TUGAS AKHIR - SS 145561
POLA PENYEBARAN DAN PENGELOMPOKAN PADA PENDERITA PENYAKIT MENULAR BERDASARKAN KECAMATAN DI KABUPATEN PROBOLINGGO TAHUN 2014 MENGGUNAKAN ANALISIS KORESPONDENSI DAN ANALISIS CLUSTER
PUTRI YANA NURJANAH NRP 1312 030 021 Dosen Pembimbing Dr. Bambang Widjanarko Otok, M.Si PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2016
N JUDUL
TUGAS AKHIR - SS 145561
POLA PENYEBARAN DAN PENGELOMPOKAN PADA PENDERITA PENYAKIT MENULAR BERDASARKAN KECAMATAN DI KABUPATEN PROBOLINGGO TAHUN 2014 MENGGUNAKAN ANALISIS KORESPONDENSI DAN ANALISIS CLUSTER
PUTRI YANA NURJANAH NRP 1312 030 021 Dosen Pembimbing Dr. Bambang Widjanarko Otok, M.Si PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2016
N JUDUL
TUGAS AKHIR - SS 145561
THE PATTERN AND GROUPING SPREAD OF INFECTIOUS DISEASES IN THE DISTRICT PROBOLINGGO 2014 WITH CORRESPONDANCE AND CLUSTER ANALYSIS
PUTRI YANA NURJANAH NRP 1312 030 021 Dosen Pembimbing Dr. Bambang Widjanarko Otok, M.Si PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2016
ix
vii
POLA PENYEBARAN DAN PENGELOMPOKAN PADA PENDERITA PENYAKIT MENULAR BERDASARKAN
KECAMATAN DI KABUPATEN PROBOLINGGO TAHUN 2014 MENGGUNAKAN ANALISIS KORESPONDENSI
DAN ANALISIS CLUSTER
Nama Mahasiswa : Putri Yana Nurjanah NRP : 1312 030 021 Jurusan : Dipl. III Statistika FMIPA-ITS Dosen Pembimbing : Dr. Bambang Widjanarko Otok, M.Si
ABSTRAK Penyakit menular masih menjadi masalah utama kesehatan mayarakat di Indonesia dan masih sering timbul sebagai KLB (Kejadian Luar Biasa) yang menyebabkan kematian bagi penderitanya. Pembangunan kesehatan diarahkan untuk meningkatkan kesadaran hidup sehat bagi setiap orang agar terbentuk kesehatan masyarakat yang optimal. Kabupaten Probolinggo merupakan salah satu daerah di Jawa Timur yang menyumbangkan persentase cukup besar terhadap Produk Domestik Regional Bruto (PDRB) dalam sektor industri. Sektor ini menyumbang sekitar 14,37 persen terhadap PDRB Kota Probolinggo. Oleh karenanya akan dilakukan penelitian terhadap penyebaran penyakit menular berdasarkan kecamatan yang ada di Kabupaten Probolinggo tahun 2014 dengan analisis korespondensi. Sumber data sekunder yang digunakan berasal dari Dinas Kesehatan Kabupaten Probolinggo. Hasil analisis korespondensi menunjukkan peyebaran penyakit polio dan campak di Kabupaten Probolinggo relatif memiliki kecenderungan hampir ke semua kecamatan yang ada di Kabupaten Probolinggo namun kecamatan yang memiliki kecenderungan lebih erat terhadap penyakit polio adalah Kecamatan Gending dan Leces. Sedangkan hasil analisis cluster menunjukkan bahwa terdapat tiga cluster yang terbentuk.
Kata Kunci : Analisis Cluster, Analisis Korespondensi, Kabupaten
Proboloinggo, Penyakit Menular
ix
THE PATTERN AND GROUPING SPREAD OF INFECTIOUS DISEASES IN THE DISTRICT
PROBOLINGGO 2014 WITH CORRESPONDANCE AND CLUSTER ANALYSIS
Name : Putri Yana Nurjanah NRP : 1312 030 021 Departement : Dipl. III Statistics FMIPA-ITS Supervisor : Dr. Bambang W. Otok, M.Si
ABSTRATC Infectious disease remains a major public health problem in Indonesia and is still frequently arise as extraordinary event that cause death to the sufferers. Health development is directed to increase awareness of healthy life for everyone in order to form an optimalpublic health. Probolinggo is one area in East Java who donated a large enough pencetage of the Gross Domestic Product in the industrial sector. This sector accounts for approximately 14,37 percent of the Probolinggo Gross Domestic Product. Therefore it will do research on the spread of infectious diseases by districts in Probolinggo 2014 by using correspondence and cluster analysis. Secondary data sources used come from Probolinggo District Health Office. An analysis of correspondence showing the polio and measles spread in Probolinggo relative has a tendency to almost all districts in Probolinggo, but districts that have a tendency more closely against polio is the Gending and Leces District. While the results of cluster analysis showed that there are three clusters are formed.
Key Word : Clusters Analysis, Correspondance Analysis, Districts
Probolinggo, Infectious Disease
xi
KATA PENGANTAR
Puji syukur penulis panjatkan atas kehadirat Allah SWT yang telah memberikan rahmat, hidayah, nikmat, dan petunjuk-Nya serta tak lupa Sholawat dan salam kepada Rasulullah SAW sehingga penulisan Tugas Akhir dengan judul “Pola Penyebaran Dan Pengelompokan Pada Penderita Penyakit Menular Berdasarkan Kecamatan Di Kabupaten Probolinggo Tahun 2014 Menggunakan Analisis Korespondensi Dan Analisis Cluster” dapat terselesaikan dengan baik dan tepat pada waktunya.
Selama proses penyusunan hingga penyelesaian Tugas Akhir ini tidak lepas dari doa, saran, bimbingan serta dukungan dari berbagai pihak. Oleh karena itu, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Bapak Dr. Bambang Widjarnako Otok, M.Si. selaku dosen pembimbing yang telah bersedia meluangkan waktu untuk memberi bimbingan, ilmu, nasihat beserta saran kepada penulis demi kesempurnaan Tugas Akhir ini.
2. Bapak Dr. Suhartono, M.Sc selaku Ketua Jurusan Statistika FMIPA ITS.
3. Bapak Dr. Wahyu Wibowo, S.Si., M.si selaku Ketua Program Studi DIII Statistika ITS atas bimbingan, motivasi, dan saran yang diberikan selama ini.
4. Ibu Dra. Sri Mumpuni Retnaningsih, MT dan Bapak Dr. Purhadi, M.Sc selaku dosen penguji telah memberikan saran dan kritik yang sangat membangun.
5. Ibu Dra. Sri Mumpuni Retnaningsih, MT selaku dosen wali yang memberi-kan perhatian, dukungan dan nasehat selama 6 (enam) semester penulis menempuh pendidikan di Jurusan Statistika ITS.
6. Seluruh dosen Jurusan Statistika yang telah memberikan ilmu selama penulis menempuh pendidikan. Seluruh karyawan Jurusan Statistika yang telah membantu kelancaran dalam pelaksanaan kegiatan perkuliahan.
xii
7. Bapak Cipto dan Ibu Suyatmi yang selalu mendoakan, memberikan dukungan, saran, dan semua kasih sayang yang diberikan, nenek serta kakakku Sulistiono yang telah memberi semangat terus menerus. Semoga penulis bisa menjadi anak, cucu sekaligus adik yang selalu membanggakan kalian.
8. Teman-teman seperjuangan Esti, Ike dan Titik yang telah berbagi ilmu dan cerita.
9. Teman-teman D3 2013 terutama rekan seperjuangan Lab Lingkes yang tidak dapat disebutkan satu persatu.
10. Keluarga ∑23 dan ∑24 yang telah memberikan banyak kenangan dari awal hingga saat ini.
11. Dan tekahir kepada semua pihak yang belum bisa disebutkan dan berkontribusi lebih, baik melalui dukungan moril maupun bantuan secara nyata demi suksesnya Tugas Akhir ini. Penulis menyadari bahwa Tugas Akhir ini masih jauh dari
sempurna. Oleh sebab itu, diharapkan saran dan kritik yang membangun dari berbagai pihak untuk dijadikan bahan pertimbangan dalam penyusunan laporan berikutnya. Semoga dapat memberi manfaat kepada penulis dan juga pembaca.
Surabaya, Juli 2016
Penulis
xiii
DAFTAR ISI Halaman
HALAMAN JUDUL ............................................................. i TITLE PAGE .......................................................................... iii LEMBAR PENGESAHAN .................................................. v ABSTRAK ............................................................................. vii ABSTRACT .......................................................................... ix KATA PENGANTAR .......................................................... xi DAFTAR ISI ......................................................................... xiii DAFTAR GAMBAR ............................................................ xv DAFTAR TABEL ................................................................. xvii DAFTAR LAMPIRAN ........................................................ xix BAB I PENDAHULUAN 1.1 Latar Belakang ................................................................. 1 1.2 Rumusan Masalah ............................................................ 3 1.3 Tujuan ............................................................................... 4 1.4 Manfaat ............................................................................. 4 1.5 Batasan Masalah ............................................................... 4 BAB II TINJAUAN PUSTAKA 2.1 Tabel Kontingensi ............................................................. 5 2.2 Analisis Korespondensi ..................................................... 5 2.3 Analisis Cluster ................................................................. 12 2.3.1 Metode Ward’s ....................................................... 12 2.3.2 MANOVA (Multivariate Analysis of Variances)........................................................... 13 2.4 Gambaran Umum Kabupaten Probolinggo ....................... 14 2.5 Penyakit Menular .............................................................. 15 BAB III METODOLOGI PENELITIAN 3.1 Sumber Data ...................................................................... 19 3.2 Variabel Penelitian ........................................................... 20 3.3 Metode Ananlisis Data ...................................................... 20
xiv
3.4 Langkah-langkah Metode Analisa .................................... 21 BAB IV ANALISIS DAN PEMBAHASAN 4.1 Deskripsi Kabupaten Probolinggo Jenis Penyakit Menular ..................................................... 25 4.1.1 Deskripsi Kecamatan di Kabupaten Probolinggo Berdasarkan Jenis Penyakit Menular ...................... 25
4.1.2 Deskripsi Matriks Korespondensi Kecamatan di Kabupaten Probolinggo Berdasarkan Jenis Penyakit Menular ................................................................. 26
4.2 Pola Kecenderungan Penyakit Menular Di Kabupaten Probolinggo .................................................... 27
4.3 Analisis Cluster ................................................................. 35 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ........................................................................ 41 5.2 Saran .................................................................................. 42 DAFTAR PUSTAKA LAMPIRAN
xv
DAFTAR GAMBAR Halaman
Gambar 3.1 Peta Administrasif Kabupaten Probolinggo Dengan 24 Kecamatan ....................................... 19 Gambar 3.2 Diagram Alir Analisis Data ............................... 22 Gambar 4.1 Visualisasi Plot Analisis Korepondensi Tahun 2014 ........................................................ 33 Gambar 4.2 Dendogram Hasil Analisis Cluster ..................... 35 Gambar 4.3 Pengelompokan Kabupaten Probolinggo Menurut Kelompok Baru .................................... 38
xvii
DAFTAR TABEL Halaman
Tabel 2.1 Bentuk Umum Tabel Kontingensi Dua Dimesi................................................................... .. 5 Tabel 2.2 Tabel Kontingensi Proporsi Dua Dimensi ............ ...6 Tabel 3.1 Daftar Nama Kecamatan di Kabupaten
Probolinggo .......................................................... 19 Tabel 3.2 Variabel Penelitian Prevalensi Penyakit Menular di Kabupaten Probolinggo Tahun 2014 ................ 20 Tabel 3.3 Struktur Data Penyakit Menular di Kabupaten Probolinggo Tahun 2014 ...................................... 20 Tabel 4.1 Tabulasi Silang antara Kecamatan di Kab. Probolinggo dan Penyakit Menular ...................... 25 Tabel 4.2 Matriks Korespondensi ......................................... 26 Tabel 4.3 Reduksi Dimensi Data Tahun 2014 ...................... 28 Tabel 4.4 Profil Baris Kecamatan Data Tahun 2014 ............ 29 Tabel 4.5 Profil Kolom Penyakit Menular Tahun 2014 ....... 30 Tabel 4.6 Koordinat Profil Baris Data Tahun 2014 .............. 31 Tabel 4.7 Koordinat Profil Kolom Data Tahun 2014 ........... 32 Tabel 4.8 Jarak Euclidean Data Tahun 2014 ........................ 34 Tabel 4.9 Hasil Perhitungan Wilk’s Lamda .......................... 36 Tabel 4.10 Pengelompokan Kecamatan Berdasarkan Penyakit Menular .................................................. 36 Tabel 4.11 Karakteristik Kelompok 1-3 ................................. 38
xix
DAFTAR LAMPIRAN Halaman
Lampiran 1 Jumlah Kasus Penyakit Menular di Kabupaten Probolinggo Tahun 2014 .............. 45
Lampiran 2 Reduksi Dimensi Data Tahun 2014 ................ 46 Lampiran 3 Profil Baris Jenis Penyakit Menular
Tahun 2014 ..................................................... 46 Lampiran 4 Profil Baris Kecamatan Data Tahun 2014 ...... 47 Lampiran 5 Metode Ward’s ................................................ 49 Lampiran 6 Anggota Kelompok Dalam Analisis Cluster ... 50 Lampiran 7 Analisis MANOVA 5 Cluster ......................... 51 Lampiran 8 Analisis MANOVA 4 Cluster ......................... 51 Lampiran 9 Analisis MANOVA 3 Cluster ......................... 52 Lampiran 10 Analisis MANOVA 2 Cluster ......................... 52 Lampiran 11 Karakteristik Pada Kelompok 1 ...................... 53 Lampiran 12 Karakteristik Pada Kelompok 2 ...................... 53 Lampiran 13 Karakteristik Pada Kelompok 3 ...................... 54
1
BAB I PENDAHULUAN
1.1 Latar Belakang
Penyakit menular masih menjadi masalah utama kesehatan mayarakat di Indonesia dan masih sering timbul sebagai KLB (Kejadian Luar Biasa) yang menyebabkan kematian bagi penderitanya. Menurut Kementrian Kesehatan RI (2014), beberapa penyakit menular diantaranya merupakan penyebab kematian tertinggi di Indonesia, seperti: diare, infeksi saluran pernafasan akut (ISPA), tuberkulosis (TB paru), demam berdarah dengue (DBD), HIV/AIDS, diare, filariasis dan penyakit menular lainnya.
