Siti Nurokhmah, Kusharisupeni Djokosujono

1

Pengukuran Persen Lemak Tubuh Menggunakan Antropometri Sederhana: Studi Validasi pada Mahasiswi Program Sarjana Ekstensi Fakultas Kesehatan Masyarakat Universitas Indonesia Tahun 2013 Siti Nurokhmah, Kusharisupeni Djokosujono Abstrak Penelitian ini membahas korelasi lingkar pinggang, lingkar pinggul, Rasio Lingkar Pinggang dan Pinggul (RLPP), Indeks Lemak Tubuh (ILT), Indeks Massa Tubuh (IMT), dan tricep skinfold sebagai variabel independen dengan persen lemak tubuh untuk mendapatkan model prediksi persen lemak tubuh dengan cara yang paling sederhana tetapi akurat. Selain itu, skripsi ini juga membahas validitas keenam variabel independen tersebut dalam mendeteksi obesitas pada perempuan usia 2040 tahun. Penelitian ini menggunakan disain cross sectional dengan melibatkan 138 mahasiswi Fakultas Kesehatan Masyarakat Universitas Indonesia berusia 20-40 tahun yang didapat dengan simple random sampling. Hasil penelitian ini ialah pengukuran IMT, lingkar pinggul atau lingkar pinggang merupakan cara yang tepat untuk memprediksi persen lemak tubuh karena memiliki korelasi sangat kuat (r IMT 0,939, lingkar pinggul 0,898, dan lingkar pinggang 0,895 dengan p<0,000). Analisis sensitivitas dan spesifisitas juga menempatkan ketiga variabel tersebut sebagai variabel yang paling tepat digunakan untuk mendeteksi obesitas dengan cut-off IMT 23,01 kg/m2 (Se=88,90%, Sp=89,30%), lingkar pinggang 74,80 cm (Se=94,44, Sp=86,90%), dan lingkar pinggul 94,90 cm (Se=87,00%, Sp=85,70%). Akan tetapi, masih diperlukan penelitian lain untuk memvalidasi temuan ini terkait dengan variasi etnis. Kata Kunci: Validitas, persen lemak tubuh, lingkar pinggang, lingkar pinggul, Rasio Lingkar Pinggang dan Pinggul, RLPP, Indeks Lemak Tubuh, ILT, Indeks Massa Tubuh, IMT, tricep skinfold, obesitas. Pendahuluan Pengetahuan mengenai persen lemak tubuh merupakan hal yang penting bagi setiap individu karena berkaitan dengan status gizi dan risiko terhadap berbagai penyakit metabolik. Nilai persen lemak tubuh dapat diketahui dengan cara pengukuran dengan metode tertentu. Saat ini telah ada berbagai macam cara pengukuran persen lemak tubuh dengan tingkat keakuratan, biaya, kerumitan, dan kenyamanan bagi subjek yang diukur. Metode yang dinilai cukup akurat dalam mengukur persen lemak tubuh misalnya adalah hydrostatic weighing, dual energy xray absorptiometry (DEXA), CT scan, dan sebagainya. Meskipun demikian, metodemetode tersebut tidak praktis untuk digunakan secara individu (personal usage) karena biaya yang mahal dan prosedurnya rumit. Oleh karena itu, para ahli melakukan berbagai penelitian sehingga menghasilkan cara yang tergolong sederhana, yaitu antropometri.

Pengukuran Persen..., Siti Nurokhmah, FKM UI, 2013

2

Terdapat beberapa pengukuran antropometri yang telah diketahui memiliki korelasi kuat dengan persen lemak tubuh sehingga dapat mengukur persen lemak tubuh dengan lebih akurat. Diantaranya adalah lingkar pinggang, lingkar pinggul, Indeks Massa Tubuh (IMT), Indeks Lemak Tubuh (ILT), rasio lingkar pinggang dan lingkar pinggul, dan tricep skinfold. Akan tetapi, penelitian ini sebagian besar dilakukan pada populasi etnis Kaukasia sehingga kurang sesuai jika diterapkan di populasi Indonesia. Oleh karena itu, diperlukan validasi dengan sampel etnis yang ada di Indonesia. Selain itu, penelitian ini juga akan membahas mengenai validasi cut-off point dari berbagai pengukuran antropometri dalam menentukan obesitas berdasarkan nilai persen lemak tubuh. Hal ini diperlukan karena cut-off obesitas yang didasarkan pada nilai persen lemak tubuh masih terbatas penelitiannya, baik di literatur Indonesia maupun internasional. Padahal, definisi obesitas yang sesungguhnya adalah akumulasi lemak tubuh yang berlebihan sehingga berdampak pada menurunnya tingkat kesehatan dalam kaitannya dengan keadaan metabolik seseorang. Tujuan dari analisis ini adalah 1) mengetahui korelasi antara lingkar pinggang, lingkar pinggul, Indeks Massa Tubuh (IMT), Indeks Lemak Tubuh (ILT), rasio lingkar pinggang dan lingkar pinggul, dan tricep skinfold dengan persen lemak tubuh dan 2) Mengetahui cut-off point ingkar pinggang, lingkar pinggul, Indeks Massa Tubuh (IMT), Indeks Lemak Tubuh (ILT), rasio lingkar pinggang dan lingkar pinggul, dan tricep skinfold dalam medeteksi obesitas. Tinjauan Teoritis Lemak merupakan bagian dari komposisi tubuh. Dalam bidang kesehatan masyarakat, pengukuran komposisi tubuh penting untuk mengidentifikasi status gizi dan mengevaluasi efektivitas program intervensi gizi. Metode pengukuran persen lemak tubuh cukup bervariasi dengan kelebihan dan keterbatasannya masingmasing, baik dilihat dari segi akurasi, biaya, radiasi, waktu, dan kenyamanan bagi subjek yang diukur. Metode yang akhir-akhir ini berkembang adalah antropometri karena murah, mudah dibawa, dan mudah didapat. Prosedurnya juga mudah dipahami dan tidak menimbulkan risiko bagi subjek yang diukur (Schneeman et al., 2001). Akan tetapi, metode ini memerlukan pengalaman dan reliabilitas variabel yang digunakan (Hills, 2005). Pengukuran antropometri yang sering digunakan adalah llingkar pinggang, lingkar pinggul, Indeks Massa Tubuh (IMT), Indeks Lemak Tubuh (ILT), rasio lingkar pinggang dan lingkar pinggul (RLPP), dan tricep skinfold.


