PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN...

45
PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN PROBOLINGGO TAHUN 2014 MENGGUNAKAN GENERALIZED POISSON REGRESSION (GPR) Oleh : Mirrah Zakka Syadifa 1313 030 029 Dosen Pebimbing : Ir. Mutiah Salamah Chamid, M.Kes Dosen Penguji : Shofi Andari, S.Stat, M.Si Prof. Dr. Drs. I Nyoman Budiantara, M.Si Program Studi DIII Jurusan Statistika ITS Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya

Transcript of PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN...

Page 1: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

PEMODELAN JUMLAH PENDERITA KUSTA DI

KABUPATEN PROBOLINGGO TAHUN 2014

MENGGUNAKAN GENERALIZED POISSON REGRESSION

(GPR)

Oleh Mirrah Zakka Syadifa 1313 030 029

Dosen Pebimbing Ir Mutiah Salamah Chamid MKes

Dosen Penguji Shofi Andari SStat MSi

Prof Dr Drs I Nyoman Budiantara MSi

Program Studi DIII Jurusan Statistika ITS

Fakultas Matematika dan Ilmu Pengetahuan Alam

Institut Teknologi Sepuluh Nopember Surabaya

2

OUTLINE

MetodologiPenelitian

Kesimpulandan Saran

Pendahuluan

TinjauanPustaka

Analisis danPembahasan

BAB IPENDAHULUAN

3

Wilayah EndemisKusta di Jawa

Timur

Paucibacilarry(PB)

Multibacilarry(MB)

Latar Belakang

GPR

4

2012 2014

288 361

Penelitian Sebelumnya tentang Penyakit Kusta

Dzikirna(2013)

bull Tentang pemodelan angka prevalensi kusta dan faktor-faktoryang mempengaruhinya di Jawa Timur dengan PendekatanGWR yang menunjukkan bahwa angka kasus baru kusta 0-14 tahun berpengaruh terhadap angka prevalensi kusta

Noviani

(2014)

bull Tentang GWPR untuk pemodelan jumlah penderita kusta diJawa Tengah hasil penelitian menunjukkan bahwa variabelyang berpengaruh adalah presentase rumah tangga ber-PHBS presentase rumah sehat banyaknya dokterbanyaknyapuskesmas kepadatan penduduk jumlah penyuluhankesehatan kelompok dan rata-rata lama sekolah

5

Penelitian Sebelumnya tentang Metode GPR

Hasanah(2014)

bull Penerapan GPR dalam memodelkan angka penderita giziburuk di Provinsi Aceh hasil penelitian menunjukkan bahwafaktor yang mempengaruhi adalah jumlah penduduk miskinpresentase rumah tangga penerima jamkesmas danpresentase rumah tangga nelayan

Assriyanti

(2011)

bull Perbandingan analisis regresi poisson GPR dan GWPR padajumlah kasus AIDS di Jawa Timur hasil penelitian tersebutadalah model GPR merupakan model yang paling tepat danvariabel yang berpengaruh adalah presentase penduduk yangtamat SMA dan presentase penduduk miskin

6

Jumlah PenderitaKusta di KabupatenProbolinggo Tahun

2014

Faktor-faktorapa saja yang berpengaruh

BagaimanaKarakteristik

Rumusan dan

Tujuan Penelitian

Manfaat

Penelitian

1 Memberikan pengetahuan tentang penyakit kusta dan pemahamanpada metode GPR beserta aplikasinya

2 Mengestimasi jumlah penderita kusta berdasarkan besar pengaruhdari masing-masing faktor risiko yang didapatkan dari model regresi

Batasan Masalah

Jumlah penderita kusta di Kabupaten Probolinggo tahun 2014 dengan unitpenelitian adalah kecamatan

7

BAB IITINJAUAN PUSTAKA

8

Statistika

Deskriptif

Rata-rata Standar Deviasi

n

x

xN

xn

i

i

n

i

i 11

Tinjauan Pustaka

Rata-rata didapatkan dari jumlahnilai data dibagi oleh banyak data

Nilai variabilitas data untukmengetahui seberapa jauh nilai ataupengamatan menyebar dari nilai rata-

rata

9

1s 1

2

1

2

n

xx

N

xn

i

i

N

i

i

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 2: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

2

OUTLINE

MetodologiPenelitian

Kesimpulandan Saran

Pendahuluan

TinjauanPustaka

Analisis danPembahasan

BAB IPENDAHULUAN

3

Wilayah EndemisKusta di Jawa

Timur

Paucibacilarry(PB)

