Oleh: MUHAMMAD FAWWAZ UNIVERSITAS AIRLANGGA …

ADLN – PERPUSTAKAAN UNIVERSITAS AIRLANGGA

SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

SKRIPSI

ANALISIS SPASIAL UNTUK MENGIDENTIFIKASI DETERMINAN ANGKA KEMATIAN NEONATAL DI PROVINSI JAWA TIMUR

Oleh:

MUHAMMAD FAWWAZ

UNIVERSITAS AIRLANGGA FAKULTAS KESEHATAN MASYARAKAT

PROGRAM SARJANA PROGRAM STUDI KESEHATAN MASYARAKAT

SURABAYA 2016


i SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

SKRIPSI

ANALISIS SPASIAL UNTUK MENGIDENTIFIKASI DETERMINAN ANGKA KEMATIAN NEONATAL DI PROVINSI JAWA TIMUR

Oleh:

MUHAMMAD FAWWAZ NIM. 101211132016

UNIVERSITAS AIRLANGGA FAKULTAS KESEHATAN MASYARAKAT

PROGRAM SARJANA PROGRAM STUDI KESEHATAN MASYARAKAT

SURABAYA 2016


ii SKRIPSI ANALISIS SPASIAL UNTUK ... MUHAMMAD FAWWAZ

PENGESAHAN

Dipertahankan di Depan Tim Penguji Skripsi Program Sarjana Program Studi Kesehatan Masyarakat

Fakultas Kesehatan Masyarakat Universitas Airlangga dan diterima untuk memenuhi salah satu syarat guna memperoleh gelar

Sarjana Kesehatan Masyarakat (S.KM.) Pada tanggal 18 Juli 2016

Mengesahkan Universitas Airlangga

Fakultas Kesehatan Masyarakat

Dekan,

Prof. Dr. Tri Martiana, dr., M.S. NIP 195603031987012001

Tim Penguji: 1. Dr. Atik Choirul Hidayah, dr., M.Kes. 2. Dr. Arief Wibowo, dr., MS. 3. Yessy Dessy Arna, S.Kp., M.Kep., Sp.Kom.


iii


SKRIPSI

Diajukan sebagai salah satu syarat guna memperoleh gelar

Sarjana Kesehatan Masyarakat (S.KM.) Departemen Biostatistika dan Kependudukan

Program Studi Kesehatan Masyarakat Fakultas Kesehatan Masyarakat

Universitas Airlangga

Oleh:

MUHAMMAD FAWWAZ NIM 101211132016

Surabaya, 26 Juli 2016

Menyetujui, Pembimbing,

Dr.Arief Wibowo,dr., M.S. NIP 195903101986011001

Mengetahui,

Koordinator Program Studi, Ketua Departemen, Corie Indria Prasasti, S.KM., M.Kes. Dr.Windhu Purnomo,dr., M.S. NIP 198105102005012001 NIP 195406251983031002


iv SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

SURAT PERNYATAAN TENTANG ORISINALITAS

Yang bertanda tangan di bawah ini, saya:

Nama : Muhammad Fawwaz NIM : 101211132016 Program Studi : Kesehatan Masyarakat Fakultas : Kesehatan Masyarakat Jenjang : Sarjana (S1)

Menyatakan bahwa saya tidak melakukan kegiatan plagiat dalam penulisan skripsi saya yang berjudul:

ANALISIS SPASIAL UNTUK MENGIDENTIFIKASI DETERMINAN ANGKA KEMATIAN NEONATAL DI PROVINSI JAWA TIMUR. Apabila suatu saat nanti terbukti melakukan tindakan plagiat, maka saya akan menerima sanksi yang telah ditetapkan.

Demikian surat pernyataan ini saya buat dengan sebenar-benarnya.

Surabaya, 26 Juli 2016

Muhammad Fawwaz NIM 101211132016


v SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

KATA PENGANTAR

Puji syukur atas kehadirat Allah SWT atas segala rahmat dan anugerah-Nya sehingga skripsi dengan judul “ANALISIS SPASIAL UNTUK MENGIDENTIFIKASI DETERMINAN ANGKA KEMATIAN NEONATAL DI PROVINSI JAWA TIMUR” dapat terselesaikan sebagai salah satu persyaratan akademis dalam rangka menyelesaikan kuliah di Fakultas Kesehatan Masyarakat Universitas Airlangga dapat terselesaikan dengan baik.

Dalam skripsi ini saya ingin meneliti apakah ada hubungan secara spasial antara cakupan kunjungan K4, persentase berat badan lahir rendah, cakupan persalinan ditolong oleh tenaga kesehatan, cakupan kunjungan neonatal lengkap, cakupan komplikasi neonatal ditangani, cakupan komplikasi kebidanan ditangani terhadap angka kematian neonatal di Provinsi Jawa Timur

Pada kesempatan ini saya ucapkan banyak terimakasih sebanyak-banyaknya kepada bapak Dr.Arief Wibowo,dr., MS. selaku dosen pembimbing yang telah telah memberikan petunjuk, koreksi, serta saran hingga terwujudnya skripsi ini. Selain itu saya juga mengucapkan terimakasih kepada: 1. Prof. Dr. Tri Martiana dr. MS selaku Dekan Fakultas Kesehatan Masyarakat

Universitas Airlangga 2. Corie Indria Prasasti, S.KM., M.Kes selaku Koordinator Program Studi

Kesehatan Masyarakat 3. Dr.Windhu Purnomo,dr., MS. selaku Ketua Departemen Biostatistika dan

Kependudukan Fakultas Kesehatan Masyarakat Universitas Airlangga 4. Kedua Orang Tua saya Yazid Saleh dan Afifah Muhammad yang selalu

mendoakan dan mendukung selama perngerjaan skripsi ini. 5. Pimpinan, dosen, staf, serta karyawan Fakultas Kesehatan Masyarakat

Universitas Airlangga terutama dosen peminatan Kesehatan Lingkungan. 6. Shofwanto Adhi Isnanda teman satu kos yang mendukung saya selama

pengerjaan skripsi ini. 7. Muhammad Heykal Ba’awad yang selalu mendukung saya selama pengerjaan

skripsi ini. 8. Teman-teman IKMB 2012, dan seluruh teman seangkatan yang selalu ada dan

memberikan dukungan secara moral. 9. Semua pihak yang tidak bisa saya sebutkan satu persatu.

Semoga Allah SWT memberikan anugerah-Nya serta balasan pahala atas segala yang telah diberikan dan semoga skripsi ini bermanfaat baik bagi diri sendiri maupun pihak lain yang memanfaatkan.

Surabaya, Juni 2016


vi SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

ABSTRACT

Child mortality is one focus of worldwide health issues, thus it becomes one of objectives of the Millennium Development Goals (MDGs). Child mortality is also included in the Sustainable Development Goals (SDGs), which is a continuation of the MDGs ended in 2015. At 56 percent of infant deaths occur in the neonatal period and 46 percent of under-five deaths occur in neonatal period. This research aimed to identify the determinants of neonatal mortality rate, so the infant mortality rate will decrease if neonatal mortality rate is lowered.

This research is an observational study using quantitative approach. Source of data was derived from the East Java public health office. The analysis method used spatial analysis Moran’s index and LISA. Independent variable is K4 visit scope, percentage of low birth weight, maternity coverage assisted by healthcare workers, full neonatal visit scope, neonatal complications handled scope, obstetric complications handled scope.

The result showed that Gresik and Probolinggo were spatially significant relationship on K4 visit, full neonatal visit, neonatal complications handled, maternity coverage assisted by healthcare workers with Low-Low and Low-High autocorrelation. In obstetric complication with High-Low and High-High autocorrelation. In percentage of low birth weight with Low-Low and High-High autocorrelation.

The conclusion that can be drawn is that there are spatial relationship between Gresik with neighbours and Probolinggo with neighbours in K4 visit scope, percentage of low birth weight, maternity coverage assisted by healthcare workers, full neonatal visit scope, neonatal complications handled scope, obstetric complications handled scope variables against neonatal mortality rate. Variables that had most dominant relation is K4 visit scope followed by percentage of low birth weight and full neonatal visit scope.

Keywords: Neonatal Mortality Rate, Spatial Analysis, East Java


vii SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

ABSTRAK

Kematian anak merupakan salah satu fokus permasalahan kesehatan dunia, sehingga kematian anak menjadi salah satu tujuan Millenium Development Goals (MDGs). Kematian anak juga termasuk dalam Sustainable Development Goals (SDGs) yang merupakan kelanjutan dari MDGs yang berakhir tahun 2015. Pada kematian bayi 56 persen terjadi pada masa neonatal dan 46 persen kematian balita terjadi pada periode neonatal. Penelitian ini bertujuan untuk mengidentifikasi determinan angka kematian neonatal, sehingga angka kematian bayi juga akan turun jika angka kematian neonatal diturunkan. Penelitian ini dilakukan dengan cara observasional dengan menggunkan pendekatan kuantitatif. Sumber data berasal dari Dinas Kesehatan Provinsi Jawa Timur. Analisis yang digunakan adalah analisis spasial indeks Moran’s dan LISA. Variable bebas penelitian adalah cakupan kunjungan K4, persentase berat badan lahir rendah, cakupan persalinan ditolong oleh tenaga kesehatan, cakupan kunjungan neonatal lengkap, cakupan komplikasi neonatal ditangani, cakupan komplikasi kebidanan ditangani. Hasil penelitian menunjukkan bahwa Kabupaten Gresik dan Kabupaten Probolinggo terdapat hubungan secara spasial yang signifikan pada cakupan K4, persalinan ditolong oleh tenaga kesehatan, komplikasi neonatal ditangani, dan kunjungan neonatal lengkap dengan autokorelasi Low-Low dan Low-High. Pada komplikasi kebidanan dengan autokorelasi High-Low dan High-High. Pada persentase berat badan lahir rendah dengan autokorelasi Low-Low dan High-High. Kesimpulan yang dapat ditarik adalah terdapat hubungan secara spasial antara Kabupaten Gresik dengan daerah sekitar Kabupaten Gresik dan Kabupaten Probolinggo dengan daerah sekitar Kabupaten Probolinggo pada variabel cakupan K4, persalinan ditolong tenaga kesehatan, komplikasi neonatal ditangani, komplikasi kebidanan ditangani, kunjungan neonatal lengkap, dan persentase berat badan lahir rendah terhadap angka kematian neonatal. variabel yang memiliki kuat hubungan paling dominan adalah cakupan K4 diikuti oleh variabel persenatase berat badan lahir rendah dan variabel kunjungan neonatal lengkap. Kata Kunci: Angka Kematian Neonatal, Analisis Spasial, Jawa Timur


viii SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

DAFTAR ISI

HALAMAN JUDUL ................................................................................... i HALAMAN PENGESAHAN ..................................................................... ii HALAMAN PERSETUJUAN .................................................................... iii HALAMAN PERNYATAAN ORISINALITAS ........................................ iv KATA PENGANTAR ................................................................................ v ABSTRACT ................................................................................................ vi ABSTRAK .................................................................................................. vii DAFTAR ISI ............................................................................................... viii DAFTAR TABEL ....................................................................................... x DAFTAR GAMBAR .................................................................................. xi DAFTAR LAMPIRAN ............................................................................... xiii DAFTAR ARTI LAMBANG, SINGKATAN, DAN ISTILAH ................. xiv BAB I PENDAHULUAN ........................................................................... 1 1.1. Latar Belakang ......................................................................... 1 1.2. Identifikasi Masalah ................................................................. 8 1.3. Rumusan Masalah .................................................................... 8 1.4. Tujuan Penelitian ...................................................................... 9 1.5. Manfaat Penelitian .................................................................... 10 BAB II TINJAUAN PUSTAKA ................................................................. 12 2.1. Analisis Spasial ........................................................................ 12 2.2. Neonatal ................................................................................... 18 2.3. Faktor yang Mempengaruhi Angka Kematian Neonatal .......... 19 2.3.1. Berat Badan Lahir Rendah (BBLR) ............................... 19 2.3.2. Antenatal Care (ANC) ................................................... 23 2.3.3. Kunjungan Neonatal ....................................................... 23 2.3.4. Komplikasi Neonatal ...................................................... 28 2.3.5. Komplikasi Kebidanan ................................................... 29 2.3.6. Persalinan di Tolong oleh Tenaga Kesehatan ................ 30 2.4. Kerangka Teori ......................................................................... 31 BAB III KERANGKA KONSEPTUAL ..................................................... 32 3.1. Kerangka Konseptual ............................................................... 32 BAB IV METODE PENELITIAN ............................................................. 34 4.1 Rancangan Penelitian ................................................................ 34 4.2 Sumber Data .............................................................................. 34 4.3. Unit Observasi .......................................................................... 35 4.4. Lokasi dan Waktu Penelitian .................................................... 35 4.5. Variabel Penelitian, Sumber Data, Definisi Operasional ......... 35 4.6. Teknik Pengumpulan Data ....................................................... 36 4.7. Teknik Analisis Data ................................................................ 37 BAB V HASIL PENELITIAN ................................................................... 39 5.1. Gambaran Umum Provinsi Jawa Timur ................................... 39 5.2. Kuantil Sebaran Variabel Penelitian di Provinsi Jawa Timur .. 42


ix SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

5.3. Analisis Spasial Bivariat Antara Variabel Cakupan K4 Dengan Angka Kematian Neonatal .......................................... 49 5.4. Analisis Spasial Bivariat Antara Variabel Persalinan Ditolong Oleh Tenaga Kesehatan Dengan Angka Kematian Neonatal ... 55 5.5. Analisis Spasial Bivariat Antara Variabel Komplikasi Kebidanan Ditangani Dengan Angka Kematian Neonatal ....... 61 5.6. Analisis Spasial Bivariat Antara Variabel Komplikasi Neonatal Ditangani Dengan Angka Kematian Neonatal .......... 67 5.7. Analisis Spasial Bivariat Antara Variabel Kunjungan Neonatal Lengkap Dengan Angka Kematian Neonatal ........................... 73 5.8. Analisis Spasial Bivariat Antara Variabel Berat Badan Lahir Rendah Dengan Angka Kematian Neonatal............................. 79 5.9. Ringkasan Analisis Spasial Bivariat ........................................ 84 BAB VI PEMBAHASAN ........................................................................... 89 6.1. Hubungan Variabel Kunjungan K4 dengan Angka Kematian Neonatal ................................................................................... 89 6.2. Hubungan Variabel Persalinan Ditolong Oleh Tenaga Kesehatan dengan Angka Kematian Neonatal ......................... 91 6.3. Hubungan Variabel Komplikasi Kebidanan Ditangani dengan Angka Kematian Neonatal ....................................................... 94 6.4. Hubungan Variabel Komplikasi Neonatal Ditangani Dengan Angka Kematian Neonatal ....................................................... 96 6.5. Hubungan Variabel Kunjungan Neonatal Lengkap Dengan Angka Kematian Neonatal ....................................................... 98 6.6. Hubungan Variabel Berat Badan Lahir Rendah Dengan Angka Kematian Neonatal ....................................................... 101 BAB VII KESIMPULAN DAN SARAN ................................................... 103 7.1. Kesimpulan ............................................................................... 103 7.2. Saran ......................................................................................... 105 DAFTAR PUSTAKA ................................................................................. 107 LAMPIRAN


x SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

DAFTAR TABEL

Nomor Judul Tabel Halaman 4.1 Variabel Dan Definisi Operasional .................................................... 35 5.1 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Cakupan K4 dan AKN ...................................................................................... 51 5.2 Hasil Uji Bivariat LISA antara Variabel Cakupan K4 dengan Angka Kematian Neonatal............................................................................. 52 5.3 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Persalinan Ditolong Oleh Tenaga Kesehatan dan AKN ...................................... 56 5.4 Hasil Uji Bivariat LISA antara Variabel Persalinan Ditolong oleh Tenaga Kesehatan dengan Angka Kematian Neonatal ...................... 57 5.5 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Komplikasi Kebidanan dan AKN ...................................................... 62 5.6 Hasil Uji Bivariat LISA antara Variabel Komplikasi Kebidanan Ditangani dengan Angka Kematian Neonatal.................................... 63 5.7 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Komplikasi Neonatal Ditangani dan AKN ........................................ 68 5.8 Hasil Uji Bivariat LISA antara Variabel Komplikasi Neonatal Ditangani dengan Angka Kematian Neonatal.................................... 69 5.9 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Kunjungan Neonatal Lengkap dan AKN ........................................... 74 5.10 Hasil Uji Bivariat LISA antara Variabel Kunjungan Neonatal Lengkap dengan Angka Kematian Neonatal ..................................... 75 5.11 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Berat Badan Lahir Rendah dan AKN .......................................................... 80 5.12 Hasil Uji Bivariat LISA antara Variabel Berat Badan Lahir Rendah dengan Angka Kematian Neonatal .................................................... 81 5.13 Ringkasan Analisis Spasial Bivariat .................................................. 84


xi SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

DAFTAR GAMBAR

Nomor Judul Gambar Halaman 1.1 Trend Pencapaian Angka Kematian Bayi Tahun 2009-2013 ............ 2 1.2 Angka Kematian Bayi per 1000 Kelahiran Hidup Menurut Kabupaten/Kota di Provinsi Jawa Timur Tahun 2013 ....................... 3 1.3 Pemetaan Angka Kematian Bayi per 1000 Kelahiran Hidup Provinsi Jawa Timur Tahun 2013 .................................................................... 4 2.1 Contoh Pola Autokorelasi .................................................................. 13 2.2 Ilustrasi Contiguity ............................................................................. 15 2.3 Moran Scatterplot .............................................................................. 17 2.4 Kerangka Teori .................................................................................. 31 3.1 Kerangka Konseptual ......................................................................... 32 5.1 Peta Administrasi Provinsi Jawa Timur ............................................. 39 5.2 Peta Kabupten/Kota Provinsi Jawa Timur ......................................... 41 5.3 Sebaran Angka Kematian Neonatal di Provinsi Jawa Timur Tahun 2014.................................................................................................... 42 5.4 Sebaran Cakupan Kunjungan K4 di Provinsi Jawa Timur Tahun 2014.................................................................................................... 43 5.5 Sebaran Cakupan Persalinan Oleh Tenaga Kesehatan di Provinsi Jawa Timur tahun 2014 ...................................................................... 44 5.6 Sebaran Cakupan Komplikasi Kebidanan Ditangani di Provinsi Jawa Timur tahun 2014 ...................................................................... 45 5.7 Sebaran Cakupan Komplikasi Neonatal Ditangani di Provinsi Jawa Timur tahun 2014 ...................................................................... 46 5.8 Sebaran Cakupan Kunjungan Neonatal Lengkap di Provinsi Jawa Timur tahun 2014 ............................................................................... 47 5.9 Sebaran Berat Badan Lahir Rendah di Provinsi Jawa Timur tahun 2014.................................................................................................... 48 5.10 Bivariat Moran’s Scatterplot Cakupan K4 dan AKN ........................ 50 5.11 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Cakupan K4 dan AKN ............................................................................................ 53 5.12 Peta Cluster Hasil Uji Bivariat LISA Variabel Cakupan K4 dan AKN ................................................................................................... 54 5.13 Bivariat Moran’s Scatterplot Persalinan Ditolong Oleh Tenaga Kesehatan dengan Angka Kematian Neonatal ................................... 55 5.14 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Persalinan Ditolong oleh Tenaga Kesehatan dan AKN....................................... 59 5.15 Peta Cluster Hasil Uji Bivariat LISA Variabel Persalinan Ditolong oleh Tenaga Kesehatan dan AKN ...................................................... 60 5.16 Bivariat Moran’s Scatterplot Komplikasi Kebidanan Ditangani dan AKN ................................................................................................... 61 5.17 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Komplikasi Kebidanan Ditangani dan AKN ......................................................... 65


xii SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

Nomor Judul Gambar Halaman 5.18 Peta Cluster Hasil Uji Bivariat LISA Variabel Komplikasi Kebidanan Ditangani dan AKN ......................................................... 66 5.19 Bivariat Moran’s Scatterplot Komplikasi Neonatal Ditangani dan AKN ................................................................................................... 67 5.20 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Komplikasi Neonatal Ditangani dan AKN ............................................................ 71 5.21 Peta Cluster Hasil Uji Bivariat LISA Variabel Komplikasi Neonatal Ditangani dan AKN ............................................................ 72 5.22 Bivariat Moran’s Scatterplot Kunjungan Neonatal Lengkap dan AKN ................................................................................................... 73 5.23 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Kunjungan Neonatal Lengkap dan AKN .............................................................. 77 5.24 Peta Cluster Hasil Uji Bivariat LISA Variabel Kunjungan Neonatal Lengkap dan AKN .............................................................. 78 5.25 Bivariat Moran’s Scatterplot Berat Badan Lahir Rendah dan AKN . 79 5.26 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Berat Badan Lahir Rendah dan AKN ..................................................................... 83 5.27 Peta Cluster Hasil Uji Bivariat LISA Variabel Berat Badan Lahir Rendah dan AKN ............................................................................... 83


xiii SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

DAFTAR LAMPIRAN

Nomor Judul Lampiran Halaman 1. Permohonan Ijin Penelitian dari Fakultas Kesehatan Masyarakat Universitas Airlangga ........................................................................ 110 2. Rekomendasi Penelitian dari Badan Kesatuan Bangsa dan Politik Provinsi Jawa Timur .......................................................................... 111 3. Surat Balasan dari Dinas Kesehatan Provinsi Jawa Timur terkait ijin Penelitian............................................................................................ 112 4. Surat Keterangan Kaji Lolos Etik ...................................................... 113


xiv SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

DAFTAR ARTI LAMBANG, SINGKATAN DAN ISTILAH

Daftar Arti Lambang < = kurang dari > = lebih dari ≥ = lebih dari sama dengan ≤ = kurang dari sama dengan % = persen x = kali p = signifikansi α = alpha º = derajat I = Indeks Moran Daftar Singkatan MDGs = Millenium Development Goals BAPPENAS = Badan Perencanaan Pembangunan Nasional RAKORKOP = Rapat Koordinasi Pelaksanaan Operasional Program SDGs = Sustainable Development Goals Kemenkes RI = Kementrian Kesehatan Republik Indonesia BPS = Badan Pusat Statistik AKB = Angka Kematian Bayi ProfilKes Jatim = Profil Kesehatan Provinsi Jawa Timur BBLR = Berat Badan Lahir Rendah SDKI = Survei Demografi Kesehatan Indonesia LISA = Local Indicator of Spatial Autocorrelation SIG = Sistem Informasi Geografis ANC = Antenatal Care ASI = Air Susu Ibu KIA = Kesehatan Ibu dan Anak Depkes RI = Departemen Kesehatan Republik Indonesia AKN = Angka Kematian Neonatal Dkk = dan kawan-kawan


1 SKRIPSI ANALISIS SPASIAL UNTUK... MUHAMMAD FAWWAZ

BAB I

PENDAHULUAN

1.1 Latar Belakang

Kematian anak merupakan salah satu fokus permasalahan kesehatan dunia,

sehingga kematian anak menjadi salah satu tujuan Millenium Development Goals

(MDGs). Tujuan MDGs yang keempat yaitu menurunkan angka kematian anak

dibawah usia lima tahun menjadi dua per tiga dari tahun 1990 sampai tahun 2015.

