Pemodelan Kausal Faktor-Faktor Beban Keluarga dalam Merawat Pasien Kanker Menggunakan Algoritma S2C-Latent

• Main Authors: Rizki Surtiyan Surya, Christantie Effendy, Ridho Rahmadi
• Format: Article
• Language: Indonesian
• Published: University of Brawijaya 2021-02-01
• Series: Jurnal Teknologi Informasi dan Ilmu Komputer
• Online Access: http://jtiik.ub.ac.id/index.php/jtiik/article/view/4266

Pasien kanker memiliki kebutuhan yang kompleks mulai dari masalah fisik, psikologis, sosial dan spiritual. Keluarga yang merawat pasien kanker disebut family caregiver. Seorang family caregiver membantu mengatasi hampir semua permasalahan yang dialami pasien baik saat dirawat di rumah maupun di rumah sakit. Keluarga mengalami suka dan duka dalam merawat pasien. Dalam merawat pasien dengan penyakit kronis, bukan hanya pasien tetapi kesejahteraan dan kualitas hidup family caregiver juga penting. Oleh karena itu sangat penting untuk mengetahui bagaimana beban family caregiver dan faktor-faktor yang mempengaruhi beban keluarga dalam merawat pasien.  Beban family caregiver dapat diukur menggunakan Caregiver Reaction Assesment (CRA), yang direpresentasikan oleh beberapa faktor. Dengan memahami hubungan kausal antara faktor-faktor beban keluarga, diharapkan dapat membantu untuk mengidentifikasi bagaimana beban caregiver bersumber dan berdampak. Untuk itu, penelitian ini bertujuan untuk mengidentifikasi hubungan kausal antara faktor-faktor yang berhubungan dengan beban family caregiver dalam merawat pasien. Penelitian ini menggunakan algoritma pemodelan kausal bernama Stable Specification Search for Cross-sectional Data with Latent Variable (S3C-Latent) untuk mendapatkan model kausal antara faktor-faktor beban family caregiver yang relevan. Dari hasil analisis  pemodelan  didapatkan ada 3 faktor yang memiliki hubungan kausal dan 2 faktor memiliki hubungan asosiasi. Gender memiliki hubungan kausal yang stabil terhadap kesiapan kesehatan dan kesiapan dalam merawat. Sedangkan faktor kesiapan merawat mempengaruhi faktor aktivitas family caregiver, selain itu faktor keuangan memiliki hubungan asosiasi yang kuat dengan faktor aktivitas dan hubungan keluarga. Pemodelan kausal ini dapat digunakan sebagai acuan bagi tenaga kesehatan dalam pelayanan kesehatan yang lebih tepat, efisien, dan efektif di dalam menangani permasalahan beban caregiver.   Abstract Cancer patients have complex needs ranging from physical, psychological, social, and spiritual problems. Families who take care for cancer patients are called family caregivers. A family caregiver helps to overcome almost all problems experienced by the patients both while being treated at home and in the hospital. Families experience joy and sorrow in caring for patients. In treating patients with chronic diseases, not only the patient but the family caregiver's well-being and quality of life are also important. Therefore, it is very important to know how the family caregiver's burden is and the factors that affect the family burden in caring for patients. Caregiver family burden can be measured using Caregiver Reaction Assessment (CRA), which is represented by several factors. By understanding the causal relationship between family burden factors, it is hoped that it can help to identify how the caregiver burden is sourced and impacted. Therefore, this study aims to identify the causal relationships between factors related to the burden on family caregivers in caring for patients. This study uses a causal modeling algorithm called Stable Specification Search for Cross-sectional Data with Latent Variable (S3C-Latent) to obtain a causal model between the relevant caregiver family load factors. The results of modeling analysis showed that there are 3 factors which have a causal relationship and 2 factors have an association relationship. Gender has a stable causal relationship to health readiness and readiness to care, Moreover, the caring readiness factor affects the family caregiver activity factor, and the financial factor has a strong association with the activity factor and family relationships. This causal modeling can be used as a reference for health workers so as to give health services which are precise, efficient, and effective in dealing with caregiver burden problems.