SIDANGrepository.its.ac.id/72595/2/1313030075-Presentationpdf.pdf · 2020. 1. 8. · SIDANG Oleh :...

PEMODELAN PREVALENSI MALARIA DI PAPUA BERSERTA FAKTOR YANG

MEMPENGARUHINYA MENGGUNAKAN REGRESI NONPARAMETRIK SPLINE

SIDANG

Oleh :

Fisty Aprila Tiara Hari

Dosen Pembimbing:

Prof. Dr. Drs. I Nyoman Budiantara, M.Si

Dosen Penguji:

Dr. Irhamah, S.Si, M.SiErma Oktania Permatasari, S.Si, M.Si

PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMINSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

BAB IPENDAHULUAN

BAB IITINJAUAN PUSTAKA

BAB IVANALISIS DAN PEMBAHASAN

BAB IIIMETODOLOGI

PENELITIAN

BAB VKESIMPULAN DAN SARAN DAFTAR PUSTAKA

Manfaat

Batasan Masalah

Rumusan Masalah

Latar Belakang

BAB I PENDAHULUAN

BAB I PENDAHULUAN

0

5

10

15

20

25

30

Series1

Latar Belakang

BAB I PENDAHULUAN

Penelitian Sebelumnya tentang Malaria

Susilowati (2013) meneliti malaria di Provinsi

Maluku Utara, Maluku, Papua Barat,

dan Papua dengan faktor yang

mempengaruhinya menggunakan analisis regresi

Lestari (2014) meneliti penyakit

malaria menggunakan metode regresi

logistik biner untuk mendapatkan faktor yang berpengaruh secara signifikan

terhadap ibu hamil,

Fadhilah (2015) meneliti tentang kejadian penyakit malaria dan faktor yang mempengaruhi di Provinsi Papua menggunakan metode GWR.

Pengertian

Titik knot

Kelebihan metode

BAB I PENDAHULUAN

Spline

Penelitian Sebelumnya Menggunakan Regresi Nonparamtrik Spline

BAB I PENDAHULUAN

Anwar 2014Pemodelan tingkat

pengangguran terbuka di Jawa Barat

Sentosa, 2015. Pemodelan faktor-faktor yang

mempengaruhi persentase berat badan bayi Bawah Garis

Merah (BGM) pada Kartu Menuju Sehat (KMS) di

Provinsi Jawa Timur

BAB I PENDAHULUAN

Rumusan Masalah

Bagaimana Mendapatkan Model Terbaik?

Mendapatkan model terbaik

Tujuan

Batasan Masalah

• Data kejadian penyakit malaria di Provinsi Papua tahun 2013.

• Menggunakan metode regresi Nonparametrik spline dengan 1 knot, 2 knot, 3 knot serta kombinasi knot.

Penyakit Malaria

Regresi Parametrik

Regresi Nonparametrik Spline

Statistika Deskriptif

BAB II TINJAUAN PUSTAKA



Statitika Deskriptif

Pengertian Pemusatan

DataPenyebaran Penyebaran

Data

Regresi Parametrik

ikk xxy .....110

Analisis regresi parametrik memodelkanantara variabel prediktor dengan variabel

respon dimana bentuk kurva diketahui



Pengertian

Rumus

Titik knot Optimal

Metode statitika untuk mengetahui hubungan antar

variabel respon dengan variabel prediktor dimana pola data yang bentuk kurvanya tidak diketahui



Pengertian

Rumus

iii xfy )(

qr

k

kkq

q

j

jiji Kxxxf

)()(

10

ki

kiq

kiq

ki

Kx

KxKx

Kx

,0

,)(

)(

ni ,...,3,2,1;