Dalam mencapai target, angka kematian anak tergolong lambat walaupun

mengalami penurunan (BAPPENAS, 2008).

Pada tahun 2015, Kementerian Kesehatan Republik Indonesia

mengadakan rapat koordinasi pelaksanaan operasional program (RAKORKOP) di

Jakarta untuk membahas pencapaian MDGs hingga tahun 2015. Selain itu, pada

RAKORKOP juga membahas tentang kesehatan dalam kerangka Sustainable

Development Goals (SDGs) untuk kelanjutan dari MDGs yang berakhir pada

tahun 2015. Salah satu tujuan SDGs adalah menjamin kehidupan yang sehat dan

mendorong kesejahteraan bagi semua orang di segala usia. Didalam tujuan

tersebut terdapat 13 target, yang salah satunya adalah mengakhiri kematian bayi

dan balita yang dapat dicegah, dengan berusaha menurunkan angka kematian

neonatal setidaknya hingga 12 per 1.000 kelahiran hidup dan angka kematian

balita 25 per 1.000 kelahiran hidup (Kemenkes RI, 2015).


2


Sumber: Profil Kesehatan Provinsi Jawa Timur Tahun 2013

Gambar 1.1 Trend Pencapaian Angka Kematian Bayi Tahun 2009-2013

Berdasarkan data BPS, AKB Jawa Timur tahun 2005-2013 turun dari

36,65 (tahun 2005) menjadi 27,23 per 1.000 kelahiran hidup (tahun 2013). Angka

tersebut masih jauh dari target MDGs tahun 2015 sebesar 23 per 1.000 kelahiran

hidup. Penurunan AKB mengindikasikan peningkatan derajat kesehatan

masyarakat sebagai salah satu wujud keberhasilan pembangunan di bidang

kesehatan (ProfilKes Jatim, 2013).


3



Gambar 1.2 Angka Kematian Bayi per 1000 Kelahiran Hidup Menurut Kabupaten/Kota di Provinsi Jawa Timur Tahun 2013

Berdasarkan gambar grafik 1.2 diatas, dapat diperoleh informasi bahwa

lebih dari 50% kabupaten/kota di Provinsi Jawa Timur memiliki Angka Kematian

Bayi (AKB) di atas angka provinsi. Kota Nganjuk memiliki angka tertinggi yaitu

23,8 per 1000 kelahiran hidup. Tingginya angka kematian bayi di Jawa Timur

tidak hanya disebabkan oleh faktor kesehatan saja, melainkan juga terkait dengan

faktor sosial ekonomi masyarakat.


4



Gambar 1.3 Pemetaan Angka Kematian Bayi per 1000 Kelahiran Hidup Provinsi Jawa Timur Tahun 2013

Berdasarkan gambar 1.3 di atas dapat di gambarkan bahwa angka

kematian bayi yang tinggi tersebar merata di bagian barat Provinsi Jawa Timur

dan bagian timur laut Provinsi Jawa timur. Selain itu, berdasarkan gambar di atas

dapat dikatakan kabupaten/kota yang memiliki angka kematian bayi yang tinggi

juga dikelilingi oleh kabupaten/kota yang memiliki angka kematian bayi yang

tinggi pula.

Kematian bayi adalah kematian yang terjadi antara saat bayi lahir sampai

satu hari sebelum ulang tahun pertama. Dari sisi penyebabnya, kematian bayi

dibedakan menjadi faktor endogen dan eksogen. Kematian bayi endogen adalah

kejadian kematian yang terjadi pada bulan pertama setelah bayi dilahirkan yang

umumnya disebabkan oleh faktor bawaan, kematian bayi endogen bisa disebut

sebagai kematian neonatal. Sedangkan kematian eksogen adalah kematian bayi


5


yang terjadi antara usia satu bulan sampai satu tahun, umumnya disebabkan oleh

faktor yang berkaitan dengan pengaruh lingkungan (ProfilKes Jatim, 2011).

Status kesehatan anak Indonesia semakin membaik. Hal ini ditunjukkan

oleh semakin rendahnya angka kematian neonatal, bayi, dan balita. Angka

kematian balita menurun dari 97 per seribu kelahiran hidup pada tahun 1991

menjadi 44 per seribu kelahiran hidup pada tahun 2007. Angka kematian bayi

menurun dari 68 per seribu kelahiran hidup pada tahun 1991 menjadi 34 per

seribu kelahiran hidup pada tahun 2007. Angka kematian neonatal menurun dari

32 per seribu kelahiran hidup pada tahun 1991 menjadi 19 per seribu kelahiran

hidup pada tahun 2007 (BAPPENAS, 2012).

Namun, penurunan kematian neonatal, bayi maupun balita cenderung

stagnan. Berdasarkan data susenas 2011 56 persen kematian bayi terjadi pada

masa neonatal dan 46 persen kematian balita terjadi pada periode neonatal.

Penyebab utama kematian balita adalah masalah neonatal (asfiksia, BBLR, dan

infeksi neonatal), penyakit infeksi (utamanya diare dan pneumonia) serta terkait

erat dengan masalah gizi (gizi buruk dan gizi kurang). Masalah lain adalah

disparitas angka kematian neonatal, kematian bayi dan angka kematian balita yang

cukup tinggi, antar provinsi. Kondisi ini disebabkan oleh masalah akses dan

kualitas pelayanan kesehatan, masalah sosial ekonomi dan budaya, pertumbuhan

infrastruktur serta keterbukaan wilayah tersebut akan pembangunan ekonomi dan

pendidikan (BAPPENAS, 2012).


6


Upaya perbaikan tingkat kesehatan anak dipengaruhi oleh peningkatan

cakupan pelayanan yang diterima sejak anak berada dalam kandungan melalui

pelayanan pemeriksaan kehamilan yang berkualitas, persalinan oleh tenaga

kesehatan utamanya di fasilitas kesehatan, pelayanan neonatal (melalui kunjugan

neonatal), cakupan imunisasi utamanya cakupan imunisasi campak, penanganan

neonatal, bayi dan balita sakit sesuai standar baik di fasilitas kesehatan dasar dan

fasilitas kesehatan rujukan dan peningkatan pengetahuan keluarga dan masyarakat

akan perawatan pada masa kehamilan, pada masa neonatal, bayi dan balita

(BAPPENAS, 2012).

Tingginya kematian anak pada usia hingga satu tahun menunjukkan bahwa

masih rendahnya status kesehatan ibu dan bayi baru lahir. Di samping itu masih

rendahnya akses dan kualitas pelayanan kesehatan ibu dan anak khususnya pada

masa persalinan dan sesudahnya. Hal lain adalah perilaku hidup bersih dan sehat

ibu hamil dan keluarga masih rendah. SDKI menyatakan bahwa kesenjangan

ekonomi antara perkotaan dan perdesaan dan kesenjangan ekonomi antar provinsi

dan kabupaten/kota juga menjadi salah satu penyebab AKB (BAPPENAS, 2012).

Faktor-faktor tersebut diatas berkaitan erat dengan kondisi geografi,

ekonomi, sosial,dan budaya sehingga untuk mengetahui hubungan dari faktor

yang mempengaruhi angka kematian neonatal diperlukan suatu pendekatan

analisis. Pendekatan analisis yang digunakan adalah teknik analisis spasial.

Analisis spasial merupakan teknik analisis data yang bertujuan untuk

mengidentifikasi determinan yang berhubungan dengan variabel dependen


7


(variabel terikat) didasarkan pada pengaruh keruangannya. Hasil dari teknik

analisis spasial diharapkan dapat membentuk kelompok spasial tentang posisi

geografis dari variabel independen yang berhubungan dengan angka kematian

neonatal di Provinsi Jawa Timur tahun 2014.

Analisis spasial belum pernah diterapkan oleh dinas kesehatan Provinsi

Jawa Timur. Pada seksi Informasi, Penelitian dan Pengembangan (InfoLitBang)

tidak menerapkan analisis spasial dikarenakan hanya fokus pada pembuatan profil

kesehatan Provinsi Jawa Timur, sedangkan pembuatan profil kesehatan Provinsi

Jawa Timur tidak memerlukan analisis spasial. Pada program pelayanan kesehatan

keluarga tidak menerapkan analisis spasial dikarenakan hanya mencari trend suatu

pelayanan dan analisis statistik yang digunakan hanya komparasi saja. Seksi

InfoLitBang dan program pelayanan kesehatan keluarga lebih fokus pada

pengumpulan data dan kualitas data.

Hukum pertama tentang geografi yang menjadi salah satu dasar

pengembangan analisis spasial dikemukakan oleh Tobler yang menyatakan

“everything is related to everything else, but near things are more related than

distant things”. Segala sesuatu saling berhubungan satu dengan yang lainnya,

tetapi sesuatu yang lebih dekat akan lebih berpengaruh daripada sesuatu yang

lebih jauh. Pada umumnya efek atau pengaruh spasial ini adalah memang hal yang

cukup lazim terjadi pada setiap data cross section (Schabenberger, 2005).

Autokorelasi spasial adalah suatu korelasi antara variabel dengan dirinya

sendiri atau dapat juga diartikan ukuran kemiripan dari objek dalam suatu ruang.


8


Pola spasial dapat ditunjukkan dengan autokorelasi spasial. Autokorelasi spasial

adalah penilaian korelasi antar pengamatan pada suatu variabel. Jika pengamatan

X1, X2, ......, Xn menunjukkan saling ketergantungan terhadap ruang, maka data

tersebut dikatakan terautokorelasi secara spasial. Sehingga autokorelasi spasial

digunakan untuk menganalisis polas spasial dari penyebaran titik-titik dengan

membedakan lokasi dan atributnya atau variabel tertentu. Beberapa pengujian

autokorelasi spasial adalah Moran’s I, Rasio Geary’s dan Local Indicator of

Spatial Autocorrelation (LISA). Pada penelitian ini hanya menggunakan Moran’s

I dan Local Indicator of Spatial Autocorrelation (LISA) (Lee dan Wong, 2001).

1.2 Identifikasi Masalah

Kematian neonatal dipengaruhi oleh beberapa faktor dan juga dipengaruhi

oleh faktor sosial budaya antar kabupaten dan kota. Apabila faktor determinan

yang berhubungan pada kematian neonatal dapat ditentukan pada masing-masing

kabupaten atau kota, maka angka kematian neonatal dapat berkurang. Uji statistik

yang yang cocok digunakan untuk mencari faktor determinan yang berhubungan

dengan angka kematian neonatal pada masing-masing kabupaten/kota adalah

analisis spasial dengan SIG, karena mengidentifikasi faktor-faktor determinan

yang berhubungan dengan angka kematian neonatal pada masing-masing

kabupaten/kota di provinsi Jawa Timur


9


Angka kematian neonatal dipilih karena angka kematian neonatal

mempengaruhi angka kematian bayi, sedangkan angka kematian bayi merupakan

indikator utama derajat kesehatan masyarakat di suatu daerah. Meskipun angka

kematian bayi setiap tahunnya menurun namun penurunan kematian bayi

cenderung stagnan. Sehingga diperlukan mencari faktor determinan yang

berhubungan dengan angka kematian neonatal menurut kabupaten/kota agar

penurunan angka kematian bayi dapat diturunkan lagi.

1.3 Rumusan Masalah

Berdasarkan uraian latar belakang diatas dapat disimpulkan rumusan

masalah sebagai berikut: “Faktor determinan manakah yang signifikan

mempunyai hubungan dengan angka kematian neonatal di Provinsi Jawa Timur

secara spasial?”

1.4 Tujuan Penelitian

1.4.1 Tujuan Umum

Menganalisis determinan angka kematian neonatal di Provinsi Jawa Timur

dengan pendekatan analisis spasial.

1.4.2 Tujuan Khusus

1. Mengidentifikasi hubungan spasial secara menyuluruh dan lokal antara

variabel kunjungan K4 terhadap angka kematian neonatal menurut

kabupaten/kota di Provinsi Jawa Timur.


10



variabel persalinan ditolong oleh tenaga kesehatan terhadap angka

kematian neonatal menurut kabupaten/kota di Provinsi Jawa Timur.


variabel kunjungan neonatal lengkap terhadap angka kematian

neonatal menurut kabupaten/kota di Provinsi Jawa Timur.


variabel komplikasi neonatal ditangani terhadap angka kematian



variabel komplikasi kebidanan ditangani terhadap angka kematian



variabel berat badan lahir rendah (BBLR) terhadap angka kematian


7. Menganalisa determinan yang secara spasial mempunyai kuat

hubungan yang paling dominan mempengaruhi angka kematian


1.5 Manfaat Penelitian

1.5.1 Manfaat Bagi Peneliti

Mampu mengaplikasikan ilmu yang telah didapat selama masa

perkuliahan, terutama dalam bidang Biostatistika dan Kependudukan.


11


1.5.2 Manfaat Bagi Instansi

a. Hasil penelitian diharapkan dapat menjadi bahan masukan bagi

segenap penentu kebijakan dan instansi terkait untuk mempriotaskan

program kesehatan dalam upaya menurunkan angka kematian

neonatal.

b. Penelitian ini diharapkan dapat memberikan suatu gambaran tentang

faktor determinan yang berhubungan dengan angka kematian neonatal

menurut kabupaten/kota di Provinsi Jawa Timur dan bahan

pertimbangan bagi Pemerintah Daerah Kabupaten/Kota dalam

menyusun perencanaan terutama pada sektor kesehatan dalam rangka

meningkatkan bobot kualitas manusia di daerah masing-masing, serta

untuk mencapai derajat kesehatan yang ditargetkan dalam “SDGs

2030”.

1.5.3 Manfaat Bagi Fakultas

Dapat digunakan sebagai bahan informasi untuk kajian penelitian

selanjutnya tentang masalah kependudukan dan kesehatan serta dapat memberikan

masukan bagi peneliti yang lain.


12


BAB II

TINJAUAN PUSTAKA

2.1 Analisis Spasial

Spasial berasal dari kata space yang artinya ruang. Spasial lebih fokus

kepada ekosistem sehingga dapat memperhatikan tempat, ketinggian, dan waktu.

Analisis spasial dapat digunakan dalam berbagai bidang keilmuan antara lain

ekonomi, budaya, dan kesehatan. Dalam bidang kesehatan analisis spasial

merupakan bagian dari manajemen penyakit untuk menganalisis dan menguraikan

tentang data penyakit secara geografi yang berkaitan dengan kependudukan,

persebaran penyakit, lingkungan, perilaku, dan sosial ekonomi (Ahmadi, 2008).

Menurut Undang-undang No. 4 tahun 2011 dalam Maya (2014) spasial

merupakan aspek keruangan suatu kejadian yang mencakup lokasi, letak, dan

posisinya. Informasi dari data keruangan yang menunjukkan lokasi, letak dan

posisi suatu kejadian di bumi disebut sebagai informasi geospasial. Autokorelasi

spasial dapat terjadi apabila terdapat pola yang sistematik dalam sebaran suatu

kejadian. Hal tersebut terjadi karena adanya variasi geografi dari suatu wilayah

juga mempengaruhi perbedaan kebijakan, gaya hidup, adat istiadat, suatu daerah

termasuk kesehatan individu.

2.1.1 Autokorelasi Spasial

Autokorelasi Spasial adalah korelasi antara variabel dengan dirinya sendiri

berdasarkan ruang atau dapat diartikan suatu ukuran dari kemiripan objek di


13


dalam suatu ruang (jarak, waktu dan wilayah). Jika terdapat poala sistematik di

dalam penyebaran sebuah variabel, maka terdapat autokorelasi spasial.

Autokorelasi spasial menunjukkan bahwa nilai atribut pada daerah tertentu terkait

dengan nilai atribut pada daerah lain yang letaknya berdekatan atau bertetangga

(Luknanto, 2003).

Gambar 2.1 Contoh Pola Autokorelasi

Berdasarkan Lembo (2006) dalam Syafitiri et al.(2008) menyebutkan jika

ada pola yang sistematik dalam sebaran spasial suatu atribut, maka dapat

dikatakan bahwa ada autokorelasi spasial dalam atribut tersebut. Berdasarkan

Gambar 2.1 menunjukkan autokorelasi spasial dikatakan bernilai positif, apabila

daerah didekatnya atau tetangga memiliki kesamaan. Bernilai negatif, apabila

menggambarkan pola dimana daerah tetangga tidak seperti atau berbeda pada

pengelompokan wilayah. Jika pola yang berbentuk adalah acak (random) maka

tidak menunjukkan autokorelasi spasial (Luknanto, 2003).

2.1.2 Matriks Pembobot Spasial

Dubin 2009 (dalam Purwaningsih, 2014) matriks pembobot spasial pada

dasarnya merupakan matriks yang menggambarkan hubungan antar wilayah dan

diperoleh berdasarkan informasi jarak atau ketetanggaan. Diagonal dari matriks


14


ini umumnya diisi dengan nilai nol. Karena matriks pembobot menunjukkan

hubungan antara keseluruhan lokasi, maka dimensi dari matriks ini adalah NxN,

dimana N adalah banyaknya lokasi atau banyaknya unit lintas objek.

Beberapa pendekatan yang dapat dilakukan untuk menampilkan hubungan

spasial antar lokasi, diantaranya adalah konsep persinggungan (contiguity). Jenis

persinggungan ada 3 yaitu, Rook Contiguity, Bishop Contiguity dan Queen

Contiguity. Matriks contiguity menunjukkan hubungan spasial suatu lokasi

dengan lokasi lainnya yang bertetangga. Pemberian nilai 1 diberikan jika lokasi-i

bertetangga langsung dengan lokasi-j, sedangkan nilai 0 diberikan jika lokasi-i

tidak bertetangga dengan lokasi-j (Dubin 2009, dalam Purwaningsih 2014).

Rook contiguity merupakan persentuhan sisi wilayah sati dengan sisi

wilayah yang lain yang bertetanggaan, sedangkan Bishop contiguity adalah

persentuhan titik vertek wilayah satu dengan wilayah tetangga yang lain. Adapun

Queen contiguity merupakan persentuhan baik sisi maupun titik vertek wilayah

satu dengan wilayah yang lain yaitu gabungan rook contiguity dan bishop

cntiguity (Dubin 2009, dalam Purwaningsih 2014).


15


Gambar 2.2 Ilustrasi Contiguity

Matrik pembobot yang dapat terbentuk darai Gambar 2.2 diatas adalah

sebagai berikut

2.1.3 Moran’s I

Moran’s I merupakan pengembangan dari korelasi pearson pada data

univariate series. Fungsi Moran’s I adalah untuk mengetahui kuat hubungan

antara variabel independen dengan variabel dependen secara keseluruhan.

Moran’s I mengukur korelasi satu variabel misal x (xi dan xj) dimana i ≠ j

i=1,2,...n, j=1,2....n dengan banyak data sebesar n, maka formula dari Moran’s I

adalah pada persamaan berikut.


16


X bar pada persamaan diatas merupakan rata-rata dari variabel x, wij merupakan

elemen dari matrik pembobot dan S0 adalah jumlah dari elemen matrik pembobot

dimana S0 = ∑i∑j wij. Nilai dari indeks I ini berkisar antara -1 dan 1. Idetifikasi

pola menggunakan kriteria nilai indeks I, jika I > I0, maka mempunyai pola

mengelompok (cluster), jika I = I0, mkaa berpola menyebar tidak merata (tidak

ada autokorelasi), dan I < I0, memiliki pola menyebar. I0 merupakan nilai

ekspektasi dari I yang dirumuskan E(I)= I0= -1/(n-1) (Lee dan Wong 2001).

2.1.4 Moran’s Scatterplot

Lee dan Wong (2001) menyebutkan bahwa Moran’s Scatterplot adalah

salah satu cara untuk menginterpetasikan statistik Indeks Moran. Moran’s

Scatterplot merupakan alat untuk melihat hubungan antara nilai yang diamati

dengan nilai rata-rata daerah tetangga.


17


Gambar 2.3 Moran Scatterplot

Berdasarkan ilustrasi gambar 2.3 diatas Kuadran I (terletak di kanan atas)

disebut High-High (HH), menunjukkan daerah yang empunyai nilai pengamatan

tinggi. Kuadran II (terletak di kiri atas) disebut Low-High (LH), menunjukkan

daerah dengan pengamatan rendah tapi dikelilingi daerah dengan nilai

pengamatan tinggi. Kuadran III (terletak di kiri bawah) disebut Low-Low (LL),

menunjukkan daerah dengan nilai pengamatan rendah dan dikelilingi daerah yang

juga mempunyai nilai pengamatan rendah. Kuadran IV (terletak di kanan bawah)

disebut High-Low (HL), menunjukkan daerah dengan nilai pengamatan tinggi

yang dikelilingi oleh daerah dengan nilai pengamatan rendah (Kartika, 2007).

Moran’s Scatterplot yang banyak menempatkan pengamatan di kuadran

HH dan kuadran LL akan cenderung mempunyai nilai autokorelasi spasial yang

positif (cluster). Sedangkan Moran’s Scatterplot yang banyak menempatkan

pengamatan di kuadran HL dan LH akan cenderung mempunyai nilai autokorelasi

spasial yang negatif.


18


2.1.5 Local Indicator of Spatial Autocorrelation (LISA)

Pengidentiikasian koefisisen autocorrelatiion secara lokal dalam artian

menemukan korelasi spasial pada setiap daerah, dapat digunakan Moran’s I.

Berbeda dengan Moran’s I yang dijelaskan sebelumnya yang merupakan indikasi

dari global autocorrelation, Moran’s I pada LISA meng-indikasikan local

autocorrelation. LISA disini mengidentifikasi bagaimana hubungan antara suatu

lokasi pengamatan terhadap lokasi pengamatan yang lainnya. Menurut Lee dan

Wong (2011), semakin tinggi nilai local maka akan memberikan informasi bahwa

wilayah yang berdekatan memiliki nilai yang hampir sama atau membentuk suatu

penyebaran yang mengelompok.

2.2 Neonatal

2.2.1 Pengertian Neonatal

Menurut Arkhanda 1986, periode neonatal dimulai sejak bayi dilahirkan

hingga berusia 28 hari yang merupakan periode berbahaya karena umumya 70%

dari kematian bayi terjadi pada periode neonatal. Bayi harus menyesuaikan diri

dengan perubahan lingkungan dalam periode ini yaitu dari keadaan saat di dalam

kandungan ke keadaan di luar kandungan.