Pembangunan kesehatan diarahkan untuk meningkatkan kesadaran hidup sehat bagi setiap orang agar terbentuk kesehatan masyarakat yang optimal. Kementrian Kesehatan, Dinas Kesehatan Provinsi dan kabupaten/kota dalam menjalankan kebijakan dan program pembangunan kesehatan berorientasi pada pencapaian Millenium Development Goals (MDGs). Salah satu bidang kesehatan yang merupakan tujuan MGDs adalah memerangi HIV/AIDS, Malaria, Tuberkulosis dan penyakit menular lainnya (Dinas Kesehatan Provinsi Jawa Timur, 2013), dimana dalam pencapaian tujuan tersebut tidak menutup kemungkinan bahwa kabupaten/kota di Indonesia juga melakukan tujuan tersebut, termasuk Kabupaten Probolinggo.
Kabupaten Probolinggo merupakan salah satu daerah di Jawa Timur yang menyumbangkan persentase cukup besar terhadap Produk Domestik Regional Bruto (PDRB) dalam sektor industri. Sektor ini menyumbang sekitar 14,37 persen terhadap PDRB Kota Probolinggo. Di daerah Probolinggo terdapat pengembangan industri pelabuhan, industri sepanjang jalan Brantas seluas 200 hektare (Ha), argoindustri seluas 12 Ha, serta sentra peruntukan industri kecil skala rumah tangga menyebar di berbagai kecamatan di daerah Probolinggo (Soekarwo, 2014). Beberapa penelitian menunjukkan bahwa di wilayah industri,
2
gangguan kesehatan frekuensi kejadiannya meningkat, yang disebabkan oleh polusi udara/air, pencemaran bahan kimia dan sebagainya. Penelitian Yusnabeti, Wulandari dan Luciana (2010), menjelaskan bahwa hasil buangan proses produksi dan aktivitas industri berhubungan dengan kejadian ISPA. Adanya pencemaran udara akibat hal tersebut, semakin mempersulit masyarakat sekitar untuk mendapatkan udara bersih. Penyakit yang terjadi akibat adanya pembangunan industri, diantaranya diare, hepatitis dan berbagai penyakit pernafasan seperti ISPA, TB paru dan pneumonia.
Kabupaten Probolinggo tercatat sebagai daerah yang memiliki sanitasi terendah di Jawa Timur dan memiliki jumlah kasus penyakit menular yang cukup tinggi. Menurut Dinas Kesehatan Probolinggo (2014), Kabupaten Probolinggo pada tahun 2014 tercatat menduduki peringkat pertama kabupaten di Jawa Timur yang memiliki jumlah kasus penyakit tuberkulosis sebanyak 1.328 kasus. Penyakit kusta, polio, campak, DBD dan pnemonia, Kabupaten Probolinggo berada pada posisi ke enam di Jawa Timur dengan jumlah kasus penyakit kusta sebanyak 316 kasus, kasus polio sebanyak 14.959 kasus, kasus campak sebanyak 15.188 kasus dan kasus pneumonia pada balita sebanyak 7.570 kasus. Selain itu penyakit menular yang berada pada zona merah diantaranya adalah penyakit DBD, filarisis dan polio (Dinas Kesehatan Probolinggo, 2012).
Penelitian sebelumnya yang berhubungan dengan penyakit menular di Jawa Timur, diantaranya: Prasetyo, 2011 dan Ernawati, 2013. Prasetyo (2011), mengkaji tentang penderita penyakit menular di Kabupaten Bangkalan pada tahun 2010 dengan metode analisis yang digunakan adalah analisis korespondensi. Hasil yang diperoleh pada penelitian ini adalah pola kecenderungan penyakit malaria berada di kecamatan Burneh, penyakit DBD dan filariasis cenderung di kecamatan Galis dan penyakit chikungunya cenderung di kecamatan Labang. Ernawati (2013), mengkaji tentang pemetaan kabupaten/kota di Provinsi Jawa Timur berdasarkan puskesmas yang memiliki
3
program pemberantasan penyakit menular dengan metode Biplot. Dari hasil penelitiannya didapatkan bahwa kabupaten yang berada dalam zona merah diantaranya adalah kabupaten Gresik, Bangkalan, Banyuwangi, Lumajang, Probolinggo dan Jombang.
Dari meningkatnya penyakit menular di Kabupaten Probolinggo, dilakukan penelitian terhadap kecenderungan penyebaran penyakit menular berdasarkan kecamatan yang ada di Kabupaten Probolinggo tahun 2014 dengan analisis korespondensi, serta dilakukan pengelompokan kecamatan di Kabupaten Probolinggo tahun 2014 berdasarkan kesamaan antar kecamatan yang ada di Kabupaten Probolinggo tahun 2014 dengan analisis cluster. Jenis penyakit menular yang dikaji dalam penelitian ini, diantaranya: penyakit diare, tuberkulosis, pneunomia pada balita, DBD, kusta, filarisis, campak, polio dan AFP (acute flaccid paralysis/lumpuh layu akut). Tujuan yang diharapkan dengan adannya penelitian ini yakni mengetahui pola kecenderungan penyakit menular setiap kecamatan dan pengelompokkan kecamatan di Kabupaten Probolinggo tahun 2014 berdasarkan kesamaan antar kecamatan, sehingga dari hasil ini dapat dijadikan sebagai pertimbangan dan masukan dalam kebijakan program pembangunan kesehatan di Kabupaten Probolinggo. 1.2 Rumusan Masalah
Kabupaten Probolinggo merupakan salah satu daerah di Jawa Timur yang menyumbangkan persentase cukup besar terhadap Produk Domestik Regional Bruto (PDRB) dalam sektor industri. Dengan adanya hal itu tidak menutup kemungkinan bahwa masyarakat di daerah tersebut sulit untuk mendapatkan udara bersih dan dapat memicu adanya gangguan kesehatan yang disebabkan oleh polusi udara/air, pencemaran bahan kimia dan sebagainya. Sehubungan dengan hal tersebut, maka akan dilakukan analisis pola kecenderungan penyebaran penyakit menular dan pengelompokan kecamatan berdasarkan kesamaan antar kecamatan di Kabupaten Probolinggo tahun 2014.
4
1.3 Tujuan Berdasarkan rumusan masalah yang dibuat, tujuan yang
ingin dicapai dalam penelitian ini adalah sebagai berikut. 1. Mendapatkan pola kecenderungan penyakit menular
setiap kecamatan di Kabupaten Probolinggo tahun 2014. 2. Mengelompokkan kecamatan di Kabupaten Probolinggo
tahun 2014 berdasarkan kesamaan antar kecamatan.
1.4 Manfaat Manfaat yang diharapkan penelitian ini adalah memberikan
informasi mengenai penyebaran penyakit menular di Kabupaten Probolinggo tahun 2014 kepada masyarakat dan memberikan informasi mengenai pengelompokan kecamatan di Kabupaten Probolinggo tahun 2014 berdasarkan kesamaan antar kecamatan serta memberikan masukan kepada pemerintah daerah mengenai kebijakan program pembangunan kesehatan khususnya penanganan pelayanan kesehatan di Kabupaten Probolinggo.
1.5 Batasan Masalah
Batasan masalah dalam penelitian ini adalah data jumlah kasus penyakit menular di Kabupaten Probolinggo tahun 2014. Dari 8 jenis penyakit menular hanya 6 jenis kasus penyakit menular yang digunakan sebagai variabel penelitian, yaitu penyakit diare, tuberkulosis, pneunomia pada balita, DBD, kusta, campak, dan polio. Unit penelitian yang digunakan adalah 24 kecamatan yang ada di Kabupaten Probolinggo.
5
BAB II LANDASAN TEORI
2.1 Tabel Kontingensi Dua Dimensi Menurut Johnson dan Winchern (2007), tabel kontingensi adalah tabulasi silang dua variabel atau lebih yang berisi frekuensi-frekuensi responden dalam setiap sel. Misalkan tabel kontingensi terdiri atas i baris dan j kolom dengan nij menyatakan frekuensi untuk setiap kombinasi baris ke-i dan kolom ke-j. Tabulasi silang merupakan metode statistik yang menggambarkan dua atau lebih variabel secara simultan dan hasilnya ditampilkan dalam bentuk tabel yang merefleksikan distribusi bersama dua atau lebih variabel dengan jumlah kategori terbatas. Bentuk umum dari tabel kontingensi dua dimensi disajikan pada Tabel 2.1
Tabel 2.1 Bentuk Umum Tabel Kontingensi Dua Dimensi
Keterangan: ijn = nilai pengamatan baris ke-i dan kolom ke-j
.in = jumlah total pengamatan baris ke-i
. jn = jumlah total pengamatan kolom ke-j n = jumlah total pengamatan
2.2 Analisis Korespondensi
Menurut Johnson dan Winchern (2007), analisis korespondensi merupakan prosedur grafis untuk menggambarkan suatu hubungan pada tabel kontingensi. Analisis korespondensi
Variabel 1 Variabel 2 Total 1 2 … J 1 n11 n12 … n1I n1. 2 n21 n22 … n2I n2. I pi1 nI2 … nIJ nI.
