Pengukuran Persen Lemak Tubuh Menggunakan …

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 20-40 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 x-

ray absorptiometry (DEXA), CT scan, dan sebagainya. Meskipun demikian, metode-

metode 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 masing-

masing, 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 IMT (km/m2) 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 (cut-

off 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 r’ P Value Lingkar Pinggang 0,895 0,000

Lingkar Pinggul 0,898 0,000 RLPP 0,494 0,000 ILT 0,822 0,000 IMT 0,939 0,000 Tricep Skinfold 0,864 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 AUC SE Asymptotic Sig.b

Asymptotic 95% Confidence Interval Lower Bound

Upper Bound

IMT 0,971 0,013 0 0,946 0,996 Lingkar Pinggang 0,96 0,015 0 0,931 0,989 Lingkar Pinggul 0,941 0,02 0 0,902 0,981 Tricep Skinfold 0,91 0,026 0 0,859 0,961 ILT 0,909 0,027 0 0,856 0,961 RLPP 0,776 0,04 0 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 Se (%)

Sp (%)

NPP (%)

NPN (%) LR+ LR−

IMT 0,971 23,01 88,9 89,3 85,96 92,59 8,31 0,12 Lingkar pinggang 0,96 73,8 94,44 86,9 83,76 91,25 7,21 0,06 Lingkar pinggul 0,941 94,9 87 85,7 81,36 91,14 6,08 0,15 Tricep skinfold 0,91 20,13 83,3 84,5 77,59 87,5 5,37 0,2 ILT 0,909 31,62 81,5 82,1 76,27 87,34 4,55 0,23 RLPP 0,776 0,76 68,5 69 63,24 82,86 2,21 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-

off

Se

(%)

Sp

(%)

NPP

(%)

NPN

(%) LR+ LR- Referensi

IMT 27 52,73 98,8 96,67 0,76 43,76 0,48 Depkes RI

(2004)

Lingkar pinggang 80 89,09 86,75 81,67 0,92 6,72 0,13 Depkes RI

(2004)

Tricep skinfold 31,6 50,91 78,31 60,87 0,71 2,35 0,63 NHANES III

(1994)

ILT 40 2,04 100 100 0,63 ∞ 0,98 Bose et al.

(2012)

RLPP 0,8 50,91 100 100 0,75 ∞ 0,49 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-abdominal-

adipose-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. 7 Februari 2013.

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


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.akg-

ui.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, 181-

187.


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.


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, 403-

409.

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.


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, 157-

162.


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.


Pengukuran Persen Lemak Tubuh Menggunakan …

Documents

Transcript of Pengukuran Persen Lemak Tubuh Menggunakan …