Depok, 27 Juni 2026 – Sektor kesehatan masyarakat kembali mendapat dukungan penguatan ilmiah melalui inovasi berbasis riset terbaru dari Universitas Indonesia. Terobosan ini resmi dipersembahkan dalam sidang terbuka promosi doktor yang diselenggarakan di lingkungan Kampus FKM UI, Depok. Pada sidang tersebut, Dian Nur Hadianti berhasil mempertahankan disertasinya yang mengembangkan model prediksi kepesertaan keluarga berencana (KB) berbasis machine learning bagi Generasi Z di tingkat komunitas. Penelitian ini menawarkan pendekatan baru dalam mendukung transformasi digital pelayanan keluarga berencana di Indonesia melalui pemanfaatan kecerdasan buatan (artificial intelligence).
Penelitian berjudul “Pemodelan Prediksi Berbasis Machine Learning Untuk Peningkatan Kepesertaan Keluarga Berencana Generasi Z dan Membangun Prototipe Super Apps bagi petugas KB” ini dilatarbelakangi masih rendahnya angka penggunaan kontrasepsi modern (Modern Contraceptive Prevalence Rate/MCPR) pada kelompok wanita usia subur (WUS) Generasi Z dibandingkan target nasional. Rendahnya penggunaan kontrasepsi modern dipengaruhi oleh berbagai faktor, mulai dari keterbatasan pengetahuan, sikap terhadap kontrasepsi, hingga akses terhadap informasi dan layanan keluarga berencana. Di sisi lain, Generasi Z merupakan kelompok digital native yang membutuhkan pendekatan pelayanan kesehatan yang lebih adaptif terhadap perkembangan teknologi.
Melalui penelitian dengan pendekatan mixed methods sequential explanatory, Dian mengembangkan model prediksi yang mengintegrasikan analisis statistik, machine learning, analisis kebutuhan pengguna, pengembangan prototipe, hingga uji implementasi di lapangan. Penelitian ini tidak hanya menghasilkan model prediksi, tetapi juga mengembangkan sebuah super apps berbasis web bernama “Dplan KB” yang dirancang sebagai decision support system bagi petugas keluarga berencana dalam memberikan pelayanan yang lebih tepat sasaran kepada Generasi Z.
Tahap awal penelitian berhasil mengidentifikasi berbagai faktor yang memengaruhi kepesertaan KB melalui systematic literature review. Selanjutnya, menggunakan data Survei Demografi dan Kesehatan Indonesia (SDKI) 2017, penelitian menemukan sembilan prediktor utama penggunaan kontrasepsi modern pada Generasi Z, yaitu jumlah anak hidup, status kesuburan, kuintil kekayaan, dukungan petugas kesehatan, kemampuan literasi, pengetahuan tentang kesuburan, pendidikan istri, status tinggal bersama pasangan, serta kunjungan petugas KB. Variabel jumlah anak hidup menjadi faktor yang paling dominan dalam memengaruhi penggunaan kontrasepsi modern.
Salah satu temuan penting penelitian ini adalah keberhasilan memanfaatkan algoritma Neural Network sebagai model prediksi terbaik dibandingkan lima algoritma lainnya. Model tersebut menunjukkan performa tinggi dengan nilai Area Under Curve (AUC) sebesar 0,859, akurasi 83,9%, precision 84,3%, serta F1-score 0,838, sehingga dinilai memiliki kemampuan klasifikasi yang baik dan layak diterapkan sebagai model prediksi kepesertaan KB pada Generasi Z.
Model prediksi tersebut kemudian diimplementasikan ke dalam prototipe Dplan KB, sebuah super apps yang memiliki berbagai fitur, seperti prediksi kepesertaan KB, edukasi kesehatan reproduksi, skrining penggunaan kontrasepsi, telekonsultasi, pencatatan pelayanan, pengingat kunjungan, hingga penyusunan rencana penggunaan kontrasepsi. Dibandingkan dengan sistem pelayanan konvensional, aplikasi ini mampu mempercepat proses identifikasi sasaran, mempermudah edukasi, serta mendukung pengambilan keputusan berbasis data oleh petugas KB.
Hasil uji coba di lapangan menunjukkan bahwa prototipe Dplan KB diterima dengan sangat baik oleh petugas keluarga berencana maupun peserta Generasi Z. Penggunaan aplikasi ini terbukti meningkatkan kinerja, pengetahuan, dan sikap petugas KB secara signifikan dibandingkan dengan kelompok kontrol. Selain itu, aplikasi juga meningkatkan kepuasan serta sikap peserta Generasi Z terhadap pelayanan keluarga berencana, sekaligus mendorong peningkatan penggunaan kontrasepsi modern pada kelompok intervensi.
Penelitian ini memiliki sejumlah kebaruan dibandingkan dengan studi sebelumnya. Selain menjadi model prediksi kepesertaan KB pertama di Indonesia yang secara khusus dikembangkan untuk Generasi Z menikah, penelitian ini juga mengintegrasikan pendekatan kesehatan masyarakat dengan teknologi machine learning dalam sebuah sistem digital yang dapat digunakan langsung oleh petugas KB di komunitas. Model ini dirancang tidak hanya sebagai alat prediksi, tetapi juga sebagai early detection system, mobile health, sekaligus decision support system yang berpotensi diintegrasikan dengan ekosistem digital BKKBN, termasuk Super Apps Keluarga Indonesia dan Sistem Informasi Keluarga (SIGA).
Secara praktis, hasil penelitian ini memberikan kontribusi strategis bagi penguatan layanan keluarga berencana di Indonesia. Model Dplan KB berpotensi membantu pemerintah meningkatkan cakupan penggunaan kontrasepsi modern, memperkuat kualitas pelayanan petugas KB di tingkat komunitas, mendukung perencanaan keluarga yang lebih efektif, serta berkontribusi terhadap peningkatan kesehatan ibu dan anak sekaligus optimalisasi bonus demografi nasional.
Sidang promosi doktor Dian Nur Hadianti dipimpin oleh Prof. Dr. Drs. Sutanto Priyo Hastono, M.Kes. selaku Ketua Penguji. Bertindak sebagai promotor Prof. dr. Kemal N.Siregar, M.A., Ph.D., dengan ko-promotor Prof. Dr .Drs. Tris Eryando, M.A. dan Dr. Sudibyo Alimoeso, M.A. Adapun tim penguji terdiri atas Prof. dr. Anhari Achadi, S.K.M., Sc.D.; Dr. Mila Herdayati, S.K.M., M. Si.; Dr. Indrajani, S. Kom., M.M., serta Pungkas Bahjuri Ali, S.TP., M.S., Ph.D.
Keberhasilan penelitian ini semakin memperkuat peran FKM UI sebagai institusi pendidikan tinggi yang menghasilkan inovasi berbasis riset untuk menjawab tantangan kesehatan masyarakat melalui pemanfaatan teknologi digital. Pengembangan model prediksi berbasis machine learning ini menunjukkan komitmen FKM UI dalam menghasilkan solusi yang tidak hanya unggul secara akademik, tetapi juga siap diimplementasikan untuk mendukung kebijakan dan pelayanan kesehatan masyarakat di Indonesia. (wrk)