Total n.1 n.2 … n.J n..
6
sebagai teknik yang memperagakan baris dan kolom matriks data (terutama tabel kontingensi dua dimensi) sebagai titik dalam ruang vektor berdimensi rendah. Hasil analisis korespondensi biasanya menghasilkan dua dimensi terbaik untuk mempresentasikan data, yang menjadi koordinat titik dan suatu ukuran jumlah informasi yang ada dalam setiap dimensi yang dinamakan inersia. Secara geometris bentuk kolom suatu matriks X(i × j) dengan i baris dan j kolom dipandang sebagai titik-titik dalam suatu ruang berdimensi i atau j. a. Konsep Dasar Analisis Korespondensi
Menurut Johnson dan Winchern (2007), perhitungan dalam analisis korespondensi dimulai dari X dengan elemennya yaitu nij yang tersusun pada tabel kontingensi dua dimensi I × J. Jika n adalah total frekuensi data matriks X, yang pertama dilakukan adalah menyusun matriks proporsi P = { }ijp dengan membagi masing-masing elemen dari X dengan n. Oleh karenanya matriks proporsi pij dapat dituliskan pada persamaan (2.1). Matriks P dapat dikatakan sebagai matriks korespondensi.
Tabel 2.2 Tabel Kontingensi Proporsi Dua Dimensi
Variabel 1 Variabel 2 Total 1 2 … J 1 p11 p12 … p1I p1. 2 p21 p22 … p2I p2. I PI1 pI2 … PIJ PI.
Total p.1 p.2 … p.J 1
JjIinn
p ijij ,,2,1 ,,2,1 ,
.. === (2.1)
7
Dari tabel 2.2 dapat diketahui nilai matriks P sebagai
berikut.
=
IJiI
J
J
ppp
pppppp
P
21
22221
11211
(2.2)
Untuk mencari vektor baris (r) dan kolom (c) (persamaan 2.3) dengan ri > 0 ( )1,2, ,i I= � , cj > 0 ( )1,2, ,j J= � .
Jjnn
pc
Iinn
pr
I
i
ijI
iiji
J
j
ijJ
jiji
,,2,1 ,..
,,2,1 ,..
11
11
===
===
∑∑
∑∑
==
== (2.3)
ri adalah massa baris dan cj adalah massa kolom yang dapat ditunjukkan dengan vektor pada persamaan (2.4) sebagai berikut.
=
Ir
rr
r2
1
;
=
Jc
cc
c2
1
(2.4)
Bentuk persamaan yang merupakan matriks diagonal
jumlahan baris dan kolom dari matriks korespondensi dapat ditulis dengan persamaan (2.5) berikut.
8
=
=
J
c
I
r
c
cc
D
r
rr
D
00000000
00000000
2
1
2
1
(2.5)
( )
( )
==
==
−
−
JcJc
IrIr
ccdiagDccdiagD
rrdiagDrrdiagD
1,,1 , ,,
1,,1 , ,,
1
2/11
2/1
1
2/11
2/1
(2.6)
Menurut Greenacre (1984), dalam menghitung nilai dimensi dan inersia dapat menggunakan persamaan (2.7) berikut.
)1,1min( −−= JIk
0=− IP λ k = banyaknya dimensi P= matriks korespondensi I = matriks identitas
(2.7)
Untuk menentukan profil vektor baris dan kolom dari P
didefinisikan sebagai elemen vektor-vektor baris dan kolom dari P dibagi dengan massanya. Sebanyak r profil baris anggota dari
9
ruang berdimensi r ditulis dalam baris-baris R. Sebanyak c profil kolom anggota dari ruang berdimensi c ditulis dalam baris-baris C. Matriks profil baris dan kolom digunakan untuk mengetahui proporsi variabel yang dianalisis, masing-masing dapat ditulis seperti persamaan (2.8) berikut.
==
==
−
−
TJ
T
c
TI
T
r
c
cD
r
rD
~
~
PC
~
~
PR
11
11
(2.8)
b. Singular Value Decomposition (SVD) Menurut Johnson dan Winchern (2007), singular value
decomposition (SVD) merupakan satu dari banyak cara pada algoritma matriks dan terdiri atas konsep dekomposisi eigen value/eigen vektor (eigen dekomposisi). Tujuannya untuk mereduksi dimensi data berdasarkan keragaman data (nilai eigen/inersia) terbesar dengan mempertahankan informasi yang optimum. Nilai singular dicari untuk memperoleh koordinat baris dan kolom sehingga hasil analisis korespondensi dapat divisualisasikan dalam bentuk grafik. Analisis korespondensi dapat dirumuskan dengan kuadrat terkecil terboboti dapat dirumuskan dalam persamaan (2.9) berikut.
( )( )TK
kkckrk
T vDuDrcP ∑=
=−1
2/12/1λ (2.9)
Trc−P adalah nilai singular dekomposisi (SVD), kλ adalah nilai singular yang merupakan hasil akar kuadrat dari eigen value matriks P, vektor uk berukuran 1I × dan vektor vk berukuran 1J ×merupakan singular vektor korespondensi matriks
10
( ) 2/12/1 P −− − cT
r DrcD berukuran I J× , serta k menyatakan banyaknya dimensi dalam matriks P dengan banyak axis k= min[(I - 1),(J - 1)]. Menentukan koordinat profil baris dan kolom dapat dirumuskan dalam persamaan (2.10). Koordinat profil baris : krk uD 2/1F −= λ Koordinat profil kolom : kck vD 2/1G −= λ
(2.10)
c. Nilai Dekomposisi Inersia Menurut Greenacre (2007), total inersia adalah ukuran
variasi data dan ditentukan dengan jumlah kuadrat terboboti (persamaan 2.11) dengan inersia baris dan kolom dapat dinyatakan dalam persamaan (2.12) berikut.
( )∑∑ ∑= = =
=−
=I
i
J
j
K
kk
ji
jiij
crcrp
1 1 1
2
Inertia Total λ
(2.11)
Inersia baris : ( ) ( )crDcrpIin ici
I
ii
1
1. ')( −
=
−= ∑ (2.12) Inersia kolom :
( ) ( )rcDrcpJin jrj
J
jj
1
1. ')( −
=∑=
Kontribusi relatif adalah bagian ragam dari suatu titik yang dapat dijelaskan oleh sumbu utamanya. Semakin tinggi nilai korelasi kuadrat menunjukkan bahwa sumbu utama mampu menerangkan nilai inersia dengan sangat baik, dan sebaliknya semakin kecil nilai korelasi kuadrat maka semakin sedikit nilai inersia yang dapat dijelaskan oleh sumbu utama.
Kontribusi relatif atau korelasi baris ke-i atau kolom ke-j dengan komponen k adalah kontribusi axis ke inersia baris ke-i atau kolom ke-j, dinyatakan dalam persen inersia baris ke-i atau kolom ke-j (persamaan 2.13).
Kontribusi baris ke-i pada inersia= k
iki frλ
2 x
(2.13)
11
Kontribusi kolom ke-j pada inersia= k
jki gcλ
2 x
ikf adalah koordinat profil baris ke-i pada axis ke-k, jkg adalah
koordinat profil kolom ke-j pada axis ke-k, dan kλ adalah inersia ke-k.
Kontribusi mutlak adalah proporsi keragaman yang diterangkan masing-masing titik terhadap sumbu utamanya. Nilai kontribusi mutlak digunakan untuk menentukan suatu titik yang masuk pada suatu faktor atau dimensi dengan kriteria bahwa titik yang masuk ke dalam suatu faktor adalah yang mempunyai nilai atau proporsi yang terbesar dinyatakan dengan persen inersia axis ke-k (persamaan 2.14).
Kontribusi dari axis pada inersia baris ke-i =
∑=
K
kik
ik
f
f
1
2
2
Kontribusi dari axis pada inersia kolom ke-j=
∑=
K
kjk
jk
g
g
1
2
2
(2.14)
d. Jarak Euclidean Menurut Greenacre (1984), ukuran jarak yang digunakan
ketika ada objek yang berada pada titik yang berbeda, jarak antar objek sering juga disebut jarak kemiripan. Istilah informal sering digunakan untuk mengukur perbedaan yang berasal dari objek untuk menggambarkan karakteristik dan pola kecenderungaan. Salah satu cara mengetahui ukuran tersebut yaitu dengan menggunakan persamaan jarak euclidean.
Jika nilai F adalah nilai dari koordinat titik pada baris dan nilai G adalah nilai koordinat dari titik pada kolom, serta nilai k adalah banyaknya solusi dimensi (k =1, 2,…, K), maka dapat ditulis dengan persamaan (2.15) sebagai berikut.
12
∑=
−=K
kkk GFGFd
1
2)(),(
(2.15)
Nilai ( )GF,d adalah jarak euclidean antara titik koordinat profil baris dengan titik koordinat profil kolom. Nilai kF adalah nilai koordinat profil baris pada dimensi ke-k dan nilai kG adalah nilai koordinat profil kolom pada dimensi ke-k. 2.3 Analisis Cluster
Menurut Johnson dan Wichern (2007), analisis cluster merupakan metode analisis untuk mengelompokkan objek-objek pengamatam menjadi beberapa kelompok sehingga akan diperoleh kelompok dimana objek-objek dalam satu kelompok mempunyai banyak persamaan sedangkan dengan anggota kelompok yang lain mempunyai banyak perbedaan.
Metode dalam analisis cluster pada dasarnyaada dua, yaitu pengelompokan dengan metode hierarki dan tak hierarki. Penentuan metode mana yang akan digunakan tergantung pada peneliti dan konteks penelitian dengan tidak mengabaikan subtansi teori dan konsep yang berlaku. Pada penelitian ini metode yang dipakai adalah prosedur hierarki karena jumlah kelompok yang akan dibentuk belum ditentukan. Metode analisis cluster yang digunakan pada penelitian ini adalah metode ward’s. 2.3.1 Metode Ward’s
Pada metode ini jumlah kuadrat antara dua kelompok untuk seluruh variabel merupakan jarak antara dua kelompok. Metode ini meminimumkan varians dalam kelompok. Jika cluster sebanyak K, maka ESS (Error Sum of Squares) sebagai jumlahan dari ESSk atau ESS = ESS1 +ESS2 + ... + ESSk (Johnson dan Wichern, 2002).
( ) ( )∑ −−= χχχχ jjESS '
(2.16)
13
Dimana jx merupakan pengukuran multivariat terkait dengan item j dan x adalah rata-rata dari semua item.
,,,2,1,0 NkESSk == jadi .0=ESS Menurut Gong dan Richman (1994), metode ini
memaksimalkan kehomogenan varians dalam kelompok atau meminimumkan varians dalam kelompok. Metode ward’s memiliki kinerja yang lebih baik diantara metode-metode hirerarchy cluster analysis. 2.3.2 MANOVA (Multivariate Analysis of Variances)
Pada penelitian ini untuk mengetahui pemilihan cluster terbaik dengan menggunakan metode MANOVA yang merupakan suatu metode analisis yang digunakan untuk menguji apakah terdapat beberapa vektor rata-rata dan membandingkan rata-rata dua populasi atau lebih dan menguji pengaruh dari satu atau lebih suatu perlakuan terhadap respon. Kemudian statistik uji yang digunakan adalah wilk’s lambda. • Wilk’s Lambda
Menurut Johnson dan Wichern (2007), metode ini digunakan apabila ada lebih dari dua kelompok variabel independen dan homogenitas matriks varian-kovarians dipenuhi. Semakin tinggi nilai statistik wilk’s lambda maka pengaruh terhadap model semakin besar, dengan statistik uji sebagai berikut.