Definisi neonatal menurut Jumiami 1998, yaitu proses penyesuaian diri

dari kehidupan intruterin ke kehidupan ekstrauterin oleh bayi yang baru

mengalami proses kelahiran.


19


Muslihatun (2010) menyatakan masa neonatal merupakan masa sejak lahir

hingga 28 hari atau 4 minggu setelah kelahiran. Neonatal yaitu bayi yang baru

lahir sampai usia 1 bulan setelah lahir. Terdapat dua masa neonatal yaitu nenatal

dini dan neonatal lanjut. Neonatal dini merupakan bayi yang berusia 0 hingga 7

hari. Neonatal lanjut merupakan bayi yang berusia 7 hingga 28 hari. Masa

terjadinya kehiddupan di luar uterus disebu masa neonatal. Pada masa neonatal

terjadi adaptasi semua sistem organ tubuh dan perubahan fungsi organ serta

sistem kekebalan tubuh yang belum sempurna.

2.2.2 Definisi Angka Kematian Neonatal

Angka Kematian Neonatal (Neonatala Mortality Rate) adalah angka

kematian bayi umur 0-28 hari pada suatu tahun per 1000 kelahiran hidup pada

tahun yang sama. Angka kematian neonatal digunakan untuk menilai besarnya

kematian bayi dalam 28 hari setelah dilahirkan dan juga untuk menilai baik

buruknya pertolongan persalinan dan terutama perawatan bayi baru lahir

(Sukarni,1999).

2.3 Faktor yang Mempengaruhi Angka Kematian Neonatal

2.3.1 Berat Badan Lahir Rendah (BBLR)

2.3.1.1 Pengertian

Menurut Muslihatun 2010, Bayi berat lahir rendah atau BBLR merupakan

bayi baru lahir yang berat badan lahirnya kurang 2500 gram. BBLR dibagi

menjadi tiga kategori berdasarkan masa kehamilan.


20


1. Bayi kurang bulan yaitu usia kehamilan bayi kurang dari 37 minggu atau

259 hari

2. Bayi cukup bulan yaitu usia kehamilan bayi dari 37 hingga 42 minggu atau

259 sampai 293 hari

3. Bayi lebih bulan yaitu usia kehamilan bayi dari 42 minggu (294 hari) atau

lebih.

Sudarti 2013 mengkategorikan BBLR menjadi 2 dua kategori.

1. Bayi kurang bulan yaitu bayi dengan umur kehamilan 37 minggu

2. Bayi kecil masa kehamilan (KMK) yaitu bayi yang saat dilahitkan kurang

dari percentil ke-10 dari kurva pertumbuhan janin.

Sudarti 2013, Membedakan BBLR menjadi tiga macam berdasarkan

penangan dan harapan hidup.

1. BBLR yaitu bayi dengan berat lahir 1500-2499 gram

2. BBLSR yaitu bayi dengan berat lahir kurang dari 1500 gram

3. BBLER yaitu bayi dengan berat lahir kurang dari 1000 gram

2.3.1.2 Etiologi

Menurut Sudarti 2013, faktor yang mempengaruhi BBLR terdiri dari.

1. Faktor Ibu

1) Usia ibu<20 tahun atau >35 tahun

2) Paritas

3) Ras

4) Infertilitas


21


5) Riwayat Kehamilan tidak baik

6) Lahir abnormal

7) Jarak kelahiran terlalu dekat

8) BBLR pada anak sebelumnya

9) Preeklamsia

2. Faktor Plasenta

1) Tumor

2) Kehamilan ganda

3. Faktor Janin

1) Infeksi bawaan

2) Kelainan kromosom

Menurut Muslihatun 2010, faktor penyebab kejadian BBLR dibedakan

menjadi tiga.

1. Faktor Ibu

1) Penyakit ibu: toksaemia, greavidarum, pendarahan antepartum,

trauma fisik dan psikologis, nefritis akut dan diabetes militus.

2) Usia Ibu: usia ibu kurang dari 20 tahun atau lebih dari 35 tahun,

multigravida dengan jarak persalinan terlalu dekat.

3) Keadaan sosial: ekonomi rendah dan perkawinan tidak sah.

4) Kebiasaan ibu: ibu perokok, peminum alkohol dan pecandu

narkoba

2. Faktor bayi: hidramnion, kehamilan ganda dan kelainan kromosom

3. Faktor lingkungan: dataran tinggi, radiasi dan zat racun


22


2.3.1.3 Tanda dan Gejala

Sudarti 2013, menyatakan tanda dan gejala bayi BBLR antara lain

1. Berat badan bayi kurang dari 2500 gram.

2. Panjang bayi kurang dari 45 cm, lingkar kepala kurang dari 33 cm, dan

lingkar dada kurang dari 30 cm.

3. Kepala batu terlihat lebih besar dibandingkan dengan badannya, rambut

kepala tipis dan halus, elastisitas daun telinga.

4. Dinding thorax pada dada bayi elastis dan puting susu belum terbentuk.

5. Abdomen bayi terjadi distensi abdomen, kulit perut tipis dan terlihat

pembuluh darah.

6. Kulit bayi terlihat transparan dan tipis.

7. Banyaknya lanugo dan masih sedikitnya jaringan lemak subkutan.

8. LK skrotum kecil, terstis tidak teraba, PR labia mayora hampir tidak ada

dan klitoris menonjol.

9. Kadang terjadi oedema pada ekstremitas dan garis telapak kaki sedikit.

10. Pergerakan masih lemah untuk fungsi motorik.

2.3.1.4 Penatalaksanaan

Penatalaksanaan setelah bayi lahir secara umum yaitu dengan

membersihkan jalan napas, mengusahakan napas pertama dan seterusnya,

perawatan tali pusat dan perawatan mata. Secara khusus penatalaksanaan BBLR

aitu suhu tubuh bati dijaga pada suhu aksila 36,5 sampai 37,5oC, memberi O2

sesuai dengan masalah pernapasan dan pantau dengan oksimetri, memantau


23


sirkulasi dengan tepat, mengawasi keseimbangan cairan dan nutrisi, pencegahan

infeksi, dan mencegah perdarahan yaitu dengan vitamin K mg/pemberian

(Sudarti, 2013).

2.3.2 Antenatal Care(ANC)

Antenatal care didefinisikan sebagai pelayanan kesehatan yang

berhubungan dengan kehamilan yang diberikan oleh tenaga edis professional

(dokter umum, dokter ahli kebidanan dan kandungan, perawat, bidan, atau bidan

di desa) (SDKI, 2007). Pemeriksaan kehamilan dibedakan menurut jenis tenaga

kesehatan, jumlah kunjungan pemeriksaan kehamilan, umur kehamilan pada

kunjungan pertama, jenis pelayanan kesehatan, dan informasi yang diberikan

ketika pemeriksaan kehamilan, dan imunisasi tetanus toxoid.

Program kesehatan ibu di indonesia menganjurkan agar ibu hamil

melakukan paling sedikit empat kali kunjungan untuk pemeriksaan selama

kehamilan. Menurut jadwal adalah sebagai berikut: paling sedikit sekali

kunjungan dalam trimester pertama, paling sedikit sekali kunjungan dalam

trimester kedua, dan paling sedikit dua kali kunjungan dalam trimester ketiga

(Depkes RI, 2001).

2.3.3 Kunjungan Neonatal

2.3.3.1 Definisi Kunjungan Neonatal

Kunjungan neonatal merupakan salah satu pelayanan kesehatan neonatal

yaitu pelayanan kesehatn standar kepada neonatal oleh tenaga kesehatan yang

kompeten. Pelayanan kesehatan neonatal diberikan selama masa 0-28 hari setelah


24


lahir sedikitnya 3 kali melalui fasilitas kesehatan maupun kunjungan rumah

(Dinas Kesehatan Jawa Timur, 2008).

Kunjungan neonatal adalah upaya mengurangi risiko neonatal yang rentan

gangguan kesehatan melalui pelayanan kesehatan neonatal minimal 3 kali yaitu 2

kali saat bayi usia 0 sampai 7 hari dan 1 kali saat bayi usia 8 sampai 28 hari yang

disebut kunjungan neonatal lengkap (Dinas Kesehatan Jawa Timur, 2010).

2.3.3.2 Tujuan Kunjungan Neonatal

Menurut Dinas Kesehatan Jawa Timur 2008, kunjungan neonatal penting

dilakukan sebab risiko terbesar kematian neonatal terjadi saat 24 jam pertama

kehidupan, minggu pertama dan bulan pertama kehidupan. Tujuan dari kunjungan

neonatal yaitu:

a. Meningkatkan akses pelayanan kesehatan dasar pada neonatal

b. Mengetahui sedini mungkin jika neonatal ditemukan masalah atau

kelainan.

2.3.3.3 Pelaksanaan Kunjungan Neonatal

Pelaksanaan kunjungan neonatal menurut Dinas Kesehatan Jawa Timur

2008, meliputi:

1. Kunjungan neonatal ke-1 (KN1) dilaksanakan saat 6-48 jam setelah

lahir.

2. Kunjungan neonatal ke-2 (KN2) dilaksanakan saat hari ke-3 sampai

hari ke-7 setelah lahir.


25


3. Kunjungan neonatal ke-3 (KN3) dilaksanakan saat hari ke-8 sampai

hari ke-28 setelah lahir.

Adapun pelayanan yang diberikan yaitu peayanan kesehatan dasar secara

komprehensif untuk memastikan bayi dalam keadaan sehat meliputi:

1. Pemeriksaan dan perawatan bayi baru lahir dengan perawatan tali

pusat, melaksanakan ASI eksklusif, memastikan bayi telah diberi

injeksi vitamin K1, memastikan bayi telah diberi Salep Mata

Antibiotik, dan pemberian imunisasi Hepatitis B0.

2. Pemeriksaan dengan pendekatan Manajemen Terpadu Bayi Muda

(MTBM) yaitu:

a. Pemeriksaan tanda bahaya meliputi:

1) Kemungkinan infeksi bakteri

2) Ikterus

3) Diare

4) Berat badan rendah

5) Masalah pemberian ASI

b. Pemberian Imunisasi Hepatitis B0 yang diberikan jika bayi

belum menerima saat perawatan bayi baru lahir.

c. Konseling kepada ibu dan keluarga yaitu untuk:

1) Memberikan ASI eksklusif

2) Pencegahan hipotermi

3) Melaksanakan perawatan bayi baru lahir menggunakan

Buku KIA


26


d. Jika diperlukan dilakukan penanganan dan rujukan kasus

Pelayanan kesehatan neonatal diberikan oleh tenaga kesehatan yaitu:

1. Dokter spesialis anak

2. Dokter

3. Bidan

4. Perawat

2.3.3.4 Perhitungan Cakupan Kunjungan Neonatal

Cakupan kunjungan neonatal merupakan perbandingan antara jumlah

neonatal yang memperoleh pelayanan kesehatan sesuai standar kunjungan

neonatal dengan penduduk sasaran bayi di suatu wilayah kerja pada waktu

tertentu. Cakupan kunjungan neonatal digunakan untuk mengukur jangkauan

program KIA dalam pelayanan neonatal dan mengukur kualitas pelayanan

neonatal.

Rumus cakupan kunjungan neonatal sebagai berikut.

Cakupan kunjungan neonatal diperoleh dari register kohort bayi yaitu

jumlah neonatal yang telah menerima pelayanan kesehatan sesuai standar.

Cakupan kunjungan neonatal juga dapat berasal dari BPS kabupaten/kota/provinsi

Jawa Timur untuk memperoleh data penduduk sasaran bayi. Cakpan kunjungan


27


neonatal berpedoman pada buku petunjuk pencatatan dan pelaporan pelayanan

kesehatan ibu dan balita Provinsi Jawa Timur (Dinas Kesehatan Jawa Timur,

2010).

Menurut Depkes RI 2008, cakuan kunjungan neonatal pertama (KN 1)

merupakan neonatal yang memperoleh standar pada 6 sampai 48 jam setelah lahir

pada suatu wilayah kerja pada waktu tertentu. Cakupan KN 1 digunakan untuk

mengetahui akses atau jangkauan pelayanan kesehatan neonatal.

Rumus yang digunakan yaitu

Cakupan kujungan neonatal lengkap atau KN lengkap (0-28 hari)

merupakan cakupan neonatal yang memperoleh pelayanan sesuai standar setelah

lahir paling sedikit 3 kali yaitu pada 6-48 jam sebanyak 1 kali, hari ke-3 gingga

hari ke-7 sebanyak 1 kali dan hari ke-8 hingga hari ke-28 sebanyak 1 kali di suatu

wilayah pada waktu tertentu. Cakupan kunjungan neonatal KN lengkap digunakan

untuk mengetahui efektifitas dan kualitas pelayan kesehatan neonatal.


28


Rumus yang digunakan yaitu

2.3.4 Komplikasi Neonatal

Penanganan komplikasi neonatus adalah pelayanan kepada neonatus

dengan komplikasi neonatal untuk mendapat penanganan definitif sesuai standar

oleh tenaga kesehatan kompeten pada tingkat pelayanan dasar dan rujukan.

Diperkirakan sekitar 15-20 % neonatus akan mengalami komplikasi neonatal.

Komplikasi pada bayi yang baru lahir tidak selalu dapat diduga sebelumnya, oleh

karenanya semua persalinan harus ditolong oleh tenaga kesehatan agar komplikasi

neonatal dapat segera dideteksi dan ditangani. Untuk meningkatkan cakupan dan

kualitas penanganan komplikasi neonatal maka diperlukan adanya fasilitas

pelayanan kesehatan yang mampu memberikan pelayanan neonatal emergensi

secara berjenjang mulai dari polindes/poskesdes, puskesmas mampu PONED

sampai rumah sakit PONEK 24 jam. Pelayanan medis neonatus yang dapat

dilakukan di Puskesmas mampu PONED meliputi :

1. Pencegahan dan penanganan asfiksia.

2. Pencegahan dan penanganan hipotermia.

3. Penanganan bayi berat lahir rendah (BBLR).

4. Pencegahan dan penanganan infeksi neonatus, kejang neonatus, ikterus

ringan sedang.


29


5. Pencegahan dan penanganan gangguan minum.

6. Stabilisasi komplikasi neonatus untuk dirujuk dan transportasi rujukan.

2.3.5 Komplikasi Kebidanan

Penanganan komplikasi kebidanan adalah pelayanan kepada ibu dengan

komplikasi kebidanan untuk mendapat penanganan definitif sesuai standar oleh

tenaga kesehatan kompeten pada tingkat pelayanan dasar dan rujukan.

Diperkirakan sekitar 15-20 % ibu hamil akan mengalami komplikasi kebidanan.

Komplikasi dalam kehamilan dan persalinan tidak selalu dapat diduga

sebelumnya, oleh karenanya semua persalinan harus ditolong oleh tenaga

kesehatan agar komplikasi kebidanan dapat segera dideteksi dan ditangani. Untuk

meningkatkan cakupan dan kualitas penanganan komplikasi kebidanan maka

diperlukan adanya fasilitas pelayanan kesehatan yang mampu memberikan

pelayanan obstetri dan neonatal emergensi secara berjenjang mulai dari

polindes/poskesdes, puskesmas mampu PONED sampai rumah sakit PONEK 24

jam. Pelayanan medis obstetri yang dapat dilakukan di Puskesmas mampu

PONED meliputi:

1. Penanganan perdarahan pada kehamilan, persalinan dan nifas.

2. Pencegahan dan penanganan hipertensi dalam kehamilan (pre-eklamsia

dan eklamsia).

3. Pencegahan dan penanganan infeksi.

4. Penanganan partus lama/macet.

5. Penanganan abortus.

6. Stabilisasi komplikasi obstetrik untuk dirujuk dan transportasi rujukan.


30


2.3.6 Persalinan ditolong oleh Tenaga Kesehatan

Pertolongan persalinan oleh tenaga kesehatan adalah pelayanan persalinan

yang aman yang dilakukan oleh tenaga kesehatan yang kompeten. Pada kenyataan

di lapangan, masih terdapat penolong persalinan yang bukan tenaga kesehatan dan

dilakukan di luar fasilitas pelayanan kesehatan. Oleh karena itu, secara bertahap

seluruh persalinan akan ditolong oleh tenaga kesehatan kompeten dan diarahkan

ke fasilitas pelayanan kesehatan.

Pada prinsipnya, penong persalinan harus memperhatikan hal-ha sebagai

berikut:

a. Pencegahan infeksi.

b. Metode pertolongan persalinan yang sesuai standar.

c. Merujuk kasus yang tidak dapat ditangani ke tingkat pelayanan yang

lebih tinggi.

d. Melaksanakan Inisiasi Menyusui Dini.

e. Memberikan Injeksi Vitamin K1 dan salep mata pada bayi baru lahir.

Tenaga kesehatan yang berkompeten memberikan pelayanan pertolongan

persalinan adalah: dokter spesialis kebidanan, dokter dan bidan.



2.4 Kerangka Teori

Berdasarkan faktor-faktor resiko yang telah dikemukakan diatas maka dapat di susun suatu kerangka teori sebagai berikut:

Sumber: Ronsmans (1996)

Gambar 2.4 Kerangka Teori

Status Sosial Ekonomi

Pelayanan

Kesehatan

Lingkungan

Faktor Biologis Ibu

-Demografi (umur,

paritas, jarak kelahiran)

-Nutrisi (berat badan

ibu, anemia,

mikronutrient)

-Riwayat obstetri

-Riwayat Penyakit

terdahulu

-Penyakit selama

kehamilan

Komplikasi

Kebidanan ditangani

-Persalinan Di tolong

Oleh Tenaga

Kesehatan

-Kunjungan K4

Kelainan

Kongenital

Tidak diketahui

Lahir Mati

Lahir Hidup

-Kunjungan

Neonatal

Lengkap

- Kompilkasi

Neonatal

ditangani

Kematian Neonatal



BAB III

KERANGKA KONSEPTUAL

3.1 Kerangka Konseptual

Gambar 3.1 Kerangka Konseptual

Diteliti

Tidak Diteliti

Faktor Ibu 1. Tingkat Pendidikan 2. Usia 3. Jumlah Paritas 4. Pengetahuan

Faktor Pelayanan Kesehatan 1. Cakupan Kunjungan K4 2. Cakupan Persalinan ditolong Tenaga Kesehatan 3. Cakupan Kunjungan Neonatal lengkap 4. Cakupan Komplikasi Neonatal ditangani 5. Cakupan Komplikasi kebidanan ditangani

Angka Kematian Neonatal

Analisis Spasial

Faktor Bayi 1. Kesehatan Bayi 2. Berat Badan Bayi


33


Berdasarkan latar belakang dan tinjuan pustaka pada bab sebelumnya

maka dibuat kerangka konsep seperti gambar diatas. Angka Kematian Neonatal di

pengaruhi oleh beberapa faktor. Kemudian beberapa faktor tersebut di

kelompokkan menjadi 3 faktor yaitu faktor ibu , faktor bayi, dan faktor pelayanan

kesehatan.

Didalam faktor Ibu terdapat faktor tingkat pendidikan Ibu, faktor usia Ibu

saat melahirkan, jumlah paritas. Dalam faktor bayi terdapat faktor kesehatan bayi

dan faktor berat badan bayi saat lahir. Dalam faktor pelayanan kesehatan terdapat

faktor cakupan kunjungan K4, faktor cakupan persalinan ditolong oleh tenaga

kesehatan, faktor cakupan kunjungan Neonatal lengkap, dan faktor cakupan

komplikasi neonatal ditangani. Faktor-faktor di teliti oleh peneliti adalah berat

badan lahir bayi pada faktor bayi dan faktor pelayanan kesehatan sedangkan

faktor yang lain tidak diteliti oleh peneliti.

Berdasarkan konsep di atas, variabel dependent pada penelitian ini adalah

Angka Kematian Neonatal. Sedangkan Variabel Independent pada penelitian ini

adalah berat badan bayi, cakupan kunjungan K4, cakupan persalinan ditolong oleh

tenaga kesehatan, cakupan kunjungan Neonatal lengkap, dan cakupan komplikasi

neonatal ditangani. Uji statistik yang akan digunakan adalah Analisis spasial.


34


BAB IV

METODE PENELITIAN

4.1 Rancangan Penelitian

Pada penelitian ini menggunakan jenis penelitian observational karena

penelitian ini dilakukan dengan pengamatan pada data sekunder yang sudah

tersedia pada suatu instansi. Selain itu semua data yang meliputi variabel

penelitiannya dikumpulkan dalam waktu yang bersamaan. Penelitian ini bersifat

analitik, karena penelitian ini juga mencoba menggali hubungan antara variable

dependent dengan variable independent.

4.2 Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder yang

diperoleh dari Dinas Kesehatan Provinsi Jawa Timur, yaitu Profil Kesehatan Jawa

Timur pada tahun 2014 dan juga Profil Kesehatan Kabupaten/Kota tahun 2014.

Data yang digunakan antara lain data jumlah kematian Neonatal pada

tahun 2014 untuk setiap kabupaten/kota di Provinsi Jawa Timur yang terdiri dari

38 kabupaten/kota, Cakupan persalinan oleh tenaga medis, cakupan persalinan

ditolong oleh tenaga kesehatan, cakupan kunjungan Neonatal lengkap, cakupan

komplikasi dan cakupan komplikasi neonatal ditangani. Selain itu juga data

persentase bayi dengan berat badan bayi lahir rendah.


35


4.3 Unit Observasi

Pada penelitian ini unit observasi yang digunakan adalah kabupaten/kota

di Provinsi Jawa Timur di mana pada tahun 2014, Provinsi Jawa Timur terdiri dari

38 kabupaten/kota.

4.4 Lokasi dan Waktu Penelitian

Lokasi penelitian adalah di Dinas Kesehatan Provinsi Jawa Timur. Waktu

penelitian pada bulan Mei sampai dengan bulan Juni 2016 untuk pengumpulan

data dan analisis data.

