Hubungan Dukungan Sosial Teman Sebaya Dengan Kualitas Hidup Lansia Di Panti Sosial Rehabilitasi Lanjut Usia Ciparay
Keywords:
Dukungan Sosial, Kualitas Hidup, LansiaAbstract
Populasi lansia dari tahun ke tahun semakin meningkat, artinya semakin bertambahnya usia maka kemampuan untuk melakukan aktifitas fisik akan mengalami penurunan yang berdampak pada kualitas hidup lansia terutama di panti sosial. Teman sebaya merupakan salahsatu hal terpenting bagi lansia di panti sosial untuk meningkatkan kualitas hidup lansia. Dukungan sosial yang baik dapat meningkatkan kualitas hidup lansia sehingga lansia dapat menikmati hidup dimasa tuanya. Penelitian ini bertujuan untuk mengetahui hubungan antara dukungan sosial teman sebaya dengan kualitas hidup lansia di Panti Sosial Rehabilitasi Lanjut Usia Ciparay kabupaten Bandung. Desain penelitian menggunakan deskriptif korelasi dengan rancangan cross sectional. Total sampel sebanyak 60 responden diambil menggunakan teknik random sampling. Pengumpulan data menggunakan kuesioner Multidimensional Scale Of Perceived Social Support (MSPSS) untuk mengukur dukungan sosial teman sebaya dan kuesioner WHOQOL-BREF untuk mengukur kualitas hidup lansia. Hasil penelitian menunjukan bahwa hampir separuhnya (45,0%) mendapat dukungan sosial sedang sebanyak 27 orang dan sebagian besar (63,3%) memiliki kualitas hidup yang cukup sebanyak 38 orang. Hasil uji statistik pearson Product moment menunjukan ada hubungan yang signifikan antara dukungan sosial dengan kualitas hidup lansia, dengan nilai signifikansi 0,001< 0,05. Nilai koefisiensi sebesar 0,414 yang menunjukan keeratan hubungan yang cukup. Kemudian arah (jenis) hubungan antara variabel dukungan sosial teman sebaya dengan kualitas hidup lansia yaitu bernilai positif yaitu 0,414. Sehingga hubungan kedua variabel tersebut bersifat searah, dengan demikian dapat diartikan bahwa semakin ditingkatkan dukungan sosial teman sebaya maka kualitas hidup juga akan meningkat. Sehingga diharapkan dukungan sosial lebih ditingkatkan lagi agar kualitas hidup lebih meningkat.
References
Danukusumo, K.P. (2017). Implementasi Deep Learning Menggunakan Extreme learning Machine Untuk Klasifikasi Citra Candi Berbasis GPU, Yogyakarta: Universitas Atma Jaya.
Ferdiana, R., Jatmiko, F., Purwanti, D.D., Ayu, A. S. T., Dicka, W. F. (2019). Dataset Indonesia Untuk Analisis Sentimen. JNTETI, vol. 8, no. 4, 334-339.
Herliana, A., Setiawan, V. A., & Prasetio, R. T. (2018). Penerapan Inferensi Backward Chaining Pada Sistem Pakar Diagnosa Awal Penyakit Tulang. Jurnal Informatika, 5(1), 50-60.
Kurniawan, T. A. (2018). Pemodelan Use Case (UML) : Evaluasi Terhadap Beberapa Kesalahan Dalam Praktik. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 5, pp. 77-86.
Mahmud, K. H., Adiwijaya & Al Faraby, S. (2019). Klasifikasi Citra Multi-Kelas Menggunakan Extreme learning machine. E-Proceeding of Engineering : Vol.6 ISSN : 2355-9365.
Maulana, F. F., & Rochmawati, N. (2020). Klasifikasi Citra Buah Menggunakan Convolutional Neural Network. Journal of Informatics and Computer Science (JINACS), 1(02).
O'Shea, K., & Nash, R. (2015). An Introduction to Extreme learning machines, Neural and Evolutionary Computing: Cornel University.
Pujoseno, J. (2018). Implementasi Deep Learning Menggunakan Convolutional Neural Network Untuk Klasifikasi Alat Tulis. Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Indonesia
Prasetio, R. T., & Riana, D. (2015, November). A comparison of classification methods in vertebral column disorder with the application of genetic algorithm and bagging. In 2015 4th international conference on instrumentation, communications, information technology, and biomedical engineering (ICICI-BME) (pp. 163-168). IEEE.
Prasetio, R. T. (2014). Inventory Control Using Statistics Forecasting on Manufacture Company. Jurnal Informatika, 1(2).
Prasetio, R. T., & Pratiwi, P. (2015). PENERAPAN TEKNIK BAGGING PADA ALGORITMA KLASIFIKASI UNTUK MENGATASI KETIDAKSEIMBANGAN KELAS DATASET MEDIS. Jurnal Informatika, 2(2).
Prasetio, R. T., & Ripandi, E. (2019). Optimasi Klasifikasi Jenis Hutan Menggunakan Deep Learning Berbasis Optimize Selection. Jurnal Informatika, 6(1), 100-106.
Prasetio, R. T., Rismayadi, A. A., & Anshori, I. F. (2018). Implementasi Algoritma Genetika pada k-nearest neighbours untuk Klasifikasi Kerusakan Tulang Belakang. Jurnal Informatika, 5(2), 186-194.
Prasetio, R. T., & Susanti, S. (2019). Prediksi Harapan Hidup Pasien Kanker Paru Pasca Operasi Bedah Toraks Menggunakan Boosted k-Nearest Neighbor. JURNAL RESPONSIF: Riset Sains & Informatika, 1(1), 64-69.
Ramdani, S. (2020). BUDIDAYA PISANG [Online]. Available: https://dinpertan.purbalinggakab.go.id/budidaya-pisang/.
Riana, D. (2018). Classification of Pap Smear. International Journal of Electrical and Computer Engineering (IJECE), 8(6), 5415-5424.
Sabilla, I. A., Wahyuni, C. S., Fatichah, C., & Herumurti, D. (2019). Determining Banana Types and Ripeness from Image using Machine Learning Methods. International Conference of Artificial Intelligence and Information Technology (ICAIIT).
Salawazo, V. M. P., Gea, D. P. J., & Azmi, Fadillah. (2019). Implementasi Metode Extreme learning machine (CNN) Pada Pengenalan Objek Video CCTV. Jurnal Mantik Penusa, vol. 3, no. 11.
Sari, D. E. (2016). QUIZLET: APLIKASI PEMBELAJARAN BERBASIS SMARTPHONE ERA GENERASI MILENIAL. Jurnal Pendidikan Ilmu Sosial, Vol 29, No.1, Juni 2019, pp. 9-15.
Setiawan, E. B., & Herdianto, R. (2018). Penggunaan Smartphone Android sebagai Alat Analisis Kebutuhan Kandungan Nitrogen pada Tanaman Padi. JNTETI, Vol. 7, No. 3, ISSN 2301 - 4156, pp. 273-280, 2018.
Wicaksono, A. F. (2020). Tutorial Dasar Tensorflow. [Online]. Available: https://ir.cs.ui.ac.id/alfan/tutorial/tf_intro.html.
1.jpg){kind=small}
.png)
.png)