Multibacilarry(MB)

Latar Belakang

GPR

4

2012 2014

288 361

Penelitian Sebelumnya tentang Penyakit Kusta

Dzikirna(2013)

bull Tentang pemodelan angka prevalensi kusta dan faktor-faktoryang mempengaruhinya di Jawa Timur dengan PendekatanGWR yang menunjukkan bahwa angka kasus baru kusta 0-14 tahun berpengaruh terhadap angka prevalensi kusta

Noviani

(2014)

bull Tentang GWPR untuk pemodelan jumlah penderita kusta diJawa Tengah hasil penelitian menunjukkan bahwa variabelyang berpengaruh adalah presentase rumah tangga ber-PHBS presentase rumah sehat banyaknya dokterbanyaknyapuskesmas kepadatan penduduk jumlah penyuluhankesehatan kelompok dan rata-rata lama sekolah

5

Penelitian Sebelumnya tentang Metode GPR

Hasanah(2014)

bull Penerapan GPR dalam memodelkan angka penderita giziburuk di Provinsi Aceh hasil penelitian menunjukkan bahwafaktor yang mempengaruhi adalah jumlah penduduk miskinpresentase rumah tangga penerima jamkesmas danpresentase rumah tangga nelayan

Assriyanti

(2011)

bull Perbandingan analisis regresi poisson GPR dan GWPR padajumlah kasus AIDS di Jawa Timur hasil penelitian tersebutadalah model GPR merupakan model yang paling tepat danvariabel yang berpengaruh adalah presentase penduduk yangtamat SMA dan presentase penduduk miskin

6

Jumlah PenderitaKusta di KabupatenProbolinggo Tahun

2014

Faktor-faktorapa saja yang berpengaruh

BagaimanaKarakteristik

Rumusan dan

Tujuan Penelitian

Manfaat

Penelitian

1 Memberikan pengetahuan tentang penyakit kusta dan pemahamanpada metode GPR beserta aplikasinya

2 Mengestimasi jumlah penderita kusta berdasarkan besar pengaruhdari masing-masing faktor risiko yang didapatkan dari model regresi

Batasan Masalah

Jumlah penderita kusta di Kabupaten Probolinggo tahun 2014 dengan unitpenelitian adalah kecamatan

7

BAB IITINJAUAN PUSTAKA

8

Statistika

Deskriptif

Rata-rata Standar Deviasi

n

x

xN

xn

i

i

n

i

i 11

Tinjauan Pustaka

Rata-rata didapatkan dari jumlahnilai data dibagi oleh banyak data

Nilai variabilitas data untukmengetahui seberapa jauh nilai ataupengamatan menyebar dari nilai rata-

rata

9

1s 1

2

1

2

n

xx

N

xn

i

i

N

i

i

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 3: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

BAB IPENDAHULUAN

3

Wilayah EndemisKusta di Jawa

Timur

Paucibacilarry(PB)

Multibacilarry(MB)

Latar Belakang

GPR

4

2012 2014

288 361

Penelitian Sebelumnya tentang Penyakit Kusta

Dzikirna(2013)

bull Tentang pemodelan angka prevalensi kusta dan faktor-faktoryang mempengaruhinya di Jawa Timur dengan PendekatanGWR yang menunjukkan bahwa angka kasus baru kusta 0-14 tahun berpengaruh terhadap angka prevalensi kusta

Noviani

(2014)

bull Tentang GWPR untuk pemodelan jumlah penderita kusta diJawa Tengah hasil penelitian menunjukkan bahwa variabelyang berpengaruh adalah presentase rumah tangga ber-PHBS presentase rumah sehat banyaknya dokterbanyaknyapuskesmas kepadatan penduduk jumlah penyuluhankesehatan kelompok dan rata-rata lama sekolah

5

Penelitian Sebelumnya tentang Metode GPR

Hasanah(2014)

bull Penerapan GPR dalam memodelkan angka penderita giziburuk di Provinsi Aceh hasil penelitian menunjukkan bahwafaktor yang mempengaruhi adalah jumlah penduduk miskinpresentase rumah tangga penerima jamkesmas danpresentase rumah tangga nelayan

Assriyanti

(2011)

bull Perbandingan analisis regresi poisson GPR dan GWPR padajumlah kasus AIDS di Jawa Timur hasil penelitian tersebutadalah model GPR merupakan model yang paling tepat danvariabel yang berpengaruh adalah presentase penduduk yangtamat SMA dan presentase penduduk miskin