3

Pengukuran lingkar pinggang merupakan metode yang sangat praktis dan persentase kesalahan mengukurnya relatif kecil karena nilai lingkar tubuh ini relatif besar. Berbagai penelitian telah membuktikan bahwa lingkar pinggang memiliki korelasi yang kuat dengan lemak tubuh pada orang dewasa. Koefisien korelasi lingkar pinggang dengan persen lemak tubuh pada perempuan dewasa berkisar antara 0,704 – 0,96. Lingkar pinggul memiliki korelasi yang kuat dengan persen lemak tubuh pada perempuan dewasa dengan koefisien korelasi 0,602 – 0,88. Secara fisiologis, lingkar pinggul juga mencerminkan persen lemak tubuh karena pada bagian tersebut banyak terdapat lemak subkutan. Indeks Massa Tubuh (IMT) merupakan pengukuran yang sering dipakai dalam menentukan status gizi. IMT juga berkorelasi dengan persen lemak tubuh dengan r 0,72 – 0,947. Meskipun demikian, IMT memiliki kelemahan karena nilainya dapat bias jika subjek yang diukur memiliki tubuh yang atletis, edema, dan usia telah lanjut (Gibson, 2005). Indeks Lemak Tubuh (ILT) diperoleh dari pengukuran lingkar pinggul dan tinggi badan. ILT memiliki korelasi yang cukup baik dengan persen lemak tubuh karena berhubungan dengan lingkar pinggul/ lemak subkutan. Koefisien korelasi ILT dengan persen lemak tubuh pada penelitian sebelumnya berada pada kisaran 0,36 – 0,85. Rasio lingkar pinggang dan lingkar pinggul (RLPP) mencerminkan lemak subkutan dan lemak visceral sehingga memiliki korelasi yang cukup baik dengan persen lemak tubuh. Nilai koefisien korelasi pada perempuan umumnya lebih kecil dibandingkan pada laki-laki, yaitu antara 0,32 – 0,55. Terakhir adalah tricep skinfold. Pengukuran tricep skinfold memiliki korelasi paling kuat dengan persen lemak tubuh pada perempuan dewasa dibandingkan dengan skinfold pada titik-titik pengukuran yang lain (Gibson, 2005). Penelitian sebelumnya menunjukkan bahwa koefisien korelasi tricep skinfold dengan persen lemak tubuh adalah 0,894 – 0,98. Selain melihat nilai korelasinya, penelitian ini juga akan melakukan validasi terhadap cut-off obesitas untuk setiap variabel independen. Beberapa variabel seperti lingkar pinggang, IMT, ILT, dan RLPP telah cukup banyak diteliti validasinya sebagai cut-off obesitas. Metode Penelitian Subjek Penelitian cross sectional ini mengambil sampel 138 mahasiswi Program Sarjana Ekstensi FKM UI yang berusia 20-40 tahun yang diambil secara acak sederhana.


4

Kriteria inklusi penelitian adalah mahasiswi S1 Ekstensi angkatan 2011 dan 2012 FKM UI yang berstatus sebagai mahasiswi aktif, usia antara 20-40 tahun, tidak dalam kondisi fraktur atau dengan deformitas fisik seperti skoliosis, kelainan tulang belakang, dan dapat berdiri lurus karena jika tidak, dapat mempengaruhi pengukuran tinggi badan (untuk mengukur persen lemak dengan BIA). Selain itu, responden dengan kondisi sedang tidak sakit (kondisi sakit yang berpengaruh pada keseimbangan cairan dan elektrolit, perubahan hematokrit, dan suhu tubuh/ demam). Subjek tidak dalam keadaan baru saja mengkonsumsi makanan dan/ atau minuman kurang dari dua jam terakhir dan tidak melakukan aktivitas fisik/ olahraga moderat kurang dari dua jam terakhir dan tidak dalam kondisi haid/ menstruasi. Pengukuran Antropometri Enumerator terdiri dari 4 mahasiswa Gizi FKM UI yang telah mendapat materi penilaian status gizi dan pelatihan sebelum pengambilan data. Berat badan dikukur dengan timbangan digital merk Kriss yang dikalibrasi setiap kali akan digunakan. Tinggi badan diukur dengan mikrotoa (dikalibrasi setiap akan digunakan), lingkar pinggang dan lingkar pinggul diukur dengan pita ukur nonelastis. Sedangkan persen lemak tubuh diukur menggunakan BIA BF 302 Omron Body Fat Analyzer. Analisis Statistik Data dihimpun dalam Microsoft Excel kemudian dianalisis menggunakan SPSS 15,0. Analisis korelasi dilakukan dengan korelasi Spearman. Analisis sensitivisitas dan spesifisitas menggunakan Kurva Receiver Operating Characteristic (ROC) dengan membandingkan nilai Area Under Curve (AUC). Selanjutnya dicari cut-off optimal dari masing-masing variabel dan dibandingkan keakuratannya berdasarkan nilai sensitivisitas, spesifisitas, Nilai Prediksi Positif (NPP), Nilai Prediksi Negatif (NPN), Likelihood Ratio Positive (LR+), dan Likelihood Ratio Negative (LR−). Hasil Penelitian Karakteristik Subjek Total terdapat 138 responden yang berpartisipasi dalam penelitian ini dengan usia 20-40 tahun. Karakteristik sampel penelitian ini selengkapnya dapat dilihat pada Tabel 1.