Pemilihan Titik Knot OPtimal

221

1

2121

)]),...,,(([(

),...,,(),...,,(

r

rr

KKKAItrn

KKKMSEKKKGCV

Titik knot merupakan titik perpaduan bersama dimana ada perubahan perilaku fungsi pada

interval yang berlainan

Rumus

,)ˆ(),...,,( 21

121

n

iryynKKKMSE

yKKKAy r ),...,,(ˆ 21

Independen Identik Normal


Uji Parameter Signifikansi Parameter

Uji Serentak

Uji Parsial H0 ditolak

MSE

MSRF rqj

SEt

j

j ,...,2,1,

)ˆ(

ˆ

Uji IIDN


Penyakit Malaria

Malaria merupakan penyakit yang mengancamjiwa yang disebabkan oleh parasit Protozoa

genus Plasmodium dan ditularkan padamanusia oleh gigitan nyamuk Anopheles species betina yang bertindak sebagai vektor malaria.

Penyakit ini masih merupakan masalahkesehatan masyarakat karena sering

menimbulkan kejadian luar biasa (KLB), berdampak luas terhadap kualitas hidup dan

ekonomi, serta dapat mengakibatkan kematian.

BAB IIIMETODOLOGI PENELITIAN

Langkah-langkah Penelitian

Diagram Alir

Variabel Penelitian

Sumber Data

Data Sekunder

Riset Kesehatan Dasar

(Riskesdas) tahun 2013

Penyakit malaria di Provinsi

Papua pada tahun 2013

beserta faktor-faktor yang

diduga mempengaruhi.

BAB IIIMETODOLOGI PENELITIANSumber Data

Variabel Keterangan

Y Prevalensi kejadian penyakit malaria di tiap

kabupaten/kota di Provinsi Papua tahun 2013

X1 Persentase rumah tangga menggunakan plafon

kayu/tripleks

X2 Persentase rumah tangga menguras bak mandi

seminggu sekali

X3 Persentase rumah tangga memakai air bersih

(20-49,9 liter

X4 Persentase pengobatan malaria dengan

mendapatkan obat ACT (Artemisinin-based

Combination Therapy) program

X5 Persentase rumah tangga menggunakan tempat sampah terbuka

BAB IIIMETODOLOGI PENELITIANVariabel Penelitian

Mengumpulkan data mengenai penyakit malaria di Provinsi Papua pada beserta faktor-faktor yang diduga mempengaruhi.

Melakukan analisis deskriptif terhadap seluruh variabel.

Mengidentifikasi bentuk pola data antara variabel respon dengan variabel prediktor di Provinsi Papua dengan masing-masing faktor-faktor yang diduga mempengaruhi.

Melakukan analisis regresi parametrik terhadap variabel respon dengan variabel prediktor.

Menguji signifikansi parameter

BAB IIIMETODOLOGI PENELITIANLangkah-langkah Penelitian

Menghitung koefisien determinasi R2.

Memodelkan variabel respon denganvariabel prediktor menggunakan regresinonparametrik spline dengan satu, dua, tiga, dan kombinasi titik knot.

Memilih titik knot optimal menggunakan metode Generalized Cross Validation(GCV).

Membuat model regresi nonparametrik spline dengan titik knot optimal.

Menguji signifikansi parameter


Menguji dengan uji asumsi residual IIDN.

Menghitung koefisien determinasi R2.

Menginterpretasikan model.

Menarik kesimpulan



Diagram alir dari langkah-langkah analisis disajikan sebagai berikut.

Mengumpulkan data penyakit malaria di Provinsi Papua padatahun dan faktor-faktor yang diduga mempengaruhi

Mulai

Melakukan analisis data menggunakan statistika deskriptif

Menghitung koefisien determinasi R2

Mengidentifikasi bentuk pola data antara variabel respon denganvariabel prediktor

Melakukan analisis regresi parametrik regresi linear bergandaterhadap variabel respon dengan variabel prediktor

Uji parameter secara serentak

A


Memodelkan variabel respon dengan variabel prediktor menggunakanregresi nonparametrik spline dengan beberapa titik knot

Memilih titik knot optimal menggunakan metode Generalized Cross Validation (GCV)

