<![CDATA[Penyakit kronis seperti hipertensi, diabetes melitus, penyakit jantung, dan penyakit ginjal kronik merupakan penyebab utama morbiditas dan mortalitas di dunia. Peningkatan prevalensi penyakit kronis dipengaruhi oleh berbagai faktor epidemiologis, seperti usia, jenis kelamin, indeks massa tubuh (IMT), dan riwayat penyakit keluarga, serta perilaku kesehatan yang meliputi kebiasaan merokok, aktivitas fisik, pola makan, konsumsi garam, konsumsi gula, dan konsumsi alkohol. Identifikasi faktor-faktor tersebut melalui model prediksi risiko sangat penting untuk mendukung deteksi dini dan upaya pencegahan penyakit kronis di masyarakat.Penelitian ini bertujuan untuk menganalisis faktor epidemiologis dan perilaku kesehatan yang berhubungan dengan kejadian penyakit kronis serta menyusun model prediksi risiko penyakit kronis pada masyarakat.Penelitian menggunakan desain kuantitatif analitik dengan pendekatan cross-sectional. Penelitian dilaksanakan di wilayah kerja salah satu puskesmas di Indonesia pada Januari–Maret 2026. Sampel penelitian sebanyak 250 responden dipilih menggunakan teknik multistage random sampling. Data dikumpulkan melalui wawancara menggunakan kuesioner terstruktur, pengukuran antropometri, pemeriksaan tekanan darah, serta pengukuran kadar gula darah sewaktu. Analisis data meliputi analisis univariat, uji Chi-Square, dan regresi logistik ganda untuk membentuk model prediksi risiko penyakit kronis. Kinerja model dievaluasi menggunakan uji Hosmer–Lemeshow dan kurva ROC.Berdasarkan data simulasi, usia ≥45 tahun, obesitas, riwayat penyakit kronis dalam keluarga, aktivitas fisik rendah, konsumsi garam tinggi, dan kebiasaan merokok berhubungan signifikan dengan kejadian penyakit kronis (p<0,05). Analisis regresi logistik menunjukkan bahwa usia ≥45 tahun (OR=4,32), obesitas (OR=3,41), riwayat keluarga (OR=2,95), dan aktivitas fisik rendah (OR=2,63) merupakan prediktor dominan. Model prediksi memiliki nilai Area Under Curve (AUC) sebesar 0,87, yang menunjukkan kemampuan diskriminasi yang baik.Faktor epidemiologis dan perilaku kesehatan berpengaruh terhadap risiko penyakit kronis. Model prediksi yang dikembangkan memiliki kemampuan yang baik dalam mengidentifikasi individu berisiko tinggi sehingga dapat dimanfaatkan sebagai dasar skrining dan intervensi promotif-preventif di pelayanan kesehatan primer]]>