4.5 Variabel Penelitian, Sumber Data dan Definisi Operasional

Tabel 4.1 Variabel dan Definisi Operasional

Variabel Definisi Operasional Sumber Data Skala Data Variabel Dependent


Jumlah kematian pada bayi berusia 0-28 hari dikali 1000 per kelahiran hidup tiap kabupaten/kota di Provinsi Jawa Timur

Data Sekunder Dinas Kesehatan Provinsi Jawa Timur

Rasio

Variabel Independent BBLR Persentase jumlah BBLR

dikali 100 per jumlah bayi baru lahir ditimbang tiap kabupaten/kota di Provinsi Jawa Timur


Rasio

Cakupan Kunjungan K4

Jumlah ibu hamil yang melakukan kunjungan dikali 100 per jumlah ibu hamil seluruhnya tiap kabupaten/kota di Provinsi Jawa Timur


Rasio


36


Tabel 4.1 Variabel dan Definisi Operasional

Variabel Definisi Operasional Sumber Data Skala Data Cakupan Persalinan ditolong Tenaga Kesehatan

Jumlah Ibu bersalin ditolong tenaga kesehatan dikali 100 per jumlah ibu bersalin seluruhnya tiap kabupaten/kota di Provinsi Jawa Timur


Rasio

Cakupan Kunjungan Neonatal lengkap

Jumlah bayi yang mendapat pelayanan neonatal lengkap dikali 100 dibagi jumlah bayi seluruhnya tiap kabupaten/kota di Provinsi Jawa Timur


Rasio

Cakupan Komplikasi Neonatal ditangani

Jumlah komplikasi neonatal ditangani dikali 100 per jumlah jumlah perkiraan neonatal komplikasi tiap kabupaten/kota di Provinsi Jawa Timur


Rasio

Cakupan Komplikasi Kebidanan ditangani

Jumlah komplikasi kebidanan ditangani dikali 100 per jumlah jumlah perkiraan kebidanan komplikasi tiap kabupaten/kota di Provinsi Jawa Timur


Rasio

4.6 Teknik Pengumpulan Data

Pengumpulan data sekunder dilakukan dengan cara mencatat kembali data

yang diperlukan yang diperoleh dari dokumen yang ada di Dinas Kesehatan

Provinsi Jawa Timur, yaitu profil kesehatan Provinsi Jawa Timur tahun 2014 dan

profil kesehatan kabupaten/kota tahun 2014.


37


4.7 Teknik Analisis Data

Tahapan dalam melakukan anlisis dengan menggunakan pendekatan

regresi spasial adalah sebagai berikut:

Langkah 1: Mencari data sekunder yang sesuai dengan standar penggunaan

data spasial yaitu data dengan latar belakan penggunaan metode

teknik sampling yang sama dalam agregat atau level

kabupaten/kota. Sumber data diperoleh dari Dinas Kesehatan

Provinsi Jawa Timur. Seluruh data uang dianalisis berasal dari

sumber data yang menggunakan metode teknik sampling Block

Design.

Langkah 2: Melakukan input data sekunder pada program SPSS (Statistical

Package For Social Science) untuk kemudian disimpan dalam tipe

file (.sav) dan (.dbf). kedua file tersebut kemudian disimpan dalam

1 folder dengan penambahan file tipe (.shp) yang mencantumkan

peta Provinsi Jawa Timur, (.gal) sebagai pembobot spasial, dan file

tipe (.shx). Seluruh nama file dalam folder harus dibuat sama.

Langkah 3: Melakukan analisis dan identifikasi pada data sekunder dengan

menggunakan program Geoda. Proses yang pertama dilakukan

adalah mengidentifikasi sebaran setiap variabel independen dengan

peta kuantil tematik.


38


Langkah 4: Mendeskripsikan output persebaran variabel independen yang

sudah tersaji dalam bentuk peta kuantil tematik.

Langkah 5: Menganalisis pola hubungan variabel yang mempengaruhi kasus

Angka Kematian Neonatal (variabel independen) dengan jumlah

kasus Angka Kematian Neonatal (variabel dependen)

menggunakan uji Moran’s I dan uji LISA.

Langkah 6: Mendeskripsikan output dari uji Moran’s I (Hubungan secara

keseluruhan) dan uji LISA (Hubungan secara lokal).

Langkah 7: Menentukan variabel independen mana yang signifikan mempunyai

hubungan dengan besaran Angka Kematian Neonatal.

a. Analisis statistik deskriptif

Analisis secara deskriptif dilakukan dengan mendeskripsikan hasil

sebaran variabel independen yang berhubungan dengan Angka Kematian

Neonatal pada peta kuantil tematik. Kuantil yang tersaji dalam peta

tematik terdiri dari 4 (empat) kuantil dengan kuantil pertama adalah

kuantil dengan value tertinggi, begitupun selanjutnya.

b. Analisis Statistik Inferensial

Analisis dilakukan dengan menggunakan pengolahan statistik yang

bertujuan untuk mengetahui hubungan variabel prediktor (X) dengan

variabel respon (Y). Uji statistika yang digunakan adalah uji Moran’s I dan

LISA pada program Geoda.



BAB V

HASIL PENELTIAN

5.1 Gambaran Umum Provinsi Jawa Timur

5.1.1 Kondisi Geografis dan Administrasi

Provinsi Jawa Timur terletak di bagian timur Pulau Jawa yang memiliki

luas wilayah daratan 47.959 km2 (sumber Badan Pertanahan Nasional Provinsi

Jawa Timur). Jawa Timur berada pada 111o0’ hingga 114o4’ Bujur Timur (BT)

dan 7o12’ hingga 8o48’ Lintang Selatan (LS) dengan batas wilayah sebagai

berikut:

Bagian Utara : Laut Jawa

Bagian Selatan : Samudera Hindia

Bagian Timur : Selat Bali

Bagian Barat : Provinsi Jawa Tengah

Gambar 5.1 Peta Administrasi Provinsi Jawa Timur

ADLN – PERPUSTAKAAN UNIVERSITAS AIRLANGGA 40


Provinsi Jawa Timur memiliki 229 pulau, yang terdiri dari 162 pulau

bernama dan 67 pulau tidak bernama, dengan panjang pantai sekitar 2.833,85 km.

Pulau Madura merupakan pulau terbesar saat ini sudah terhubung dengan wilayah

daratan Jawa Timur melalui jembatan ‘Suramadu’. Di sebelah timur Pulau

Madura terdapat gugusan pulau-pulau yang paling timur adalah Kepulauan

Kangean dan yang paling utara adalah Kepulauan Masalembu. Di bagian selatan

Provinsi Jawa Timur terdapat 2 (dua) pulau kecil, yakni Nusa Barung dan Pulau

Sempu. Sedangkan di bagian utara terdapat pulau Bawean yang berada 150 km

sebelah utara Pulau Jawa. Kabupaten Banyuwangi memiliki wilayah paling luas

diantara Kabupaten/Kota lainnya di Provinsi Jawa Timur.

Secara administratif, Provinsi Jawa Timur terdiri dari 29 Kabupaten, 9

Kota, 662 Kecamatan dan 8.505 Desa/Kelurahan. Kabupaten Malang memiliki

kecamatan terbanyak (33 kecamatan) dan Kabupaten Lamongan dengan

Desa/Kelurahan terbanyak (474 desa/kelurahan).



Gambar 5.2 Peta Kabupaten/Kota Provinsi Jawa Timur

Keterangan:

No Nama Kabupaten/Kota No Nama Kabupaten/Kota 1 Kabupaten Pacitan 20 Kabupaten Magetan 2 Kabupaten Ponorogo 21 Kabupaten Ngawi 3 Kabupaten Trenggalek 22 Kabupaten Bojonegoro 4 Kabupaten Tulungagung 23 Kabupaten Tuban 5 Kabupaten Blitar 24 Kabupaten Lamongan 6 Kabupaten Kediri 25 Kabupaten Gresik 7 Kabupaten Malang 26 Kabupaten Bangkalan 8 Kabupaten Lumajang 27 Kabupaten Sampang 9 Kabupaten Jember 28 Kabupaten Pamekasan 10 Kabupaten Banyuwangi 29 Kabupaten Sumenep 11 Kabupaten Bondowoso 30 Kota Kediri 12 Kabupaten Situbondo 31 Kota Blitar 13 Kabupaten Probolinggo 32 Kota Malang 14 Kabupaten Pasuruan 33 Kota Probolinggo 15 Kabupaten Sidoarjo 34 Kota Pasuruan 16 Kabupaten Mojokerto 35 Kota Mojokerto 17 Kabupaten Jombang 36 Kota Madiun 18 Kabupaten Nganjuk 37 Kota Surabaya 19 Kabupaten Madiun 38 Kota Batu



5.2 Kuantil Sebaran Variabel Penelitian di Provinsi Jawa Timur

5.2.1 Kuantil Sebaran Angka Kematian Neonatal di Provinsi Jawa Timur

Gambar 5.3 Sebaran Angka Kematian Neonatal di Provinsi Jawa Timur Tahun 2014

Angka Kematian Neonatal dengan kuantil keempat atau yang tertinggi

tersebar pada Kabupaten Ponorogo (2), Kabupaten Lumajang (8), Kabupaten

Bondowoso (11), Kabupaten Situbondo (12), Kabupaten Pasuruan (14),

Kabupaten Sampang (27), Kota Malang (32), Kota Probolinggo (33), Kota

Mojokerto (35). Kabupaten/kota dengan AKN rendah tersebar pada Kabupaten

Sidoarjo (15), Kabupaten Lamongan (24), Kabupaten Gresik (25), Kabupaten

Pamekasan (28), Kabupaten Sumenep (29), Kota Kediri (30), Kota Pasuruan (34),

Kota Madiun (36), Kota Surabaya (37), Kota Batu (38). Angka Kematian

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24 25 26 27

28 29

30

31 32

33 34

35

36

37

38



Neonatal tertinggi terdapat pada Kota Proolinggo sebesar 21,97 per 1000

kelahiran hidup, dan Angka Kematian Neonatal terendah terdapat pada Kota

Madiun sebesar 2,47 per 1000 kelahiran hidup.

5.2.2 Kuantil Sebaran Cakupan Kunjungan K4 di Provinsi Jawa Timur

Gambar 5.4 Sebaran Cakupan Kunjungan K4 di Provinsi Jawa Timur Tahun 2014

Cakupan Kunjungan K4 dengan kuantil keempat atau yang tertinggi

tersebar pada Kabupaten Malang (7), Kabupaten Sidoarjo (15), Kabupaten Tuban

(23), Kabupaten Lamongan (24), Kota Probolinggo (33),Kota Mojokerto (35),

Kota Madiun (36), Kota Surabaya (37), Kota Batu (38). Cakupan kunjungan K4

pada kuantil pertama atau yang terendah tersebar pada Kabupaten Pacitan (1),

Kabupaten Jember (9), Kabupaten Situbondo (12), Kabupaten Probolinggo (13),

Kabupaten Mojokerto (16), Kabupaten Nganjuk (18), Kabupaten Sampang (27),

Kota Blitar (31), Kota Pasuruan (34). Cakupan kunjungan K4 tertinggi terdapat

1

2

3 4 5

6

7 8 9

10

11 12 13

14

15

16 17 18

19 20

21

22

23

24 25 26 27

28 29

30

31 32

33 34

35 36

37

38



pada Kota Madiun dengan cakupan sebesar 98,23 % sedangkan cakupan

kunjungan K4 terendah terdapat pada Kabupaten Jember dengan cakupan 75,44

%.

5.2.3 Kuantil Sebaran Cakupan Persalinan Oleh Tenaga Kesehatan di

Provinsi Jawa Timur

Gambar 5.5 Sebaran Cakupan Persalinan Oleh Tenaga Kesehatan di Provinsi

Jawa Timur tahun 2014

Cakupan persalinan oleh tenaga kesehatan dengan kuantil keempat atau

yang tertinggi tersebar pada Kabupaten Malang (7), Kabupaten Sidoarjo (15),

Kabupaten Bojonegoro (22), Kabupaten Tuban (23), Kabupaten Lamongan (24),

Kota Mojokerto (35), Kota Madiun (36), Kota Surabaya (37), dan Kota Batu (38).

Cakupan persalinan oleh tenaga kesehatan dengan kuantil pertama atau yang

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24 25 26 27

28 29

30

31 32

33 34

35

36

37

38



terendah tersebar pada Kabupaten Pacitan (1), Kabupaten Blitar (5), Kabupaten

Jember (9), Kabupaten Situbondo (12), Kabupaten Probolinggo (13), Kabupaten

Mojokerto (16), Kabupaten Sampang (27), Kabupaten Pamekasan (28), dan Kota

Blitar (31). Cakupan persalainan di tolong oleh tenaga kesehatan yang tertinggi

terdapat pada Kota Mojokerto, sedangkan cakupan persalinan di tolong oleh

tenaga kesehatan yang terendah terdapat pada Kabupaten Jember.

5.2.4 Kuantil Sebaran Cakupan Komplikasi Kebidanan Ditangani di

Provinsi Jawa Timur

Gambar 5.6 Sebaran Cakupan Komplikasi Kebidanan Ditangani di Provinsi Jawa

Timur tahun 2014

Cakupan komplikasi kebidanan ditangani dengan kuantil keempat atau

yang tertinggi tersebar pada Kabupaten Blitar (5), Kabupaten Situbondo (12),

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24 25 26 27

28 29

30

31 32

33 34

35

36

37

38



Kabupaten Probolinggo (13), Kabupaten Mojokerto (16), Kabupaten Jombang

(17), Kabupaten Nganjuk (18), Kabupaten Bojonegoro (22), Kabupaten Gresik

(25), dan Kota Mojokerto (35). Cakupan komplikasi kebidanan ditangani dengan

kuantil pertama atau yang terendah terdapat pada Kabupaten Tulungagung (4),

Kabupaten Kediri (6), Kabupaten Banyuwangi (10), Kabupaten Bondowoso (11),

Kabupaten Sidoarjo (15), Kabupaten Madiun (19), Kabupaten Bangkalan (26),

Kabupaten Pamekasan (28), dan Kabupaten Sumenep (29). Cakupan komplikasi

kebidanan ditangani tertinggi terdapat pada Kabupaten Jombang, sedangkan

cakupan komplikasi kebidanan ditangani terendah terdapat pada Kabupaten

Sidoarjo.

5.2.5 Kuantil Sebaran Cakupan Komplikasi Neonatal Ditangani di Provinsi

Jawa Timur

Gambar. 5.7 Sebaran Cakupan Komplikasi Neonatal Ditangani di Provinsi Jawa

Timur tahun 2014

1

2

3 4 5

6

7 8 9

10

11 12 13

14

15

16 17 18

19 20

21

22

23

24 25 26 27

28 29

30

31 32

33 34

35

36

37

38



Cakupan komplikasi neonatal ditangani dengan kuantil keempat atau yang

tertinggi tersebar pada Kabupaten Blitar (5), Kabupaten Malang (7), Kabupaten

Bondowoso (11), Kabupaten Pasuruan (14), Kabupaten Nganjuk (18), Kabupaten

Bojonegoro (22), Kota Kediri (30), Kota Mojoketo (35), dan Kota Surabaya (37).

Cakupan komplikasi neonatal ditangani dengan kuantil pertama atau yang

terendah tersebar pada Kabupaten Lumajang (8), Kabupaten Banyuwangi (10),

Kabupaten Probolinggo (13), Kabupaten Sidoarjo (15), Kabupaten Mojokerto

(16), Kabupaten Gresik (25), Kabupaten Bangkalan (26), Kabupaten Pamekasan

(28), dan Kabupaten Sumenep (29). Cakupan komplikasi neonatal ditangani yang

tertinggi terdapat pada Kota Kediri, sedangkan cakupan komplikasi neonatal

ditangani yang terendah terdapat pada Kabupaten Sidoarjo.

5.2.6 Kuantil Sebaran Cakpan Kunjungan Neonatal Lengkap di Provinsi

Jawa Timur

Gambar 5.8 Sebaran Cakupan Kunjungan Neonatal Lengkap di Provinsi Jawa

Timur tahun 2014

1

2

3 4 5

6

7 8 9

10

11 12 13

14

15 16 17 18

19 20

21 22

23

24 25 26 27

28 29

30

31 32

33 34

35 36

37

38



Cakupan kunjungan neonatal lengkap dengan kuantil keempat atau yang

tertinggi tersebar pada Kabupaten Pacitan (1), Kabupaten Tulungagung (4),

Kabupaten Bangkalan (26), Kabupaten Pamekasan (28), Kota Kediri (30), Kota

Blitar (31), Kota Malang (32), Kota Probolinggo (33), dan Kota Mojokerto (35).

Cakupan kunjungan neonatal lengkap dengan kuantil pertama atau yang terendah

tersebar pada Kabupaten Ponorogo (2), Kabupaten Blitar (5), Kabupaten Jember

(9), Kabupaten Mojokerto (16), Kabupaten Nganjuk (18), Kabupaten Magetan

(20), Kabupaten Gresik (25), Kabupaten Sampang (27), dan Kota Pasuruan (34).

Cakupan kunjungan neonatal lengkap yang tertinggi terletak pada Kota Malang,

sedangkan cakupan kunjungan neonatal yang terendah terletak pada Kabupaten

Gresik.

5.2.7 Kuantil Sebaran Berat Badan Lahir Rendah di Provinsi Jawa Timur

Gambar 5.9 Sebaran Berat Badan Lahir Rendah di Provinsi Jawa Timur tahun 2014

1

2

3 4 5

6

7 8 9

10

11 12 13

14

15 16 17 18

19 20

21 22

23

24 25 26 27

28 29

30

31 32

33 34

35 36

37

38



Persentase berat badan lahir rendah dengan kuantil keempat atau yang

tertinggi tersebar pada Kabupaten Pacitan (1), Kabupaten Lumajang (8),

Kabupaten Bondowoso (11), Kabupaten Bondowoso (12), Kabupaten

Probolinggo (13), Kabupaten Magetan (20), Kabupaten Tuban (23), Kota Blitar

(31), dan Kota Madiun (36). Persentase berat badan lahir rendah dengan kuantil

pertama atau yang terendah tersebar pada Kabupaten Kediri (6), Kabupaten

Sidoarjo (15), Kabupaten Mojokerto (16), Kabupaten Ngawi (21), Kabupaten

Lamongan (24), Kabupaten Bangkalan (26), Kabupaten Sumenep (29), Kota

Kediri (30), dan Kota Surabaya (37). Persentase berat badan lahir rendah yang

tertinggi terletak pada Kota Madiun, sedangkan persentase berat badan lahir

rendah yang terendah terletak pada Kabupaten Mojokerto.

5.3 Analisis Spasial Bivariat Antara Variabel Cakupan K4 Dengan Angka

Kematian Neonatal

5.3.1 Bivariat Moran’s Scatterplot Cakupan K4 dengan Angka Kematian

Neonatal

Pada subbab ini dibahas tentang bivariat Moran’s scatterplot variabel

cakupan k4 dan angka kematian neonatal. Moran’s scatterplot ini terdiri dari

sumbu x dan sumbu y, nilai pada sumbu x adalah angka kematian neonatal pada

tiap kabupaten/kota dan disimbolkan dengan Moran’s std, sedangkan nilai pada

sumbu y adalah persentase cakupan k4 pada kabupaten/kota tetangga dan

disimbolkan dengan Moran’s lag. Berikut hasil bivariat Moran’s scatterplot

antara cakupan k4 dengan angka kematian neonatal.



Gambar 5.10 Bivariat Moran’s Scatterplot Cakupan K4 dan AKN

Hasil Moran’s Scatterplot pada gambar 5.10 diketahui terdapat 4 kuadran,

kuadran I yang terletak di kanan atas disebut High-High (HH) menunjukkan

bahwa kabupaten/kota yang memiliki nilai persentase cakupan k4 tinggi

dikelilingi oleh kabupaten/kota yang mempunyai nilai angka kematian neonatal

yang juga tinggi. Kuadran II yang terletak di kiri atas disebut Low-High (LH)

menunjukkan bahwa kabupaten/kota yang memiliki nilai persentase cakupan k4

rendah tapi dikelilingi oleh kabupaten/kota yang mempunyai nilai angka kematian

neonatal yang tinggi. Kuadran III yang terletak di kiri bawah disebut Low-Low

(LL) menunjukkan bahwa kabupaten/kota yang memiliki nilai persentase cakupan

k4 rendah dikelilingi oleh kabupaten/kota yang memiliki nilai angka kematian

neonatal yang rendah pula. Kuadran IV yang terletak di kanan bawah disebut

High-Low (HL) menunjukkan bahwa kabupaten/kota yang memiliki nilai



persentase cakupan k4 tinggi namun dikelilingi oleh kabupaten/kota yang

mempunyai nilai angka kematian neonatal yang rendah.

Tabel 5.1 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Cakupan K4 dan AKN

Cluster Kabupaten/Kota Kuadran I

High-High (HH) Kabupaten Bangkalan, Kota Probolinggo, Kabupaten Lamongan, Kabupaten Malang,Kabupaten Tulungagung.

Kuadran II Low-High (LH)

Kabupaten Banyuwangi, Kabupaten Jember, Kota Blitar, Kota Pasuruan, Kabupaten Nganjuk, Kabupaten Ngawi, Kabupaten Pacitan, Kabupaten Probolinggo, Kabupaten Situbondo, Kabupaten Trenggalek.

Kuadran III Low-Low (LL)

Kabupaten Blitar, Kabupaten Bondowoso, Kabupaten Gresik, Kabupaten Lumajang, Kabupaten Mojokerto, Kabupaten Pamekasan, Kabupaten Ponorogo, Kabupaten Sampang.

Kuadran IV High-Low (HL)

Kabupaten Bojonegoro, Kabupaten Jombang, Kabupaten Kediri, Kota Batu, Kota Kediri, Kota Madiun, Kota Malang, Kota Mojokerto, Kota Surabaya, Kabupaten Lamongan, Kabupaten Madiun, Kabupaten Magetan, Kabupaten Pasuruan, Kabupaten Sidoarjo, Kabupaten Sumenep, Kabupaten Tuban.

Bivariat Moran’s scatterplot antara cakupan k4 dengan AKN diketahui

memiliki autokorelasi spasial negatif (I = -0,105676) yang berarti sebagian besar

kabupaten/kota tersebar di kuadran II dan IV.

