% diantaranya berisiko mengalami masalah jantung berdasarkan indikator frekuensi nadi. Penelitian ini merekomendasikan institusi pendidikan keperawatan, khususnya Fakultas Ilmu Keperawatan UI untuk menyedikan program kesehatan yang dapat meningkatkan kesehatan jantung mahasiswanya.......Heart Health is the important component in human life. Therefore, every people need to check their heart health regularly. This study aimed to identify heart health status among regular nursing students at Universitas Indonesia based on blood pressure, body mass index, and pulse rate indicators. This study used descriptive cross-sectional design with total sampling method. Respondents in this study were all nursing students at Universitas Indonesia year 2013. Variable that used in this study are blood pressure, body mass index, and pulse rate. Data in this study were analyzed by using univariat analysis.This study showed that the proportion of respondents who had a risk in heart problem based on blood pressure indicator were 32,07%. The proportion of respondents who had risk in heart problem based on body mass index indicator were 25,5%, whereas just 8,2% of them had a risk in heart problem based on pulse rate indicator. This study suggested educational nursing institution, and Faculty of Nursing UI in particular, to provide programs which can enhance their student?s heart health."

"Penyakit kardiovaskular merupakan penyebab utama kematian global, termasuk di Indonesia. Evaluasi kesehatan dini, menggunakan heart rate variability (HRV) melalui pengukuran root mean square of successive RR interval differences (RMSSD) dan percentage of successive RR intervals that differ by more than 50 𝑚𝑠 (pNN50), menjadi penting untuk merefleksikan respons relaksasi, stres, kualitas tidur, dan aktivitas fisik. Evaluasi ini sebaiknya dilakukan saat seseorang masih dalam kondisi sehat. Sejalan dengan itu, penelitian ini bertujuan mengevaluasi kesehatan pasien dengan irama jantung normal melalui metode clustering pada variabel RMSSD, pNN50, dan usia, yang diambil dari rekaman elektrokardiogram milik online database Physionet. Setiap cluster yang terbentuk dapat memberikan informasi unik, memungkinkan penentuan risiko penyakit kardiovaskular serta penanganan yang tepat. Namun, karena pola data yang digunakan tidak jelas, mengandung outlier, dan berdimensi rendah, maka dilakukan perbandingan antara metode Hierarchical clustering dan Gaussian Mixture Models (GMM) clustering yang mampu mengatasi hal tersebut. Mengingat GMM clustering yang sangat sensitif terhadap inisialisasi awal, penelitian ini menggunakan dua pendekatan inisialisasi, yaitu acak dan K-Means. Penentuan metode terbaik dilakukan dengan mempertimbangkan metrik evaluasi (efektivitas) dan waktu komputasi metode (efisiensi). Hasil penelitian menunjukkan bahwa GMM clustering dengan inisialisasi K-Means adalah metode terbaik dengan membentuk tiga cluster. Meskipun alat EKG menilai pasien dalam kondisi sehat, namun analisis clustering dapat mengungkapkan informasi penting, terutama bagi pasien yang teridentifikasi memiliki tingkat HRV yang relatif rendah.......Cardiovascular diseases are a leading cause of global mortality, including in Indonesia. Early health evaluation, utilizing heart rate variability (HRV) through root mean square of successive RR interval differences (RMSSD) and percentage of successive RR intervals that differ by more than 50 𝑚𝑠 (pNN50) measurements, is crucial to reflect responses to relaxation, stress, sleep quality, and physical activity. This evaluation is ideally conducted while an individual is still in a healthy condition. In line with that, this research aims to evaluate the health of patients with a normal sinus rhythm through clustering methods on variables like RMSSD, pNN50, and age, extracted from electrocardiogram recordings from the online Physionet database. Each cluster can provide unique information, enabling the identification of cardiovascular disease risks and appropriate interventions. However, due to unclear data patterns, the presence of outliers, and is low-dimensiona, a comparison is made between Hierarchical clustering and GMM methods, capable of addressing these issues. Given GMM clustering's sensitivity to initializations, this study employs two approaches, random and K-Means. The determination of the best method is based on considerations of evaluation metrics (effectiveness) and computational time (efficiency). Research results indicate that GMM clustering with K-Means initialization is the most effective and efficient method, forming three clusters. Despite ECG assessments indicating healthy conditions, clustering analysis can reveal crucial information, especially for patients identified with relatively low HRV levels."