5

Tabel 1. Data Antropometri Variabel Mean (n 138) Min-Maks (n 138) 95% CI (n 138) PLT BIA (%) 30,22 ± 6,56 14,70-46,70 29,11-31,32 Lingkar Pinggang (cm) 73,34 ± 10,27 55,90-99,00 71,61-75,06 Lingkar Pinggul (cm) 94,49 ± 9,20 75,8-143,4 92,94-96,03 RLPP 0,78 ± 0,06 0,61-0,96 0,76-0,78 ILT 31,13 ± 4,83 22,25-53,19 30,32-31,88 2 IMT (km/m ) 23,03 ± 4,35 16,35-36,20 22,30-23,76 Tricep Skinfold (mm) 19,93 ± 6,68 7,50-42,00 18,80-21,05 Berdasarkan persen lemak tubuhnya, persentase obesitas (persen lemak tubuh ≥ 32%) pada sampel ini adalah 39,9%. Akan tetapi, berdasarkan klasifikasi IMT Depkes, persentase obesitas hanya 20,29%. Berdasarkan lingkar pinggangnya (cutoff 80 cm), 21,74% tergolong berisiko. Adapun menurut RLPP-nya, 33,33% tergolong sebagai RLPP berisiko. Dan menurut ILT, hanya 5,07% yang tergolong obesitas. Analisis Korelasi Hasil analisis korelasi menunjukkan bahwa semua variabel independen memiliki hubungan yang signifikan dan positif dengan persen lemak tubuh. Nilai r nya termasuk dalam kategori yang sangat kuat/ sempurna kecuali RLPP. Selengkapnya mengenai nilai r dapat dilihat pada Tabel 2. Tabel 2. Koefisien Korelasi Variabel Lingkar Pinggang Lingkar Pinggul RLPP ILT IMT Tricep Skinfold

r’ 0,895 0,898 0,494 0,822 0,939 0,864

P Value 0,000 0,000 0,000 0,000 0,000 0,000

Analisis Sensitivitas dan Spesivisitas Kurva ROC dan AUC untuk analisis validitas cut-off point lingkar pinggang, lingkar pinggul, RLPP, ILT, IMT, dan tricep skinfold terhadap persen lemak tubuh BIA dapat dilihat pada kurva berikut.


6

Gambar 1. Kurva ROC IMT, Lingkar Pinggang, Lingkar Pinggul, Tricep Skinfold, ILT, dan RLPP

Gambar menunjukkan kurva ROC untuk cut-off point obesitas menurut persen lemak tubuh. Nilai AUC untuk keenam variabel dependen penelitian ini berkisar antara 0,776-0,971 atau keakuratan uji diagnostik tersebut berada dalam kisaran sedang hingga sangat baik (Tape, 2013). Selengkapnya dapat dilihat pada Tabel 3. Tabel 3. Area Under Curve Variabel IMT Lingkar Pinggang Lingkar Pinggul Tricep Skinfold ILT RLPP

AUC

SE

0,971 0,96 0,941 0,91 0,909 0,776

0,013 0,015 0,02 0,026 0,027 0,04

Asymptoti c Sig.b 0 0 0 0 0 0

Asymptotic 95% Confidence Interval Lower Upper Bound Bound 0,946 0,996 0,931 0,989 0,902 0,981 0,859 0,961 0,856 0,961 0,696 0,855

Adapun analisis cut-off optimal untuk masing-masing variabel dapat dilihat pada Tabel 4.


7

Tabel 4. Hasil Analisis Cut-off Optimal Variabel

AUC

Cut-off

IMT Lingkar pinggang Lingkar pinggul Tricep skinfold ILT RLPP

0,971 0,96 0,941 0,91 0,909 0,776

23,01 73,8 94,9 20,13 31,62 0,76

Se (%) 88,9 94,44 87 83,3 81,5 68,5

Sp (%) 89,3 86,9 85,7 84,5 82,1 69

NPP (%) 85,96 83,76 81,36 77,59 76,27 63,24

NPN (%) 92,59 91,25 91,14 87,5 87,34 82,86

LR+

LR−

8,31 7,21 6,08 5,37 4,55 2,21

0,12 0,06 0,15 0,2 0,23 0,46

Diskusi Dalam penelitian ini, variabel yang korelasinya paling kuat dengan persen lemak tubuh adalah IMT, diikuti lingkar pinggul, lingkar pinggang, tricep skinfold, ILT, dan terakhir RLPP. Berikut ini dijelaskan perbandingan hasil penelitian ini (yaitu korelasi antara variabel-variabel independennya dengan persen lemak tubuh) dengan penelitian lain. Antara lingkar pinggang dan lingkar pinggul, penelitian ini membuktikan bahwa lingkar pinggullah yang korelasinya lebih besar daripada lingkar pinggang. Hasil penelitian ini serupa dengan penelitian yang dilakukan oleh Pongchaiyakul et al. (2005) di Thailand dimana korelasi lingkar pinggul 0,07 lebih besar daripada lingkar pinggang. Schilze et al. (2012) dalam penelitiannya terhadap laki-laki Kaukasia juga turut mengkonfirmasi bahwa lingkar pinggul lebih besar korelasinya daripada lingkar pinggang. Sedikit berbeda dengan Lean et al. (1996) yang menemukan bahwa lingkar pinggang sedikit lebih besar korelasinya dibandingkan dengan lingkar pinggul, dimana r lingkar pinggang 0,79 dan lingkar pinggul 0,78. Secara teori, lemak (pada perempuan) lebih banyak disimpan di area pinggul dan paha daripada di area abdomen. Dimana lemak di area pinggul berhubungan dengan lingkar pinggul dan lemak di area abdomen berhubungan dengan lingkar pinggang sehingga korelasi lingkar pinggul lebih besar dibandingkan dengan lingkar pinggang (Regitz-Zagrosek, Lehmkuhl, and Weickert 2006). Lingkar pinggang dengan tricep skinfold memiliki nilai korelasi yang sama-sama tergolong kuat/ sempurna dalam merepresentasikan persen lemak tubuh. Dalam penelitian ini, korelasi lingkar pinggang 0,031 lebih besar dibandingkan dengan korelasi tricep skinfold. Penelitian Lean et al. (1996) juga mendapatkan nilai korelasi yang sejalan dengan penelitian ini, dimana lingkar pinggang lebih besar korelasinya daripada tricep skinfold (r lingkar pinggang 0,79 dan tricep skinfold 0,768).