A

Menguji parameter secara serentak

Menguji parameter secara parsial

Menghitung koefisien determinasi R2

Menguji asumsi residual model

Menginterpretasikan model dan menarik kesimpulan

Selesai

Pemodelan Data dengan Regresi Parametrik

Pemodelan Data dengan Regresi Nonparametrik Spline

Karakteristik Data


Variabel Mean Varians Minimum Maksimum

Y 17,15 156,07 1,8 46

X1 40,02 333,97 6,5 74,7

X2 15,4 173,14 1,3 51,7

X3 29,23 218,49 1,3 59,6

X4 42,41 591,77 4,9 97,2

X5 59,4 491,15 2,7 96,7



Tabel Karakteristik data Prevalensi Kejadian Penyakit Malaria dan Faktor yang Diduga Mempengaruhi

0 10 20 30 40 50

Merauke

Jayawijaya

Jayapurura

Nabire

Kepulauan yapen

Biak Numfor

Paniai

Puncak jaya

Mimika

Boven D

Mappi

Asmat

Yahukim

Pegununnganbintang

Tolikara

Sarmi

Keerom

Waropen

Supiori

mamberamoraya

Nduga

Lanny J

Mamberatengah

Yalimo

Puncak

Dogiyai

Intan J

Deiyai

Kota Ja



Gambar Prevalensi Malaria di Kabupaten/Kota di Papua Tahun

2013

Peta Persebaran Prevalensi Malaria di Kabupaten/Kota Provinsi Papua



Regresi Parametrik


54321 165,0086,0311,0540,0054,070,3ˆ xxxxxy

Model

Koefisien Determinansi

Model regresi linear berganda parametrik yang ter-bentuk memiliki R2 sebesar 31,0%. Modelregresi parametrik dapat menjelaskan prevalensipenyakit malaria sebesar 31,0 %.

Uji SignifikansiParameter

Nilai F = 2,07tidak ada satu variabelpun

yang berpengaruh signifikanterhadap model regresi

Regresi Parametrik dengan Pemilihan Moidel terbaik Backward Elimination


Model

Koefisien Determinansi

Model regresi linear berganda parametrik yang ter-bentuk memiliki R2 sebesar 21,2%. Modelregresi parametrik dapat menjelaskan prevalensipenyakit malaria sebesar 21,2%.