6

Jumlah PenderitaKusta di KabupatenProbolinggo Tahun

2014

Faktor-faktorapa saja yang berpengaruh

BagaimanaKarakteristik

Rumusan dan

Tujuan Penelitian

Manfaat

Penelitian

1 Memberikan pengetahuan tentang penyakit kusta dan pemahamanpada metode GPR beserta aplikasinya

2 Mengestimasi jumlah penderita kusta berdasarkan besar pengaruhdari masing-masing faktor risiko yang didapatkan dari model regresi

Batasan Masalah

Jumlah penderita kusta di Kabupaten Probolinggo tahun 2014 dengan unitpenelitian adalah kecamatan

7

BAB IITINJAUAN PUSTAKA

8

Statistika

Deskriptif

Rata-rata Standar Deviasi

n

x

xN

xn

i

i

n

i

i 11

Tinjauan Pustaka

Rata-rata didapatkan dari jumlahnilai data dibagi oleh banyak data

Nilai variabilitas data untukmengetahui seberapa jauh nilai ataupengamatan menyebar dari nilai rata-

rata

9

1s 1

2

1

2

n

xx

N

xn

i

i

N

i

i

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 4: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Wilayah EndemisKusta di Jawa

Timur

Paucibacilarry(PB)

Multibacilarry(MB)

Latar Belakang

GPR

4

2012 2014

288 361

Penelitian Sebelumnya tentang Penyakit Kusta

Dzikirna(2013)

bull Tentang pemodelan angka prevalensi kusta dan faktor-faktoryang mempengaruhinya di Jawa Timur dengan PendekatanGWR yang menunjukkan bahwa angka kasus baru kusta 0-14 tahun berpengaruh terhadap angka prevalensi kusta

Noviani

(2014)

bull Tentang GWPR untuk pemodelan jumlah penderita kusta diJawa Tengah hasil penelitian menunjukkan bahwa variabelyang berpengaruh adalah presentase rumah tangga ber-PHBS presentase rumah sehat banyaknya dokterbanyaknyapuskesmas kepadatan penduduk jumlah penyuluhankesehatan kelompok dan rata-rata lama sekolah

5

Penelitian Sebelumnya tentang Metode GPR

Hasanah(2014)

bull Penerapan GPR dalam memodelkan angka penderita giziburuk di Provinsi Aceh hasil penelitian menunjukkan bahwafaktor yang mempengaruhi adalah jumlah penduduk miskinpresentase rumah tangga penerima jamkesmas danpresentase rumah tangga nelayan

Assriyanti

(2011)

bull Perbandingan analisis regresi poisson GPR dan GWPR padajumlah kasus AIDS di Jawa Timur hasil penelitian tersebutadalah model GPR merupakan model yang paling tepat danvariabel yang berpengaruh adalah presentase penduduk yangtamat SMA dan presentase penduduk miskin

6

Jumlah PenderitaKusta di KabupatenProbolinggo Tahun

2014

Faktor-faktorapa saja yang berpengaruh

BagaimanaKarakteristik

Rumusan dan

Tujuan Penelitian

Manfaat

Penelitian

1 Memberikan pengetahuan tentang penyakit kusta dan pemahamanpada metode GPR beserta aplikasinya

2 Mengestimasi jumlah penderita kusta berdasarkan besar pengaruhdari masing-masing faktor risiko yang didapatkan dari model regresi

Batasan Masalah

Jumlah penderita kusta di Kabupaten Probolinggo tahun 2014 dengan unitpenelitian adalah kecamatan

7

BAB IITINJAUAN PUSTAKA

8

Statistika

Deskriptif

Rata-rata Standar Deviasi

n

x

xN

xn

i

i

n

i

i 11

Tinjauan Pustaka

Rata-rata didapatkan dari jumlahnilai data dibagi oleh banyak data

Nilai variabilitas data untukmengetahui seberapa jauh nilai ataupengamatan menyebar dari nilai rata-

rata

9

1s 1

2

1

2

n

xx

N

xn

i

i

N

i

i

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 5: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Penelitian Sebelumnya tentang Penyakit Kusta

Dzikirna(2013)

bull Tentang pemodelan angka prevalensi kusta dan faktor-faktoryang mempengaruhinya di Jawa Timur dengan PendekatanGWR yang menunjukkan bahwa angka kasus baru kusta 0-14 tahun berpengaruh terhadap angka prevalensi kusta