8

Jika dibandingkan antara lingkar pinggang dan RLPP, hasil penelitian ini sejalan dengan penelitian Pouliot et al. (1994) dimana korelasi lingkar pinggang pada perempuan lebih besar daripada RLPP (r lingkar pinggang 0,94 dan RLPP 0,58). Demikian pula dengan penelitian Seidell et al. (2001) yang menghasilkan nilai r 0,94 untuk lingkar pinggang dan 0,55 untuk RLPP. Pongchaiyakul et al (2005) juga mendapatkan hasil yang serupa dalam penelitiannya yang menghasilkan r lingkar pinggang dan RLPP berturut-turut sebesar 0,71 dan 0,32. Penelitian Lean et al. pada tahunn 1996 juga mendapatkan hasil yang sejalan dengan r lingkar pinggang dan RLPP berturut-turut adalah 0,79 dan 0,536. Allison et al. (1995) menjelaskan alasan akan fenomena ini, yaitu disebabkan oleh RLPP yang berupa rasio sehingga menjadi suatu permasalahan tersendiri dalam analisis statistik dan interpretasinya. Nilai koefisien korelasi lingkar pinggang dengan ILT (yang dihubungkan dengan persen lemak tubuh) sejalan dengan penelitian Schilze et al. (2012) yang menjelaskan bahwa korelasi lingkar pinggang lebih besar daripada ILT. Pada penelitian ini, r lingkar pinggang 0,895 sedangkan ILT 0,822. Adapun dalam Schilze et al. (2012), nilai r lingkar pinggang adalah 0,84 dan ILT 0,68. Selanjutnya, jika kita melihat antara lingkar pinggang dan IMT, penelitian ini menghasilkan nilai korelasi IMT yang lebih besar daripada lingkar pinggang (IMT 0,939 dan lingkar pinggang 0,895). Hasil ini sesuai dengan penelitian Flegal et al. (2009) dimana IMT lebih merepresentasikan persen lemak tubuh daripada lingkar pinggang (r IMT 0,389 dan lingkar pinggang 0,804). Akan tetapi, Lean et al. (1996) menemukan hasil yang tidak sama, dimana penelitiannya membuktikan bahwa lingkar pinggang sedikit lebih baik korelasinya daripada IMT (lingkar pinggang 0,79 dan IMT 0,781). Antara lingkar pinggul dengan RLPP, yang lebih merepresentasikan persen lemak tubuh adalah lingkar pinggul dimana r lingkar pinggul 0,898 sedangkan RLPP 0,494. Hasil ini sejalan dengan penelitian Lean et al. (1996) dimana r lingkar pinggul (r = 0,713) lebih besar daripada RLPP (r = 0,536). Namun demikian, dalam penelitian yang sama, Lean et al. (1996) tidak sejalan dengan penelitian ini jika melihat korelasi lingkar pinggul dibandingkan dengan tricep skinfold. Ia menemukan bahwa tricep skinfold lebih baik korelasinya daripada lingkar pinggul dengan r 0,768. Di sisi lain, antara koefisien korelasi lingkar pinggul dibandingkan dengan IMT penelitian Lean et al. (1996) menunjukkan hasil yang senada dengan penelitian ini dengan menghasilkan r IMT (0,781) lebih besar daripada r lingkar pinggul (0,713).


9

Bergman et al. (2011) juga meneliti hubungan persen lemak dengan lingkar pinggul dan ILT. Hasil penelitiaannya tampak tidak sejalan dengan penelitian ini dengan r ILT (0,85) lebih besar daripada r lingkar pinggul (0,602). Koefisien korelasi RLPP dengan persen lemak tubuh dalam penelitian ini adalah 0,494. Yusnita (2005) melakukan penelitian serupa dengan mengambil variabel RLPP, tricep skinfold, dan IMT. Jika dibandingkan antara RLPP dan tricep skinfold, penelitian Yusnita (2005) sejalan dengan penelitian ini dimana korelasi tricep skinfold lebih besar dibandingkan dengan RLPP (tricep skinfold 0,975 dan RLPP 0,375). Demikian pula ketika RLPP dibandingkan dengan IMT, penelitian keduanya sejalan karena IMT memiliki korelasi yang lebih besar daripada RLPP. Terakhir adalah tricep skinfold dengan IMT. Penelitian ini menemukan bahwa yang lebih merepresentasikan nilai persen lemak tubuh adalah IMT. Hasil ini sejalan dengan penelitian Lean etal (1996) yang menghasilkan r IMT lebih besar daripada tricep skinfold (r IMT 0,781 dan tricep skinfold 0,768). Akan tetapi, Yusnita (2005) tidak sesuai dengan penelitian ini karena penelitiannya membuktikan bahwa yang lebih besar r-nya adalah tricep skinfold ( r IMT 0,911 dan tricep skinfold 0,975). Berdasarkan pembahasan hasil analisis korelasi, hasil penelitian ini membuktikan bahwa variabel yang memiliki hubungan paling kuat dengan persen lemak tubuh adalah IMT. Hasil ini juga sesuai dengan beberapa penelitian sebelumnya. Oleh karena itu, hipotesis yang menyatakan bahwa variabel yang memiliki hubungan paling erat dengan persen lemak tubuh adalah lingkar pinggang tidak terbukti. Meskipun demikian, karena penelitian ini ditujukan untuk mendapatkan cara yang paling sederhana dalam memprediksi persen lemak tubuh, variabel IMT yang memerlukan ukuran tinggi dan berat badan menjadi kurang praktis jika dibandingkan dengan lingkar pinggul atau pinggang yang mana lebih praktis pengukurannya dan dapat dilakukan secara mandiri. Oleh karena itu, mengingat IMT, lingkar pinggang, maupun pinggul memiliki nilai r yang berdekatan dan sama-sama termasuk dalam kategori hubungan yang sangat kuat/ sempurna, prediksi persen lemak tubuh dapat dilakukan dengan menggunakan IMT, kemudian lingkar pinggul, dan selanjutnya lingkar pinggang. Adapun untuk variabel lain, seperti tricep skinfold dan ILT yang juga termasuk ke dalam korelasi yang sangat kuat, menjadi kurang tepat untuk dilakukan karena prosedurnya lebih rumit dan korelasinya tidak sebesar tiga variabel sebelumnya.