5.3.2 Uji Bivariat LISA Variabel Cakupan K4 dengan Angka Kematian

Neonatal

Berdasarkan hasil uji bivariate LISA antara variabel cakupan k4 dengan

angka kematian neonatal di Provinsi Jawa Timur tahun 2014 diperoleh hasil

sebagai berikut:



Tabel 5.2 Hasil Uji Bivariat LISA antara Variabel Cakupan k4 dengan Angka Kematian Neonatal

No Kabupaten/Kota Ii P-value Keterangan 1. Kabupaten Pacitan -0,2000 0,3600 Tidak Signifikan 2. Kabupaten Ponorogo 0,0435 0,4800 Tidak Signifikan 3. Kabupaten Trenggalek -0,0870 0,3400 Tidak Signifikan 4. Kabupaten Tulungagung 0,0685 0,3400 Tidak Signifikan 5. Kabupaten Blitar 0,1651 0,2900 Tidak Signifikan 6. Kabupaten Kediri -0,0817 0,3400 Tidak Signifikan 7. Kabupaten Malang 0,3899 0,2400 Tidak Signifikan 8. Kabupaten Lumajang 0,0043 0,4800 Tidak Signifikan 9. Kabupaten Jember -1,0474 0,1700 Tidak Signifikan 10. Kabupaten Banyuwangi -0,0307 0,2500 Tidak Signifikan 11. Kabupaten Bondowoso 0,0077 0,4900 Tidak Signifikan 12. Kabupaten Situbondo -0,5261 0,2900 Tidak Signifikan 13. Kabupaten Probolinggo -0,7261 0,0400 Signifikan 14. Kabupaten Pasuruan -0,0837 0,2500 Tidak Signifikan 15. Kabupaten Sidoarjo -0,3829 0,2300 Tidak Signifikan 16. Kabupaten Mojokerto 0,2080 0,2200 Tidak Signifikan 17. Kabupaten Jombang -0,0443 0,3600 Tidak Signifikan 18. Kabupaten Nganjuk -0,2603 0,3500 Tidak Signifikan 19. Kabupaten Madiun -0,0168 0,4800 Tidak Signifikan 20. Kabupaten Magetan -0,1056 0,3400 Tidak Signifikan 21. Kabupaten Ngawi -0,0424 0,4100 Tidak Signifikan 22. Kabupaten Bojonegoro -0,0713 0,4400 Tidak Signifikan 23. Kabupaten Tuban -0,1828 0,4200 Tidak Signifikan 24. Kabupaten Lamongan 0.0000 0,4000 Tidak Signifikan 25. Kabupaten Gresik 0.3896 0,0490 Signifikan 26. Kabupaten Bangkalan 0.1021 0,1400 Tidak Signifikan 27. Kabupaten Sampang 1.4532 0,1100 Tidak Signifikan 28. Kabupaten Pamekasan 0.0150 0,4300 Tidak Signifikan 29. Kabupaten Sumenep -0.2932 0,1100 Tidak Signifikan 30. Kota Kediri -0.1326 0,4100 Tidak Signifikan 31. Kota Blitar -0.7241 0,3000 Tidak Signifikan 32. Kota Malang -0.0225 0,3200 Tidak Signifikan 33. Kota Probolinggo 0.4732 0,3500 Tidak Signifikan 34. Kota Pasuruan -0.5045 0,1700 Tidak Signifikan 35. Kota Mojokerto -0.2185 0,4400 Tidak Signifikan 36. Kota Madiun -0.1238 0,4500 Tidak Signifikan 37. Kota Surabaya -1.2854 0,1300 Tidak Signifikan 38. Kota Batu -0.0364 0,4800 Tidak Signifikan



Hasil uji bivariat LISA antara variabel cakupan k4 dengan angka kematian

neonatal memberikan informasi bahwa Kabupaten Probolinggo dan Kabupaten

Gresik memiliki p-value < alpha = 0,05 sehingga Ho ditolak yang berarti

signifikan atau terdapat autokorelasi spasial pada kabupaten/kota tersebut. Nilai Ii

menunjukkan nilai indeks moran pada lokasi ke-i. Kabupaten Probolinggo

memiliki nilai Ii > 0 sehingga dapat disimpulkan bahwa lokasi-lokasi yang

berdekatan mempunyai nilai yang sama. Sedangkan Kabupaten Gresik memiliki

nilai Ii < 0 sehingga dapat disimpulkan bahwa lokasi-lokasi yang berdekatan

memiliki nilai yang berbeda.

Gambar 5.11 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Cakupan K4 dan AKN

1

2

3 4 5

6

7 8 9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24 25 26 27

28 29

30

31 32

33 34

35

36

37

38



Gambar 5.12 Peta Cluster Hasil Uji Bivariat LISA Variabel Cakupan K4 dan AKN

Berdasarkan gambar 5.11 menunjukkan bahwa Kabupaten Gresik dan

Kabupaten Probolinggo signifikan pada 0,05. Berdasarkan gambar 5.12

menunjukkan bahwa Kabupaten Probolinggo berada pada kuadran Low-High

(LH) yang merupakan kabupaten dengan persentase cakupan K4 rendah namun

dikelilingi oleh kabupaten/kota yang mempunyai angka kematian neonatal yang

tinggi, sedangkan Kabupaten Gresik berada pada kuadran Low-Low (LL)

merupakan kabupaten/kota dengan persentase cakupan K4 rendah namun

dikelilingi oleh kabupaten/kota yang mempunyai angka kematian neonatal yang

rendah pula.

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24 25 26 27

28 29

30

31

32

33 34

35

36

37

38



5.4 Analisis Spasial Bivariat Antara Variabel Persalinan Ditolong Oleh

Tenaga Kesehatan dengan Angka Kematian Neonatal

5.4.1 Bivariat Moran’s Scatterplot Persalinan Ditolong Oleh Tenaga

Kesehatan dengan Angka Kematian Neonatal


persalinan ditolong oleh tenaga kesehatan dengan angka kematian neonatal.

Moran’s scatterplot ini terdiri dari sumbu x dan sumbu y, nilai pada sumbu x

adalah angka kematian neonatal pada tiap kabupaten/kota dan disimbolkan

dengan Moran’s std, sedangkan nilai pada sumbu y adalah persentase persalinan

ditolong oleh tenaga kesehatan pada kabupaten/kota tetangga dan disimbolkan

dengan Moran’s lag. Berikut hasil bivariat Moran’s scatterplot antara persentase

persalinan ditolong oleh tenaga kesehatan dengan angka kematian neonatal.

Gambar 5.13 Bivariat Moran’s Scatterplot Persalinan Ditolong Oleh Tenaga






bahwa kabupaten/kota yang memiliki nilai persentase persalinan ditolong oleh

tenaga kesehatan tinggi dikelilingi oleh kabupaten/kota yang mempunyai nilai

angka kematian neonatal yang juga tinggi. Kuadran II yang terletak di kiri atas

disebut Low-High (LH) menunjukkan bahwa kabupaten/kota yang memiliki nilai

persentase persalinan ditolong oleh tenaga kesehatan rendah tapi dikelilingi oleh

kabupaten/kota yang mempunyai nilai angka kematian neonatal yang tinggi.

Kuadran III yang terletak di kiri bawah disebut Low-Low (LL) menunjukkan

bahwa kabupaten/kota yang memiliki nilai persentase persalinan ditolong oleh

tenaga kesehatan rendah dikelilingi oleh kabupaten/kota yang memiliki nilai

angka kematian neonatal yang rendah pula. Kuadran IV yang terletak di kanan

bawah disebut High-Low (HL) menunjukkan bahwa kabupaten/kota yang

memiliki nilai persentase persalinan ditolong oleh tenaga kesehatan tinggi namun

dikelilingi oleh kabupaten/kota yang mempunyai nilai angka kematian neonatal

oleh tenaga kesehatan yang rendah.

Tabel 5.3 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel

Persalinan Ditolong Oleh Tenaga Kesehatan dan AKN


High-High (HH) Kabupaten Tulungagung, Kabupaten Malang, Kabupaten Lamongan, Kabupaten Bangkalan, Kota Probolinggo


Kabupaten Pacitan, Kabupaten Trenggalek, Kabupaten Jember, Kabupaten Banyuwangi, Kabupaten Situbondo, Kabupaten Probolinggo, Kabupaten Nganjuk, Kabupaten Ngawi, Kota Blitar, Kota Pasuruan.




Persalinan Ditolong Oleh Tenaga Kesehatan dan AKN

Cluster Kabupaten/Kota Kuadran III

Low-Low (LL) Kabupaten Ponorogo, Kabupaten Blitar, Kabupaten Bondowoso, Kabupaten Mojokerto, Kabupaten Jombang, Kabupaten Madiun, Kabupaten Magetan, Kabupaten Gresik, Kabupaten Sampang, Kabupaten Pamekasan, Kota Malang.


Kabupaten Kediri, Kabupaten Lumajang, Kabupaten Pasuruan, Kabupaten Sidoarjo, Kabupaten Bojonegoro, Kabupaten Tuban, Kabupaten Sumenep, Kota Kediri, Kota Mojokerto, Kota Madiun, Kota Surabaya, Kota Batu.

Bivariat Moran’s scatterplot antara persalinan ditolong oleh tenaga

kesehatan dengan AKN diketahui memiliki autokorelasi spasial negatif (I = -

0,0786074) yang berarti sebagian besar kabupaten/kota tersebar di kuadran II dan

IV.

5.4.2 Uji Bivariat LISA Variabel Persalinan Ditolong Oleh Tenaga


Berdasarkan hasil uji bivariat LISA antara variabel persalinan di tolong

oleh tenaga kesehatan dengan angka kematian neonatal di Provinsi Jawa Timur

tahun 2014 diperoleh hasil sebagai berikut:

Tabel 5.4 Hasil Uji Bivariat LISA antara Variabel Persalinan Ditolong oleh

Tenaga Kesehatan dengan Angka Kematian Neonatal

No Kabupaten/Kota Ii P-value Keterangan 1. Kabupaten Pacitan -0,2549 0,3600 Tidak Signifikan 2. Kabupaten Ponorogo 0,0678 0,4500 Tidak Signifikan 3. Kabupaten Trenggalek -0,0165 0,3100 Tidak Signifikan



No Kabupaten/Kota Ii P-value Keterangan 4. Kabupaten Tulungagung 0,0219 0,3100 Tidak Signifikan 5. Kabupaten Blitar 0,4156 0,3200 Tidak Signifikan 6. Kabupaten Kediri -0,0354 0,4100 Tidak Signifikan 7. Kabupaten Malang 0,4602 0,2700 Tidak Signifikan 8. Kabupaten Lumajang 0,0209 0,5000 Tidak Signifikan 9. Kabupaten Jember -0,9415 0,0900 Tidak Signifikan 10. Kabupaten Banyuwangi -0,0617 0,2300 Tidak Signifikan 11. Kabupaten Bondowoso 0.0181 0.4800 Tidak Signifikan 12. Kabupaten Situbondo -0.5707 0.2000 Tidak Signifikan 13. Kabupaten Probolinggo -0.7693 0.0200 Signifikan 14. Kabupaten Pasuruan -0.1768 0.2600 Tidak Signifikan 15. Kabupaten Sidoarjo -0.5526 0.1700 Tidak Signifikan 16. Kabupaten Mojokerto 0.2101 0.2500 Tidak Signifikan 17. Kabupaten Jombang 0.0707 0.3300 Tidak Signifikan 18. Kabupaten Nganjuk -0.0969 0.3000 Tidak Signifikan 19. Kabupaten Madiun 0.0442 0.4200 Tidak Signifikan 20. Kabupaten Magetan 0.0562 0.2800 Tidak Signifikan 21. Kabupaten Ngawi -0.0878 0.3600 Tidak Signifikan 22. Kabupaten Bojonegoro -0.1917 0.3900 Tidak Signifikan 23. Kabupaten Tuban -0.1999 0.4600 Tidak Signifikan 24. Kabupaten Lamongan 0.0000 0.4100 Tidak Signifikan 25. Kabupaten Gresik 0.4030 0.0200 Signifikan 26. Kabupaten Bangkalan 0.4784 0.1900 Tidak Signifikan 27. Kabupaten Sampang 0.7782 0.2000 Tidak Signifikan 28. Kabupaten Pamekasan 0.1576 0.4300 Tidak Signifikan 29. Kabupaten Sumenep -0.2140 0.1000 Tidak Signifikan 30. Kota Kediri -0.0896 0.4800 Tidak Signifikan 31. Kota Blitar -0.4929 0.3300 Tidak Signifikan 32. Kota Malang 0.0857 0.3900 Tidak Signifikan 33. Kota Probolinggo 0.1817 0.3100 Tidak Signifikan 34. Kota Pasuruan -0.2491 0.2100 Tidak Signifikan 35. Kota Mojokerto -0.4532 0.4900 Tidak Signifikan 36. Kota Madiun -0.1024 0.4900 Tidak Signifikan 37. Kota Surabaya -0.7502 0.1000 Tidak Signifikan 38. Kota Batu -0.0302 0.5000 Tidak Signifikan

Hasil uji bivariat LISA antara variabel persalinan di tolong oleh tenaga

kesehatan dengan angka kematian neonatal memberikan informasi bahwa

Kabupaten Probolinggo dan Kabupaten Gresik memiliki p-value < alpha = 0,05



sehingga Ho ditolak yang berarti signifikan atau terdapat autokorelasi spasial pada

kabupaten/kota tersebut. Nilai Ii menunjukkan nilai indeks moran pada lokasi ke-

i. Kabupaten Gresik memiliki nilai Ii > 0 sehingga dapat disimpulkan bahwa

lokasi-lokasi yang berdekatan mempunyai nilai yang sama. Sedangkan Kabupaten

Probolinggo memiliki nilai Ii < 0 sehingga dapat disimpulkan bahwa lokasi-lokasi

yang berdekatan memiliki nilai yang berbeda.

Gambar 5.14 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Persalinan Ditolong oleh Tenaga Kesehatan dan AKN

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24

25 26 27 28

29

30

31

32

33

34

35

36

37

38



Gambar 5.15 Peta Cluster Hasil Uji Bivariat LISA Variabel Persalinan Ditolong oleh Tenaga Kesehatan dan AKN




(LH) yang merupakan kabupaten dengan persentase persalinan ditolong oleh

tenaga kesehatan rendah namun dikelilingi oleh kabupaten/kota yang mempunyai

angka kematian neonatal yang tinggi, sedangkan Kabupaten Gresik berada pada

kuadran Low-Low (LL) merupakan kabupaten/kota dengan persentase persalinan

ditolong oleh tenaga kesehatan rendah namun dikelilingi oleh kabupaten/kota

yang mempunyai angka kematian neonatal yang rendah pula.

1

2

3 4 5

6

7 8 9

10

11 12

13 14

15

16 17 18 19 20

21

22

23

24 25 26 27

28 29

30

31 32

33 34

35

36

37

38



5.5 Analisis Spasial Bivariat Antara Variabel Komplikasi Kebidanan

Ditangani Dengan Angka Kematian Neonatal

5.5.1 Bivariat Moran’s Scatterplot Komplikasi Kebidanan Ditangani dengan



komplikasi kebidanan ditangani dan angka kematian neonatal. Moran’s

scatterplot ini terdiri dari sumbu x dan sumbu y, nilai pada sumbu x adalah angka

kematian neonatal pada tiap kabupaten/kota dan disimbolkan dengan Moran’s std,

sedangkan nilai pada sumbu y adalah persentase komplikasi kebidanan ditangani

pada kabupaten/kota tetangga dan disimbolkan dengan Moran’s lag. Berikut hasil

bivariat Moran’s scatterplot antara komplikasi kebidanan ditangani dengan angka

kematian neonatal.

Gambar 5.16 Bivariat Moran’s Scatterplot Komplikasi Kebidanan Ditangani dan

AKN





bahwa kabupaten/kota yang memiliki nilai persentase komplikasi kebidanan

ditangani tinggi dikelilingi oleh kabupaten/kota yang mempunyai nilai angka

kematian neonatal yang juga tinggi. Kuadran II yang terletak di kiri atas disebut

Low-High (LH) menunjukkan bahwa kabupaten/kota yang memiliki nilai

persentase komplikasi kebidanan ditangani rendah tapi dikelilingi oleh



bahwa kabupaten/kota yang memiliki nilai persentase komplikasi kebidanan

ditangani rendah dikelilingi oleh kabupaten/kota yang memiliki nilai angka

kematian neonatal yang rendah pula. Kuadran IV yang terletak di kanan bawah

disebut High-Low (HL) menunjukkan bahwa kabupaten/kota yang memiliki nilai

persentase komplikasi kebidanan ditangani tinggi namun dikelilingi oleh

kabupaten/kota yang mempunyai nilai angka kematian neonatal yang rendah.


Komplikasi Kebidanan dan AKN


High-High (HH) Kabupaten Pacitan, Kabupaten Trenggalek, Kabupaten Malang, Kabupaten Situbondo, Kabupaten Probolinggo, Kabupaten Nganjuk, Kabupaten Ngawi, Kota Blitar, Kota Probolinggo, Kota Pasuruan


Kabupaten Tulungagung, Kabupaten Jember, Kabupaten Banyuwangi, Kabupaten Lamongan, Kabupaten Bangkalan




Komplikasi Kebidanan Ditangani dan AKN


Low-Low (LL) Kabupaten Kediri, Kabupaten Bondowoso, Kabupaten Sidoarjo, Kabupaten Madiun, Kabupaten Tuban, Kabupaten Pamekasan, Kabupaten Sumenep, Kota Malang, Kota Batu.


Kabupaten Ponorogo, Kabupaten Blitar, Kabupaten Lumajang, Kabupaten Pasuruan, Kabupaten Mojokerto, Kabupaten Jombang, Kabupaten Magetan, Kabupaten Bojonegoro, Kabupaten Gresik, Kabupaten Sampang, Kota Kediri, Kota Mojokerto, Kota Madiun, Kota Surabaya.

Bivariat Moran’s scatterplot antara komplikasi kebidanan ditangani

dengan AKN diketahui memiliki autokorelasi spasial positif (I = 0,0174128) yang

berarti sebagian besar kabupaten/kota tersebar di kuadran I dan III.

5.5.2 Uji Bivariat LISA Variabel Komplikasi Kebidanan Ditangani dengan


Berdasarkan hasil uji bivariat LISA antara variabel komplkasi kebidanan

ditangani dengan angka kematian neonatal di Provinsi Jawa Timur tahun 2014

diperoleh hasil sebagai berikut:

Tabel 5.6 Hasil Uji Bivariat LISA antara Variabel Komplikasi Kebidanan

Ditangani dengan Angka Kematian Neonatal

No Kabupaten/Kota Ii P-value Keterangan 1. Kabupaten Pacitan 0.0230 0.3700 Tidak Signifikan 2. Kabupaten Ponorogo -0.0849 0.4300 Tidak Signifikan 3. Kabupaten Trenggalek 0.1496 0.3000 Tidak Signifikan 4. Kabupaten Tulungagung -0.1569 0.3700 Tidak Signifikan



No Kabupaten/Kota Ii P-value Keterangan 5. Kabupaten Blitar -0.2911 0.2300 Tidak Signifikan 6. Kabupaten Kediri 0.0680 0.3700 Tidak Signifikan 7. Kabupaten Malang 0.1019 0.2000 Tidak Signifikan 8. Kabupaten Lumajang -0.0217 0.5000 Tidak Signifikan 9. Kabupaten Jember -0.0995 0.2300 Tidak Signifikan 10. Kabupaten Banyuwangi -0.2742 0.2600 Tidak Signifikan 11. Kabupaten Bondowoso 0.0329 0.4900 Tidak Signifikan 12. Kabupaten Situbondo 0.3002 0.2400 Tidak Signifikan 13. Kabupaten Probolinggo 0.6622 0.0200 Signifikan 14. Kabupaten Pasuruan -0.0500 0.1900 Tidak Signifikan 15. Kabupaten Sidoarjo 0.9296 0.2300 Tidak Signifikan 16. Kabupaten Mojokerto -0.2326 0.2000 Tidak Signifikan 17. Kabupaten Jombang -0.3007 0.3700 Tidak Signifikan 18. Kabupaten Nganjuk 0.1527 0.3700 Tidak Signifikan 19. Kabupaten Madiun 0.0572 0.4500 Tidak Signifikan 20. Kabupaten Magetan -0.1786 0.3200 Tidak Signifikan 21. Kabupaten Ngawi 0.0517 0.4000 Tidak Signifikan 22. Kabupaten Bojonegoro -0.1067 0.3200 Tidak Signifikan 23. Kabupaten Tuban 0.0627 0.3700 Tidak Signifikan 24. Kabupaten Lamongan -0.0000 0.4900 Tidak Signifikan 25. Kabupaten Gresik -0.6564 0.0490 Signifikan 26. Kabupaten Bangkalan -1.8258 0.0900 Tidak Signifikan 27. Kabupaten Sampang -0.0804 0.1200 Tidak Signifikan 28. Kabupaten Pamekasan 0.3171 0.3500 Tidak Signifikan 29. Kabupaten Sumenep 1.9758 0.1600 Tidak Signifikan 30. Kota Kediri -0.0178 0.4600 Tidak Signifikan 31. Kota Blitar 0.1544 0.2700 Tidak Signifikan 32. Kota Malang 0.2904 0.3600 Tidak Signifikan 33. Kota Probolinggo 0.2454 0.2700 Tidak Signifikan 34. Kota Pasuruan 0.1673 0.2700 Tidak Signifikan 35. Kota Mojokerto -0.1716 0.4100 Tidak Signifikan 36. Kota Madiun -0.0176 0.4500 Tidak Signifikan 37. Kota Surabaya -0.5474 0.1400 Tidak Signifikan 38. Kota Batu 0.0163 0.4700 Tidak Signifikan

Hasil uji bivariat LISA antara variabel komplikasi kebidanan ditangani

dengan angka kematian neonatal memberikan informasi bahwa Kabupaten

Probolinggo dan Kabupaten Gresik memiliki p-value < alpha = 0,05 sehingga Ho

ditolak yang berarti signifikan atau terdapat autokorelasi spasial pada




i. Kabupaten Probolinggo memiliki nilai Ii > 0 sehingga dapat disimpulkan bahwa


Gresik memiliki nilai Ii < 0 sehingga dapat disimpulkan bahwa lokasi-lokasi yang

berdekatan memiliki nilai yang berbeda.

Gambar 5.17 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Komplikasi Kebidanan Ditangani dan AKN

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24

25 26 27 28 29

30

31

32

33

34

35

36

37

38



Gambar 5.18 Peta Cluster Hasil Uji Bivariat LISA Variabel Komplikasi Kebidanan Ditangani dan AKN



menunjukkan bahwa Kabupaten Probolinggo berada pada kuadran High-High

(HH) yang merupakan kabupaten dengan persentase komplikasi kebidanan

ditangani tinggi namun dikelilingi oleh kabupaten/kota yang mempunyai angka

kematian neonatal yang tinggi, sedangkan Kabupaten Gresik berada pada kuadran

High-Low (HL) merupakan kabupaten/kota dengan persentase komplikasi

kebidanan ditangani tinggi namun dikelilingi oleh kabupaten/kota yang

mempunyai angka kematian neonatal yang rendah pula.