(2.17)
14
W = matriks varian-kovarians galat pada MANOVA
B = matriks varian-kovarians perlakuan pada MANOVA
= pengamatan ke-i kelompok ke-j
= rata-rata pengamatan ke-i = rata-rata semua kelompok = jumlah individu kelompok pada kelompok ke-j
Dimana nilai,
2.4 Gambaran Umum Kabupaten Probolinggo Kabupaten Probolinggo merupakan salah satu Kabupaten yang terletak di Provinsi Jawa Timur berada pada posisi 112’ 50’ – 113’ 30’ Bujur Timur (BT) dan 7’ 40’ – 8’ 10’ Lintang Selatan (LS), dengan luas wilayah sekitar 169.616,65 Ha atau +1.696,17 km2 (1,07% dari luas daratan dan lautan Provinsi Jawa Timur). Wilayah Kabupaten Probolinggo berbatasan dengan: a. Sebelah Utara : Selat Madura b. Sebelah Timur : Kabupaten Situbondo dan Kabupaten
Jember c. Sebelah Selatan : Kabupaten Lumajang dan Kabupaten
Malang d. Sebelah Barat : Kabupaten Pasuruan Lokasi Kabupaten Probolinggo yang berada di sekitar garis khatulistiwa menyebabkan daerah ini mengalami perubahan iklim dua jenis setiap tahun, yaitu musim kemarau dan musim penghujan. Diantara dua musim tersebut terdapat musim pancaroba yang biasanya ditandai dengan tiupan angin kering yang cukup kencang yang berhembus dari arah Tenggara ke Barat Laut sehingga mengakibatkan pergantian musim yang tidak tentu.
15
Data kependudukan sangat penting dan mempunyai arti yang sangat strategis dalam pembangunan pada umumnya dan bidang kesehatan pada khususnya. Hampir semua kegiatan pembangunan kesehatan obyek sasarannya adalah masyarakat atau penduduk. Kondisi data Kependudukan di Kabupaten Probolinggo sebagai berikut : 1. Pertumbuhan Penduduk Jumlah penduduk Kabupaten Probolinggo seperti tercatat pada
Kantor Statistik Kabupaten Probolinggo pada tahun 2014 sebanyak 1.132.690 jiwa.
2. Distribusi Penduduk dilihat dari sex ratio 95 persen, artinya setiap 100 jiwa penduduk perempuan di Kabupaten Probolinggo terdapat 95 jiwa penduduk laki-laki. Piramida Penduduk Kabupaten Probolinggo per tanggal 31 Desember 2014 menunjukkan bahwa penduduk Kabupaten Probolinggo mayoritas didominasi oleh penduduk usia produktif yaitu usia penduduk antara 15-64 tahun sebanyak 68,84 persen. Komposisi penduduk usia muda (0-14) sebesar 24,68 persen dan penduduk usia tua (65+) sebesar 6,48 persen.
3. Kepadatan Penduduk Luas wilayah Kabupaten Probolinggo adalah 169.616,65 Ha atau + 1.696,17 km2, dengan jumlah penduduk 1.132.690 jiwa. Dimana terdapat 325 desa dan kelurahan, dengan 320 desa dan 5 kelurahan dan 24 kecamatan. Kepadatan penduduk per Km2 adalah 1.516,96 (BPS Probolinggo, 2014).
2.5 Penyakit Menular Penyakit menular dibedakan menjadi 3 kelompok berdasarkan media atau cara penularan yaitu ditularkan melalui udara (tuberkolosis dan pneumonia); melalui makanan, air dan lainnya (diare, HIV/AIDS, difteri, kusta, kaki gajah, campak, tetanus neonatorum, polio dan AFP, rabies, dan leptospirosis) serta melalui vektor (DBD, malaria dan chikungunya). Berikut jenis penyakit menular berdasarkan variabel penyakit menular.
16
a. Tuberkulosis (TBC) Menurut Kementrian Kesehatan RI (2013), tuberkulosis
merupakan penyakit menular yang disebabkan oleh infeksi bakteri Mycobacterium tuberculosis. Penyakit ini menyebar melalui droplet orang yang telah terinfeksi basil tuberkulosis. Beban penyakit yang disebabkan oleh tuberkulosis dapat diukur dengan case notification rate (CNR) dan prevalensi (didefinisikan sebagai jumlah kasus tuberkulosis pada suatu titik waktu tertentu) dan mortalitas/kematian (didefinisikan sebagai jumlah kematian akibat tuberkulosis dalam jangka waktu tertentu). b. Pneumonia
Menurut Kementrian Kesehatan RI (2013), pneumonia adalah penyakit yang disebabkan kuman pneumococcus, staphylococcus, streptococcus, dan virus. Gejala penyakit pneumonia yaitu menggigil, demam, sakit kepala, batuk, mengeluarkan dahak, dan sesak napas. Populasi yang rentan terserang pneumonia adalah anak-anak usia kurang dari 2 tahun, usia lanjut lebih dari 65 tahun dan orang yang memiliki masalah kesehatan (malnutrisi, gangguan imunologi). c. Kusta
Menurut Kementrian Kesehatan RI (2013), penyakit Kusta disebut juga sebagai penyakit Lepra atau penyakit Hansen disebabkan oleh bakteri Mycobacterium leprae. Bakteri ini mengalami proses pembelahan cukup lama antara 2–3 minggu. Daya tahan hidup kuman kusta mencapai 9 hari di luar tubuh manusia. Kuman kusta memiliki masa inkubasi 2–5 tahun bahkan juga dapat memakan waktu lebih dari 5 tahun. Penatalaksanaan kasus yang buruk dapat menyebabkan kusta menjadi progresif, menyebabkan kerusakan permanen pada kulit, saraf, anggota gerak, dan mata. d. Demam Berdarah Dengue (DBD)
Menurut Kementrian Kesehatan RI (2013), penyakit Demam Berdarah Dengue (DBD) adalah penyakit yang disebabkan oleh virus dengue, yang masuk ke peredaran darah manusia melalui gigitan nyamuk dari genus Aedes, misalnya Aedes aegypti atau
17
Aedes albopictus. Penyakit DBD dapat muncul sepanjang tahun dan Pengendalian Penyakit dan Kesehatan Lingkungan dapat menyerang seluruh kelompok umur. Penyakit ini berkaitan dengan kondisi lingkungan dan perilaku masyarakat. e. Polio
Menurut Kementrian Kesehatan RI (2014), polio disebabkan oleh infeksi virus yang menyerang sistem syaraf sehingga penderita mengalami kelumpuhan. Penyakit yang pada umumnya menyerang anak berusia 0 - 3 tahun ini ditandai dengan munculnya demam, lelah, sakit kepala, mual, kaku di leher, serta sakit di tungkai dan lengan. f. Campak
Menurut Kementrian Kesehatan RI (2014), penyakit campak disebabkan oleh virus campak, golongan Paramyxovirus. Penularan dapat terjadi melalui udara yang telah terkontaminasi oleh droplet (ludah) orang yang telah terinfeksi. Sebagian besar kasus campak menyerang anak-anak usia pra sekolah dan usia SD.
19
BAB III METODOLOGI PENELITIAN
3.1 Sumber Data
Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari Dinas Kesehatan Kabupaten Probolinggo. Data tersebut merupakan hasil pencatatan data dari jumlah angka kesakitan penyakit menular yang terjadi tahun 2014 yang terdapat di 24 kecamatan yang ada di Kabupaten Probolinggo. Wilayah administrasif Kabupaten Probolinggo disajikan pada Gambar 3.1
Gambar 3.1 Peta administrasif Kabupaten Probolinggo dengan 24 kecamatan
Nama kecamatan-kecamatan di Kabupaten Probolinggo dapat dipaparkan pada tabel 3.1
Tabel 3.1 Daftar Nama Kecamatan di Kabupaten Probolinggo 1 Sukapura (A) 9 Krucil (I) 17 Pajarakan (Q) 2 Sumber (B) 10 Gading (J) 18 Maron (R) 3 Kuripan (C) 11 Pakuniran (K) 19 Gending (S) 4 Bantaran (D) 12 Kotaanyar (L) 20 Dringu (T) 5 Leces (E) 13 Paiton (M) 21 Wonomerto (U) 6 Tegalsiwalan (F) 14 Besuk (N) 22 Lumbang (V) 7 Banyuanyar (G) 15 Kraksaan (O) 23 Tongas (W) 8 Tiris (H) 16 Krejengan (P) 24 Sumberasih (X)
20
3.2 Variabel Penelitian Variabel penelitian yang digunakan dalam penelitian ini
merupakan data penyakit menular di Kabupaten Probolinggo tahun 2014 yang dipaparkan pada Tabel 3.2 sebagai berikut.
Tabel 3.2 Variabel Penelitian Prevalensi Penyakit Menular di Kabupaten Probolinggo Tahun 2014
Variabel Keterangan Jenis Penyakit Y1 Penyakit pneumonia Y2 Penyakit kusta Y3 Penyakit Demam Berdarah Dengue (DBD) Y4 Penyakit polio Y5 Penyakit campak Y6 Penyakit tuberkolosis (TB paru)
3.3 Metode Analisis Data
Struktur data akan digunakan dalam penelitian ini dipaparkan pada Tabel 3.3 berikut.
Tabel 3.3 Struktur Data Penyakit Menular di Kabupaten Probolinggo Tahun 2014
No Kecamatan Jenis Penyakit Y1 Y2 … Y6
1 Sakapura n1,1 n1,2 … n1,6 2 Sumber n2,1 n2,2 … n2,6 3 Kuripan n3,1 n3, 2 … n3,6 4 Bantaran n4,1 n4, 2 … n4,6 5 Leces n5,1 n5, 2 … n5,6 6 Tegalsiwalan n6,1 n6, 2 … n6,6 7 Banyuanyar n7,1 n7, 2 … n7,6 8 Tiris n8,1 n8,2 … n8,6 9 Krucil n9,1 n9,2 … n9,6 10 Gading n10,1 n10,2 … n10,6 11 Pakuniran n11,1 n11,2 … n11,6 12 Kotaanyar n12,1 n12,2 … n12,6 13 Paiton n13,1 n13,2 … n13,6 14 Besuk n14,1 n14,2 … n14,6 15 Kraksaan n15,1 n15,2 … n15,6 16 Krejengan n16,1 n16,2 … n16,6 17 Pajarakan n17,1 n17,2 … n17,6
21
Tabel 3.3 Struktur Data Penyakit Menular di Kabupaten Probolinggo Tahun 2014 (lanjutan)
18 Maron n18,1 n18,2 … n18,6 19 Gending n19,1 n19,2 … n19,6 20 Dringu n20,1 n20,2 ... n20,6 21 Wonomerto n21,1 n21,2 ... n21,6 22 Lumbang n22,1 n22,2 ... n22,6 23 Tongas n23,1 n23,2 ... n23,6 24 Sumberasih n24,1 n24,2 ... n24,6
3.4 Langkah-langkah Metode Analisa
Langkah-langkah metode analisis yang digunakan dalam melakukan penelitian ini adalah sebagai berikut. 1. Melakukan analisis korespondensi terhadap kecenderungan
penyebaran penyakit menular berdasarkan kecamatan di Kabupaten Probolinggo tahun 2014 dengan langkah sebagai berikut.
a. Menyusun matriks korespondensi atau matriks proporsi (P) dengan membagi masing-masing elemen pada baris dan kolom dengan total frekuensi.
b. Menyusun matriks profil baris dan profil kolom. c. Menghitung profil vektor baris dan kolom. d. Menentukan nilai singular dekomposisi (SVD). e. Menghitung koordinat profil baris dan kolom. f. Menentukan nilai inersia. g. Menentukan nilai kontribusi relatif dan kontribusi mutlak. h. Menentukan nilai similarity dengan jarak euclidean. i. Visualisasi dengan melihat plot yang terbentuk.