10

Untuk RLPP, karena korelasinya jauh di bawah variabel yang lain, penggunaannya tidak disarankan dalam prediksi persen lemak tubuh. Definisi obesitas menurut WHO adalah kondisi dimana lemak tubuh meningkat sehingga menurunkan tingkat kesehatan. Dari definisi tersebut, tentu yang menjadi standar seseorang dikatakan obesitas adalah kadar lemak tubuhnya. Akan tetapi, karena pengukuran lemak tubuh tidak mudah untuk dilakukan dalam studi populasi, IMT-lah yang digunakan sebagai surrogate untuk mengukur lemak tubuh. Beberapa penelitian membuktikan bahwa IMT memiliki hubungan yang kuat dengan persen lemak tubuh. Hubungan antara persen lemak tubuh dan IMT dipengaruhi oleh usia pada sebagian besar populasi (umumnya orang yang lebih tua memiliki persen lemak tubuh yang lebih banyak) sehingga untuk mengubah cut-off point obesitas berdasarkan IMT ke dalam cut-off point obesitas berdasarkan persen lemak tubuh merupakan hal yang sulit (Lorenzo et al., 2003). Pengukuran persen lemak tubuh secara langsung merupakan cara yang lebih baik untuk mendeteksi obesitas. Lorenzo et al. (2003) dalam penelitiannya terhadap 890 subjek dengan umur 18-83 tahun dan IMT 14-54 kg/m2, membuktikan bahwa klasifikasi obesitas berdasarkan IMT tidak sesuai dengan klasifikasi berdasarkan persen lemak tubuh. Hal ini menjadi alasan penentuan obesitas dalam penelitian ini tidak didasarkan pada IMT, tetapi langsung merujuk pada definisi aslinya, yaitu persen lemak tubuh. Hasil analisis menunjukkan bahwa variabel yang paling baik digunakan sebagai uji diagnostik obesitas adalah IMT karena nilai AUC-nya paling tinggi. Selain itu, cut-off optimal IMT juga memiliki sensitivisitas, NPP, dan LR yang lebih baik dari semua variabel yang lain, kecuali nilai sensitifitas dan LR−. Berbagai hasil penelitian sebelumnya yang diperbandingkan dengan cut-off optimal dari hasil penelitian ini juga tidak menunjukkan performa yang lebih baik daripada hasil penelitian ini. Bahkan, nilai sensitivisitas, NPN, dan LR+ nya memiliki selisih yang sangat jauh di bawah hasil penelitian ini. Adapun nilai spesifisitas, NPP, dan LR− nya hanya sedikit lebih tinggi dari hasil penelitian ini (selengkapnya dapat dilihat pada tabel 5). Hal ini disebabkan oleh perbedaan hal yang cukup mendasar, yaitu standar obesitas yang digunakan. Selain hal mendasar tersebut, beberapa variabel seperti lingkar pinggang, tricep skinfold, dan ILT merupakan cut-off yang diperoleh dari studi terhadap populasi Kaukasia. Sedangkan untuk RLPP dan IMT, dimana Depkes RI telah memberikan cut-off-nya, hasil analisis menunjukkan adanya


11

perbedaan yang cukup berarti. Hal ini disebabkan penetapan cut-off yang digunakan tidak menggunakan standar yang sama dengan ketiga variabel sebelumnya. Beberapa penelitian menggunakan timbulnya risiko kejadian penyakit sebagai standarnya. Berbeda dengan kelima variabel yang telah disebutkan sebelumnya, lingkar pinggul merupakan variabel yang penelitiannya masih terbatas sebagai uji diagnostik obesitas meskipun korelasinya dengan persen lemak tubuh tergolong sangat baik hingga sempurna. Tabel 5. Analisis Cut-off dari Beberapa Referensi Variabel

Cut-

Se

Sp

NPP

NPN

off

(%)

(%)

(%)

(%)

LR+

LR-

IMT

27

52,73

98,8

96,67

0,76

43,76

0,48

Lingkar pinggang

80

89,09

86,75

81,67

0,92

6,72

0,13

Tricep skinfold

31,6

50,91

78,31

60,87

0,71

2,35

0,63

ILT

40

2,04

100

100

0,63

∞

0,98

RLPP

0,8

50,91

100

100

0,75

∞

0,49

Referensi Depkes RI (2004) Depkes RI (2004) NHANES III (1994) Bose et al. (2012) Depkes RI (2004)

Penelitian ini juga memiliki beberapa keterbatasan. Salah satunya adalah alat yang digunakan untuk mengukur persen lemak tubuh. Alat yang digunakan bukan merupakan alat yang tingkat keakuratannya paling baik. Oleh karena itu, diperlukan studi validasi dengan alat yang akurasinya lebih baik sehingga mendekati kenyataan/ gambaran nilai persen lemak tubuh. Selain itu, mengingat pentingnya penelitian ini, studi pada populasi lain, baik kelompok usia yang lain atau jenis kelamin yang lain (yaitu laki-laki) juga perlu dilakukan. Kesimpulan Berdasarkan analisis korelasi IMT, lingkar pinggang, dan pinggul memiliki nilai r yang berdekatan dan sama-sama termasuk dalam kategori hubungan yang sangat kuat/ sempurna sehingga prediksi persen lemak tubuh dapat dilakukan dengan menggunakan salah satu diantaranya. Akan tetapi, lingkar pinggul dan lingkar pinggang memiliki prosedur pengukuran yang lebih mudah/ sederhana sehingga dapat dijadikan sebagai alternatif yang baik untuk memprediksi persen lemak tubuh


12

secara lebih mudah dan praktis pada penelitian epidemiologi. Sedangkan untuk personal usage, IMT juga dapat digunakan karena hanya memerlukan data berat badan (usia dewasa muda tinggi badan cenderung stabil sehingga tidak perlu diukur setiap ingin mengetahui IMT-nya). Analisis ROC menunjukkan bahwa semua variabel (kecuali RLPP) memiliki nilai AUC yang sempurna/ lebih dari 0,9 sehingga semuanya memiliki kemampuan yang baik untuk digunakan sebagai uji diagnostik obesitas (dengan tingkat keakuratan yang tidak sama, tetapi sesuai dengan nilai AUC-nya). Berturut-turut, nilai AUC lingkar pinggang, lingkar pinggul, tricep skinfold, RLPP, ILT, dan IMT adalah 0,960, 0,941, 0,919,0,776, 0,909, dan 0,971. Saran Pada perempuan usia 20-40 tahun, penggunaan antropometri yang paling akurat untuk memprediksi persen lemak tubuh dan mendeteksi obesitas adalah dengan menggunakan indeks massa tubuh (IMT). Diharapkan adanya penelitian serupa mengenai korelasi berbagai variabel antropometri yang sederhana dengan persen lemak tubuh dan cut-off point-nya untuk mendeteksi obesitas pada kelompok populasi yang sama maupun populasi lain (berdasarkan usia, etnis, atau jenis kelamin) dengan menggunakan alat yang lebih baik akurasinya (skinfold caliper, alat ukur persen lemak, tinggi badan, dan berat badan). Kepustakaan 1. Appelhans et al. (2012). How well does the body adiposity index capture adiposity change in midlife women?: the SWAN fat patterning study. American Journal

of

Biology,

24(6),

866-869.