Uji SignifikansiParameter Serentak dan Parsial

Setidaknya ada satu variabelyang

berpengaruh signifikanterhadap model regresi

tidak ada

32 279,04006,073,2ˆ xxy

Uji serentak Uji Parsial

Regresi NonParametrik Spline


50403020100

50

40

30

20

10

0

x2

Pre

va

len

si

6050403020100

50

40

30

20

10

0

x3

Pre

va

len

si

80706050403020100

50

40

30

20

10

0

x1

Pre

va

len

si

100806040200

50

40

30

20

10

0

x5

Pre

va

len

si

100806040200

50

40

30

20

10

0

x4

Pre

va

len

si

Model GCV1 knot 159,6392 knot 140,5193 knot 86,690*

Kombinasi knot 159,638



)(ˆ)(ˆ)(ˆˆˆˆ 314213112110 KxKxKxxy

Tabel Perbandingan Nilai GCV

Model yang terbentuk

)(ˆ)(ˆ)(ˆˆ

)(ˆ)(ˆ)(ˆˆ

)(ˆ)(ˆ)(ˆˆ

)(ˆ)(ˆ)(ˆˆ

155201451913518517

124161141510414413

93128311731039

6285274262`5

KxKxKxx

KxKxKxx

KxKxKxx

KxKxKxx



Estimasi Parameter

Variabel Parameter Estimasi23,171

x1

7,251-12,9884,2991,396

x2

1,0793,42

-2,233-3,357

x3

4,641-11,387,2190,14

x4

-2,13611,576-10,9212,158

x5

-7,22314,611-9,872,41

)578,52(41,2)476,31(87,9

)720,25(611,14222,7)876,53(518,2

)155,33(921,10)504,27(576,11135,2

)235,32(140,0)147,19(219,7)578,15(38,11

641,4)527,27(357,3)965,15(233,2

)812,12(420,3079,1)688,42(396,1

55

554

444

333

322

221

xx

xxx

xxx

xxx

xxx

xxx

)378,27(299,4)23,202(12,988-7,25123,171ˆ 111 xxxy



Model yang Terbentuk

Model spline yang terbentuk dengan titik knot memiliki R2 sebesar 95,62 % dimana memilikipengertian bahwa model regresi spline dapatmenjelaskan prevalensi penyakit malaria sebesar95,62 %.

Koefisien Determinasi



Uji Signifikansi Parameter Secara Serentak

Uji Serentak F=8,73

H0 ditolakSetidaknya

ada satu yang berpengaruh

Variabel Parameter Estimasi Thitung P-value Keputusan

23,171 2,416 0,042 signifikan

x1

7,251 5,915 0,0003 signifikan-12,988 -4,599 0,001 signifikan

4,299 2,163 0,062tidak

signifikan1,396 2,927 0,019 signifikan

x2

1,079 2,854 0,021 signifikan

3,42 1,251 0,245tidak

signifikan

-2,233 -0,741 0,479tidak

signifikan-3,357 -5,18 0,001 signifikan

x3

4,641 4,445 0,002 signifikan-11,38 -3,57 0,007 signifikan7,219 2,699 0,027 signifikan

0,14 0,249 0,809tidak

signifikan

x4

-2,136 -5,207 0 signifikan11,576 5,762 0 signifikan-10,921 -5,612 0,001 signifikan2,158 4,187 0,003 signifikan

x5

-7,223 -6,704 0 signifikan14,611 5,244 0,0007 signifikan-9,87 -4,21 0,002 signifikan2,41 4,612 0,001 signifikan



Uji Signifikansi Parameter Secara Parsial



Uji IIDN

Nilai F= 0,426Keputusan :H0 gagal ditolak

Kesimpulan :tidak terjadi heteroskedastisitas.

Uji Identik

Uji Normal

5,02,50,0-2,5-5,0-7,5

99

95

90

80

70

60

50

40

30

20

10

5

1

C14

Pe

rce

nt

Mean 4,886313E-11

StDev 2,614

N 29

KS 0,143

P-Value 0,132

Probability Plot of C14Normal

Uji Independen

282624222018161412108642

1,0

0,8

0,6

0,4

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

Lag

Au

to

co

rre

latio

n

Autocorrelation Function for C1(with 5% significance limits for the autocorrelations)

)578,52(41,2

)476,31(87,9)720,25(611,14233,7)876,53(518,2

)155,33(921,10)504,27(576,11316,2)235,32(140,0

)147,19(219,7)578,15(38,11641,4)527,27(357,3

)965,15(233,2)812,12(420,3079,1)688,42(396,1

5

5554

4443

3332

2221

x

xxxx

xxxx

xxxx

xxxx

)378,27(299,4)23,202(12,988-7,25123,171ˆ 111 xxxy



Interpretasi Model



688,42;058,12407,0

688,42370,27;65,183439,1

370,27202,23;348.301738,5

202,23;251,7

)688,42(396,1

1

11

11

11

1

x

xx

xx

xx

x

)370,27(299,4)202,23(988,12251,7ˆ 111 xxxy

Persentase RT Plafon Kayu

Kabupaten yang termasuk dalam kategori ini ini adalah Kabupaten Supiori, Kabupaten Puncak, Kabupaten Mappi, Kabupaten Intan Jaya, dan

Kabupaten Deiyai

Kabupaten yang termasuk dalam kategori ini ini adalah Kabupaten Painai

Kabupaten Yakuhimo, Kabupaten Yalimo, Kabupaten Lanny Jaya, KabupatenMamberamo Tengah, Kabupaten Asmat, Kabupaten Tolikara, Kabupaten