2. Mengintepretasi hasil analisis korespondensi yang terdiri atas:
a. Interpretasi analisis tabel kontingensi untuk menunjukkan dekomposisi dari inersia total.
b. Interpretasi kontribusi baris dan kolom untuk penafsiran komponen-komponen yang dianalisis.
c. Interpretasi plot korespondensi dari baris dan kolom.
22
3. Melakukan analisis cluster terhadap kecamatan di Kabupaten Probolinggo tahun 2014 berdasarkan kesamaan antar kecamatan.
Tahapan analisis data selengkapnya disajikan pada Gambar 3.2.
Gambar 3.2 Diagram Alir Analisis Data
A
Data
Melakukan pemetaan penyebaran penyakit menular di Kabupaten Probolinggo tahun 2014
Statistika deskriptif data penyakit menular di Kabupaten Probolinggo tahun 2014
23
Gambar 3.2 Diagram Alir Analisis Data (lanjutan)
A
Mengetahui penyebaran penyakit menular di Kabupaten Probolinggo tahun 2014
Analisis korespondensi
Menyusun matriks profil baris dan kolom
Menghitung profil baris dan kolom
Menentukan nilai kontribusi relatif dan kontribusi mutlak
Visualisasi dengan melihat plot yang terbentuk
Menentukan nilai singular dekomposisi (SVD)
Menentukan nilai inersia
Menghitung koordinat profil baris dan kolom
Analisis Cluster
25
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Deskripsi Kabupaten Probolinggo Berdasarkan Jenis
Penyakit Menular Sebelum dilakukan analisis korespondensi dan analisis cluster, terlebih dahulu dilakukan deskripsi mengenai Kabupaten Probolinggo berdasarkan jenis penyakit menular. Berikut hasil deskripsi berdasarkan data jumlah angka kesakitan penyakit menular yang terjadi tahun 2014. 4.1.1 Deskripsi Kecamatan di Kabupaten Probolinggo Berdasarkan Jenis Penyakit Menular
Tabel 4.1 menunjukkan bahwa penderita terbanyak dari jenis penyakit menular di Kabupaten Probolinggo adalah Kecamatan Kraksaan yaitu menderita penyakit campak sebanyak 1081 kasus, polio sebanyak 1099 kasus serta penyakit pneunomia sebanyak 551 kasus dan penyakit TBC sebanyak 91 kasus. Penderita terbanyak dari penyakit kusta adalah Kecamatan Tongas sebanyak 15 kasus, sedangkan penderita terbanyak untuk penyakit DBD adalah Kecamatan Sumberasih. Tabel 4.1 Tabulasi Silang antara Kecamatan di Kab. Probolinggo dan Penyakit
Menular Kecamatan Pneumonia Kusta DBD Polio Campak TBC
Sukapura 143 0 0 194 225 10
Sumber 217 0 0 344 388 6
Kuripan 235 14 0 453 497 27
Bantaran 331 14 3 673 647 70
Leces 305 5 8 562 568 41
Tegalsiwalan 293 7 9 630 627 36
Banyuanyar 245 4 5 548 512 40
Tiris 282 2 0 540 589 14
Krucil 527 2 3 974 969 31
Gading 270 0 8 564 529 49
26
Tabel 4.1 Tabulasi Silang antara Kecamatan di Kab. Probolinggo dan Penyakit Menular (lanjutan)
Pakuniran 179 2 2 352 394 26
Kotaanyar 267 6 8 531 555 36
Paiton 393 7 23 796 843 67
Besuk 231 6 2 433 455 45
Kraksaan 551 4 9 1099 1081 91
Krejengan 302 11 4 609 583 43
Pajarakan 276 5 6 516 585 54
Maron 414 6 21 806 822 51
Gending 345 5 9 712 747 58
Dringu 414 3 15 883 876 86
Wonomerto 337 15 4 621 670 63
Lumbang 235 6 5 492 517 16
Tongas 270 15 19 580 544 45
Sumberasih 507 12 24 1047 965 84
4.1.2 Deskripsi Matriks Korespondensi Kecamatan di Kabupaten Probolinggo Berdasarkan Jenis Penyakit Menular Tabel 4.2 menunjukkan matriks korespondensi yang
diperoleh dari persamaan (2.1). Dapat dilihat bahwa proporsi penderita terbanyak dari penyakit pneumonia di Kabupaten Probolinggo adalah Kecamatan Krucil yaitu sebanyak 13,5%. Sedangkan proporsi penderita terbanyak dari penyakit polio dan campak di Kabupaten Probolinggo adalah Kecamatan Kraksaan sebanyak 28,1% dan 27,6%
Tabel 4.2 Matriks Korespondensi Kecamatan Pneumonia Kusta DBD Polio Campak TBC
Sukapura 0,0037 0,0000 0,0000 0,0050 0,0057 0,0003 Sumber 0,0055 0,0000 0,0000 0,0088 0,0099 0,0002 Kuripan 0,0060 0,0004 0,0000 0,0116 0,0127 0,0007
27
Tabel 4.2 Matriks Korespondensi (lanjutan) Bantaran 0,0085 0,0004 0,0001 0,0172 0,0165 0,0018 Leces 0,0078 0,0001 0,0002 0,0144 0,0145 0,0010 Tegalsiwalan 0,0075 0,0002 0,0002 0,0161 0,0160 0,0009 Banyuanyar 0,0063 0,0001 0,0001 0,0140 0,0131 0,0010 Tiris 0,0072 0,0001 0,0000 0,0138 0,0150 0,0004 Krucil 0,0135 0,0001 0,0001 0,0249 0,0248 0,0008 Gading 0,0069 0,0000 0,0002 0,0144 0,0135 0,0013 Pakuniran 0,0046 0,0001 0,0001 0,0090 0,0101 0,0007 Kotaanyar 0,0068 0,0002 0,0002 0,0136 0,0142 0,0009 Paiton 0,0100 0,0002 0,0006 0,0203 0,0215 0,0017 Besuk 0,0059 0,0002 0,0001 0,0111 0,0116 0,0011 Kraksaan 0,0141 0,0001 0,0002 0,0281 0,0276 0,0023 Krejengan 0,0077 0,0003 0,0001 0,0156 0,0149 0,0011 Pajarakan 0,0071 0,0001 0,0002 0,0132 0,0149 0,0014 Maron 0,0106 0,0002 0,0005 0,0206 0,0210 0,0013 Gending 0,0088 0,0001 0,0002 0,0182 0,0191 0,0015 Dringu 0,0106 0,0001 0,0004 0,0226 0,0224 0,0022 Wonomerto 0,0086 0,0004 0,0001 0,0159 0,0171 0,0016 Lumbang 0,0060 0,0002 0,0001 0,0126 0,0132 0,0004 Tongas 0,0069 0,0004 0,0005 0,0148 0,0139 0,0011 Sumberasih 0,0130 0,0003 0,0006 0,0267 0,0247 0,0021
4.2 Pola Kecenderungan Penyakit Menular Di Kabupaten
Probolinggo Analisis korespondensi untuk memetakan kecamatan yang
ada di Kabupaten Probolinggo sehingga dapat diketahui pola penyebaran penyakit menular di Kabupaten Probolinggo tahun 2014. Jenis penyakit menular yang akan dilakukan analisis korespondensi diantaranya penyakit pneumonia, kusta, DBD, polio, campak dan TBC. Berikut adalah hasil analisis pola
28
penyebaran penyakit menular di Kabupaten Probolinggo. Langkah awal dalam melakukan analisis korespondensi yakni melakukan reduksi dimensi data untuk melihat seberapa besar keberagaman data dapat dijelaskan dari dimensi yang terbentuk. Hasil reduksi data dapat dipaparkan pada Tabel 4.3 sebagai berikut.
Tabel 4.3 Reduksi Dimensi Data Tahun 2014 Dimensi Inersia Proporsi Proporsi Kumulatif
1 0,004 0,468 0,468 2 0,002 0,240 0,708 3 0,002 0,176 0,883 4 0,001 0,063 0,946 5 0,000 0,054 1,000
Dengan menggunakan persamaan (2.7) data hasil output pada lampiran 2 diringkas pada tabel 4.3 yang menjelaskan bahwa besarnya nilai inersia, proporsi dan proporsi kumulatif data penyakit menular di Kabupaten Probolinggo tahun 2014. Nilai inersia terbesar berada pada dimensi 1 dan 2. Pada dimensi 1 nilai inersia sebesar 0,004 dengan nilai proporsi sebesar 0,468 artinya dimensi 1 dapat menjelaskan keragaman data sebesar 46,8%, sedangkan pada dimensi 2 memiliki nilai inersia sebesar 0,002 dengan nilai proporsi sebesar 0,240 artinya dimensi 2 dapat menjelaskan keragaman data sebesar 24,0%. Pengelompokan penyakit menular di Kabupaten Probolinggo tahun 2014 direduksi menjadi 2 dimensi yang dapat menjelaskan variabilitas data aslinya sebesar 70,8%. Tabel reduksi dimensi data (Tabel 4.3) menunjukkan bahwa pengelompokan penyakit menular di Kabupaten Probolinggo tahun 2014 direduksi menjadi 2 dimensi, kemudian dilakukan perhitungan nilai massa, kontribusi relatif, dan kontribusi mutlak setiap dimensi tiap kecamatan di Kabupaten Probolinggo tahun 2014, yang dipaparkan pada Tabel 4.4.
29
Tabel 4.4 Profil Baris Kecamatan Data Tahun 2014
Kecamatan Mass Kontribusi Mutlak Kontribusi Relatif Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2
Sukapura 0,015 0,071 0,000 0,613 0,000 Sumber 0,024 0,177(II) 0,002 0,940 0,007 Kuripan 0,031 0,004 0,239(I) 0,026 0,768 Bantaran 0,044 0,035 0,158 0,264 0,614 Leces 0,038 0,000 0,002 0,028 0,107 Tegalsiwalan 0,041 0,000 0,002 0,014 0,058 Banyuanyar 0,035 0,000 0,000 0,017 0,009 Tiris 0,036 0,155(III) 0,000 0,933 0,000 Krucil 0,064 0,207(I) 0,011 0,913 0,024 Gading 0,036 0,004 0,041 0,062 0,363 Pakuniran 0,024 0,008 0,001 0,328 0,018 Kotaanyar 0,036 0,000 0,000 0,000 0,042 Paiton 0,054 0,047 0,081 0,417 0,372 Besuk 0,030 0,004 0,047 0,074 0,501 Kraksaan 0,072 0,001 0,003 0,016 0,034 Krejengan 0,040 0,000 0,054 0,005 0,681 Pajarakan 0,037 0,006 0,006 0,111 0,062 Maron 0,054 0,004 0,100 0,048 0,649 Gending 0,048 0,001 0,002 0,052 0,065 Dringu 0,058 0,033 0,037 0,365 0,210 Wonomerto 0,044 0,016 0,178(II) 0,140 0,785 Lumbang 0,032 0,031 0,000 0,406 0,000 Tongas 0,038 0,134 0,001 0,584 0,001 Sumberasih 0,067 0,063 0,034 0,620 0,174 I) nilai terbesar pertama pada dimensi II) nilai terbesar kedua pada dimensi III) nilai terbesar ketiga pada dimensi
Dengan menggunakan persamaan (2.3) dan (2.13) data pada hasil output pada lampiran 4 diringkas pada table 4.4, dapat diketahui bahwa nilai profil-profil baris yang memberikan kontribusi besar dalam pembentukan dimensi 1 dan dimensi 2 atau dapat melakukan pengelompokan kecamatan-kecamatan di Kabupaten Probolinggo berdasarkan kontribusi relatif dan kontribusi mutlak. Berikut adalah pembentukan sumbu-sumbunya.