13

Februari

2013.

http://www.ncbi.nlm.nih.gov/pubmed/23015468. 2. Ariawan, Iwan. (1998). Besar dan metode sampel pada penelitian kesehatan. Depok:

Jurusan

Biostatistik

dan

Kependudukan,

Fakultas

Kesehatan

Masyarakat, Universitas Indonesia. 3. Arini,

Firlia

Ayu.

(2010).

Pengukuran

antropometri

dan

hubungannya

dengan”golden standard”persen lemak tubuh, bioelectrical impedance analysis: studi validasi pada anak sekolah dasar tahun 2010. 22 Januari 2013. Universitas Indonesia, Fakultas Kesehatan Masyarakat.


13

4. Arroyo, Marta et al. (2001). Comparison of predicted body fat percentage from anthropometric methods dan from impedance in university students. British Journal of Nutrition, 92, 827–832. 5. Bergman et al. (2011). A better index od body adiposity. Obesity (Silver Spring), 19, 1083–1089. 6. Bjorntop, Per. (1991). Metabolic implication of body fat distribution. Diabetes Care, 14, 1132-1143. 7. Bose, Kaushik, Bigitendriya Debsharma dan Subal Das.( 2012). Is body adiposity index a good measure of nutritional status?a study among two adult tribal populations of Paschim Medinipur, West Bengal, India. Science Journal of Sociology dan Anthropology. 8. Bouchard, Claude. (1997). Genetic determinants of regional fat distribution. Human Reproduction, Volume 12 Supplement I. 9. Brundavani, SR Murthy dan AV Kurpad. (2006). Estimation of deep-abdominaladipose-tissue (DAAT) accumulation from simple anthropometric measurements in Indian men dan women. European Journal of Clinical Nutrition, 60, 658-666. 10. Burton, Richard F. (14 September 2012). Letter to editor: the body adiposityindex is not the best hip-height index of adiposity. British Journal of Nutrition,

108,

2100-2101.

13

Februari

2013.

http://journals.cambridge.org/action/displayAbstract?fromPage=online&aid=8783 702. 11. Cameron et al. (2012). The influence of hip circumference on the relationship between abdominal obesity dan mortality. International Journal of Epidemiology, 484-494. 12. CDC. (2007). National Health and Nutrition Examination Survey (NHANES): Anthropometry Procedures Manual. 13. Chiolero, Arnaud et al. (2008). Consequences of smoking for body weight, body fat distribution, and

insulin resistance. The American Journal of Clinical

Nutrition, 87, 801-809. 14. Chul-Hyun Kim et al. (2011). Optimal cutoffs of percentage body fat for predicting obesity-related cardiovascular disease risk factors in Korean adults. The American Journal of Clinical Nutrition, 94:34–39. 15. Dehghan, Mahshid dan Anwar T Merchant. (2008). Is bioelectrical impedance accurate for use in large epidemiological studies? Nutrition Journal, 7-26.


14

16. Demura, Shinichi S., et al. (2002). The validity dan reliability of relative body fat estimates dan the construction of new prediction equations for young Japanese adult males. J Sports Sci, 20, 153-164. 17. Deurenberg, P. Dan M. Deurenberg-Yap. (2003). Validity of body composition methods across ethnic population groups. Acta Diabetol , S246-S249. 18. Dierkes, J. et al. (1993). Body composition of Indonesian adults assessed by skinfold thickness and bioelectrical impedance measurements and by a body mass index equation. Asia Pacific J Clin Nutr, 2, 171-176. 19. Doxey, Gordon E. (1984). Body composition assessment dan methodology in nonathletic dan athletic adolescent dan adult males dan females. The Journal of Orthopaeoaic dan Sports Physicalth Therapy, 336-347. 20. Fawcett, Tom. (2005). An introduction to ROC analysis. Institute for the Study of Learning and Expertise, Pattern Recognition Letter 27 (2006) 861-874. 21. Flengal, Katherine M. et al. (2009). Comparisons of percentage body fat, body mass index, waist circumference, dan waist-stature ratio in adults. The American Journal of Clinical Nutrition, 89, 500-508. 22. Freedman et al. (Desember 2012). The body adiposity index (hip circumference ÷ height(1.5)) is not a more accurate measure of adiposity than is bmi, waist circumference, or hip circumference. Obesity (Oliver Spring), 20(12), 2438-2444. 13 Februari 2013. http://www.ncbi.nlm.nih.gov/pubmed/22484365. 23. Galagher, Dympna et al. (2000). Healthy percentage body fat ranges: an approach for developing guidelines based on body mass index. The American Journal of Clinical Nutrition, 72, 694-701. 24. Gee, David L. (2013). Assessment of body composition. 6 Februari 2013. www.cwu.edu/~geed/442/BODYCOMP.PPT. 25. Greenberg, Raymond S. et al. (2005). Medical epidemiology (3rd ed.). New York: McGraw-Hill. 26. Harsojo, Tjahjo. (1997). Model prediksi lemak tubuh orang dewasa dengan rasio lingkar

pinggang-pinggul.

Universitas

Indonesia,

Fakultas

Kesehatan

Masyarakat. 27. Harvard Medical School, Harvard Health Publication. (Desember, 2006). Abdominal

fat

and

what

to

do

about

it.

http://www.health.harvard.edu/womens.


7

Februari

2013.

15

28. Hastono, Sutanto Priyo. (2006). Analisis Data. Fakultas Kesehatan Masyarakat Universitas Indonesia. 29. Hidayatulloh, Agus, dkk. 2011. Hubungan faktor risiko obesitas dengan rasio lingkar pinggang-pinggul mahasiswa FKM UI. 24 Januari 2013. http://www.akgui.com/download/jurnal%20%5BFIXED%5D(2).pdf 30. Hill, O. James et al. (2000). Dietary fat intake dan regulation of energy balance: implications for obesity. The Journal of Nutrition, 130, 284S-288S. 31. Hirohito Sone et al. (Mei 2006). Cut points of waist circumference. Diabetes Care, Volume 29 No. 5. 32. Hodgdon J. A. dan K. Friedl. (1999). Development od the DoD body composition estimation equations. San Diego: Naval Health Research Center dan Washington DC: Bureau of Medicine and Surgery. 33. Jackson, A. S. dan M. L. Pollock. (1978). Generalized equations for predicting body density of men. British Journal of Nutrition, Volume 40 Issue 03, 497-504. 34. Janssen, Ian, et al. (2004). Waist circumference dan not body mass index explains obesity related health risk. The American Journal of Clinical Nutrition, 79, 378-384. 35. Johnson et al. (April 2012). Concordance of the recently published body adiposity index with measured body fat percent in European-American adults. Obesity

(Silver

Spring),

20(4),

900-903.

