Integrasi Model Regresi Logistik Bivariate dan Pohon Keputusan untuk Deteksi Dini Kasus Hipertensi dan Diabetes pada Calon Atlet Atletik

Sebuah penelitian inovatif yang dipimpin oleh A'yunin Sofro, Ph.D., bersama tim peneliti dari berbagai latar belakang keilmuan, berhasil mengembangkan pendekatan baru dalam deteksi dini kasus hipertensi dan diabetes pada calon atlet atletik. Penelitian ini merupakan hasil dari hibah kompetisi DRTPM dengan skema Penelitian Fundamental - Reguler, yang bertujuan untuk memanfaatkan kombinasi metode statistik dan kecerdasan buatan dalam dunia kesehatan olahraga.

Penelitian ini mengintegrasikan Model Regresi Logistik Bivariate dengan Pohon Keputusan, dua metode yang sangat berguna dalam analisis data. Regresi logistik bivariate memungkinkan identifikasi hubungan antara dua variabel dependen, sementara pohon keputusan digunakan untuk melakukan klasifikasi berdasarkan serangkaian aturan yang dibentuk dari data. Pendekatan ini bertujuan untuk menyaring secara awal calon atlet yang berisiko tinggi terhadap hipertensi dan diabetes, dua kondisi kesehatan yang dapat mempengaruhi kinerja dan karir seorang atlet.

Latar Belakang:
Hipertensi dan diabetes adalah masalah kesehatan global yang tidak hanya mempengaruhi masyarakat umum tetapi juga para atlet. Kondisi fisik yang prima sangat diperlukan bagi para atlet untuk dapat tampil optimal dalam berbagai kompetisi. Oleh karena itu, deteksi dini terhadap potensi masalah kesehatan seperti hipertensi dan diabetes menjadi penting. Tim peneliti menyadari bahwa atlet, meskipun memiliki tingkat kebugaran yang tinggi, tetap rentan terhadap kedua penyakit tersebut akibat faktor genetik dan gaya hidup. Dengan metode deteksi dini yang lebih akurat, para atlet dapat mengambil langkah pencegahan sebelum gejala berkembang lebih lanjut.

Metodologi:
Penelitian ini menggunakan data dari sejumlah calon atlet atletik dan menerapkan metode regresi logistik bivariate untuk mengidentifikasi hubungan antara faktor-faktor kesehatan dengan risiko hipertensi dan diabetes. Selanjutnya, pohon keputusan digunakan untuk mempermudah klasifikasi data dan menyaring calon atlet berdasarkan kriteria kesehatan tertentu. Kedua metode ini diintegrasikan untuk menghasilkan model prediksi yang lebih akurat dibandingkan metode tradisional.

Hasil dan Temuan:
Hasil penelitian menunjukkan bahwa kombinasi regresi logistik bivariate dan pohon keputusan mampu meningkatkan akurasi dalam deteksi dini kasus hipertensi dan diabetes pada calon atlet. Temuan ini menjadi landasan penting dalam dunia kesehatan olahraga, terutama dalam hal pencegahan dini dan intervensi terhadap kondisi-kondisi medis yang dapat mempengaruhi kinerja atlet. Tim peneliti berharap metode ini bisa diadopsi secara luas, tidak hanya untuk kepentingan atletik tetapi juga dalam ranah kesehatan yang lebih umum.

Tim Peneliti:
Penelitian ini dilakukan oleh tim yang terdiri dari para ahli dari berbagai disiplin ilmu, di antaranya:
- A'yunin Sofro, Ph.D. (Ketua)
- Danang Ariyanto, S.Si., M.Si.
- Dimas Avian Maulana, S.Si., M.Si.
- Riska Wahyu Romadhonia, S.Si., M.Sc.
- Junaidi Budi Prihanto, S.KM., M.KM., Ph.D.
- Affiati Oktaviarina, S.Si., M.Sc.
- Ibnu Febry Kurniawan, S.Kom., M.Sc., Ph.D.

Penelitian ini merupakan kolaborasi yang kuat antara para akademisi dari berbagai bidang, yang bertujuan untuk memberikan kontribusi signifikan dalam pengembangan ilmu kesehatan olahraga di Indonesia.

Relevansi dan Kontribusi:
Hasil penelitian ini memiliki relevansi yang tinggi tidak hanya dalam konteks pengembangan atletik tetapi juga dalam manajemen kesehatan masyarakat, khususnya dalam pencegahan penyakit kronis seperti hipertensi dan diabetes. Dengan pendekatan integratif yang menggabungkan metode statistik dan kecerdasan buatan, penelitian ini diharapkan dapat menjadi salah satu alat penting dalam meningkatkan kualitas hidup para atlet dan masyarakat luas. Selain itu, temuan ini memberikan kontribusi yang signifikan dalam literatur ilmiah global dan berpotensi untuk dipublikasikan di jurnal internasional.