1. Profil-profil baris yang memberikan kontribusi besar dalam pembentukan dimensi 1 adalah:
30
a. Kecamatan Krucil dengan kontribusi mutlak sebesar 20,7% dan kontribusi relatif sebesar 91,3%
b. Kecamatan Sumber dengan kontribusi mutlak sebesar 17,7% dan kontribusi relatif sebesar 94,0%
c. Kecamatan Tiris dengan kontribusi mutlak sebesar 15,5% dan kontribusi relatif sebesar 93,3%
2. Profil-profil baris yang memberikan kontribusi besar dalam pembentukan dimensi 2 adalah:
a. Kecamatan Kuripan dengan kontribusi mutlak sebesar 23,9% dan kontribusi relative 76,8%.
b. Kecamatan Wonomerto dengan kontribusi mutlak sebesar 17,8% dan kontribusi relatif 78,5%.
Selanjutnya dilakukan pengelompokan variabel jenis penyakit menular berdasarkan nilai kontribusi mutlak dan kontribusi relatif. Berikut adalah hasil pengelompokannya dipaparkan pada Tabel 4.5.
Tabel 4.5 Profil Kolom Jenis Penyakit Menular Tahun 2014
Jenis Penyakit Mass Kontribusi Mutlak Kontribusi Relatif Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2
Pneumonia 0,193 0,073 0,001 0,453 0,005 Kusta 0,004 0,125 0,514(I) 0,240 0,506 DBD 0,005 0,292(II) 0,426 0,490 0,367 Polio 0,382 0,008 0,018 0,078 0,096 Campak 0,388 0,030 0,003 0,298 0,016 TBC 0,028 0,472(I) 0,036 0,714 0,028 I) nilai terbesar pertama pada dimensi II) nilai terbesar kedua pada dimensi III) nilai terbesar ketiga pada dimensi
Dengan menggunakan persamaan (2.3) dan (2.13) data pada hasil output pada lampiran 2 diringkas pada table 4.5, dapat diketahui nilai profil-profil kolom yang memberikan kontribusi besar dalam pembentukan dimensi 1 dan dimensi 2 atau dapat dikelompokan jenis penyakit menular di Kabupaten Probolinggo berdasarkan kontribusi relatif dan kontribusi mutlak. Berikut adalah pembentukan sumbu-sumbunya. 1. Profil-profil kolom yang memberikan kontribusi besar dalam
pembentukan dimensi 1 adalah:
31
a. Penyakit TBC dengan kontribusi mutlak sebesar 47,2% dan kontribusi relatif 71,4%.
b. Penyakit DBD dengan kontribusi mutlak sebesar 29,2% dan kontribusi relatif 49,0%.
2. Profil-profil kolom yang memberikan kontribusi besar dalam pembentukan dimensi 2 adalah: a. Penyakit Kusta dengan kontribusi mutlak sebesar 51,4%
dan kontribusi relatif 50,6%. Sebelum melakukan visualisasi dalam bentuk plot maka akan
ditentukan nilai koordinat profil baris dan profil kolom dari data penyakit menular di Kabupaten Probolinggo tahun 2014, sehingga nantinya akan diketahui pola penyebaran penyakit menular di Kabupaten Probolinggo tahun 2014. Nilai koordinat profil baris disajikan pada Tabel 4.6 yang didapatkan dari persamaan (2.10) dan nilai koordinat profil kolom disajikan pada Tabel 4.7 yang didapatkan dari persamaan (2.10) data pada hasil output pada lampiran 3 dan 4 sebagai berikut.
Tabel 4.6 Koordinat Profil Baris Data Tahun 2014 Kecamatan Dimensi 1 Dimensi 2 Sukapura -0,563 0,016 Sumber -0,691 -0,068 Kuripan -0,093 0,599 Bantaran 0,227 0,409 Leces -0,020 -0,048 Tegalsiwalan -0,021 -0,051 Banyuanyar 0,027 -0,024 Tiris -0,529 -0,002 Krucil -0,461 -0,089 Gading 0,081 -0,230 Pakuniran -0,151 0,041 Kotaanyar 0,000 -0,024 Paiton 0,238 -0,265 Besuk 0,088 0,271 Kraksaan -0,27 -0,046 Krejengan 0,019 0,252 Pajarakan 0,099 0,088 Maron 0,068 -0,295 Gending 0,034 -0,045 Dringu 0,193 -0,173
32
Tabel 4.6 Koordinat Profil Baris Data Tahun 2014 (lanjutan) Wonomerto 0,156 0,438 Lumbang -0,249 0,002 Tongas 0,483 -0,026 Sumberasih 0,247 -0,155 Nilai koordinat profil baris (Tabel 4.6) dan koordinat
profil kolom (Tabel 4.7) yang terbentuk dari nilai kontribusi mutlak dan relatif, nilai koordinat tersebut digunakan untuk melihat letak dari profil baris dan profil kolom dimana dari koordinat tersebut dapat dilihat jarak terdekat antara profil baris dan kolom, sehingga dapat ditentukan kecenderungan kecamatan terhadap jenis penyakit menular di Kabupaten Probolinggo tahun 2014.
Tabel 4.7 Koordinat Profil Kolom Data Tahun 2014 Jenis Penyakit Dimensi 1 Dimensi 2 Pneumonia -0,158 0,019 Kusta 1,458 2,505 DBD 2,004 -2,049 Polio 0,036 -0,047 Campak -0,072 0,020 TBC 1,055 0,248
Plot penggabungan antara koordinat profil baris dan kolom yang divisualisasi pada Gambar 4.1, digunakan untuk mengetahui pola penyebaran kecamatan terhadap penyakit menular di Kabupaten Probolinggo tahun 2014 sebagai berikut.
33
Gambar 4.1 Visualisasi Plot analisis Korespondensi Tahun 2014
Gambar 4.1 menjelaskan hasil analisis korespondensi pada pola kecenderungan tiap kecamatan di Kabupaten Probolinggo terhadap jenis penyakit menular pada tahun 2014. Kecamatan yang memiliki kecenderungan terhadap penyakit tuberkulosis adalah Kecamatan Tongas, Bantaran, Wonomerto dan Sumberasih. Kecamatan yang memiliki kecenderungan terhadap penyakit campak, polio, dan pneumonia pada balita adalah Kecamatan Leces, Tegalsiwalan, Banyuanyar, Pakuniran, Gading, Kotaanyar, Paiton, Kraksaan, Krejengan, Pajarakan dan Lumbang. Jenis penyakit DBD dan kusta tahun 2014 tidak memiliki pola kecenderungan terhadap kecamatan di Kabupaten Probolinggo. Kecenderungan atau kedekatan antara kecematan terhadap penyakit menular dibuktikan dengan perhitungan jarak euclidean pada Tabel 4.8 sebagai berikut. Nilai yang dicetak tebal merupakan jarak terdekat antara variabel kecamatan dengan
34
variabel jenis penyakit menular, nilai tersebut dihitung dengan persamaan (2.15). Dapat dilihat bahwa Kecamatan yang memiliki kecenderungan terhadap penyakit polio adalah Kecamatan Leces, Tegalsiwalan, Banyuanyar, Kotaanyar dan Gending.
Tabel 4.8 Jarak Euclidean Data Tahun 2014 Kecamatan Pneumonia Kusta DBD Polio Campak TBC
Sukapura 0,405 3,206 2,942 0,602 0,491 1,635
Sumber 3,352 3,352 3,040 0,727 0,625 1,774
Kuripan 3,378 2,457 2,654 0,659 0,579 1,200
Bantaran 0,494 2,431 2,370 0,494 0,491 0,844
Leces 0,086 2,950 2,469 0,056 0,086 1,115
Tegalsiwalan 1,117 2,953 2,470 0,057 0,087 1,117
Banyuanyar 0,036 2,906 2,436 0,025 0,108 1,063
Tiris 0,529 3,199 2,909 0,567 0,458 1,604
Krucil 0,470 3,227 2,835 0,499 0,404 1,553
Gading 0,244 3,062 2,349 0,188 0,293 1,085
Pakuniran 0,156 2,943 2,595 0,207 0,082 1,224
Kotaanyar 0,024 2,919 2,458 0,043 0,084 1,089
Paiton 0,356 3,027 2,214 0,297 0,421 0,965
Besuk 0,285 2,621 2,448 0,322 0,298 0,967
Kraksaan 0,274 3,081 2,678 0,306 0,209 1,357
Krejengan 0,253 2,673 2,498 0,299 0,249 1,036
Pajarakan 0,132 2,773 2,401 0,149 0,184 0,969
Maron 0,303 3,126 2,346 0,250 0,345 1,127
Gending 0,056 2,921 2,426 0,003 0,124 1,062
Dringu 0,259 2,962 2,271 0,201 0,328 0,959
Wonomerto 0,465 2,443 2,429 0,500 0,476 0,919
Lumbang 0,249 3,030 2,670 0,289 0,178 1,327
Tongas 0,484 2,712 2,082 0,447 0,557 0,634
Sumberasih 0,292 2,923 2,232 0,237 0,364 0,903
35
4.3 Analisis Cluster Analisis Cluster digunakan untuk mengelompokkan kecamatan yang ada di Kabupaten Probolinggo sehingga dapat diketahui kelompok kecamatan di Kabupaten Probolinggo berdasarkan jenis penyakit menular tahun 2014. Pada penelitian ini metode yang digunakan adalah metode ward’s yang mengutamakan nilai varians yang paling minimum. Berikut hasil analisis cluster yang telah dilakukan pada kecamatan di Kabupaten Probolinggo berdasarkan jenis penyakit menular.
Gambar 4.2 Dendogram Hasil Analisis Cluster
Gambar 4.2 menunjukkan cluster-cluster atau kelompok-kelompok yang terbentuk setelah dilakukan analisis cluster dengan metode ward’s. Untuk mengetahui jumlah cluster yang signifikan berbeda atau cluster dengan cluster yang lain dalam melakukan pengelompokkan metode yang digunakan adalah MANOVA. Hal tersebut dilakukan untuk mengetahui apakah
36
setiap cluster yang terbentuk memiliki perbedaan pada setiap clusternya. Namun pada MANOVA peneliti harus menduga jumlah cluster yang terbentuk untuk dijadikan sebagai perlakuan dalam MANOVA. Peneliti memperhatikan manakah kelompok yang memiliki nilai wilk’s lambda tertinggi. Berikut merupakan hasil perhitungan nilai wilk’s lambda.
Tabel 4.9 Hasil Perhitungan Wilk’s Lamda Jumlah kelompok Wilk’s Lamda
5 kelompok 16,088 4 kelompok 14,696 3 kelompok 20,422 2 kelompok 15,537
Tabel 4.9 didapat dari persamaan (2.17), dimana pada tabel 4.9 menunjukkan nilai wilk’s lamda tertinggi adalah pada pengelompokkan 3 cluster dengan nilai sebesar 20,422 yang artinya pada pengelompokkan cluster tiap kecamatan di Kabupaten Probolinggo terhadap jenis penyakit menular pada tahun 2014 terbentuk 3 cluster. Setelah mengetahui bahwa cluster yang terbentuk adalah 3 maka peneliti dapat menentukan kecamatan mana yang masuk dalam kelompok 1, 2 dan 3, yang dapat dilihat pada tabel 4.10 berikut.
