Kamis

Model Cox Donor Darah Bagian 3

#bg1 Infografis Sains SIMDONDAR

SIMDONDAR SCIENCE

ARSIKETUR DATA & REKAYASA FITUR DONOR DARAH

Kualitas analisis Cox Proportional Hazards sangat bergantung pada integritas data input! Di UDD PMI Kota Cirebon, SIMDONDAR menyimpan "harta karun" data yang jika diolah dengan benar, mampu mengungkap pola perilaku donor yang tersembunyi.

Standardized RDBMS: MySQL / PostgreSQL
3.1. ANATOMI DATABASE SIMDONDAR

Menggunakan sistem RDBMS tingkat lanjut untuk mengekstraksi kohort usia 18-25 tahun. Inilah struktur tabel Ms_Donor yang menjadi fondasi utama analisis retensi.

DonorID (Primary Key)

Vital untuk melacak riwayat longitudinal setiap individu.

TglLahir (Date)

Filter utama untuk kohort usia kritis 18-25 tahun.

VARIABEL BIOLOGIS & FISIOLOGIS

Dua variabel kunci yang menentukan Baseline Hazard: Jenis Kelamin dan Golongan Darah.

WANITA (3 BLN) PRIA (2 BLN) A, B, O, AB

Golongan Darah: Mempengaruhi frekuensi recruitment call saat stok menipis. Rhesus: Rhesus negatif sangat langka, cenderung memiliki ikatan komunitas dan retensi lebih tinggi.

SOSIOLOGI & GEOSPASIAL

Pekerjaan

Mahasiswa, Pelajar, TNI/Polri, Swasta — Membedakan pola waktu luang untuk berdonasi.

Alamat_Kecamatan

Analisis Geospasial: Jarak tempat tinggal ke Gedung UDD vs Lokasi Mobile Unit.

PROYEKSI GLOBAL

Sistem SIMDONDAR ini sejalan dengan standar WHO (World Health Organization) dalam memantau ketersediaan darah nasional melalui digitalisasi data donor yang presisi. Model analisis ini juga diterapkan oleh American Red Cross untuk optimasi stok darah darurat.

GLOBAL STANDARDS

© 2024 SIMDONDAR UDD PMI KOTA CIREBON | ANALISIS RETENSI DONOR MUDA

Dirancang dengan Estetika Komik Sains untuk Edukasi Digital

#bg2 Deep Dive SIMDONDAR - Komik Sains

DATA SCIENCE COMIC

REKAYASA FITUR SIMDONDAR UDD PMI CIREBON

ZOOM!
KAPOW!
01. THE DATA TREASURE
Kualitas analisis Cox Proportional Hazards dimulai dari sini! SIMDONDAR menyimpan harta karun data yang siap mengungkap perilaku pendonor muda.
RDBMS ARCHITECTURE: MYSQL / POSTGRESQL
Struktur data menggunakan sistem RDBMS terstandardisasi untuk menjamin integritas referensial antar tabel entitas.
02. MS_DONOR (MASTER DATA)
DONORID (VARCHAR/INT)
Kunci Utama (Primary Key). Identitas unik untuk melacak sejarah longitudinal pendonor.
TGLLAHIR (DATE)
Filter krusial untuk mengisolasi Kohort usia 18-25 tahun dalam analisis retensi.
18-25 YEARS OLD
JENIS KELAMIN (L/P)
Variabel biologis penentu interval donasi (Pria: 2 bulan, Wanita: 3 bulan).
GOLONGAN DARAH & RHESUS
Faktor kelangkaan memengaruhi intensitas panggilan donor (Recruitment Call).
AB- RARE
PEKERJAAN & GEOSPASIAL
Segmentasi sosiologis dan jarak tempuh ke Gedung UDD Cirebon.
03. TR_DONASI (TRANSAKSI)
TGLDONASI (DATE) -> INTERVAL (T)
Basis penghitungan waktu antar donasi untuk menentukan tingkat loyalitas.
INTERVAL T
KODELOKASI & MOBILE UNIT
Membedakan donasi di Gedung UDD atau layanan jemput bola di Mobile Unit.
MOBILE UNIT
JENIS DONASI: WB VS APHERESIS
Whole Blood (2-3 bulan) vs Apheresis (Hanya 2 minggu!). Interval yang sangat berbeda.
WB APHERESIS
04. GLOBAL STANDARDS
Sistem SIMDONDAR mengadopsi prinsip ISBT 128 (International Standard for Blood Transfusion) untuk keamanan data donor global.

PROYEKSI WHO:

Digitalisasi data donor adalah pilar utama "Universal Health Coverage" untuk menjamin ketersediaan darah aman di seluruh dunia.

FINISH!