13

Februari

2013.

http://www.ncbi.nlm.nih.gov/pubmed/22095112. 36. Katchunga, Philippe Bianga, et al. (14 Januari 2013). Relationship between waist circumference, visceral fat dan metabolic syndrome in a Congolese community: further research is still to be undertaken. The Pan African Medical Journal. 7 Februari 2013. http://www.panafrican-med-journal.com/content/article/14/20/full. 37. Kesavachandran, Chandrasekharan Nair, Vipin Bihari & Neeraj Mathur. (2010). The normal range

of body mass index with high body fat percentage among

male residents of Lucknow city in north India. Indian J Med Res, 135, 72-77. 38. Kindblom, Jenny M. et al. (2008). Pubertal timing is an independent predictor of central adiposity in young adult males: the Gothenburg osteoporosis dan obesity determinants study. Diabetes, 55, 3046-3052. 39. Konstantynowicz, Jerzy et al. (2011). Thigh circumference as a useful predictor of body fat in adolescent girls with anorexia nervosa. Ann Nutr Metab, 58, 181187.


16

40. Krachler, Benno et al. (2008). Reported food intake dan distribution of body fat: a repeated cross-sectional study. Nutrition Journal, 86, 2891-2895. 41. Kyle, Ursula G. et al. (2004). Bioelectrical impedance analysis part I: review of principles dan methods. Elsevier (Clinical Nutrition),23, 1226-1243. 42. Lean, Michael EJ et al. (1996). Predicting body composition by densitometry from simple anthropometric measurements. The American Journal of Clinical Nutrition, 63, 4-14. 43. Lear, Scott A. et al. (2007). The use of BMI and waist circumference as surrogates of body fat differs by ethnicity. Obesity, 2817-2824, Vol. 15 No. 11, November 2007. 44. Lemacks et al. (19 November 2012). Validation of body adiposity index as a measure of obesity in overweight dan obese postmenopausal white women dan its comparison with body mass index. Menopause, 19 (11), 1277-1279. 13 Februari 2013. http://www.ncbi.nlm.nih.gov/1360753605128539. 45. Li Xu et al. (2012). Visceral fat area, waist circumference dan metabolic risk factors in abdominally obese Chinese adults. Biomed Environ Sci, 25, 141-148. 46. Lopez et al. (2012). Body adiposity index utilization in a spanish mediterranean population:

comparison with the body mass index. PlosOne Open Access

Journal, Volume 7, April 2012. 47. Lorenzo et al. (2003). How fat is obese? Acta Diabetasol, 40: S254-S257. 48. Makino et al. (2 Juli 2008). Patient safety in surgery. 14 Februari 2013. http://www.pssjournal.com/content/2/1/7/figure/F1. 49. Manjiang Yao et al. (2002). Field methods for body composition assessment are valid in healthy Chinese adults. The Journal of Nutrition, 132, 310-317. 50. Margareth, M.B. dan Nelson M. (2000). Design concepts in nutritional apidemiology. Oxford: Oxford University Press. 51. Marjani, Abdoljalal. (2011). Waist circumference, body mass index, hip circumference dan waist-to-hip ratio in type 2 diabetes patients in Gorgan, Iran. Journal of Clinical dan Diagnostic Research Vol-5(2):201-205. 52. Masaru Kagawa et al. (2010). Obesity screening for young Japanese males and females using skin fold measurements: the classification revisited. Asia Pac J Clin Nutr, 19, 289-293. 53. Matos et al. (2012). A new method for body fat evaluation, body adiposity index, is useful in women with familial partial lipodystrophy. Obesity (Silver Spring),


17

20(2),

440-443.

29

Januari

2013.

http://www.ncbi.nlm.nih.gov/pubmed/22095113. 54. Metz, Charles E. (Oktober 1978). Basic principles of ROC analysis. Paper dipresentasikan dalam Seminar Nuclear Medicine. 55. Miazgowski et al. (Juni 2012). Validation of a new index of body adiposity (BAI) to assess body fat in normal weight premenopausal Caucasian women. E-SPEN Journal,

e115-e118.

13

Februari

2013.

http://www.e-

spenjournal.org/article/S2212-8263(12)00017-6/abstract. 56. Misra A. et al. (2005). Waist circumference cutoff points and action levels for Asian Indians for identification of abdominal obesity. International Journal of Obesity, 30, 106–111. 57. Moon, Jordan R. et al. (2008). Percent body fat estimations in college men using field dan laboratory methods: a three-compartment model approach. Dynamic Medicine, 1-9. 58. Murti,

Bhisma.

(2011).

Validitas

dan

reliabilitas

pengukuran.

Fakultas

Kedokteran Universitas Negeri Surakarta. 59. Must, Aviva, Gerars E Dallal, dan William H Dietz. (1991). Reference data for obesity: 85th and 95th percentiles of body mass index (wt/ht2) and triceps skinfold thickness. The American Journal of Clinical Nutrition, 53, 839-846. 60. Naval Health Research Center. (November, 1998). Comparison of circumference dan skinfold-based body fat estimation equations. 23 Januari 2013. Alamat webnya www. 61. Ode, Joshua J. et al. (2007). Body mass index as a predictor of percent fat in college athletes and nonathletes. Medicine & Science in Sports & Exercise, 403409. 62. Otte, Amber et al. (2000). Relationship between body mass index dan predicted %fat in college men dan women. Mo J Health, Physical Education, Recreation & Dance, 23-29. 63. Pecoraro, P. et al. (2003). Body Mass Index dan Skinfold Thickness Versus Bioimpedance Analysis: Fat Mass Prediction in Children. Acta Diabetol (2003) 40: S278-S281, Springer Verlag. 64. Pribyl, Michael I. et al. (2011). Accuracy of the Omron HBF-500 body composition monitor in male dan female college students. International Journal of Excercise Science, 93-101.