Noviani

(2014)

bull Tentang GWPR untuk pemodelan jumlah penderita kusta diJawa Tengah hasil penelitian menunjukkan bahwa variabelyang berpengaruh adalah presentase rumah tangga ber-PHBS presentase rumah sehat banyaknya dokterbanyaknyapuskesmas kepadatan penduduk jumlah penyuluhankesehatan kelompok dan rata-rata lama sekolah

5

Penelitian Sebelumnya tentang Metode GPR

Hasanah(2014)

bull Penerapan GPR dalam memodelkan angka penderita giziburuk di Provinsi Aceh hasil penelitian menunjukkan bahwafaktor yang mempengaruhi adalah jumlah penduduk miskinpresentase rumah tangga penerima jamkesmas danpresentase rumah tangga nelayan

Assriyanti

(2011)

bull Perbandingan analisis regresi poisson GPR dan GWPR padajumlah kasus AIDS di Jawa Timur hasil penelitian tersebutadalah model GPR merupakan model yang paling tepat danvariabel yang berpengaruh adalah presentase penduduk yangtamat SMA dan presentase penduduk miskin

6

Jumlah PenderitaKusta di KabupatenProbolinggo Tahun

2014

Faktor-faktorapa saja yang berpengaruh

BagaimanaKarakteristik

Rumusan dan

Tujuan Penelitian

Manfaat

Penelitian

1 Memberikan pengetahuan tentang penyakit kusta dan pemahamanpada metode GPR beserta aplikasinya

2 Mengestimasi jumlah penderita kusta berdasarkan besar pengaruhdari masing-masing faktor risiko yang didapatkan dari model regresi

Batasan Masalah

Jumlah penderita kusta di Kabupaten Probolinggo tahun 2014 dengan unitpenelitian adalah kecamatan

7

BAB IITINJAUAN PUSTAKA

8

Statistika

Deskriptif

Rata-rata Standar Deviasi

n

x

xN

xn

i

i

n

i

i 11

Tinjauan Pustaka

Rata-rata didapatkan dari jumlahnilai data dibagi oleh banyak data

Nilai variabilitas data untukmengetahui seberapa jauh nilai ataupengamatan menyebar dari nilai rata-

rata

9

1s 1

2

1

2

n

xx

N

xn

i

i

N

i

i

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 6: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Penelitian Sebelumnya tentang Metode GPR

Hasanah(2014)

bull Penerapan GPR dalam memodelkan angka penderita giziburuk di Provinsi Aceh hasil penelitian menunjukkan bahwafaktor yang mempengaruhi adalah jumlah penduduk miskinpresentase rumah tangga penerima jamkesmas danpresentase rumah tangga nelayan

Assriyanti

(2011)

bull Perbandingan analisis regresi poisson GPR dan GWPR padajumlah kasus AIDS di Jawa Timur hasil penelitian tersebutadalah model GPR merupakan model yang paling tepat danvariabel yang berpengaruh adalah presentase penduduk yangtamat SMA dan presentase penduduk miskin

6

Jumlah PenderitaKusta di KabupatenProbolinggo Tahun

2014

Faktor-faktorapa saja yang berpengaruh

BagaimanaKarakteristik

Rumusan dan

Tujuan Penelitian

Manfaat

Penelitian

1 Memberikan pengetahuan tentang penyakit kusta dan pemahamanpada metode GPR beserta aplikasinya

2 Mengestimasi jumlah penderita kusta berdasarkan besar pengaruhdari masing-masing faktor risiko yang didapatkan dari model regresi

Batasan Masalah

Jumlah penderita kusta di Kabupaten Probolinggo tahun 2014 dengan unitpenelitian adalah kecamatan

7

BAB IITINJAUAN PUSTAKA

8

Statistika

Deskriptif

Rata-rata Standar Deviasi

n

x

xN

xn

i

i

n

i

i 11

Tinjauan Pustaka

Rata-rata didapatkan dari jumlahnilai data dibagi oleh banyak data

Nilai variabilitas data untukmengetahui seberapa jauh nilai ataupengamatan menyebar dari nilai rata-

rata

9

1s 1

2

1

2

n

xx

N

xn

i

i

N

i

i

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 7: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Jumlah PenderitaKusta di KabupatenProbolinggo Tahun