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24

25 26 27 28 29

30

31

32

33

34

35

36

37

38



5.6 Analisis Spasial Bivariat Antara Variabel Komplikasi Neonatal

Ditangani Dengan Angka Kematian Neonatal

5.6.1 Bivariat Moran’s Scatterplot Komplikasi Neonatal Ditangani dengan



komplikasi neonatal ditangani dan angka kematian neonatal. Moran’s scatterplot

ini terdiri dari sumbu x dan sumbu y, nilai pada sumbu x adalah angka kematian

neonatal pada tiap kabupaten/kota dan disimbolkan dengan Moran’s std,

sedangkan nilai pada sumbu y adalah persentase komplikasi neonatal ditangani

pada kabupaten/kota tetangga dan disimbolkan dengan Moran’s lag. Berikut hasil

bivariat Moran’s scatterplot antara komplikasi neonatal ditangani dengan angka

kematian neonatal.

Gambar 5.19 Bivariat Moran’s Scatterplot Komplikasi Neonatal Ditangani dan

AKN





bahwa kabupaten/kota yang memiliki nilai persentase komplikasi neonatal

ditangani tinggi dikelilingi oleh kabupaten/kota yang mempunyai nilai angka

kematian neonatal yang juga tinggi. Kuadran II yang terletak di kiri atas disebut

Low-High (LH) menunjukkan bahwa kabupaten/kota yang memiliki nilai

persentase komplikasi neonatal ditangani rendah tapi dikelilingi oleh



bahwa kabupaten/kota yang memiliki nilai persentase komplikasi neonatal

ditangani rendah dikelilingi oleh kabupaten/kota yang memiliki nilai angka

kematian neonatal yang rendah pula. Kuadran IV yang terletak di kanan bawah

disebut High-Low (HL) menunjukkan bahwa kabupaten/kota yang memiliki nilai

persentase komplikasi neonatal ditangani tinggi namun dikelilingi oleh

kabupaten/kota yang mempunyai nilai angka kematian neonatal yang rendah.

Tabel 5.7 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Komplikasi Neonatal Ditangani dan AKN


High-High (HH) Kabupaten Tulungagung, Kabupaten Malang, Kabupaten Jember, Kabupaten Situbondo, Kabupaten Nganjuk, Kabupaten Ngawi, Kota Blitar.


Kabupaten Pacitan, Kabupaten Trenggalek, Kabupaten Banyuwangi, Kabupaten Situbondo, Kabupaten Probolinggo, Kabupaten Lamongan, Kabupaten Lamongan, Kabupaten Bangkalan, Kota Probolinggo, Kota Pasuruan


Kabupaten Kediri, Kabupaten Lumajang, Kabupaten Sidoarjo, Kabupaten Mojokerto, Kabupaten Tuban, Kabupaten Gresik, Kabupaten Sampang, Kabupaten Pamekasan, Kabupaten Sumenep, Kota Malang



Tabel 5.7 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Komplikasi Neonatal Ditangani dan AKN

Cluster Kabupaten/Kota Kuadran IV

High-Low (HL) Kabupaten Blitar, Kabupaten Bondowoso, Kabupaten Pasuruan, Kabupaten Jombang, Kabupaten Madiun, Kabupaten Magetan, Kabupaten Bojonegoro, Kota Kediri, Kota Mojokerto, Kota Madiun, Kota Surabaya, Kota Batu.

Bivariat Moran’s scatterplot antara komplikasi neonatal ditangani dengan

AKN diketahui memiliki autokorelasi spasial negatif (I = -0,0201606) yang

berarti sebagian besar kabupaten/kota tersebar di kuadran II dan IV.

5.3.2 Uji Bivariat LISA Variabel Komplikasi Neonatal Ditangani dengan


Berdasarkan hasil uji bivariat LISA antara variabel komplikasi neonatal

ditangani dengan angka kematian neonatal di Provinsi Jawa Timur tahun 2014


Tabel 5.8 Hasil Uji Bivariat LISA antara Variabel Komplikasi Neonatal

Ditangani dengan Angka Kematian Neonatal

No Kabupaten/Kota Ii P-value Keterangan 1. Kabupaten Pacitan -0,0597 0,3700 Tidak Signifikan 2. Kabupaten Ponorogo -0,0544 0,3800 Tidak Signifikan 3. Kabupaten Trenggalek -0,0417 0,2900 Tidak Signifikan 4. Kabupaten Tulungagung 0,0294 0,2500 Tidak Signifikan 5. Kabupaten Blitar -0,2893 0,2800 Tidak Signifikan 6. Kabupaten Kediri 0,0100 0,3900 Tidak Signifikan 7. Kabupaten Malang 0,1583 0,2900 Tidak Signifikan 8. Kabupaten Lumajang 0,0105 0,4400 Tidak Signifikan 9. Kabupaten Jember 0,0774 0,1600 Tidak Signifikan 10. Kabupaten Banyuwangi -0,3535 0,2700 Tidak Signifikan 11. Kabupaten Bondowoso -0.0498 0.5000 Tidak Signifikan



No Kabupaten/Kota Ii P-value Keterangan 12. Kabupaten Situbondo -0.0015 0.1200 Tidak Signifikan 13. Kabupaten Probolinggo -0.6749 0.0200 Signifikan 14. Kabupaten Pasuruan -0.3464 0.2300 Tidak Signifikan 15. Kabupaten Sidoarjo 0.8626 0.2700 Tidak Signifikan 16. Kabupaten Mojokerto 0.3008 0.3200 Tidak Signifikan 17. Kabupaten Jombang -0.0773 0.4100 Tidak Signifikan 18. Kabupaten Nganjuk 0.2461 0.2100 Tidak Signifikan 19. Kabupaten Madiun -0.0466 0.4500 Tidak Signifikan 20. Kabupaten Magetan -0.1047 0.3200 Tidak Signifikan 21. Kabupaten Ngawi 0.0031 0.3600 Tidak Signifikan 22. Kabupaten Bojonegoro -0.2492 0.4100 Tidak Signifikan 23. Kabupaten Tuban 0.0539 0.4600 Tidak Signifikan 24. Kabupaten Lamongan -0.0000 0.4500 Tidak Signifikan 25. Kabupaten Gresik 0.9430 0.0490 Signifikan 26. Kabupaten Bangkalan -0.9532 0.1100 Tidak Signifikan 27. Kabupaten Sampang 0.1679 0.1700 Tidak Signifikan 28. Kabupaten Pamekasan 0.1507 0.4700 Tidak Signifikan 29. Kabupaten Sumenep 0.8194 0.1000 Tidak Signifikan 30. Kota Kediri -0.4000 0.4400 Tidak Signifikan 31. Kota Blitar -0.0813 0.3200 Tidak Signifikan 32. Kota Malang 0.2021 0.3600 Tidak Signifikan 33. Kota Probolinggo -0.1300 0.2600 Tidak Signifikan 34. Kota Pasuruan -0.2586 0.2600 Tidak Signifikan 35. Kota Mojokerto -0.2598 0.4900 Tidak Signifikan 36. Kota Madiun -0.0170 0.4300 Tidak Signifikan 37. Kota Surabaya -0.8727 0.1300 Tidak Signifikan 38. Kota Batu -0.0130 0.4900 Tidak Signifikan

Hasil uji bivariat LISA antara variabel komplikasi neonatal ditangani

dengan angka kematian neonatal memberikan informasi bahwa Kabupaten

Probolinggo dan Kabupaten Gresik memiliki p-value < alpha = 0,05 sehingga Ho

ditolak yang berarti signifikan atau terdapat autokorelasi spasial pada


i. Kabupaten Gresik memiliki nilai Ii > 0 sehingga dapat disimpulkan bahwa




Probolinggo memiliki nilai Ii < 0 sehingga dapat disimpulkan bahwa lokasi-lokasi

yang berdekatan memiliki nilai yang berbeda.

Gambar 5.20 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Komplikasi Neonatal Ditangani dan AKN

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24

25 26 27 28 29

30

31

32

33

34

35

36

37

38



Gambar 5.21 Peta Cluster Hasil Uji Bivariat LISA Variabel Komplikasi Neonatal Ditangani dan AKN




(LH) yang merupakan kabupaten dengan persentase komplikasi neonatal

ditangani rendah namun dikelilingi oleh kabupaten/kota yang mempunyai angka

kematian neonatal yang tinggi, sedangkan Kabupaten Gresik berada pada kuadran

Low-Low (LL) merupakan kabupaten/kota dengan persentase komplikasi neonatal

ditangani rendah namun dikelilingi oleh kabupaten/kota yang mempunyai angka

kematian neonatal yang rendah pula.

1

2

3 4 5

6

7 8 9

10

11 12

13 14

15

16 17 18 19 20

21

22

23

24 25 26 27 28 29

30

31 32

33 34

35

36

37

38



5.7 Analisis Spasial Bivariat Antara Variabel Kunjungan Neonatal

Lengkap Dengan Angka Kematian Neonatal

5.7.1 Bivariat Moran’s Scatterplot Kunjungan Neonatal Lengkap dengan



kunjungan neonatal lengka[ dan angka kematian neonatal. Moran’s scatterplot ini

terdiri dari sumbu x dan sumbu y, nilai pada sumbu x adalah angka kematian

neonatal pada tiap kabupaten/kota dan disimbolkan dengan Moran’s std,

sedangkan nilai pada sumbu y adalah persentase kunjungan neonatal lengkap pada

kabupaten/kota tetangga dan disimbolkan dengan Moran’s lag. Berikut hasil

bivariat Moran’s scatterplot antara kunjungan neonatal lengkap dengan angka

kematian neonatal.

Gambar 5.22 Bivariat Moran’s Scatterplot Kunjungan Neonatal Lengkap dan

AKN





bahwa kabupaten/kota yang memiliki nilai persentase kunjungan neonatal lengkap

tinggi dikelilingi oleh kabupaten/kota yang mempunyai nilai angka kematian

neonatal yang juga tinggi. Kuadran II yang terletak di kiri atas disebut Low-High

(LH) menunjukkan bahwa kabupaten/kota yang memiliki nilai persentase

kunjungan neonatal lengkap rendah tapi dikelilingi oleh kabupaten/kota yang

mempunyai nilai angka kematian neonatal yang tinggi. Kuadran III yang terletak

di kiri bawah disebut Low-Low (LL) menunjukkan bahwa kabupaten/kota yang

memiliki nilai persentase kunjungan neonatal lengkap rendah dikelilingi oleh

kabupaten/kota yang memiliki nilai angka kematian neonatal yang rendah pula.

Kuadran IV yang terletak di kanan bawah disebut High-Low (HL) menunjukkan

bahwa kabupaten/kota yang memiliki nilai persentase kunjungan neonatal lengkap

tinggi namun dikelilingi oleh kabupaten/kota yang mempunyai nilai angka

kematian neonatal yang rendah.

Tabel 5.9 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Kunjungan Neonatal Lengkap dan AKN


High-High (HH) Kabupaten Pacitan, Kabupaten Tulungagung, Kabupaten Malang, Kabupaten Situbondo, Kabupaten Ngawi, Kabupaten Lamongan, Kabupaten Bangkalan, Kota Blitar, Kota Probolinggo


Kabupaten Trenggalek, Kabupaten Jember, Kabupaten Banyuwangi, Kabupaten Probolinggo, Kabupaten Nganjuk, Kota Pasuruan



Tabel 5.9 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Kunjungan Neonatal Lengkap dan AKN


Low-Low (LL) Kabupaten Ponorogo, Kabupaten Blitar, Kabupaten Kediri, Kabupaten Lumajang, Kabupaten Pasuruan, Kabupaten Mojokerto, Kabupaten Jombang, Kabupaten Madiun, Kabupaten Magetan, Kabupaten Bojonegoro, Kabupaten Gresik, Kabupaten Sampang, Kabupaten Sumenep, Kota Batu


Kabupaten Kediri, Kabupaten Bondowoso, Kabupaten Sidoarjo, Kabupaten Tuban, Kabupaten Pamekasan, Kota Kediri, Kota Malang, Kota Mojokerto, Kota Madiun, Kota Surabaya

Bivariat Moran’s scatterplot antara kunjungan neonatal lengkap dengan

AKN diketahui memiliki autokorelasi spasial negatif (I = 0,0818853) yang berarti

sebagian besar kabupaten/kota tersebar di kuadran I dan III.

5.7.2 Uji Bivariat LISA Variabel Kunjungan Neonatal Lengkap dengan


Berdasarkan hasil uji bivariat LISA antara variabel kunjungan neonatal

lengkap dengan angka kematian neonatal di Provinsi Jawa Timur tahun 2014


Tabel 5.10 Hasil Uji Bivariat LISA antara Variabel Kunjungan Neonatal Lengkap dengan Angka Kematian Neonatal

No Kabupaten/Kota Ii P-value Keterangan 1. Kabupaten Pacitan 0.2879 0.3100 Tidak Signifikan 2. Kabupaten Ponorogo 0.0945 0.4300 Tidak Signifikan 3. Kabupaten Trenggalek -0.0751 0.3200 Tidak Signifikan 4. Kabupaten Tulungagung 0.1086 0.2700 Tidak Signifikan 5. Kabupaten Blitar 0.4054 0.2700 Tidak Signifikan 6. Kabupaten Kediri -0.0005 0.3900 Tidak Signifikan 7. Kabupaten Malang 0.0167 0.2900 Tidak Signifikan 8. Kabupaten Lumajang 0.0061 0.4900 Tidak Signifikan



No Kabupaten/Kota Ii P-value Keterangan 9. Kabupaten Jember -0.3023 0.1500 Tidak Signifikan 10. Kabupaten Banyuwangi -0.1737 0.1700 Tidak Signifikan 11. Kabupaten Bondowoso -0.0055 0.5000 Tidak Signifikan 12. Kabupaten Situbondo 0.1398 0.1800 Tidak Signifikan 13. Kabupaten Probolinggo -0.1579 0.0400 Signifikan 14. Kabupaten Pasuruan 0.0725 0.2300 Tidak Signifikan 15. Kabupaten Sidoarjo -0.0368 0.2000 Tidak Signifikan 16. Kabupaten Mojokerto 0.3672 0.2800 Tidak Signifikan 17. Kabupaten Jombang 0.1251 0.3800 Tidak Signifikan 18. Kabupaten Nganjuk -0.1721 0.2100 Tidak Signifikan 19. Kabupaten Madiun 0.0051 0.4600 Tidak Signifikan 20. Kabupaten Magetan 0.1992 0.3300 Tidak Signifikan 21. Kabupaten Ngawi 0.0400 0.3600 Tidak Signifikan 22. Kabupaten Bojonegoro 0.0769 0.4400 Tidak Signifikan 23. Kabupaten Tuban -0.0653 0.4700 Tidak Signifikan 24. Kabupaten Lamongan 0.0000 0.4700 Tidak Signifikan 25. Kabupaten Gresik 0.9032 0.0400 Signifikan 26. Kabupaten Bangkalan 0.9623 0.1800 Tidak Signifikan 27. Kabupaten Sampang 0.0800 0.0800 Tidak Signifikan 28. Kabupaten Pamekasan -0.1844 0.4100 Tidak Signifikan 29. Kabupaten Sumenep 0.5165 0.1300 Tidak Signifikan 30. Kota Kediri -0.1229 0.4300 Tidak Signifikan 31. Kota Blitar 0.3967 0.3600 Tidak Signifikan 32. Kota Malang -0.9638 0.2900 Tidak Signifikan 33. Kota Probolinggo 0.6877 0.2200 Tidak Signifikan 34. Kota Pasuruan -0.8920 0.1900 Tidak Signifikan 35. Kota Mojokerto -0.2134 0.4900 Tidak Signifikan 36. Kota Madiun -0.0115 0.4400 Tidak Signifikan 37. Kota Surabaya -0.0225 0.1500 Tidak Signifikan 38. Kota Batu -0.0194 0.4400 Tidak Signifikan

Hasil uji bivariat LISA antara variabel kunjungan neonatal lengkap dengan

angka kematian neonatal memberikan informasi bahwa Kabupaten Probolinggo

dan Kabupaten Gresik memiliki p-value < alpha = 0,05 sehingga Ho ditolak yang

berarti signifikan atau terdapat autokorelasi spasial pada kabupaten/kota tersebut.

Nilai Ii menunjukkan nilai indeks moran pada lokasi ke-i. Kabupaten Probolinggo

memiliki nilai Ii > 0 sehingga dapat disimpulkan bahwa lokasi-lokasi yang



berdekatan mempunyai nilai yang sama. Sedangkan Kabupaten Gresik memiliki

nilai Ii < 0 sehingga dapat disimpulkan bahwa lokasi-lokasi yang berdekatan

memiliki nilai yang berbeda.

Gambar 5.23 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Kunjungan Neonatal Lengkap dan AKN

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24

25 26 27 28 29

30

31

32

33

34

35

36

37

38



Gambar 5.24 Peta Cluster Hasil Uji Bivariat LISA Variabel Kunjungan Neonatal Lengkap dan AKN




(LH) yang merupakan kabupaten dengan persentase kunjungan neonatal lengkap

rendah namun dikelilingi oleh kabupaten/kota yang mempunyai angka kematian

neonatal yang tinggi, sedangkan Kabupaten Gresik berada pada kuadran Low-Low

(LL) merupakan kabupaten/kota dengan persentase kunjungan neonatal lengkap


neonatal yang rendah pula.

1

2

3 4 5

6

7 8

9

10

11 12

13 14

15

16 17 18

19 20

21

22

23

24 25 26 27 28 29

30

31 32

33 34

35

36

37

38



5.8 Analisis Spasial Bivariat Antara Variabel Berat Badan Lahir Rendah

Dengan Angka Kematian Neonatal

5.8.1 Bivariat Moran’s Scatterplot Berat Badan Lahir Rendah dengan


Gambar 5.25 Bivariat Moran’s Scatterplot Berat Badan Lahir Rendah dan AKN



bahwa kabupaten/kota yang memiliki nilai persentase berat badan lahir rendah

yang tinggi dikelilingi oleh kabupaten/kota yang mempunyai nilai angka kematian

neonatal yang juga tinggi. Kuadran II yang terletak di kiri atas disebut Low-High

(LH) menunjukkan bahwa kabupaten/kota yang memiliki nilai persentase berat

badan lahir rendah yang rendah tapi dikelilingi oleh kabupaten/kota yang

mempunyai nilai angka kematian neonatal yang tinggi. Kuadran III yang terletak

di kiri bawah disebut Low-Low (LL) menunjukkan bahwa kabupaten/kota yang

memiliki nilai persentase berat badan lahir rendah yang rendah dikelilingi oleh



kabupaten/kota yang memiliki nilai angka kematian neonatal yang rendah pula.

Kuadran IV yang terletak di kanan bawah disebut High-Low (HL) menunjukkan

bahwa kabupaten/kota yang memiliki nilai persentase berat badan lahir rendah

yang tinggi namun dikelilingi oleh kabupaten/kota yang mempunyai nilai angka

kematian neonatal yang rendah.

Tabel 5.11 Cluster Hasil Bivariat Moran’s Scatterplot antara Variabel Berat Badan Lahir Rendah dan AKN


High-High (HH) Kabupaten Pacitan, Kabupaten Jember, Kabupaten Situbondo, Kabupaten Probolinggo, Kabupaten Nganjuk, Kota Blitar, Kota Probolinggo


Kabupaten Trenggalek, Kabupaten Tulungagung, Kabupaten Malang, Kabupaten Banyuwangi, Kabupaten Ngawi, Kabupaten Lamongan, Kabupaten Bangkalan, Kota Pasuruan


Kabupaten Blitar, Kabupaten Kediri, Kabupaten Pasuruan, Kabupaten Sidoarjo, Kabupaten Mojokerto, Kabupaten Madiun, Kabupaten Gresik, Kabupaten Pamekasan, Kabupaten Sumenep, Kota Kediri, Kota Malang, Kota Surabaya, Kota Batu.


Kabupaten Ponorogo, Kabupaten Lumajang, Kabupaten Bondowoso, Kabupaten Jombang, Kabupaten Magetan, Kabupaten Bojonegoro, Kabupaten Tuban, Kabupaten Sampang, Kota Mojokerto, Kota Madiun

Bivariat Moran’s scatterplot antara berat badan lahir rendah dengan AKN

diketahui memiliki autokorelasi spasial positif (I = 0,0910143) yang berarti

sebagian besar kabupaten/kota tersebar di kuadran I dan III.



5.3.2 Uji Bivariat LISA Variabel Berat Badan Lahir Rendah dengan Angka

Kematian Neonatal

Berdasarkan hasil uji bivariat LISA antara variabel berat badan lahir

rendah dengan angka kematian neonatal di Provinsi Jawa Timur tahun 2014


Tabel 5.12 Hasil Uji Bivariat LISA antara Variabel Berat Badan Lahir Rendah dengan Angka Kematian Neonatal

No Kabupaten/Kota Ii P-value Keterangan 1. Kabupaten Pacitan 0.2164 0.3400 Tidak Signifikan 2. Kabupaten Ponorogo -0.0096 0.4400 Tidak Signifikan 3. Kabupaten Trenggalek -0.0125 0.3700 Tidak Signifikan 4. Kabupaten Tulungagung -0.0447 0.3900 Tidak Signifikan 5. Kabupaten Blitar -0.0530 0.1900 Tidak Signifikan 6. Kabupaten Kediri 0.0956 0.4800 Tidak Signifikan 7. Kabupaten Malang -0.0321 0.2300 Tidak Signifikan 8. Kabupaten Lumajang -0.0288 0.4100 Tidak Signifikan 9. Kabupaten Jember 0.2831 0.2000 Tidak Signifikan 10. Kabupaten Banyuwangi -0.0682 0.1700 Tidak Signifikan 11. Kabupaten Bondowoso -0.0783 0.4000 Tidak Signifikan 12. Kabupaten Situbondo 0.5130 0.1700 Tidak Signifikan 13. Kabupaten Probolinggo 0.7933 0.0200 Signifikan 14. Kabupaten Pasuruan 0.1402 0.2600 Tidak Signifikan 15. Kabupaten Sidoarjo 0.4569 0.2400 Tidak Signifikan 16. Kabupaten Mojokerto 0.5074 0.2300 Tidak Signifikan 17. Kabupaten Jombang 0.0489 0.3100 Tidak Signifikan 18. Kabupaten Nganjuk 0.0172 0.3300 Tidak Signifikan 19. Kabupaten Madiun 0.0173 0.5000 Tidak Signifikan 20. Kabupaten Magetan -0.2665 0.2600 Tidak Signifikan 21. Kabupaten Ngawi -0.2601 0.3600 Tidak Signifikan 22. Kabupaten Bojonegoro -0.0538 0.3500 Tidak Signifikan 23. Kabupaten Tuban -0.2035 0.4500 Tidak Signifikan 24. Kabupaten Lamongan -0.0000 0.4900 Tidak Signifikan 25. Kabupaten Gresik 0.4791 0.0200 Signifikan 26. Kabupaten Bangkalan -0.9721 0.1800 Tidak Signifikan 27. Kabupaten Sampang -0.3180 0.1800 Tidak Signifikan 28. Kabupaten Pamekasan 0.0790 0.4000 Tidak Signifikan



No Kabupaten/Kota Ii P-value Keterangan 29. Kabupaten Sumenep 0.7245 0.1500 Tidak Signifikan 30. Kota Kediri 0.1457 0.4800 Tidak Signifikan 31. Kota Blitar 0.4620 0.3100 Tidak Signifikan 32. Kota Malang 0.1760 0.2700 Tidak Signifikan 33. Kota Probolinggo 0.3360 0.3800 Tidak Signifikan 34. Kota Pasuruan -0.0696 0.2100 Tidak Signifikan 35. Kota Mojokerto -0.0235 0.4600 Tidak Signifikan 36. Kota Madiun -0.2112 0.3600 Tidak Signifikan 37. Kota Surabaya 0.5573 0.0600 Tidak Signifikan 38. Kota Batu 0.0161 0.4900 Tidak Signifikan

Hasil uji bivariat LISA antara variabel berat badan lahir rendah dengan

angka kematian neonatal memberikan informasi bahwa Kabupaten Probolinggo

memiliki p-value < alpha = 0,05 sehingga Ho ditolak yang berarti signifikan atau

terdapat autokorelasi spasial pada kabupaten/kota tersebut. Nilai Ii menunjukkan

nilai indeks moran pada lokasi ke-i. Kabupaten Probolinggo memiliki nilai Ii > 0

sehingga dapat disimpulkan bahwa lokasi-lokasi yang berdekatan mempunyai

nilai yang sama.