18

65. Qing He, et al. (2002). Sex dan race differences in fat distribution among asian, african-american, dan Caucasian prepubertal children. The Journal of Clinical Endocrinology dan Metabolism, 87, 2164–2170. 66. Rolfe, Emanuella De Lucia et al. (2010). Association between birth weight dan visceral fat in adults. The American Journal of Clinical Nutrition, 92, 347-352. 67. Rush, EC et al. (2006). Prediction of fat-free mass by bioimpedance analysis in migrant asian Indian men dan women: a cross validation study. International Journal of Obesity, 30, 1125–1131. 68. Schneeman, Barbara O., et al. (2001). Assessing Readiness in Military Women: The Relationship of Body, Composition, Nutrition, dan Health. Washington DC: National Academy Press. 69. Schulze et al. (17 Februari 2012). Body adiposity index, body fat content dan incidence of type 2 diabetes. Diabetologia, 55(6), 1660-1667. 13 Februari 2013. http://www.ncbi.nlm.nih.gov/pubmed/22349074. 70. Seidell, et al. (21 Juli 1997). Predicting intra-abdominal fatness from anthropometric measures: the influence of stature, 21(7), 587-593. 24 Januari 2013. www.ncbi.nlm.nih.gov/pubmed/9226490. 71. Seidell, Jacob C. et al. (2001). Waist and hip circumferences have independent dan opposite effects on cardiovascular disease risk factors: the Quebec family study. The American Journal of Clinical Nutrition, 74, 378-384. 72. Seong Ho Park, Jin Mo Go, dan Chan-Hee Jo (2004). Receiver operating characteristic (ROC) curve: practical review for radiologists. Korean J Radiol, 5, 11-18. 73. Smoller, Sylvia Wassertheil. (2004). Biostatistics and epidemiology: a primer for health and biomedical professionals (3rd ed.). New York: Springer-Verlad New York Inc. 74. Snehalatha, Chamukuttan, Vijay Viswanathan, dan Ambady Ramachandran. (2003). Cut-off values for normal anthropometric variables in Asian Indian adults. Diabetes Care, 26:1380–1384. 75. Snijder MB et al. (2005). What aspects of body fat are particularly hazardous dan how do we measure them? International Journal of Epidemiology, 35, 83–92. 76. Squires, Nicole E. Jensky. (2008). Validity dan reliability of body composition analysers in children dan adults. British Journal of Nutrition, 100, 859–865.


19

77. Stevens, June, et al. 2008. Impact of Body Mass Index on Incident Hypertension dan Diabetes in Chinese Asians, American Whites, dan American Blacks. American Journal of Epidemiology, Volume 167 No. 11. 78. Tape, Thomas G. (2013). Interpreting Diagnostic Test. University of Nebraska Medical Center. 29 Mei 2013. http://gim.unmc.edu/dxtests/Default.htm. 79. The Cooper Institute. (n.d.). Skinfold Measurements. 15 Maret 2013. www.fitnessgram.net/protocols/skinfolds.pdf 80. Vella, Chantal A. dan Len Kravitz. (n.d.). Fat Metabolism dan Gender Differences. 23 Januari 2013. www.drlenkravitz.com/Articles/genderdiffer.html. 81. Wang, Jack et al. (2003). Comparisons of waist circumferences measured at 4 sites. The American Journal of Clinical Nutrition, 77, 379-384. 82. Wang, Jack, et al. (1994). Asians have lover body mass index (BMI) but highher percent

body

fat

than

do

Whites:

comparison

of

anthropometric

measurements.The American Journal of Clinical Nutrition, 60, 23-28. 83. Wastpadji, Sarwono. (2003). Pengkajian status gizi epidemiologi. Jakarta: Balai Penerbit FK UI. 84. Weatherwax, Dawn. (2008). Komposisi tubuh dan efeknya pada spektrum performa olahraga. NSCA’s Performance Training Journal, 7, 6-7. 85. Weaver, Aaron M. et al. (2009). Evaluation of hand-to-hand bioelectrical impedance analysis for estimating percent body fat in young adults. International Journal of Excercise Science, 93-101. 86. Wen-Ya Ma et al. (28 Desember 2012). Measurement of waist circumference: midabdominal

or

iliac

crest?

Diabetes

Care.

7

Februari

2013.

http://care.diabetesjournals.org/lookup/suppl/doi:10.2337/dc12-1452/-/DC1 87. Westpal, A Bosy et al. (2013). What makes a BIA equation unique? Validity of eight-electrode multifrequency BIA to estimate body composition in a healthy adult population. European Journal of Clinical Nutrition, 67, S14-S21. 88. Westphal, Anja Bosy et al. (2010). Measurement site for waist circumference affects its accuracy as an index of visceral dan abdominal subcutaneous fat in a Caucasian population. The Journal of Nutrition, 140, 954-961. 89. WHO. (Januari 2010). Appropriate body-mass index for Asian populations and its implications for policy and intervention strategies. The Lancet, Vol. 303, 157162.


20

90. WHO. (1998). Obesity – preventing and managing the global epidemic: report of a WHO consultation on obesity. Geneva: World Health Organization, 1998. 7 Februari 2013. http://apps.who.int/bmi/index.jsp?introPage=intro_3.html. 91. WHO. (2011). Waist circumference dan waist-hip ratio report of a WHO expert consultation 8-11 December 2008.

Geneva: WHO Library Cataloguing-in-

Publication Data. 92. Wu, Hong-yan et al. (2009). Waist to height ratio as a predictor of abdominal fat distribution in men. Chinese Journal of Physiology, 52, 441-445. 93. Yuri Matsushita, et al. (2009). Online letter: optimal waist circumference measurement site for assessing the metabolic syndrome. Diabetes Care Volume 32. 94. Yusnita, Erni. (2005). Studi validasi pengukuran persen lemak tubuh dengan bioelectrical impedance analysis (BIA) dan menggunakan IMT, RLPP, skinfold thickness pada mahasiswa Program Magister FKM UI 2005. [skripsi]. Universitas Indonesia, Fakultas Kesehatan Masyarakat.


Siti Nurokhmah, Kusharisupeni Djokosujono

Recommend Documents