2014

Faktor-faktorapa saja yang berpengaruh

BagaimanaKarakteristik

Rumusan dan

Tujuan Penelitian

Manfaat

Penelitian

1 Memberikan pengetahuan tentang penyakit kusta dan pemahamanpada metode GPR beserta aplikasinya

2 Mengestimasi jumlah penderita kusta berdasarkan besar pengaruhdari masing-masing faktor risiko yang didapatkan dari model regresi

Batasan Masalah

Jumlah penderita kusta di Kabupaten Probolinggo tahun 2014 dengan unitpenelitian adalah kecamatan

7

BAB IITINJAUAN PUSTAKA

8

Statistika

Deskriptif

Rata-rata Standar Deviasi

n

x

xN

xn

i

i

n

i

i 11

Tinjauan Pustaka

Rata-rata didapatkan dari jumlahnilai data dibagi oleh banyak data

Nilai variabilitas data untukmengetahui seberapa jauh nilai ataupengamatan menyebar dari nilai rata-

rata

9

1s 1

2

1

2

n

xx

N

xn

i

i

N

i

i

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 8: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

BAB IITINJAUAN PUSTAKA

8

Statistika

Deskriptif

Rata-rata Standar Deviasi

n

x

xN

xn

i

i

n

i

i 11

Tinjauan Pustaka

Rata-rata didapatkan dari jumlahnilai data dibagi oleh banyak data

Nilai variabilitas data untukmengetahui seberapa jauh nilai ataupengamatan menyebar dari nilai rata-

rata

9

1s 1

2

1

2

n

xx

N

xn

i

i

N

i

i

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 9: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Statistika

Deskriptif

Rata-rata Standar Deviasi

n

x

xN

xn

i

i

n

i

i 11

Tinjauan Pustaka

Rata-rata didapatkan dari jumlahnilai data dibagi oleh banyak data

Nilai variabilitas data untukmengetahui seberapa jauh nilai ataupengamatan menyebar dari nilai rata-

rata

9

1s 1

2

1

2

n

xx

N

xn

i

i

N

i

i

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 10: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Multikolinieritas

Pendeteksian Multikolinieritas dilihat dari beberapa kriteriasebagai berikut

VIF gt 10

211

jRVIF

Koefisien Korelasi

10

2

11

22

11

2

11 1

n

j

i

n

j

i

n

i

i

n

i

i

n

j

i

n

i

n

i

iii

yynxxn

yxyxn

r

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 11: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

)|var()|( iiii xyxyE

)|var()|( iiii xyxyE

Overdispersi

Underdispersi

Dampak Overdispersi 1 Pendugaan parameter koefisien regresi tidak efisien2 Nilai standar error menjadi under estimate3 Kesimpulan menjadi tidak valid

Taksiran Dispersi Pearson Chi-Squaredf

Deviancedf

jika nilai keduanya gt1 maka terjadi overdispersi pada data

Overdispersi padaRegresi Poisson

11

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 12: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Regresi

Poisson

Regresi Poisson adalah salah satu regresi yang digunakan untukmemodelkan data dengan variabel respon (Y) berbentuk jumlah danmengasumsikan bahwa variabel random (Y) berdistribusi Poisson

Fungsi Peluang

Distribusi Poisson

21

yy

eyf

y

12

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 13: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

13

Model Regresi Poisson

Penaksiran Parameter Model Regresi Poisson

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

n

i

i

T

i

n

i

i

n

i

T

i yxyx111

lnexplnexpL ln βββ

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 14: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Generalized Poisson

Regression

Generalized Poisson Regression merupakan pengembangan dariregresi poisson yang digunakan untuk mengatasi kondisioverunderdispersi Model GPR hampir sama dengan regresipoisson

Fungsi Distribusi Generalized Poisson

012 y 1

1exp

1

1 i

1

i

iy

i

y

i

ii

y

y

yyf

i

Model GPR

k

j

ijji

k

j

ijji

x

x

10

10

exp dimana

N12i ln

14

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 15: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Pengujian Signifikansi

Parameter Model Regresi

Poisson dan GPR

Uji Serentak

H0 H1 minimal ada satuStatistik Uji

Daerah Kritis Tolak H0 jika gtˆ( )D β )(2

k

021 kk12 j 0 j

Uji Parsial

H0 H1 Statistik Uji

Daerah Kritis Tolak H0 jika

0j

0j

j

j

set

ˆ

ˆ

2tthit

15

ˆˆln2ˆˆ

ln2ln2ˆ LLL

LD

β

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 16: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Kusta