Puncak Jaya, Kabupaten Mamberamo Raya, Kabupaten Keerom, dan Kabupaten Jayapura

Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Jayawijaya, Kabupaten Waropen, Kabupaten Kepulauan Yapen, Kabupaten Merauke,

Kabupaten Nduga, Kabupaten Boven Digoel, Kabupaten Biak Numfor, Kabupaten Dogiyai, Kota Jayapura, Kabupaten Sarmi, Kabupaten Mimika,

dan Kabupaten Pegunungan Bintang



Persentase RT Menguras Bak Mandi Seminggu Sekali

Kabupaten yang termasuk dalam kategori ini adalah KabupatenNduga, Kabupaten Mamberamo Tengah, Kabupaten Lanny Jaya, Kabupaten

Mamberamo Raya, Kabupaten Tolikara, Kabupaten Puncak, KabupatenPainai, Kabupaten Intan Jaya, Kabupaten Yahukimo, Kabupaten Puncak Jaya, Kabupaten Mappi, Kabupaten Dogiyai, Kabupaten Boven Digoel,

Kabupaten Yalimo, dan Kabupaten Sarmi.

)965,15(233,2)812,12(420,3079,1ˆ 222 xxxy

527,27;240,840908,1

527,27965,15;168,8266,2

965,15812,12;817,434992,4

812,12;079,1

)527,27(357,3

22

22

22

22

2

xx

xx

xx

xx

x

Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Asmat, Kabupaten Merauke dan Pegunungan Bintang

Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Keerom, Kabupaten Supiori, Kabupaten Nabire, Kabupaten Jayawijaya

Kabupaten yang termasuk dalam kategori ini adalahKabupaten Mimika, Kabupaten Kepulauan Yapen, Kabupaten Jayapura,

Kabupaten Biak Numfor, Kota Jayapura



Persentase RT Memakai Air Bersih

Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Yahukimo, Kabupaten Puncak, Kabupaten Deiyai, Kabupaten Mimika, dan Kabupaten

Waropen

)578,15(38,11641,4ˆ 33 xxy

235,32;457,2562,0

235,32147,19;945,20480,0

147,19578,15;277,177739,6

578,15;641,4

)235,32(140,0)147,19(219,7

33

33

33

33

33

xx

xx

xx

xx

xx

Kabupaten Nduga, Kabupaten Nabire, dan Kabupaten Asmat.

Kabupaten Keerom, Kabupaten Kepulauan Yapen, Kabupaten Painai, Kabupaten Mamberamo Tengah, Kabupaten Tolikara, Kabupaten Mappi,

dan Kabupaten Yalimo.

Kabupaten Jayapura, Kabupaten Boven Digoel, Kabupaten Lanny Jaya, Kabupaten Jayawijaya, Kabupaten Biak Numfor, Kabupaten Puncak Jaya, Kabupaten Pegunungan Bintang, Kabupaten Dogiyai, Kabupaten Supiori,

Kabupaten Mamberamo Jaya, Kabupaten Intan Jaya, dan Kabupaten Sarmi.



Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Tolikara, Kabupaten Waropen, Kota Jayapura, Kabupaten Intan Jaya, Kabupaten

Mimika, Kabupaten Yahukimo, dan Kabupaten Jayawijaya.

Pengobatan Malaria dengan Mendapatkan obat ACT

)155,33(92,10)504,27(576,11135,2ˆ 444 xxxy

876,53;993,91039,1

876,53155,33;666,434791,1

155,33504,27;386,318441,9

504,27;135,2

)876,53(518,2

44

44

44

44

4

xx

xx

xx

xx

x

Kabupaten yang termasuk dalam kategori ini adalah KabupatenMamberamo Tengah, dan Kabupaten Jayapura

Kabupaten yang termasuk dalam kategori ini adalah KabupatenMamberamo Raya, Kabupaten Pegunungan Bintang, Kabupaten Yalimo, Kabupaten Biak Numfor, Kabupaten Lanny Jaya, Kabupaten Kepulauan

Yapen, Kabupaten Supiori, Kabupaten Dogiyai, Kabupaten Mappi, Kabupaten Asmat, Kabupaten Sarmi, Kabupaten Deiyai, dan Kabupaten

Puncak

Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Nabire, Kabupaten Merauke, Kabupaten Nduga, Kabupaten Boven Digoel, Kabupaten Keerom, Kabupaten Puncak Jaya, dan Kabupaten Painai



Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Puncak.