Gambar 5.26 Peta Signifikansi Hasil Uji Bivariat LISA Variabel Berat Badan Lahir Rendah dan AKN

Gambar 5.27 Peta Cluster Hasil Uji Bivariat LISA Variabel Berat Badan Lahir Rendah dan AKN

1

2

3 4 5

6

7 8 9

10

11 12 13

14

15

16 17 18 19 20

21 22

23

24 25 26 27 28 29

30

31 32

33 34

35

36

37

38

1

2

3 4 5

6

7 8 9

10

11 12

13 14

15

16 17 18 19 20

21

22

23

24 25 26 27 28 29

30

31 32

33 34

35

36

37

38





menunjukkan bahwa Kabupaten Probolinggo berada pada kuadran High-High

(HH) yang merupakan kabupaten dengan persentase berat badan lahir rendah yang

tinggi namun dikelilingi oleh kabupaten/kota yang mempunyai angka kematian

neonatal yang tinggi, sedangkan Kabupaten Gresik berada pada kuadran Low-Low

(LL) merupakan kabupaten/kota dengan persentase berat badan lahir rendah yang


neonatal yang rendah pula.

5.9 Ringkasan Analisis Spasial Bivariat

Tabel dibawah ini merupakan ringkasan dari seluruh variabel independent

yang telah dianalisis dengan angka kematian neonatal.

Tabel 5.13 Ringkasan Analisis Spasial Bivariat

No Variabel Moran’s I Local Indicator of Spatial Autocorrelation (LISA)

Kab/Kota Signifikan Autokorelasi

1 Cakupan K4 -0,105676 Kabupaten Gresik Kabupaten Probolinggo

Positif (L-L) Negatif (L-H)

2

Persalinan ditolong oleh tenaga kesehatan

-0,0786074 Kabupaten Gresik Kabupaten Probolinggo


3 Komplikasi Kebidanan Ditangani

0,0174128 Kabupaten Gresik Kabupaten Probolinggo

Negatif (H-L) Positif (H-H)

4 Komplikasi Neonatal Ditangani

-0.0201606 Kabupaten Gresik Kabupaten Probolinggo




Tabel 5.13 Ringkasan Analisis Spasial Bivariat

No Variabel Moran’s I Local Indicator of Spatial Autocorrelation (LISA)

Kab/Kota Signifikan Autokorelasi

5 Kunjungan Neonatal Lengkap



6

Berat Badan Lahir Rendah


Positif (L-L) Positif (H-H)

Variabel cakupan K4 memiliki nilai Moran’s I sebesar -0,105676 yang

menunjukkan bahwa hubungan autokorelasi spasial bivariat antara variabel

cakupan K4 dengan AKN bersifat negatif dengan kekuatan hubungan lemah. Pada

analisis LISA kabupaten/kota yang signifikan adalah Kabupaten Gresik dengan

autokorelasi positif Low-Low (LL) yang artinya rendahnya cakupan K4 pada

Kabupaten Gresik terdapat hubungan secara spasial terhadap rendahnya AKN di

daerah sekitar Kabupaten Gresik (neighbours), dan Kabupaten Probolinggo

dengan autokorelasi negatif Low-High (LH) yang artinya rendahnya cakupan

kunjungan K4 di Kabupaten Probolinggo terdapat hubungan secara spasial

terhadap tingginya AKN di daerah sekitar Kabupaten Probolinggo (neighbours).

Variabel cakupan persalinan di tolong oleh tenaga kesehatan memiliki

nilai Moran’s I sebesar -0,0786074 yang menunjukkan bahwa hubungan

autokorelasi spasial bivariat antara variabel cakupan persalinan di tolong oleh

tenaga kesehatan dengan AKN bersifat negatif dengan kekuatan hubungan lemah.

Pada analisis LISA kabupaten/kota yang signifikan adalah Kabupaten Gresik

dengan autokorelasi positif Low-Low (LL) yang artinya rendahnya cakupan



persalinan di tolong oleh tenaga kesehatan pada Kabupaten Gresik terdapat

hubungan secara spasial terhadap rendahnya AKN di daerah sekitar Kabupaten

Gresik (neighbours), dan Kabupaten Probolinggo dengan autokorelasi negatif

Low-High (LH) yang artinya rendahnya cakupan persalinan di tolong oleh tenaga

kesehatan di Kabupaten Probolinggo terdapat hubungan secara spasial terhadap

tingginya AKN di daerah sekitar Kabupaten Probolinggo (neighbours).

Variabel cakupan komplikasi kebidanan ditangani memiliki nilai Moran’s

I sebesar 0,0174128 yang menunjukkan bahwa hubungan autokorelasi spasial

bivariat antara variabel cakupan komplikasi kebidanan ditangani dengan AKN

bersifat positif dengan kekuatan hubungan lemah. Pada analisis LISA

kabupaten/kota yang signifikan adalah Kabupaten Gresik dengan autokorelasi

negatif High-Low (HL) yang artinya tingginya cakupan komplikasi kebidanan

ditangani pada Kabupaten Gresik terdapat hubungan secara spasial terhadap

rendahnya AKN di daerah sekitar Kabupaten Gresik (neighbours), dan Kabupaten

Probolinggo dengan autokorelasi positif High-High (HH) yang artinya tingginya

cakupan komplikasi kebidanan ditangani di Kabupaten Probolinggo terdapat

hubungan secara spasial terhadap tingginya AKN di daerah sekitar Kabupaten

Probolinggo (neighbours).

Variabel cakupan komplikasi neonatal ditangani memiliki nilai Moran’s I

sebesar -0.0201606 yang menunjukkan bahwa hubungan autokorelasi spasial

bivariat antara variabel cakupan komplikasi neonatal ditangani dengan AKN

bersifat negatif dengan kekuatan hubungan lemah. Pada analisis LISA




positif Low-Low (LL) yang artinya rendahnya cakupan komplikasi neonatal

ditangani pada Kabupaten Gresik terdapat hubungan secara spasial terhadap


Probolinggo dengan autokorelasi negatif Low-High (LH) yang artinya rendahnya

cakupan komplikasi neonatal ditangani di Kabupaten Probolinggo terdapat



Variabel cakupan kunjungan neonatal lengkap memiliki nilai Moran’s I

sebesar 0,0818853 yang menunjukkan bahwa hubungan autokorelasi spasial

bivariat antara variabel cakupan kunjungan neonatal lengkap dengan AKN

bersifat positif dengan kekuatan hubungan lemah. Pada analisis LISA


positif Low-Low (LL) yang artinya rendahnya cakupan kunjungan neonatal

lengkap pada Kabupaten Gresik terdapat hubungan secara spasial terhadap


Probolinggo dengan autokorelasi negatif Low-High (LH) yang artinya rendahnya

cakupan kunjungan neonatal lengkap di Kabupaten Probolinggo terdapat



Variabel persentase berat badan lahir rendah memiliki nilai Moran’s I

sebesar 0,0910143 yang menunjukkan bahwa hubungan autokorelasi spasial

bivariat antara variabel persentase berat badan lahir rendah dengan AKN bersifat

positif dengan kekuatan hubungan lemah. Pada analisis LISA kabupaten/kota



yang signifikan adalah Kabupaten Gresik dengan autokorelasi positif Low-Low

(LL) yang artinya rendahnya persentase berat badan lahir rendah pada Kabupaten

Gresik terdapat hubungan secara spasial terhadap rendahnya AKN di daerah

sekitar Kabupaten Gresik (neighbours), dan Kabupaten Probolinggo dengan

autokorelasi positif High-High (HH) yang artinya tingginya persentase berat

badan lahir rendah di Kabupaten Probolinggo terdapat hubungan secara spasial

terhadap tingginya AKN di daerah sekitar Kabupaten Probolinggo (neighbours).



BAB VI

PEMBAHASAN

6.1 Hubungan Variabel Kunjungan K4 dengan Angka Kematian

Neonatal

Pemeriksaan antenatal merupakan pelayanan kesehatan yang diberikan

kepada ibu selama kehamilannya sesuai dengan standar pelayanan antenatal

(Syafruddin & Hamidah, 2009). Dengan demikian, pelayanan antenatal adalah

pelayanan kesehatan oleh tenaga kesehatan untuk ibu selama kehamilannya, yang

dilaksanakan sesuai dengan standar pelayanan antenatal yang di tetapkan (Depkes,

2004). Keseluruhan kunjungan ANC atau kunjungan K4 selama kehamilan

merupakan indikator kualitas pelayanan kesehatan ibu khusunya pemeriksaan

kehamilan, sehingga diharapkan ibu hamil yang sudah melakukan K4

mendapatkan pelayanan komprehensif sesuai dengan standar yang berlaku.

(Depkes, 2009 dan IBI, 2006)

Berdasarkan hasil analisis spasial bivariat Moran’s I pada variabel

kunjungan K4 dengan angka kematian neonatal menunjukkan bahwa kunjungan

K4 mempunyai hubungan autokorelasi spasial bivariat negatif (I=-0,105676) atau

berbanding terbalik dengan angka kematian neonatal di Provinsi Jawa Timur.

Berdasarkan hasil analisis spasial bivariat LISA pada variabel kunjungan

K4 dengan angka kematian neonatal menunjukkan bahwa terdapat dua

kabupaten/kota yang signifikan terjadi autokorelasi spasial, yaitu Kabupaten

Gresik dan Kabupaten Probolinggo. Pada Kabupaten Gresik memiliki hubungan


90


autokorelasi positif Low-Low (LL) dan signifikan pada p = 0,05. Dengan kata lain

rendahnya cakupan kunjungan K4 di Kabupaten Gresik terdapat hubungan spasial

terhadap rendahnya angka kematian neonatal di daerah sekitar Kabupaten Gresik

(neighbours). Pada Kabupaten Probolinggo memiliki hubungan autokorelasi

negatif Low-High (LH) dan signifikan pada p = 0,05. Dengan kata lain rendahnya

cakupan kunjungan K4 di Kabupaten Probolinggo terdapat hubungan secara

spasial terhadap tingginya angka kematian neonatal di daerah sekitar Kabupaten


Berdasarkan penelitian yang dilakukan oleh Yani dan Duarsa pada tahun

2013 yang menyatakan bahwa “ bayi yang dilahirkan dari ibu yang mendapatkan

pelayanan antenatal tidak lengkap beresiko 16,32 kali mengalami kematian

neonatal dibanding dengan bayi yang dilahirkan dari ibu yang mendapatkan

pelayanan antenatal lengkap.” Hasil penelitian pada Kabupaten Gresik tidak

sejalan dengan penelitian yang dilakukan oleh Yani dan Duarsa, namun hasil

penelitian pada Kabupaten Probolinggo sejalan dengan penelitian yang dilakukan

oleh Yani dan Duarsa.

Pada Kabupaten Gresik hasil penelitian yang tidak sejalan dengan

penelitian yang dilakukan oleh Yani dan Duarsa, kemungkinan disebabkan oleh 2

hal, yang pertama adalah tentang analisis spasial. Berdasarkan cara perhitungan

LISA pada analisis spasial bisa dikatakan tidak cocok untuk data kesehatan karena

membandingkan capaian variabel K4 di wilayah Kabupaten Gresik dengan

variabel AKN di wilayah sekitar. Hal inilah yang kemungkinan menjadikan hasil

tidak sejalan dengan penelitian yang biasa dilakukan oleh peneliti lain, karena bisa


91


jadi jika dibandingkan dengan variabel AKN di wilayah Kabupaten Gresik maka

terdapat hubungan antara variabel K4 dengan variabel AKN. Selain itu, hal yang

kedua adalah kemungkinan pelaporan data sekunder pada Kabupaten Gresik dan

sekitarnya yang tidak lengkap atau tidak “sehat”, hal ini dapat dibuktikan dengan

sesuainya hasil penelitian di Kabupaten Probolinggo dengan hasil penelitian yang

dilakukan oleh peneliti lain.

Berdasarkan pembahasan diatas maka diharapkan Dinas Kesehatan

Provinsi Jawa Timur melakukan pemantauan terhadap pelaksanaan pelayanan

antenatal agar dapat dilaksanakan dengan optimal sesuai standar dan melakukan

pembinaan bagi Dinas Kesehatan Kabupaten/Kota yang memiliki cakupan

pelayanan K4 yang rendah agar dapat meningkatkan cakupannya.

6.2 Hubungan Variabel Persalinan Ditolong Oleh Tenaga Kesehatan

dengan Angka Kematian Neonatal

Pertolongan persalinan oleh tenaga kesehatan merupakan pelayanan

persalinan yang aman yang dilakukan oleh tenaga kesehatan yang kompeten

(Depkes RI, 2009). Penanganan medis yang tepat dan memadai saat ibu

melahirkan dapat menurunkan resiko komplikasi yang bisa menyebabkan

kesakitan serius pada ibu dan bayinya (BPS, BKKBN, Kemenkes & ICF

International, 2013).


persalinan ditolong oleh tenaga kesehatan dengan angka kematian neonatal

menunjukkan bahwa persalinan ditolong oleh tenaga kesehatan mempunyai


92


hubungan autokorelasi spasial bivariat negatif (I=-0,0786074) atau berbanding

terbalik dengan angka kematian neonatal di Provinsi Jawa Timur.

Berdasarkan hasil analisis spasial bivariat LISA pada variabel persalinan

ditolong oleh tenaga kesehatan dengan angka kematian neonatal menunjukkan

bahwa terdapat dua kabupaten/kota yang signifikan terjadi autokorelasi spasial,

yaitu Kabupaten Gresik dan Kabupaten Probolinggo. Pada Kabupaten Gresik

memiliki hubungan autokorelasi positif Low-Low (LL) dan signifikan pada p =

0,05. Dengan kata lain rendahnya cakupan persalinan ditolong oleh tenaga

kesehatan di Kabupaten Gresik terdapat hubungan spasial terhadap rendahnya

angka kematian neonatal di daerah sekitar Kabupaten Gresik (neighbours). Pada

Kabupaten Probolinggo memiliki hubungan autokorelasi negatif Low-High (LH)

dan signifikan pada p = 0,05. Dengan kata lain rendahnya cakupan persalinan

ditolong oleh tenaga kesehatan di Kabupaten Probolinggo terdapat hubungan

secara spasial terhadap tingginya angka kematian neonatal di daerah sekitar

Kabupaten Probolinggo (neighbours).

Hasil penelitian ini sesuai dengan hasil penelitian yang dilakukan oleh

Singh,dkk (2014), Pertiwi, (2010) dan Wijayanti, (2013) yang menunjukkan

bahwa terdapat hubungan antara penolong persalinan dengan kematian neonatal.

Namun, hasil penelitian ini tidak sesuai dengan hasil penelitian yang dilakukan

oleh Sugiharto (2011), Dewi, (2010) dan Nugraheni (2013) yang menunjukkan

tidak terdapat hubungan antara penolong persalinan dengan kematian neonatal.


93


Berdasarkan hasil penelitian yang dilakukan oleh Prabamurti, dkk (2008)

menunjukkan terdapat hubungan antara penolong persalinan dengan kematian

neonatal. Sehingga persalinan yang tidak ditolong tenaga kesehatan memiliki

resiko kematian 6,07 kali lebih besar dibanding dengan persalinan yang ditolong

oleh tenaga kesehatan. Hasil penelitian pada Kabupaten Gresik tidak sejalan

dengan penelitian yang dilakukan oleh Prabamurti, dkk. Namun hasil penelitian

pada Kabupaten Probolinggo sejalan dengan penelitian yang dilakukan oleh

Prabamurti, dkk.

Pada cakupan persalinan ditolong oleh tenaga kesehatan, hasil penelitian

pada Kabupaten Gresik tidak dapat dikatakan sepenuhnya tidak sesuai dengan

hasil penelitian yang dilakukan oleh peneliti lain. Hasil penelitian yang dilakukan

oleh peneliti lain ada yang mengatakan bahwa tidak terdapat hubungan antara

cakupan persalinan ditolong oleh tenga kesehatan dengan angka kematian

neonatal. Namun, hasil penelitian diatas tetap dipengaruhi oleh 2 hal yaitu

pelaporan data sekunder yang tidak lengkap, dan kecocokan analisis spasial

indeks Moran’s dan LISA dengan data kesehatan.

Berdasarkan pembahasan diatas diharapkan Dinas Kesehatan

Kabupaten/Kota memperbanyak media promosi tentang penolong persalinan yang

aman serta membuat program kerja kemitraan dengan dukun yang ada di wilayah

kerja masing-masing puskesmas dan memasukannya dalam rencana anggaran

Kabupaten/Kota di Provinsi Jawa Timur.


94


6.3 Hubungan Variabel Komplikasi Kebidanan Ditangani dengan Angka

Kematian Neonatal

Komplikasi kebidanan adalah keadaan peenyimpangan dari normal, yang

secara langsung menyebabkan kesakitan dan kematian ibu maupun bayi. Kegiatan

deteksi dini dan penanganan ibu hamil beresiko/komplikasi kebidanan perlu

ditingkatkan baik di fasilitas pelayanan Kesehatan Ibu dan Anak (KIA).

Komplikasi kebidanan meliputi Hb< 8g%, tekanan darah tinggi (sistol >

140 mmHg, diastol > 90 mmHg), oedema nyata, eklampsia, perdarahan

pervaginam, ketuban pecah dini, letak lintang pada usia kehamilan > 32 minggu,

letak sungsang pada primigravida, infeksi berat/sepsis, persalinan premature.

(Depkes, Laporan Riset Kesehatan Dasar (Riskesdas), 2007)


komplikasi kebidanan ditangani dengan angka kematian neonatal menunjukkan

bahwa komplikasi kebidanan ditangani mempunyai hubungan autokorelasi spasial

bivariat positif (I=0,0174128) atau berbanding lurus dengan angka kematian

neonatal di Provinsi Jawa Timur.

Berdasarkan hasil analisis spasial bivariat LISA pada variabel komplikasi

kebidanan ditangani dengan angka kematian neonatal menunjukkan bahwa

terdapat dua kabupaten/kota yang signifikan terjadi autokorelasi spasial, yaitu

Kabupaten Gresik dan Kabupaten Probolinggo. Pada Kabupaten Gresik memiliki

hubungan autokorelasi negatif High-Low (HL) dan signifikan pada p = 0,05.

Dengan kata lain tingginya cakupan komplikasi kebidanan ditangani di Kabupaten


95


Gresik terdapat hubungan spasial terhadap rendahnya angka kematian neonatal di

daerah sekitar Kabupaten Gresik (neighbours). Pada Kabupaten Probolinggo

memiliki hubungan autokorelasi positif High-High (HH) dan signifikan pada p =

0,05. Dengan kata lain tingginya cakupan komplikasi kebidanan ditangani di

Kabupaten Probolinggo terdapat hubungan secara spasial terhadap tingginya

angka kematian neonatal di daerah sekitar Kabupaten Probolinggo (neighbours)

Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Noor

Latifah (2012), Nugraheni (2013), Wijayanti (2013) yang menunjukkan bahwa

terdapat hubungan yang signifikan antara komplikasi kebidanan dengan kematian

neonatal.

Menurut Rahmawati (2007) Ibu yang mengalami komplikasi kebidanan

memiliki resiko lebih tinggi terhadap kematian neonatal dibandingkan ibu yang

tidak mengalami komplikasi kebidanan. Bayi dari ibu yang mengalami komplikasi

kebidanan memiliki risiko 1,8 kali lebih tinggi terhadap kematian neonatal

dibandingkan bayi dari ibu yang tidak mengalami komplikasi selama

kehamilannya. Hasil penelitian pada Kabupaten Probolinggo tidak sejalan dengan

hasil penelitian yang dilakukan oleh Rahmawati. Namun, Hasil penelitian pada

Kabupaten Gresik sejalan dengan hasil penelitian yang dilakukan oleh

Rahmawati.

Pada variabel komplikasi kebidanan hasil penelitian pada Kabupaten

Probolinggo tidak sesuai dengan hasil penelitian yang dilakukan oleh peneliti lain.

Hal ini kemungkinan disebabkan oleh 2 hal, yaitu pelaporan data yang tidak


96


lengkap atau tidak “sehat” pada Kabupaten Problinggo dan sekitarnya, atau

analisis spasial indeks Moran’s dan LISA tidak cocok dilakukan untuk data

kesehatan.

Berdasarkan pembahasan diatas diharapkan Dinas Kesehatan Provinsi

Jawa Timur melakukan pemantauan pada pelaksanaan pelayanan penanganan

komplikasi kebidanan sehingga dapat dilakukan dengan optimal dan sesuai

standar. Selain itu, Dinas Kesehatan Provinsi Jawa Timur juga melakukan

pemerataan kualitas tenaga kesehatan antar wilayah, sehingga capaian tiap

kabupaten/kota bisa sama atau meningkat.