Kulit

Saraf

MataAnggotaGerak

Kerusakan

TandaGejala 1 Bercak putih2 Bintil kemerahan3 Bagian tubuh

tidak berkeringat4 Kesemutan5 Benjolan pada

wajah

16

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 17: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Faktor PenyebabKusta

AspekKebersihan

AspekKepadatan

Hunian

AspekKemiskinan

AspekFasilitas

danPelayananKesehatan

17

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 18: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

BAB IIIMETODOLOGI DAN

PENELITIAN

18

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 19: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Data sekunder yang diperoleh dari Dinas Kesehatan Kab Probolinggo Tahun 2014

Variabel Keterangan

Y Jumlah Penderita Kusta di KabupatenProbolinggo

X1 Rata-rata Jiwa per Rumah TanggaX2 Jumlah Penduduk MiskinX3 Presentase Penduduk yang Memiliki Akses

Sanitasi LayakX4 Presentase Rumah SehatX5 Presentase Rumah Tangga ber-PHBSX6 Presentase Tenaga Medis terhadap Jumlah

PendudukX7 Presentase Tempat-Tempat Umum

Memenuhi SyaratX8 Presentase Desa Melaksanakan STBM

Sumber

Data

Variabel

Penelitian

19

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 20: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

1bull Melakukan analisis statistika deskriptif

2bull Mendeteksi multikolinieritas antar variabel prediktor

3bull Mendapatkan model untuk regresi poisson

4bull Mendeteksi adanya overdispersi pada regresi poisson

5bull Mendapatkan model terbaik untuk Generalized Poisson Regression

6bull Membuat kesimpulan dan saran

Langkah Analisis

20

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 21: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Diagram

Alir

21

Statistika Deskriptif

Mendapatkan Model Regresi Poisson

Mendeteksi Overdispersi

Mendapatkan Model GPR

Tidak

Ya

Mendeteksi Multikolinieritas

Kesimpulan

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 22: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

BAB IVANALISIS DAN PEMBAHASAN

22

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 23: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Karakteristik Penyakit Kustadi Kabupaten Probolinggo

23

Variabel Rata-rataStandarDeviasi

Minimum Maksimum

Y 17 1063 0 44X1 4 020 306 384X2 5984 1377 3953 9034X3 5250 1660 2552 100X4 2938 1831 005 6018X5 2046 1128 0 3957X6 0081 0023 0049 0158X7 4365 2415 1429 100X8 3824 2303 0 100

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 24: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

24

Peta Penyebaran JumlahPenderita Kusta

125 sedang

1667 sangatrendah

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 25: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Peta Penyebaran PresentasePenduduk Miskin

25

1667 rendah

2083 sangatrendah

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 26: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Peta Penyebaran PresentasePenduduk yang Memiliki Akses

Sanitasi Layak

26

Mayoritas rendah

2083 tinggi

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 27: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Peta Penyebaran PresentaseRumah Sehat

27

25 tinggi

2083 rendahdan sedang

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 28: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Peta Penyebaran PresentaseRumah Tangga ber-PHBS

28

2083 tinggidan sangat tinggi

25 sedang

2083 rendah

125 sangatrendah

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 29: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Peta Penyebaran PresentaseTenaga Medis

29

Mayoritas rendah

125 tinggi

1667 sangatrendah

25 sedang

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 30: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Peta Penyebaran Presentase Tempat-tempat Umum Memenuhi Syarat

Kesehatan

30

Mayoritas tinggi

25 sangat tinggi

1667 rendah

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 31: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Peta Penyebaran PresentaseDesa Melaksanakan STBM

31

25 sedang

333 tinggi

1667 rendah

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 32: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

PendeteksianMultikolinieritas

32

X1 X2 X3 X4 X5 X6 X7 X8

X1 1X2 -0377 1X3 0616 -0142 1X4 0270 -0079 0342 1X5 0511 0015 0312 0409 1X6 0552 -0170 0121 -0140 0351 1X7 0491 -0076 0270 0270 0598 0257 1X8 0021 -0039 -0070 0080 0063 -0121 0156 1

MatriksKorelasi

Variabel VIFX1 3742X2 1295X3 1961X4 1496X5 2110X6 1978X7 1732X8 1089

Tidakterdapat nilai

VIF gt 10

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 33: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Regresi Poisson

33

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika gt

087654321

128 j 0satu terdapat minimal j

2)( df

(Devians) 213115507

Devians gt 2)0508(

Tolak H0

2

df

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 34: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

