PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN...
Transcript of PEMODELAN JUMLAH PENDERITA KUSTA DI KABUPATEN...
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
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
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
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
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
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
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
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
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
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
)|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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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