Persentase RT Menggunakan Tempat Sampah Terbuka

)476,31(87,9)720,25(611,14222,7ˆ 555 xxxy

578,52;838,119071,0

578,52476,31;126,65481,2

476,31720,25;794,375389,7

720,25;222,7

)578,52(41,2

55

55

55

55

5

xx

xx

xx

xx

x

Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Yappi, Kabupaten Boven Digoel, Kabupaten Lanny Jaya, Kabupaten Puncak Jaya,

Kabupaten Mamberamo Raya, dan Kabupaten Kepulauan Yapen.

Kabupaten Dogiyai, Kabupaten Nduga, Kabupaten Painai, KabupatenMimika, Kabupaten Yahukimo, Kabupaten Keerom, Kabupaten Yalimo, Kabupaten Sarmi, Kabupaten Merauke, Kabupaten Biak Numfor, Kota

Jayapura, Kabupaten Mamberamo Tengah, Kabupaten Jayawijaya, Kabupaten Nabire, Kabupaten Pegunungan Bintang, dan Kabupaten

Tolikara

BAB VKESIMPULAN DAN SARAN

Karakteristik prevalensi malaria di Papua pada tahun 2013 diketahui bahwa rata-rata prevalensi kejadian penyakit

malaria di tiap kabupaten/kota di provinsi Papua tahun 2103 (Y) sebesar 17,15 dengan varians sebesar 156,07. Prevalensi

kejadian penyakit malaria terkecil mencapai angka 1,8 di Kabupaten Nduga sedangkan yang terbesar mencapai 46,00 di Kabupaten Intan Jaya. Kesimpulan yang dapat ditarik yakni

prevalensi kejadian malaria mencapai jumlah antara 1,8 hingga 46,00.

Analisis data menggunakan metode regresi parametrik linear berganda ternyata belum merupakan metode yang tepat

untuk memodelkan penyakit malaria di Provinsi Papua. Hal ini karena terlihat pada beberapa nilai seperti MSE yang dihasilkan besar, R2q bernilai kecil, dan tidak ada variabel

yang berpengaruh signifikan. Metode regresi nonparametrik spline mampu menghasilkan model terbaik sebagai berikut.

)378,27(299,4)23,202(12,988-7,25123,171ˆ 111 xxxy

)578,52(41,2

)476,31(87,9)720,25(611,14233,7)876,53(518,2

)155,33(921,10)504,27(576,11316,2)235,32(140,0

)147,19(219,7)578,15(38,11641,4)527,27(357,3

)965,15(233,2)812,12(420,3079,1)688,42(396,1

5

5554

4443

3332

2221

x

xxxx

xxxx

xxxx

xxxx

BAB VKESIMPULAN DAN SARAN

Saran untuk pemerintah Provinsi Papua terhadappenanganan kejadian malaria yaitu melakukan pencegahan

dan pengobatan terhadap kabupaten/kota di Papua terutama terhadap kabupaten/kota yang mengindikasikan

kejadian malaria yang cukup tinggi

Penelitian yang dilakukan ini masih terbatas pada 1 titikknot,2 titik knot,3 titik knot , dan kombinasi knot. Saran

untuk penelitian selanjutnya memakai 4 titik knot. Penelitianselanjutnya juga diharapkan dapat menambah variabel-

variabel yang mempengaruhi prevalensi malaria

Anwar, S. 2014. Regresi Nonparametrik Spline Untuk Pemodelan Tingkat Pengangguran Terbuka di Jawa Barat. Institut Negeri Sepuluh Nopember, Statistika, Surabaya

Budiantara, I.N. 2006. Regresi Nonparametrik dalam Statistika. Makalah Pembicara Uama pada Seminar Nasional Matematika. Jurusan Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Makassar (UNM) , Makassar.