34

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

)signifikan tidak j-ke variabel(pengaruh 0j)signifikan j-ke variabel(pengaruh 128 j 0 j

Parameter EstimasiStandard

ErrorP-value

β0 32009 15626 00516β1 01849 05177 07241β2 -001227 0004483 00115

β3 -001484 0005109 00078

β4 -000048 0003794 0900

β5 003214 0006489 lt00001

β6 -74228 31491 00269

β7 -000273 0002917 03585

β8 0009366 0002323 00005

86532 0093660422870321400148400122702013exp XXXXX

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 35: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Nilainyalebih dari 1

PemeriksaanOverdispersi

35

Kriteria Nilai db Nilaidb

Deviance 12989 18 72161

Pearson Chi-Square 11387 18 63261

Terjadi kasus overdispersi

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 36: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

AIC Terkecil

GPR

36

Kemungkinan Model(Y dengan Xi)

AICParameter yang

Signifikan

X8 1822 β0 θ

X3X8 1709 β0 θ

X3 X4 X8 1591 β0 β8 θ

X2 X3 X5 X8 1593 β0 β8 θ

X2 X3 X5 X6 X8 1598 β0 β8 θ

X2 X3 X5 X6 X7 X8 1617 β0 β8 θ

X1 X2 X3 X5 X6 X7 X8 1636 β8 θ

X1 X2 X3 X4 X5 X6 X7 X8 1656 β8 θ

X3 presentase penduduk yang memiliki akses sanitasi layak (jamban sehat) X4 presentase rumah sehatX8 presentase desa melaksanakan sanitasi total berbasis masyarakat

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 37: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

37

Uji SerentakH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

(Devians) 14917815

Devians gt

Tolak H0

0843 348 j 0satu terdapat minimal j

05032

2

df

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 38: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Uji ParsialH0 H1 Statistik Uji Taraf Signifikan α = 5Daerah Kritis Tolak H0 jika P-value lt α

38

0j

348 j 0 j

Parameter EstimasiStandart

ErrorP-value

β0 21199 04864 00003β3 -000105 0009021 09084β4 0007495 0007574 03331β8 001236 0005057 00229θ 006290 001969 00042

80012361192exp X

setiap peningkatan 1 desa melaksanakan sanitasi total berbasis masyarakat maka akan meningkat pula rata-rata jumlah penderita kusta di Kabupaten Probolinggo sebesar

1012437 kali lipat

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 39: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

AIC Terkecil

Pemilihan Model Terbaik

39

Model Variabel Signifikan AICRegresi Poisson X2 X3 X5 X6 X8 2331

Generalized Poisson

RegressionX8 1822

Model terbaik adalah Generalized Poisson

Regression karena lebih sesuai dalammengakomodasi kasus overdispersi

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 40: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

BAB VKESIMPULAN DAN SARAN

40

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 41: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

1

bull Gambaran umum dari jumlah penderita kusta di KabupatenProbolinggo tahun 2014 menunjukkan tingkat kasus kustamasih tinggi dengan rata-rata di tiap kecamatan di KabupatenProbolinggo adalah 17 kasus dari jumlah maksimal sebesar44 kasus Penyebaran jumlah penderita kusta di KabupatenProbolinggo tidak terlalu besar dan wilayah yang tidakterdapat kasus kusta yaitu wilayah Kecamatan Sukapura danSumber

2

bull Model terbaik yang mampu menjelaskan keadaan kusta diKabupaten Probolinggo yaitu model dari generalized Poissonregression dengan variabel prediktor yang memberikanpengaruh signifikan terhadap rata-rata jumlah penderita kustadi Kabupaten Probolinggo adalah presentase desa yangmelaksanakan sanitasi total berbasis masyarakat

Kesimpulan

41

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 42: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

Perlu meningkatkan jumlah tenaga medis diKecamatan Tongas agar penyuluhan tentangSTBM dapat tersampaikan dengan baik padamasyarakat untuk merubah perilaku kesehatandan sanitasi yang dapat mencegah terjadinyamasalah kesehatan khususnya penyakit kustasebab di Kecamatan Tongas presentasependuduk yang memiliki akses sanitasi layak(jamban sehat) masih masuk kedalam kategorisedang

Saran

42

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 43: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

bull Abdi GM (2014) Pemodelan Prevalensi Kejadian Kusta dengan Pendekatan Spatial

Durin Model-SEM PLS Surabaya Institut Teknologi Sepuluh Nopemberbull Agresti A (2002) Categorical Data Analysis Second Edition New York John Wiley and

