Analisis Ffaktor Risiko Status HIV Dengan Menggunakan Algoritma Logistic Regression (Studi Kasus : Puskesmas Pamulang)

FARHAN PANE; Ari Wibowo

doi:10.23960/jitet.v14i3.10789

FARHAN PANE
Universitas Pamulang
Ari Wibowo

DOI: https://doi.org/10.23960/jitet.v14i3.10789

Keywords HIV, Logistic Regression, Faktor Risiko, Machine Learning, Puskesmas Pamulabg

Abstract Views (Last 12 Months)

5 Abstract Views

6 Downloads

Abstract

Kasus HIV di Puskesmas Pamulang tersebar pada berbagai Kelompok Populasi Kunci dengan proporsi kasus positif yang sangat kecil dibandingkan populasi umum, sehingga diperlukan pendekatan berbasis data untuk mengidentifikasi faktor risiko yang paling berpengaruh secara objektif. Penelitian ini bertujuan menganalisis faktor risiko status HIV serta menerapkan algoritma Logistic Regression untuk memprediksi potensi status HIV pasien. Penelitian menggunakan metode kuantitatif dengan pendekatan prediktif, memanfaatkan data sekunder pasien VCT/PITC periode 2024–2025 sebanyak 3.410 observasi. Data diproses melalui pembersihan, encoding, seleksi fitur, dan penanganan ketidakseimbangan kelas menggunakan SMOTE, sebelum dilatih dengan Logistic Regression yang dioptimasi melalui GridSearchCV. Model gabungan mencapai AUC-ROC 0,937, sedangkan model produksi dengan tiga variabel stabil (Jenis Kelamin, Kelompok Umur, dan Kelompok Risiko Tinggi) mencapai AUC-ROC 0,803 dengan recall 75%. Kelompok Risiko Tinggi terbukti sebagai faktor paling dominan (OR = 17,29; 95% CI 13,96–21,41; p < 0,001). Sistem deteksi risiko HIV berbasis web berhasil diimplementasikan dan seluruh skenario pengujian black-box dinyatakan berhasil, sehingga dapat mendukung skrining awal di Puskesmas Pamulang.

Downloads

Download data is not yet available.

References

D. Rohmatullailah and D. Fikriyah, “Faktor risiko kejadian HIV pada kelompok usia produktif di Indonesia,” Jurnal Biostatistik, Kependudukan, dan Informatika Kesehatan, vol. 2, no. 1, pp. 45–59, 2021, doi: 10.7454/bikfokes.v2i1.1022.

K. K. Munawar and A. I. Purnamasari, “Implementasi algoritma K-Means clustering pada klasterisasi kasus HIV di Jawa Barat,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 2, 2023.

I. A. Ismail, A. Febriyanti, D. Alif, A. Namira, S. Wicaksono, and R. S. Nadeak, “Hubungan pengetahuan dan sikap terhadap pencegahan HIV/AIDS pada remaja,” Jurnal Ilmiah Kesehatan Masyarakat, 2022.

L. Khairani, W. Masitah, S. Hajar, and M. Ibrahim, “Edukasi pencegahan dan pengendalian HIV/AIDS melalui peran perempuan dalam keluarga,” Jurnal Pengabdian Masyarakat, pp. 82–90, 2022.

E. Slaymaker, C. Calvert, M. Marston, K. Risher, and J. W. Imai-Eaton, “Individual and population-level risk factors for new HIV infections among adults in Eastern and Southern Africa,” Nature Communications, vol. 17, art. 1195, 2026, doi: 10.1038/s41467-025-67966-0.

H. Muttai et al., “Development and validation of a sociodemographic and behavioral characteristics-based risk-score algorithm for targeting HIV testing among adults in Kenya,” AIDS and Behavior, vol. 25, no. 2, pp. 297–310, 2021, doi: 10.1007/s10461-020-02962-7.

R. Moyo, D. Govindasamy, P. S. Nyasulu, and S. Manda, “A prediction risk score for HIV among adolescent girls and young women in South Africa: identifying those in need of HIV pre-exposure prophylaxis,” African Journal of AIDS Research, 2023, doi: 10.1080/25787489.2023.2221377.

M. Patel et al., “HIV risk score and prediction model in the United States: a scoping review protocol,” medRxiv, 2023, doi: 10.1101/2023.12.18.23300171.

I. Fathonah and L. Mawarti, “Analisis faktor risiko terhadap status HIV dengan menggunakan pendekatan regresi logistik,” Jurnal Sains dan Teknologi Kesehatan, pp. 175–181, 2022.

A. Aziz and H. Sulistiani, “Klasifikasi risiko HIV berbasis data agregat populasi menggunakan Random Forest, SVM, dan Logistic Regression,” Jurnal Algoritma, vol. 23, no. 1, pp. 1732–1743, 2026, doi: 10.33364/algoritma/v.23-1.3492.

D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis sentimen kinerja Dewan Perwakilan Rakyat (DPR) pada Twitter menggunakan metode Naive Bayes Classifier,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 10, no. 1, Jan. 2022.

T. Sianturi, L. N. Siahaan, and S. D. Aritonang, “Analisis aspek-aspek yang memengaruhi penyakit jantung menggunakan model regresi logistik biner menggunakan software RStudio,” Jurnal Statistika dan Komputasi, vol. 24, no. 1, pp. 73–83, 2025.

M. Mayawi, N. Nurhayati, T. Talib, A. W. Bustan, and N. S. Laamena, “Ordinal logistic regression analysis of factors affecting the blood sugar levels of diabetes mellitus patients,” Pattimura International Journal of Mathematics (PIJMath), vol. 2, no. 1, pp. 33–42, 2023, doi: 10.30598/pijmathvol2iss1pp33-42.

Nursalam, Q. Hamzah, Baharuddin, A. Kusumayanti, and A. Sriyanti, “Identify factors affecting student achievement using the binary logistic regression analysis,” MaPan: Jurnal Matematika dan Pembelajaran, vol. 11, no. 2, pp. 368–385, 2023.

F. Aprilia, R. A. Anggraini, and Y. D. Putri, “Prediksi kelulusan siswa dengan algoritma pembelajaran mesin: aplikasi regresi linear dan logistik pada faktor-faktor pendidikan,” Jurnal Riset dan Teknologi, vol. 3, no. 1, pp. 55–64, 2025, doi: 10.25181/rt.v3i1.3897.

R. Zhou et al., “Prediction model for infectious disease health literacy based on synthetic minority oversampling technique algorithm,” Computational and Mathematical Methods in Medicine, vol. 2022, art. 8498159, 2022, doi: 10.1155/2022/8498159.

D. Kuswandani and R. Umar, “Comparison of filter and wrapper feature selection methods for heart disease risk classification using k-Nearest Neighbors (k-NN),” Sistemasi: Jurnal Sistem Informasi, vol. 15, pp. 871–885, 2026.

G. M. Rafsyanjatni and A. Fauzi, “Pengembangan media promosi berbasis website dengan aplikasi CMS WordPress untuk menarik minat beli konsumen pada UMKM Aneka Batik Pamekasan,” Jurnal Teknologi Informasi, vol. 8, no. 1, pp. 1–6, 202