Tabel 4.10 Pengelompokan Kecamatan Berdasarkan Penyakit Menular Kecamatan 5 Cluster 4 Cluster 3 Cluster 2 Cluster Sukapura 1 1 1 1 Sumber 2 1 1 1 Kuripan 2 1 1 1 Bantaran 3 2 2 1 Leces 3 2 2 1 Tegalsiwalan 3 2 2 1 Banyuanyar 3 2 2 1 Tiris 3 2 2 1 Krucil 4 3 3 2 Gading 3 2 2 1 Pakuniran 2 1 1 1 Kotaanyar 3 2 2 1 Paiton 5 4 3 2 Besuk 2 1 1 1 Kraksaan 4 3 3 2 Krejengan 3 2 2 1 Pajarakan 3 2 2 1
37
Tabel 4.10 Pengelompokan Kecamatan Berdasarkan Penyakit Menular (lanjutan)
Maron 5 4 3 2 Gending 3 2 2 1 Dringu 5 4 3 2 Wonomerto 3 2 2 1 Lumbang 2 1 1 1 Tongas 3 2 2 1 Sumberasih 4 3 3 2
Tabel 4.10 menjelaskan pengelompokkan cluster tiap kecamatan di Kabupaten Probolinggo terhadap jenis penyakit menular pada tahun 2014. Terdapat 3 kelompok baru yang terbentuk, anggota dari kelompok 1 adalah Kecamatan Sukapura, Sumber, Kuripan, Pakuniran, Besuk dan Lumbang. Sedangkan untuk anggota kelompok 2 adalah Kecamatan Bantaran, Leces, Tegalsiwalan, Banyuanyar, Tiris, Gading, Kotaanyar, Krejengan, Pajarakan, Gending, Wonomerto dan Tongas. Serta anggota dari kelompok 3 adalah Kecamatan Krucil, Paiton, Kraksaan, Maron, Dringu dan Sumberasih. Setelah mengetahui bahwa cluster yang terbentuk adalah 3 maka peneliti bisa melakukan pemetaan Kabupaten Probolinggo berdasarkan cluster yang terbentuk. Berikut adalah hasil pengelompokan yang telah dilakukan berdasarkan cluster yang terbetuk.
38
Gambar 4.3 Pengelompokan Kabupaten Probolinggo menurut Kelompok Baru Gambar 4.3 menunjukkan bahwa terdapat 3 kelompok baru
yang terbentuk, anggota dari kelompok 1 adalah Kecamatan Sukapura, Sumber, Kuripan, Pakuniran, Besuk dan Lumbang. Sedangkan untuk anggota kelompok 2 adalah Kecamatan Bantaran, Leces, Tegalsiwalan, Banyuanyar, Tiris, Gading, Kotaanyar, Krejengan, Pajarakan, Gending, Wonomerto dan Tongas. Serta anggota dari kelompok 3 adalah Kecamatan Krucil, Paiton, Kraksaan, Maron, Dringu dan Sumberasih.
Setelah mengetahui bahwa terdapat 3 kelompok yang terbentuk, maka dari tiap kelompok dianalisa untuk mengetahui karakteristik tiap kelompok.
Tabel 4.11 Karaakteristik Kelompok 1-3 Jumlah
Kelompok N Mean Std. Dev
Kelompok 1 6 170,8611 45,3494 Kelompok 2 12 256,7500 30,3902 Kelompok 3 6 402,9444 54,6142
39
Tabel 4.11 menunjukkan bahwa pada kelompok 1 memiliki nilai rata-rata yang terendah dibandingkan dengan kelompok 2 dan 3 yaitu sebesrar 170,8611 sehingga pada kelompok 1 merupakan kelompok yang memiliki jumlah kasus penyakit menular rendah, sedangkan pada kelompok 2 merupakan kelompok yang memiliki jumlah kasus penyakit menular sedang dengan nilai rata-rata sebesar 256,7500, serta pada kelompok 3 merupakan kelompok yang memiliki jumlah kasus penyakit menular tinggi dengan nilai rata-rata sebesar 402,944.
41
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Kesimpulan yang dapat diambil berdasarkan hasil analisis dan pembahasan adalah sebagai berikut. 1. Karakteristik yang diperoleh berdasarkan jenis penyakit
menular adalah: a. Kecamatan Kraksaan memiliki jumlah penderita jenis
penyakit menular yang paling banyak yaitu menderita penyakit campak, polio, pneunomia dan penyakit TBC.
b. Penyakit penyakit kusta teranyak adalah Kecamatan Tongas.
c. Penyakit DBD terbanyak adalah Kecamatan Sumberasih.
2. Hasil pembahasan pada analisis korespondensi yang ditunjukkan pada visualisasi plot dan jarak euclidean didapatkan bahwa peyebaran penyakit polio dan campak di Kabupaten Probolinggo relatif memiliki kecenderungan hampir ke semua kecamatan yang ada di Kabupaten Probolinggo namun kecamatan yang memiliki kecenderungan lebih erat terhadap penyakit polio adalah Kecamatan Gending dan Leces. Kecamatan yang memiliki kecenderungan lebih erat dengan penyakit TB paru tahun 2014 adalah Kecamatan Tongas, sedangkan kecamatan yang memiliki kecenderungan erat terhadap penyakit pneumonia adalah Kecamatan Pakuniran. Penyakit DBD dan Kusta relatif tidak memiliki pola kecenderungan penyebaran terhadap kecamatan yang ada Kabupaten Probolinggo.
3. Hasil pembahasan dari pengelompokan pada penderita penyakit menular terbentuk 3 kelompok baru yang terbentuk, anggota dari kelompok 1 yang menderita penyakit menular rendah adalah Kecamatan Sukapura, Sumber, Kuripan, Pakuniran, Besuk dan Lumbang.
42
Sedangkan untuk anggota kelompok 2 yang menderita penyakit menular sedang adalah Kecamatan Bantaran, Leces, Tegalsiwalan, Banyuanyar, Tiris, Gading, Kotaanyar, Krejengan, Pajarakan, Gending, Wonomerto dan Tongas. Serta anggota dari kelompok 3 yang menderita penyakit menular tinggi adalah Kecamatan Krucil, Paiton, Kraksaan, Maron, Dringu dan Sumberasih.
5.2 Saran Saran yang dapat diberikan kepada pemerintah Kabupaten
Probolinggo adalah perlu adanya kegiatan sosialisasi tentang pentingnya berperilaku hidup bersih dan sehingga dapat menghindari dan mengurangi penyebaran terjangkitnya berbagai jenis penyakit menular di Kabupaten Probolinggo, serta perlunya perbaikan sarana kesehatan dan sumber daya manusia yang berkualitas untuk dapat menangani masalah-masalah terkait penyakit menular, khususnya pada kelompok kecamatan yang menderita penyakit menular paling tinggi. Saran untuk penelitian selanjutnya dapat menggunakan variabel penyakit-penyakit yang memang ada data catatan jumlah kasus penyakitnya.
43
DAFTAR PUSTAKA
Badan Pusat Statistik Kabupaten Probolinggo. 2014. Profil Kabupaten Probolinggo. Probolinggo.
Batubara, L. 2014. Demam Berdarah. Tersedia dilaman http://ka-muskesehatan.com/arti/demam-berdarah/ [online]. Diakses pa-da tanggal 27 Januari 2016 pukul 17.30 WIB.
Departemen Kesehatan RI. 2011. Buku Saku Kesehatan Petugas Kesehatan: Lintas Diare, Lima Langkah Tuntaskan Diare. Ja-karta: Direktorat Jenderal Pengendalian Penyakit dan Penye-hatan Lingkungan.
Departemen Kesehatan RI. 2011. Pedoman Nasional Pengendalian Tuberkulosis. Jakarta: Direktorat Jenderal Pengendalian Pe-nyakit dan Penyehatan Lingkungan Departemen Kesehatan RI.
Dinas Kesehatan Provinsi Jawa Timur. 2013. Profil Kesehatan Provinsi Jawa Timur Tahun 2012. Surabaya: Dinas Kesehatan Jawa Timur.
Dinas Kesehatan Kabupaten Probolinggo. 2013. Profil Kesehatan Kabupaten Probolinggo 2012. Dinas Kesehatan Kabupaten Probolinggo.
Ernawati, F. 2013. Pemetaan Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Puskesmas yang Memiliki Program Pem-berantasan Penyakit Menular dengan Metode Biplot, [Tugas Akhir]. Surabaya: Institut Teknologi Sepuluh Nopember.
Greenacre, M. J. 2007. Correspondence Analysis in Practice Second Edition. New York: Chapman & Hall/CRC.
Greenacre, M. J. 1984. Theory and Applications of Correspon-dence Analysis. London: Academic Press, Inc.
44
Johnson, R. A., & Winchern, D. W. 2007. Applied Multivariate Sta-tistical Analysis 6th Edition. USA. Person Education, Inc
Kementrian Kesehatan (Kemenkes) RI. 2010. Buletin Jendela Data dan Informasi Kesehatan: Pneumonia Balita. Jakarta: Kemen-trian Kesehatan RI.
Kementrian Kesehatan (Kemenkes) RI. 2014. Profil Kesehatan Indonesia Tahun 2013. Jakarta: Kementrian Kesehatan RI.
MDGs. 2008.Let Speak Out for MDGs [online]. Tersedia dilaman http://www.bappenas.go.id/getfileserver/.../2592/. Diakses pa-da tanggal 02 Januari 2015 pukul 10.15 WIB.
Prasetyo, D. W. 2011. Analisis Korespondensi Penderita Penyakit Menular di Kabupaten Bangkalan Tahun 2010, [Tugas Akhir]. Surabaya: Institut Teknologi Sepuluh Nopember.
Yusnabeti. W., Ririn A. dan Luciana, Ruth. 2010. Pm10 dan Infeksi Saluran Pernapasan Akut pada Pekerja In-dustri Mebel [online]. Tersedia dilaman http://journal.ui.ac.id/ index.php/jkm. Diakses pada tanggal 17 Januari 2016, 11.47 WIB.
45
LAMPIRAN Lampiran 1. Jumlah Kasus Penyakit Menular di Kabupaten Probolinggo Tahun
2014 Kecamatan Pneumonia Kusta DBD Polio Campak TBC Sukapura 143 0 0 194 225 10 Sumber 217 0 0 344 388 6 Kuripan 235 14 0 453 497 27 Bantaran 331 14 3 673 647 70
Leces 305 5 8 562 568 41 Tegalsiwalan 293 7 9 630 627 36 Banyuanyar 245 4 5 548 512 40
Tiris 282 2 0 540 589 14 Krucil 527 2 3 974 969 31 Gading 270 0 8 564 529 49
Pakuniran 179 2 2 352 394 26 Kotaanyar 267 6 8 531 555 36
Paiton 393 7 23 796 843 67 Besuk 231 6 2 433 455 45
Kraksaan 551 4 9 1099 1081 91 Krejengan 302 11 4 609 583 43 Pajarakan 276 5 6 516 585 54
Maron 414 6 21 806 822 51 Gending 345 5 9 712 747 58 Dringu 414 3 15 883 876 86
Wonomerto 337 15 4 621 670 63 Lumbang 235 6 5 492 517 16 Tongas 270 15 19 580 544 45
Sumberasih 507 12 24 1047 965 84
46
Lampiran 2. Reduksi Dimensi Data Tahun 2014 Summary
Dimension
Singular
Value
Inertia
Chi Squar
e
Sig.