Sonsbull Arif P (2004) Cara Mudah Mengatasi Masalah Statistik dan Rancangan Percobaan

dengan SPSS 12 Jakarta PT Elex Media Komputindobull Assriyanti N (2011) Perbandingan Analisis regresi poisson Generalized Poisson Regression

dan Geographically Weighted Poisson Regression Studi Kasus Pemodelan Jumlah Kasus

AIDS di Jawa Timur Tahun 2008 Surabaya Institut Teknologi Sepuluh Nopemberbull [Dinkes]Dinas Kesehatan(2012)Profil Kesehatan Provinsi Jawa Timur Retrieved Januari

042016fromdinkesjatimprovgoidhttpdinkesjatimprovgoiddokumendokumen_publikasihtml

bull [Dinkes] Dinas Kesehatan (2014) Profil Kesehatan Kabupaten Probolinggo RetrievedJanuari042016from httpwwwprobolinggokabgoiddokumendokumen_publikasihtml

bull Dzikrina AM (2013) Pemodelan Angka Prevalensi Kusta dan Faktor-Faktor yang

Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(GWR) Surabaya Institut Teknologi Sepuluh Nopemberbull Famoye F Wulu JT amp Singh KP (2004) On The Generalized Poisson Regression Model

with an Application to Accident Data Journal of Data Science 2 (2004) 287-285bull HasanahU (2014) Penerapan Generalized Poisson Regression (GPR) dalam Memodelkan Angka

Penderita Gizi Buruk di Provinsi Aceh Banda Aceh Universitas Syiah Kuala

Daftar Pustaka

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 44: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

bull [Kemenkes] Kementrian Kesehatan RI (2015) Pusat Data dan Informasi Kesehatan

Kementrian Kesehatan RI Kusta Retrieved Januari 04 2016fromhttpkemenkesRIgoidhttpkemenkesRIgoiddokumendokumen_publikasihtml

bull Nawari (2010) Analisis Regresi dengan MS Excel 2007 dan SPSS 17Jakarta PT Elex MediaKomputindo

bull Noviani D (2014) Geographically Weighted Poisson Regression (GWPR) untuk Pemodelan

Jumlah Penderita Kusta di Jawa Tengah Semarang Universitas MuhammadiyahSemarang

bull MuhaaryA (2014) Jurnal Kesehatan Masyarakat Faktor Risiko Kejadian Kusta SemarangUniversitas Negeri Semarang

bull Ophthalmol J (2006) Kejadian Mordibitas Okular Antara Pasien Kusta Multibasiler

Selama Kursus 2 Tahun Terapi Multidrug Jakarta PMCIDbull Permanasari I (2010) Faktor yang Memberikan Kontribusi Terhadap Tingginya Kejadian

Kusta Tasikmalaya Universitas Siliwangibull Putu I (2013) Penerapan Regresi Generalized Poisson untuk Mengatasi

FenomenaOverdispersi pada Kasus Regresi Poisson Bukit Jimbaran UniversitasUdayana

bull Putri S (2014) Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi

Binomial Negatif (Studi Kasus Pemodelan Jumlah Penderita Kusta di Jawa Timur

Tahun 2012) Surabaya Institut Teknologi Sepuluh Nopemberbull Setiani L (2014) Faktor-Faktor yang Berhubungan dengan Kejadian Kusta di Wilayah

Kerja Puskesmas Kabunan Kabupatem Pemalang Surakarta UniversitasMuhammadiyah Surakarta

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives

Page 45: PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN …repository.its.ac.id/666/2/1313030029-Presentation.pdf · yang berpengaruh adalah presentase rumah tangga ber-PHBS,presentaserumahsehat,banyaknyadokter,banyaknya

bull Soewono H (2004) Permasalahan Penderita Kusta dalam Pedoman Standar Pengobatan dan

Pengelolaan Kusta di Rumah Sakit Tangerang RS Kusta Sitanalabull Suharmadi (2005) Perumahan Sehat Sekolah Pembantu Pemilik Higiene Bandung Proyek

Pengembangan Pendidikan Tenaga Sanitasi Pusatbull Walpole R (1997) Pengantar Metode Statistika Edisi ke-3 Jakarta Gramedia Pustaka

Utamabull WHO [World Health Organization] Regional Office For South East ASIA (2002) Regional

Conference of Parliamentarians on the Report of the Commission on Macroeconomics

and Health Bangkok Health and Development Regional Initatives