6.4 Hubungan Variabel Komplikasi Neonatal Ditangani Dengan Angka

Kematian Neonatal

Penanganan komplikasi neonatus adalah pelayanan kepada neonatus

dengan komplikasi neonatal untuk mendapatkan penanganan definitik sesuai

standar oleh tenaga kesehatan yang kompeten pada tingkat pelayanan dasar dan

rujukan. Penanganan komplikasi neonatal yang ditangani adalah penanganan

asfiksia, hipotermia, bayi berat lahir rendah, infeksi neonatus, kejang neonatus,

ikterus ringan atau sedang, dan gangguan minum.


komplikasi neonatal ditangani dengan angka kematian neonatal menunjukkan

bahwa komplikasi neonatal ditangani mempunyai hubungan autokorelasi spasial

bivariat negatif (I=-0,0201606) atau berbanding terbalik dengan angka kematian



97


Berdasarkan hasil analisis spasial bivariat LISA pada variabel komplikasi

neonatal ditangani dengan angka kematian neonatal menunjukkan bahwa terdapat

dua kabupaten/kota yang signifikan terjadi autokorelasi spasial, yaitu Kabupaten



rendahnya cakupan komplikasi neonatal ditangani di Kabupaten Gresik terdapat

hubungan spasial terhadap rendahnya angka kematian neonatal di daerah sekitar

Kabupaten Gresik (neighbours). Pada Kabupaten Probolinggo memiliki hubungan

autokorelasi negatif Low-High (LH) dan signifikan pada p = 0,05. Dengan kata

lain rendahnya cakupan komplikasi neonatal ditangani di Kabupaten Probolinggo

terdapat hubungan secara spasial terhadap tingginya angka kematian neonatal di

daerah sekitar Kabupaten Probolinggo (neighbours).


Masitoh dkk (2014) dan Prabamurti dkk (2008) yang menunjukkan bahwa

terdapat hubungan antara komplikasi neonatal dengan angka kematian neonatal.

Berdasarkan hasil penelitian Prabamurti dkk (2008) menyatakan bahwa bayi yang

pada waktu lahir mengalami komplikasi neonatal memiliki resiko kematian

neonatal 7,85 kali lebih besar dari bayi yang pada waktu lahir tidak mengalami

komplikasi neonatal. Hasil penelitian pada Kabupaten Gresik tidak sesuai dengan

hasil penelitian yang dilakukan oleh Prabamurti. Namun, hasil penelitian pada

Kabupaten Probolinggo sesuai dengan hasil penelitian yang dilakukan oleh

Prabamurti


98


Pada variabel komplikasi neonatal hasil penelitian pada Kabupaten Gresik

tidak sesuai dengan hasil penelitian yang dilakukan oleh peneliti lain. Hal ini

kemungkinan disebabkan oleh 2 hal, yaitu pelaporan data yang tidak lengkap atau

tidak “sehat” pada Kabupaten Gresik dan sekitarnya, atau analisis spasial indeks

Moran’s dan LISA tidak cocok dilakukan untuk data kesehatan.


Jawa Timur melakukan pemantauan pada pelaksanaan pelayanan penanganan

komplikasi neonatal sehingga dapat dilakukan dengan optimal dan sesuai standar.

Selain itu, Dinas Kesehatan Provinsi Jawa Timur juga melakukan pemerataan

kualitas tenaga kesehatan antar wilayah, sehingga capaian tiap kabupaten/kota

bisa sama atau meningkat.

6.5 Hubungan Variabel Kunjungan Neonatal Lengkap Dengan Angka

Kematian Neonatal

Kunjungan neonatal merupakan sarana untuk mendapatkan asuhan bayi

baru lahir esensial sehingga bayi dapat beradaptasi dengan perubahan lingkungan

dari dalam rahim ke luar rahim. Adaptasi lingkungan luar rahim perlu difasilitasi

oleh orang terdekat dengan bayi, biasanya orang tua dan tenaga kesehatan yang

menolong proses persalinan dan pemeriksaan bayi baru lahir. Kunjungan neonatal

dapat dilakukan melalui kunjungan ibu ke tenaga kesehatan atau sebaliknya

kunjungan tenaga kesehatan ke rumah ibu.

Pelayanan kesehatan neonatal khususnya kunjungan neonatal merupakan

pelayanan yang diberikan unutuk neonatus selama periode 0-28 hari. Kunjungan


99


neonatal bukan hanya sekedar kunjungan atau datang ke pelayanan kesehatan dan

bertemu dengan tenaga kesehatan tetapi harus mendapat pelayanan kesehatan

yang terstandar dan berkualitas. Pelayanan kesehatan neonatal yang berkualitas

yang dapat mempertahankan bayi tetap sehat, menurunkan kesakitan dan

kematian. Semakin sedikit kontak dengan tenaga kesehatan dan semakin sedikit

jenis pelayanann kesehatan yang diterima oleh bayi maka semakin besar

kemungkinan bayi sakit atau meninggal. (Kemenkes, 2010)


kunjungan neonatal lengkap dengan angka kematian neonatal menunjukkan

bahwa kunjungan neonatal lengkap mempunyai hubungan autokorelasi spasial

bivariat positif (I=0,0818853) atau berbanding lurus dengan angka kematian


Berdasarkan hasil analisis spasial bivariat LISA pada variabel kunjungan

neonatal lengkap dengan angka kematian neonatal menunjukkan bahwa terdapat

dua kabupaten/kota yang signifikan terjadi autokorelasi spasial, yaitu Kabupaten



rendahnya cakupan kunjungan neonatal lengkap di Kabupaten Gresik terdapat

hubungan spasial terhadap rendahnya angka kematian neonatal di daerah sekitar

Kabupaten Gresik (neighbours). Pada Kabupaten Probolinggo memiliki hubungan

autokorelasi negatif Low-High (LH) dan signifikan pada p = 0,05. Dengan kata

lain rendahnya cakupan kunjungan neonatal lengkap di Kabupaten Probolinggo


100


terdapat hubungan secara spasial terhadap tingginya angka kematian neonatal di

daerah sekitar Kabupaten Probolinggo (neighbours).


Sukamti dkk (2015) dan Naetasi J dkk (2012) yang menunjukkan bahwa terdapat

hubungan yang signifikan antara variabel kunjungan neonatal dengan angka

kematian neonatal.

Hasil penelitian dari Naetasi J dkk (2012) menyatakan bahwa ibu dengan

kunjungan neonatal tidak lengkap (<3 kali) memiliki resiko 99 kali lebih beresiko

dibandingkan dengan ibu yang mempunyai kunjungan neonatal yang lengkap (≥3

kali). Hasil penelitian pada Kabupaten Gresik tidak sesuai dengan hasil penelitian

yang dilakukan oleh Naetasi J dkk. Namun, hasil penelitian pada Kabupaten

Probolinggo sesuai dengan hasil penelitian yang dilakukan oleh Naetasi J dkk.

Pada variabel cakupan kunjungan neonatal hasil penelitian pada

Kabupaten Gresik tidak sesuai dengan hasil penelitian yang dilakukan oleh

peneliti lain. Hal ini kemungkinan disebabkan oleh 2 hal, yaitu pelaporan data

yang tidak lengkap atau tidak “sehat” pada Kabupaten Gresik dan sekitarnya, atau

analisis spasial indeks Moran’s dan LISA tidak cocok dilakukan untuk data

kesehatan.

Berdasarkan pembahasan diatas maka diharapkan Dinas Kesehatan

Provinsi Jawa Timur melakukan pemantauan terhadap pelaksanaan pelayanan

perinatal agar dapat dilaksanakan dengan optimal sesuai standar dan melakukan


101


pembinaan bagi Dinas Kesehatan Kabupaten/Kota yang memiliki cakupan

pelayanan neonatal yang rendah agar dapat meningkatkan cakupannya.

6.6 Hubungan Variabel Berat Badan Lahir Rendah Dengan Angka

Kematian Neonatal

Berat badan lahir rendah merupakan masalah kompleks yang

membutuhkan penanganan multi sektor. Penanganan BBLR tersebut meliputi

pengaturan suhu lingkungan, pemberian makan dan jika perlu pemberian oksigen.

BBLR merupakan penyumbang terbanyak kematian neonatal, sementara fasilitas

rumah sakit di negara berkembang masih terbatas.

Berdasarkan hasil analisis spasial bivariat Moran’s I pada variabel berat

badan lahir rendah dengan angka kematian neonatal menunjukkan bahwa berat

badan lahir rendah mempunyai hubungan autokorelasi spasial bivariat positif

(I=0,0910143) atau berbanding lurus dengan angka kematian neonatal di Provinsi

Jawa Timur.

Berdasarkan hasil analisis spasial bivariat LISA pada variabel berat badan

lahir rendah dengan angka kematian neonatal menunjukkan bahwa terdapat dua

kabupaten/kota yang signifikan terjadi autokorelasi spasial, yaitu Kabupaten



rendahnya berat badan lahir rendah di Kabupaten Gresik terdapat hubungan

spasial terhadap rendahnya angka kematian neonatal di daerah sekitar Kabupaten

Gresik (neighbours). Pada Kabupaten Probolinggo memiliki hubungan


102


autokorelasi negatif High-High (HH) dan signifikan pada p = 0,05. Dengan kata

lain rendahnya berat badan lahir rendah di Kabupaten Probolinggo terdapat

hubungan secara spasial terhadap tingginya angka kematian neonatal di daerah

sekitar Kabupaten Probolinggo (neighbours).


Prabamurti dkk (2008) dan Naetasi J dkk (2012) yang menunjukkan bahwa

terdapat hubungan yang signifikan antara variabel berat badan lahir rendah

dengan angka kematian neonatal.

Hasil penelitian dari Naetasi J dkk (2012) menyatakan bahwa bayi dengan

berat badan lahir rendah (< 2500 g) memiliki resiko 3,471 kali lebih besar

mengalami kematian neonatal dibandingkan dengan bayi yang memiliki berat

badan lahir tidak rendah (≥ 2500 g). Hasil penelitian pada Kabupaten Gresik dan

Kabupaten Probolinggo sesuai dengan hasil penelitian yang dilakukan oleh

Naetasi J dkk.


Jawa Timur memperbanyak media promosi tentang berat badan bayi lahir rendah

serta dengan membuat program penyuluhan untuk ibu hamil di wilayah masing-

masing puskesmas di Provinsi Jawa Timur. Salah satu contoh program adalah

diadakannya kelas ibu hamil setiap 1 bulan 2 kali pertemuan atau setidaknya 1

kali pertemuan 1 bulan.


103 SKRIPSI ANALISIS SPASIAL UNTUK...MUHAMMAD FAWWAZ

BAB VII

KESIMPULAN DAN SARAN

7.1 Kesimpulan

Berdasarkan proses analisis terhadap variabel independen dengan variabel

dependen, diperoleh hasil bahwa:

1. Determinan yang signifikan memiliki hubungan spasial secara menyeluruh

terhadap angka kematian neonatal adalah faktor kunjungan K4 dengan

autokorelasi negatif dan kuat hubungan I = -0,105676. Secara lokal

hubungan spasial antara variabel kunjungan K4 terhadap angka kematian

neonatal terdapat pada Kabupaten Gresik dengan Autokorelasi Positif (L-

L) dan Kabupaten Probolinggo dengan Autokorelasi Negatif (L-H)


terhadap angka kematian neonatal adalah faktor persalinan ditolong oleh

tenaga kesehatan dengan autokorelasi negatif dan kuat hubungan I = -

0,0786074. Secara lokal hubungan spasial antara variabel persalinan

ditolong oleh tenaga kesehatan terhadap angka kematian neonatal terdapat

pada Kabupaten Gresik dengan Autokorelasi Positif (L-L) dan Kabupaten

Probolinggo dengan Autokorelasi Negatif (L-H)


terhadap angka kematian neonatal adalah faktor komplikasi kebidanan

ditangani dengan autokorelasi positif dan kuat hubungan I = 0,0174128.

Secara lokal hubungan spasial antara variabel komplikasi kebidanan


104


ditangani terhadap angka kematian neonatal terdapat pada Kabupaten

Gresik dengan Autokorelasi Negatif (H-L) dan Kabupaten Probolinggo

dengan Autokorelasi Positif (H-H)


terhadap angka kematian neonatal adalah faktor komplikasi neonatal

ditangani dengan autokorelasi negatif dan kuat hubungan I = -0,0201606.

Secara lokal hubungan spasial antara variabel komplikasi neonatal

ditangani terhadap angka kematian neonatal terdapat pada Kabupaten

Gresik dengan Autokorelasi Positif (L-L) dan Kabupaten Probolinggo

dengan Autokorelasi Negatif (L-H)


terhadap angka kematian neonatal adalah faktor kunjungan neonatal

lengkap dengan autokorelasi positif dan kuat hubungan I = 0,0818853.

Secara lokal hubungan spasial antara variabel kunjungan neonatal lengkap

terhadap angka kematian neonatal terdapat pada Kabupaten Gresik dengan

Autokorelasi Positif (L-L) dan Kabupaten Probolinggo dengan

Autokorelasi Negatif (L-H)


terhadap angka kematian neonatal adalah faktor berat badan lahir rendah

dengan autokorelasi positif dengan kuat hubungan I = 0,0910143. Secara

lokal hubungan spasial antara variabel berat badan lahir rendah (BBLR)

terhadap angka kematian neonatal terdapat pada Kabupaten Gresik dengan


105


Autokorelasi Positif (L-L) dan Kabupaten Probolinggo dengan

Autokorelasi positif (H-H)

7. Determinan yang mempunyai kuat hubungan yang paling dominan dengan

angka kematian neonatal (AKN) adalah variabel cakupan K4 dengan I=-

0,105676 lalu diikuti oleh variabel berat badan lahir rendah (BBLR)

dengan I=0,0910143 dan variabel kunjungan neonatal lengkap dengan

I=0,0818853.

7.2 Saran

Saran yang dapat diberikan berdasarkan hasil yang diperoleh dari

penelitian ini yaitu:

1. Pemerintah dapat menggunakan hasil penelitian ini sebagai

pertimbangan dalam pembuatan kebijakan dalam menurunkan angka

kematian neonatal, terutama pada Kabupaten Gresik dan Kabupaten

Probolinggo yang seluruh variabel dalam penelitian ini terdapat

hubungan spasial dengan kabupaten/kota sekelilingnya atau

kabupaten/kota tetangga (neighbours).

2. Dinas Kesehatan Provinsi Jawa Timur diharapkan melakukan

pemantauan terhadap pelaksanaan pelayanan antenatal, pelayanan

persalinan, pelayanan perinatal, pelayanan obstetric, dan pelayanan

berat badan lahir rendah agar dapat dilaksanakan dengan optimal

sesuai standar. Dinas Kesehatan Provinsi Jawa Timur melakukan


106


pembinaan bagi Dinas Kesehatan Kabupaten/Kota yang memiliki

cakupan rendah agar dapat meningkatkan cakupannya.

3. Dinas Kesehatan Provinsi Jawa Timur melakukan pembinaan bagi

Dinas Kesehatan Kabupaten/Kota untuk memperbanyak media

promosi kesehatan serta membuat program kerja kemitraan dengan

dukun yang ada diwilayah kerja masing-masing puskesmas dan

memasukkannya dalam rencana anggaran.

4. Dinas Kesehatan Provinsi Jawa Timur melakukan pemerataan kualitas

tenaga kesehatan antar Kabupaten/Kota dengan cara mengadakan

pelatihan bagi tenaga kesehatan, sehingga capaian cakupan tiap

Kabupaten/Kota meningkat.

5. Dinas Kesehatan Provinsi Jawa Timur dapat membuat program “Kelas

Ibu Hamil” yang dapat dilaksanakan pada puskesmas di masing-

masing Kabupaten/Kota sehingga proses penyuluhan dapat dilakukan

dengan mudah, selain itu ibu hamil dapat mengkonsultasikan

kondisinya saat kelas ibu hamil, sehingga penemuan ibu hamil dengan

resiko tinggi akan lebih mudah ditemukan.

6. Dinas Kesehatan Provinsi Jawa Timur dapat membuat program “Door-

to-Door” yang dapat dilaksanakan pada posyandu di masing-masing

puskesmas yang ada di Kabupaten/Kota sehingga apabila ada bayi

baru lahir atau ibu hamil yang tidak datang ke posyandu masih dapat

dilakukan pemeriksaan dan diberikan saran agar melakukan kunjungan

K4 dan kunjungan neonatal.



DAFTAR PUSTAKA

Achmadi, U., 2008. Manajemen Penyakit Berbasis Wilayah, Jakarta: UI-Press.

Arkhanda, S., 1986. Ikhtisar pediatrika: kesehatan, pencegagan dan pengobatan bayi/anak. Jakarta: Bina Aksara.

Bappenas, 2008. Millenium Development Goals. Jakarta: Badan Perencanaan Pembangunan Nasional.

Bappenas, 2012. Laporan Pencapaian Tujuan Pembangunan Milennium Development Goals di Indonesia 2011. Jakarta: Badan Perencanaan Pembangunan Nasional.

Depkes, 2004. Pedomana Pemantauan Wilayaha Setempat Kesehatan Ibu dan Anak (PWS-KIA). Jakarta: Depkes Direktoran Binkesga.

Dewi, R., 2010. Faktor-Faktor yang Berhubungan dengan Kematian Neonatal di Indonesia, Depok: Universitas Indonesia.

Duarsa, Y. &., 2013. Hubungan Pelayanan Kesehatan Ibu dengan Kematian Neonatal. Jurnal Kesehatan Masyarakat Nasional, 7(8), pp. 373-377.

Dinkes Jatim, 2009. Profil Kesehatan Provinsi Jawa Timur 2008. Surabaya: Dinas Kesehatan Provinsi Jawa Timur.




J, Arnis., 2015. Repositry USU. [Online] Available at: http://repository.usu.ac.idbitstream123456789459224Chapter%20II.pdf [Accessed 9 Mei 2016].

Jumiami. Mulyati, S. &. N., 1998. Asuhan Keperawatan Perinatal. Jakarta: Buku Kedokteran EGC.

Kemenkes RI., 2015. Kesehatan dalam Kerangka Sustainable Develpoment Goals (SDGs). Jakarta: Kementerian Kesehatan Republik Indonesia.


108


Kemenkes RI., 2010. Buku Saku Pelayanan Kesehatan Neonatal Esensial Pedoman Teknis Pelayanan Kesehatan Dasar. Jakarta: Kemkes.

Latifah, A. N., 2012. Hubungan Frekuensi Kunjungan ANC Selama Kehamilan Dengan Kejadian Kematian Neonatal (Analisis Data SDKI 2007), Depok: Universitas Indonesia.

Lee, J. d. W. S., 2001. Statistical Analysis With Arcview GIS. New York: John Willey & Sons Inc.

Luknanto, J., 2003. Model Matematika. Yogyakarta: Laboratorium Hidraulika.

Masitoh, S., EVK, T. & K., 2014. Asfiksia Faktor Dominan Penyebab Kematian Neonatal. Jurnal Ilmu dan Teknologi Kesehatan, 1(2), pp. 163-168.

Maya, M., 2014. Analisis Geospasial Kematian Balita di Indonesia, Jember: Fakultas Kesehatan Masyarakat Universitas Jember.

Muslihatun, W., 2010. Asuhan Neonatus, Bayi dan Balita. Yogyakarta: Fitramaya.

Naetasi, J. E., Ch. Lerik, M. D. & Sinaga, M., 2012. Faktor-Faktor Yang Berhubungan Dengan Kematian Neonatal Di Kota Kupang Tahun 2009. MKM, 6(2), pp. 101-111.

Nugraheni, A., 2013. Pengaruh Komplikasi Kehamilan Terhadap Kematian Neonatal Dini di Indonesia (Analisis Data SDKI 2007), Depok: Universitas Indonesia.

Pertiwi, I., 2010. Hubungan Kematian Neonatal dengan Kunjungan ANC dan Perawatan Postnatal di Indonesia Menurut SDKI 2007-2008, Depok: Universitas Indonesia.

Prabamurti, P. N., Purnami, C. T., Widagdo, L. & Setyono, S., 2008. Analisis Faktor Risiko Status Kematian Neonatal Studi Kasus Kontrol di Kecamatan Losari Kabupaten Brebes Tahun 2006. Jurnal Promosi Kesehatan Indonesia, 3(1), pp. 1-9.

Purwaningsih, T., 2014. Kajian Pengaruh Matriks Pembobot Spasial Dalam Model Data Panel Spasial, Bogor: Institut Pertanian Bogor.

Ronsmans, C., 1996. Birth Spacing and Child Survival in Rural Senegal. International Journal of Epidemiolgy, 25(5), pp. 989-997.


109


Schabenberger, O. & Gotway, C., 2005. Statistical Methods for Spatial Data Analysis. s.l.:Chapman&Hall/CRC.

Singh, K. B. P. &. S. C., 2014. A Regional Multilevel Analysis: Can Skilled Birth Attendants Uniformly Derease Neonatal Mortality?. Maternal Child Health Journal, pp. 242-248.

Sudarti, F. A., 2013. Asuhan Kebidanan Neonatus Risiko Tinggi dan Kegawatan. Yogyakarta: Nuha Medika.

Sugiharto, J., 2011. Faktor-Faktor Yang berhubungan dengan Kematian Bayi di Indonesia Tahun 2007 (Analisis Data Sekunder SDKI 2007), Depok: Universitas Indonesia.

Sukamti, S. & Riono, P., 2015. Pelayanan Kesehatan Neonatal Berpengaruh Terhadap Kematian Neonatal Di Indonesia. Jurnal Ilmu dan Teknologi Kesehatan, 2(2), pp. 11-19.

Sukarni, M., 1999. Kesehatan Keluarga dan Lingkungan. Yogyakarta: Kanisus.

Sutarto, A., 2004. "Studi Pemetaan Kebudayaan Jawa Timur" (Studi Deskriptif Pembagian 10 (sepuluh) sub kebudayaan Jawa Timur). Surabaya: FISIP-Universitas Jember.

Syafruddin, &. H., 2009. Kebidanan Komunitas. Jakarta: Penerbit Buku Kedokteran EGC.

Wijayanti, A. C., 2013. Hubungan Jumlah Anak yang Dilahirkan Terhadap Kejadian Kematian Neonatal (Analisis Data SDKI 2007), Depok: Universitas Indonesia.


110

SKRIPSI ANALISIS SPASIAL UNTUK...MUHAMMAD FAWWAZ

Lampiran 1. Permohonan Ijin Penelitian dari Fakultas Kesehatan Masyarakat

Universitas Airlangga


111


Lampiran 2. Rekomendasi Penelitian dari Badan Kesatuan Bangsa dan Politik

Provinsi Jawa Timur


112


Lampiran 3. Surat Balasan dari Dinas Kesehatan Provinsi Jawa Timur terkait ijin penelitian.


113


Lampiran 4. Surat Keterang Lolos Kaji Etik

Oleh: MUHAMMAD FAWWAZ UNIVERSITAS AIRLANGGA …

Documents

Transcript of Oleh: MUHAMMAD FAWWAZ UNIVERSITAS AIRLANGGA …