Proportion of Inertia
Confidence Singular Value
Accounted for
Cumulative
Standard
Deviation
Correlation 2
1 ,066 ,004 ,468 ,468 ,004 ,016 2 ,047 ,002 ,240 ,708 ,005 3 ,040 ,002 ,176 ,883 4 ,024 ,001 ,063 ,946 5 ,022 ,000 ,054 1,000
Total
,009 361,0
32 ,000a 1,000 1,000
Lampiran 3. Profil Kolom Jenis Penyakit Menular Tahun 2014
Overview Column Pointsa Penyakit Mass Score in
Dimension Inertia Contribution
1 2 Of Point to Inertia of
Dimension
Of Dimension to Inertia of Point
1 2 1 2 Total Pneumonia ,193 -,158 ,019 ,001 ,073 ,001 ,453 ,005 ,458 Kusta ,004 1,458 2,505 ,002 ,125 ,514 ,240 ,506 ,746
DBD ,005 2,004 -2,049
,003 ,292 ,426 ,490 ,367 ,858
Polio ,382 ,036 -,047 ,000 ,008 ,018 ,078 ,096 ,174 Campak ,388 -,072 ,020 ,000 ,030 ,003 ,298 ,016 ,314 TBC ,028 1,055 ,248 ,003 ,472 ,036 ,714 ,028 ,743 Active Total
1,000 ,009 1,000 1,000
47
Lampiran 4. Profil Baris Kecamatan Data Tahun 2014
Overview Row Pointsa Kecamatan Mass Score in
Dimension Inertia Contribution
1 2 Of Point to Inertia of
Dimension
Of Dimension to Inertia of Point
1 2 1 2 Total
SKP ,015 -
,563 ,016 ,000 ,071 ,000 ,613 ,000 ,613
SMB ,024 -,691
-,068
,001 ,177 ,002 ,940 ,007 ,946
KRP ,031 -
,093 ,599 ,001 ,004 ,239 ,026 ,768 ,793
BTN ,044 ,227 ,409 ,001 ,035 ,158 ,264 ,614 ,878
LCS ,038 -,020
-,048
,000 ,000 ,002 ,028 ,107 ,135
TGLS ,041 -
,021 -
,051 ,000 ,000 ,002 ,014 ,058 ,072
BNY ,035 ,027 -
,024 ,000 ,000 ,000 ,017 ,009 ,026
TRS ,036 -,529
-,002
,001 ,155 ,000 ,933 ,000 ,933
KCL ,064 -
,461 -
,089 ,001 ,207 ,011 ,913 ,024 ,938
GDG ,036 ,081 -,230
,000 ,004 ,041 ,062 ,363 ,425
PKR ,024 -,151
,041 ,000 ,008 ,001 ,328 ,018 ,346
KTA ,036 ,000 -
,024 ,000 ,000 ,000 ,000 ,042 ,042
PTN ,054 ,238 -,265
,000 ,047 ,081 ,417 ,372 ,789
BSK ,030 ,088 ,271 ,000 ,004 ,047 ,074 ,501 ,575
48
KRA ,072 -,027
-,046
,000 ,001 ,003 ,016 ,034 ,049
KRE ,040 ,019 ,252 ,000 ,000 ,054 ,005 ,681 ,686 PJR ,037 ,099 ,088 ,000 ,006 ,006 ,111 ,062 ,174
MAR ,054 ,068 -,295
,000 ,004 ,100 ,048 ,649 ,697
GEN ,048 ,034 -
,045 ,000 ,001 ,002 ,052 ,065 ,117
DRI ,058 ,193 -
,173 ,000 ,033 ,037 ,365 ,210 ,575
WNM ,044 ,156 ,438 ,001 ,016 ,178 ,140 ,785 ,924
LUM ,032 -,249
,002 ,000 ,031 ,000 ,406 ,000 ,406
TGS ,038 ,483 -
,026 ,001 ,134 ,001 ,584 ,001 ,586
SUM ,067 ,247 -,155
,000 ,063 ,034 ,620 ,174 ,795
Active Total
1,000 ,009 1,000 1,000
49
Lampiran 5. Metode Ward’s Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Appears
Next Stage
Cluster 1
Cluster 2
Cluster 1 Cluster 2
1 10 23 421,500 0 0 8 2 13 18 1043,000 0 0 15 3 12 17 1810,500 0 0 9 4 2 11 2786,500 0 0 18 5 3 22 3852,000 0 0 11 6 5 8 4980,000 0 0 9 7 6 16 6254,000 0 0 13 8 7 10 7543,833 0 1 14 9 5 12 9175,583 6 3 14 10 4 21 10835,583 0 0 13 11 3 14 14068,083 5 0 18 12 9 24 18615,583 0 0 16 13 4 6 24334,583 10 7 17 14 5 7 30092,571 9 8 19 15 13 20 36437,071 2 0 21 16 9 15 51860,905 12 0 21 17 4 19 68201,905 13 0 19 18 2 3 96570,705 4 11 20 19 4 5 162602,800 17 14 22 20 1 2 250548,833 0 18 22 21 9 13 377371,167 16 15 23 22 1 4 725615,611 20 19 23 23 1 9 2376614,458 22 21 0
50
Lampiran 6. Anggota Kelompok Dalam Analisis Cluster Cluster Membership
Case 5 Clusters 4 Clusters 3 Clusters 2 Clusters 1:Sukapura 1 1 1 1 2:Sumber 2 1 1 1 3:Kuripan 2 1 1 1 4:Bantaran 3 2 2 1 5:Leces 3 2 2 1 6:Tegalsiwalan 3 2 2 1 7:Banyuanyar 3 2 2 1 8:Tiris 3 2 2 1 9:Krucil 4 3 3 2 10:Gading 3 2 2 1 11:Pakuniran 2 1 1 1 12:Kotaanyar 3 2 2 1 13:Paiton 5 4 3 2 14:Besuk 2 1 1 1 15:Kraksaan 4 3 3 2 16:Krejengan 3 2 2 1 17:Pajarakan 3 2 2 1 18:Maron 5 4 3 2 19:Gending 3 2 2 1 20:Dringu 5 4 3 2 21:Wonomerto 3 2 2 1 22:Lumbang 2 1 1 1 23:Tongas 3 2 2 1 24:Sumberasih 4 3 3 2
51
Lampiran 7. Analisis MANOVA 5 Cluster
Multivariate Testsa
Effect Value F Hypothesis df Error df Sig.
Intercept
Pillai's Trace ,437 2,198b 6,000 17,000 ,094
Wilks' Lambda ,563 2,198b 6,000 17,000 ,094
Hotelling's Trace ,776 2,198b 6,000 17,000 ,094
Roy's Largest Root ,776 2,198b 6,000 17,000 ,094
cluser5
Pillai's Trace ,850 16,088b 6,000 17,000 ,000
Wilks' Lambda ,150 16,088b 6,000 17,000 ,000
Hotelling's Trace 5,678 16,088b 6,000 17,000 ,000
Roy's Largest Root 5,678 16,088b 6,000 17,000 ,000
a. Design: Intercept + cluser5
b. Exact statistic
Lampiran 8. Analisis MANOVA 4 Cluster
Multivariate Testsa
Effect Value F Hypothesis df Error df Sig.
Intercept
Pillai's Trace ,591 4,100b 6,000 17,000 ,010
Wilks' Lambda ,409 4,100b 6,000 17,000 ,010
Hotelling's Trace 1,447 4,100b 6,000 17,000 ,010
Roy's Largest Root 1,447 4,100b 6,000 17,000 ,010
cluster4
Pillai's Trace ,838 14,696b 6,000 17,000 ,000
Wilks' Lambda ,162 14,696b 6,000 17,000 ,000
Hotelling's Trace 5,187 14,696b 6,000 17,000 ,000
Roy's Largest Root 5,187 14,696b 6,000 17,000 ,000
a. Design: Intercept + cluster4
b. Exact statistic
52
Lampiran 9. Analisis MANOVA 3 Cluster
Multivariate Testsa
Effect Value F Hypothesis df Error df Sig.
Intercept
Pillai's Trace ,460 2,412b 6,000 17,000 ,072
Wilks' Lambda ,540 2,412b 6,000 17,000 ,072
Hotelling's Trace ,851 2,412b 6,000 17,000 ,072
Roy's Largest Root ,851 2,412b 6,000 17,000 ,072
cluster3
Pillai's Trace ,878 20,422b 6,000 17,000 ,000
Wilks' Lambda ,122 20,422b 6,000 17,000 ,000
Hotelling's Trace 7,208 20,422b 6,000 17,000 ,000
Roy's Largest Root 7,208 20,422b 6,000 17,000 ,000
a. Design: Intercept + cluster3
b. Exact statistic Lampiran 10. Analisis MANOVA 2 Cluster
Multivariate Testsa
Effect Value F Hypothesis df Error df Sig.
Intercept
Pillai's Trace ,464 2,458b 6,000 17,000 ,068
Wilks' Lambda ,536 2,458b 6,000 17,000 ,068
Hotelling's Trace ,867 2,458b 6,000 17,000 ,068
Roy's Largest Root ,867 2,458b 6,000 17,000 ,068
cluster2
Pillai's Trace ,846 15,537b 6,000 17,000 ,000
Wilks' Lambda ,154 15,537b 6,000 17,000 ,000
Hotelling's Trace 5,484 15,537b 6,000 17,000 ,000
Roy's Largest Root 5,484 15,537b 6,000 17,000 ,000
a. Design: Intercept + cluster2
53
Lampiran 11. Karakteristik pada kelompok 1 Descriptive Statistics
Variabel N Minimum Maximum Mean Std. Deviation Variance
Pneunomia 6 143,00 235,00 206,6667 37,74476 1424,667
Kusta 6 0,00 14,00 4,6667 5,31664 28,267
DBD 6 0,00 5,00 1,5000 1,97484 3,900
Polio 6 194,00 492,00 378,0000 107,08315 11466,800
Campak 6 225,00 517,00 412,6667 105,79729 11193,067
TBC 6 6,00 45,00 21,6667 14,17980 201,067 Valid N
(listwise) 6
Lampiran 12. Karakteristik pada kelompok 2 Descriptive Statistics
Variabel N Minimum Maximum Mean Std. Deviation Variance
Pneumonia 12 245,00 345,00 293,5833 31,26560 977,538
Kusta 12 0,00 15,00 7,4167 5,10718 26,083
DBD 12 0,00 19,00 6,9167 4,69929 22,083
Polio 12 516,00 712,00 590,5000 59,90371 3588,455
Campak 12 512,00 747,00 596,3333 66,66788 4444,606
TBC 12 14,00 70,00 45,7500 14,69771 216,023 Valid N
(listwise) 12
54
Lampiran 13. Karakteristik pada kelompok 3 Descriptive Statistics
N Minimum Maximum Mean Std. Deviation Variance
Pneumonia 6 393,00 551,00 467,6667 68,33350 4669,467
Kusta 6 2,00 12,00 5,6667 3,61478 13,067
DBD 6 3,00 24,00 15,8333 8,44788 71,367
Polio 6 796,00 1099,00 934,1667 126,19258 15924,567
Campak 6 822,00 1081,00 926,0000 97,57049 9520,000
TBC 6 31,00 91,00 68,3333 23,52587 553,467 Valid N
(listwise) 6
55
BIODATA PENULIS
Penulis terlahir di Tuban, pada tanggal 27 November yang bernama lengkap Putri Yana Nurjanah sebagai anak pertama dari dua bersaudara. Penulis menyelesaikan pendidikan formal di TK Rukun Ibu , SDN Semanding II, SMPN 3 Tuban, dan SMAN 2 Tuban. Selanjutnya pada tahun 2012 penulis di terima di ITS tepatnya pada program studi Diploma Statistika
dan terdaftar dengan NRP 1312030021. Selama menjadi mahasiswa, penulis aktif mengikuti
kegiatan kemahasiswaan baik kepanitiaan maupun organisasi. Organisasi kemahasiswaan yang pernah penulis ikuti yaitu sebagai staff FORSIS ITS, KOPMA ITS (2012/2013). Beberapa kegiatan kepanitian diantaranya STATION, Donor darah, dan masih banyak lainnya. Selain itu, penulis juga mengikuti beberapa pelatihan manajemen organisasi dan kewirausahaan. Serta beberapa kegiatan berbasis masyarakat.
Apabila pembaca ingin berdiskusi mengenai Tugas Akhir ini atau semua yang berhubungan dengan penulis dapat mengirimkan email ke [email protected].