Drapper, N. dan Smith, H. (1992). Analisis Regresi Terapan. PT. Gramedia Pustaka Utama, Jakarta

Ekayani, G. (2011). Analisis Regresi Logistik Biner untuk Mengetahui Faktor-faktor yang Mempengaruhi Terjadinya Penyakit Malaria di Provinsi Papua Barat. Institut Teknologi Sepuluh Nopember, Statistika. Digital Library ITS, Surabaya.

Eubank, R. 1998. Spline Smoothing and Nonparametric Regression.Cambridge University Press, New York.

Hardle, W. 1990. Applied Nonparametric Regression. Cambridge University Press, New York.

Ilmi, Friska Miftakhul. 2015. Pemodelan Kasus Malaria dan Filiriasis di Jawa Timur Menggunakan Regreis Poisson Bivariat. Institut Negeri Sepuluh Nopember, Statistika, Surabaya.

Kementerian Kesehatan RI. 2011. Epidemiologi Malaria di Indonesia. Buletin Jendela Data

dan Informasi Kesehatan .

_________________________2013. Riset Kesehatan Dasar : Riskesdas 2013.

Daftar Pustaka

Badan Penelitian dan Pengembangan Kesehatan . , Jakarta. _________________________2014. Situasi Malaria di Indonesia.

InfoDatin . Sastrawijaya. 2009. Pencemaran Lingkungan. Rineka Cipta, Jakarta Sembel, Dantje T., 2009. Entomologi Kedokteran Edisi I. Penerbit Andi,

Yogyakarta Sentosa. 2015 Pemodelan faktor-faktor yang mempengaruhi persentase

berat badan bayi Bawah Garis Merah (BGM) pada Kartu Menuju Sehat (KMS) di Provinsi Jawa Timur. Institut Teknologi Sepuluh Nopember, Statistika, Surabaya.

Susilowati, P. A. 2013. Analisis Regresi pada Prevalensi Malaria di Provinsi Maluku Utara, Maluku, Papua Barat, dan Papua dengan Faktor yang Mempengaruhinya. Institut Teknologi Sepuluh Nopember, Statistika. Digital Library ITS, Surabaya.

Yawan, S.F. 2006. Analisis Faktor Resiko Kejadian Malaria di Wilayah Kerja Puskesmas Bosnik Kecamatan Biak Timur Kabupaten Biak Numfor Papua. Universitas Diponegoro, Semarang.

Wahyuni, E. U. 2012. Hubungan Faktor Lingkungan Tempat Tinggal dengan Kejadian

Malaria pada Balita di Indonesia. Universitas Indonesia, Depok. Walpole, R. 1995. Pengantar Statistika. Gramedia Pustaka Utama,

Jakarta. Wiwiek. 2000. Multikolinearitas. Diunduh dari alamat

http://oc.its.ac.id/// pada Kamis tanggal 9 Juni 2016, pukul 15.00 WIB

Daftar Pustaka

SEKIAN TERIMA KASIH

PEMODELAN PREVALENSI MALARIA DI PAPUA BERSERTA FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI NONPARAMETRIK SPLINESlide Number 3 Slide Number 5 Slide Number 9 Slide Number 14 Slide Number 20 Slide Number 28 Slide Number 36

SIDANGrepository.its.ac.id/72595/2/1313030075-Presentationpdf.pdf · 2020. 1. 8. · SIDANG Oleh :...

Documents

Transcript of SIDANGrepository.its.ac.id/72595/2/1313030075-Presentationpdf.pdf · 2020. 1. 8. · SIDANG Oleh :...