DATABASE INTEGRITY = ACCURATE PREDICTION

© 2024 - UDD PMI Kota Cirebon | SIMDONDAR Infographic Series

#bg3 Infografis Komik Sains SIMDONDAR

SIMDONDAR UNIVERSE

ARSITEKTUR DATA & REKAYASA FITUR: PEMERIKSAAN KLINIS

PASPOR DIGITAL: DONASI ID
INT Setiap tetes darah dimulai dari identitas unik. DonasiID adalah kunci utama yang menghubungkan riwayat kesehatan pendonor dengan setiap upaya donasi yang tercatat dalam sistem. Tanpa kunci ini, data kesehatan hanyalah angka tanpa makna.
?
GERBANG PENYARING: LOLOS VS GAGAL
CHAR Di sinilah keputusan krusial diambil. Status Lolos atau Gagal/Deferral menentukan apakah proses pengambilan darah bisa dilanjutkan. Ini adalah filter keamanan pertama bagi pasien yang akan menerima transfusi.
LABIRIN DEFERRAL: MENGAPA GAGAL?
VARCHAR Data klinis mencatat alasan medis dibalik penolakan. Ini bukan sekadar catatan, tapi peta kesehatan masyarakat.
HB RENDAH
TENSI TINGGI
MINUM OBAT
KURANG TIDUR
HAID
BERAT BADAN
SANG PEMBAWA OKSIGEN: KADAR HB
DECIMAL Variabel kontinu yang sangat sensitif. Kadar Hb yang "Borderline" (pas-pasan) adalah prediktor emas untuk menganalisis kemungkinan *lapse* (pendonor tidak kembali lagi) di masa depan.
DINAMIKA DARAH: SISTOLE & DIASTOLE
VARCHAR Tekanan darah adalah cermin kebugaran sesaat. Angka sistolik dan diastolik bukan hanya syarat lolos, tetapi juga data penting untuk melihat tren hipertensi pada populasi pendonor darah aktif.

PANDANGAN GLOBAL & ANALISIS

STANDAR WHO: Minimal kadar Hb untuk donor darah internasional adalah 12.5 g/dL. SIMDONDAR memastikan standar ini terjaga melalui rekayasa fitur otomatis.
BIG DATA PREDICTIVE: Di tingkat global, integrasi data seperti Alasan Gagal (Deferral) digunakan oleh bank darah modern untuk melakukan *targeted recall*—menghubungi kembali pendonor saat kondisi kesehatan mereka diprediksi sudah membaik.
Data Source: Arsitektur SIMDONDAR (Data Klinis & Seleksi) | © 2024 Science Comic Infographics
#bg4 Infografis Komik Sains SIMDONDAR

MISI RAHASIA:
ARSITEKTUR SIMDONDAR

Selamat datang di pusat komando data! Di sini kita akan membedah bagaimana SIMDONDAR mengelola data vital donor darah. Kita tidak hanya menyimpan angka, tapi merekayasa masa depan kesehatan melalui arsitektur data yang kokoh dan efisien.

Ms_MobileUnit: Jejak Digital Sang Penjemput

Kampus Mall/CSB Instansi
Tabel Ms_MobileUnit adalah kunci mobilitas. Di sini, setiap lokasi dicatat dengan presisi tinggi.
  • MobileUnitID: Sang identitas tunggal (Primary Key).
  • NamaInstansi: Koordinat aksi (Unswagati, IAIN, CSB Mall).
  • KategoriInstansi: Klasifikasi strategis (Sekolah, Perusahaan, Ibadah).

Simulasi Query SQL: Memburu Data Kohort

RAW DATA 2019-2024 Filter: 18-25 Thn
Mengekstrak data kohort usia 18-25 tahun memerlukan ketajaman logika SQL. Kita menarik riwayat 5 tahun (2019-2024) untuk menangkap anomali perilaku sebelum dan sesudah pandemi.
/* SQL COMPLEX EXTRACTION */
SELECT d.DonorID, d.TglLahir, d.JenisKelamin, t.TglDonasi,
CASE WHEN t.KodeLokasi = 'UDD_GEDUNG' THEN 'Static' ELSE 'Mobile' END AS TipeLokasi
FROM Ms_Donor d JOIN Tr_Donasi t ON d.DonorID = t.DonorID
WHERE TIMESTAMPDIFF(YEAR, d.TglLahir, t.TglDonasi) BETWEEN 18 AND 25
AND t.TglDonasi >= '2019-01-01' AND t.TglDonasi < = '2024-12-31';

The Cleaning Squad: Melawan Data Kotor!

CLEANING! Duplicate DUPLIKAT Missing KOSONG
Data mentah adalah musuh utama analisis presisi. Tiga protokol wajib:
🚫 1. DEDUPLIKASI: Hapus ID ganda berbasis Nama + Tgl Lahir.
🔍 2. MISSING VALUES: Strategi imputasi 'Unknown' pada kolom Pekerjaan.
⚠️ 3. LOGIKA TANGGAL: Tgl Donasi tidak boleh mendahului Tgl Lahir!

Time-to-Event: Menghitung Detak Retensi

Donasi 1 Donasi 2 GAP TIME (Δt)
Kita mengubah data transaksi menjadi format Counting Process.

Logika Gap Time:
  1. Urutkan berdasarkan DonorID dan TglDonasi.
  2. Hitung Δt: Selisih hari antara donasi ke-k dan ke-(k+1).
  3. E=1 (Uncensored): Jika donasi berikutnya ditemukan.
  4. E=0 (Censored): Jika ini adalah donasi terakhir hingga akhir observasi (31 Des 2024).
Penting: Jika donor mencapai usia 26, mereka disensor secara administratif untuk menjaga karakteristik kohort "Dewasa Awal".
TAMAT!

Proyeksi Data SIMDONDAR (2019-2024)
Direkayasa untuk Keunggulan Analisis Cox.

#DataScience #BloodDonor #HealthTech
© 2025 SIMDONDAR Data Engineering Lab. Seluruh Hak Cipta Dilindungi.

Infaq Imam Ahmad Rahimahullah

Widget Komik Sedekah ...