Analisis Diskriminan Fisher untuk Hubungan Incidence Rate dengan Indeks Entomologi berdasarkan Klasifikasi Ekosistem

  • Revi Rosavika Kinansi 085755828337
  • Mega Tyas Prihatin balai besar penelitian dan pengembangan vektor dan reservoir penyakit
Keywords: analisis diskriminan Fisher, klasifikasi wilayah, normalitas data, kesamaan varian-kovarian, Demam Berdarah Dengue, indeks entomologi, incidence rate

Abstract

Discriminant analysis is one of the statistical techniques that may use to provide the most appropriate estimation for classifying individuals into one group based on the independent variable score (discriminant score). There are 2 main assumptions in discriminant analysis such as fulfilled data normality and similarity of variant-covariants. This study aims to determine whether there is a relationship between DHF Incidence Rate (IR) and entomology index if a region is classified as a coast-not a coast and rural-urban. This research conducted in 78 districts in Indonesia carried out in Disease Reservoir and Vector Specific Research from 2016 to 2017. The geographical area of ​​Indonesia which has a tropical climate with three months of rainy season in December, January, February and three months of the dry season in June, July, August can be a hyperendemic area of ​​DHF. This condition is exacerbated by the development of increasingly complex urban areas and the development of rural areas into cities that reduce environmental quality and have an impact on the expansion of the habitat of Aedes aegypti as vector of DHF. The data to be analyzed are the entomology index in the form of numbers of HI, BI, CI and ABJ against IR. The results of the analysis provide information that the very low value of Canonical Correlation is 0.076 classified as coast and not coast so that there is no relationship between the independent variable and the dependent variable. While the Canonical Correlation value is quite high, which is 0.219 classified as rural and urban showed that there is a relationship between the independent variable and the dependent variable. Based on the results, densely populated ecosystems in urban or rural areas have a great chance of cases of dengue hemorrhagic fever, so people need to monitor mosquito larvae to control DHF.

Abstrak

Analisis diskriminan adalah salah satu teknik statistik yang dapat digunakan untuk memberikan pendugaan yang paling tepat untuk mengklasifikasikan individu ke dalam salah satu kelompok berdasarkan skor variabel bebas (skor diskriminan). Terdapat 2 asumsi utama dalam melakukan analisis diskriminan, yaitu normalitas data harus terpenuhi dan kesamaan varian-kovarian. Penelitian ini bertujuan untuk mengetahui apakah terdapat hubungan antara Incidence Rate (IR) DBD dengan indeks entomologi jika suatu wilayah diklasifikasi menjadi pantai-bukan pantai dan perdesaan-perkotaan. Penelitian telah dilakukan di 78 kabupaten di Indonesia pada Riset Khusus Vektor dan Reservoir Penyakit tahun 2016 hingga 2017. Wilayah geografis Indonesia yang beriklim tropis dengan tiga bulan musim hujan pada Desember, Januari, Februari dan tiga bulan musim kemarau pada Juni, Juli, Agustus dapat menjadi wilayah hiperendemik DBD. Kondisi tersebut diperparah oleh perkembangan wilayah perkotaan yang semakin kompleks dan perkembangan wilayah pedesaan menjadi kota yang menurunkan kualitas lingkungan hidup dan berdampak pada perluasan habitat nyamuk Aedes aegypti vektor penyakit DBD. Data yang akan dianalisis adalah data indeks entomologi berupa angka HI, BI, CI dan ABJ terhadap IR. Hasil analisis memberikan informasi bahwa nilai Canonical Correlation yang sangat rendah yaitu 0,076, jika diklasifikasi menjadi pantai dan bukan pantai menunjukkan tidak terdapat hubungan antara variabel bebas dengan variabel terikat. Nilai Canonical Correlation yang cukup tinggi yaitu 0,219, jika diklasifikasi menjadi perdesaan dan perkotaan menunjukkan terdapat hubungan antara variabel bebas dengan variabel terikat nya. Berdasarkan hasil penelitian ini, ekosistem padat penduduk di perkotaan atau perdesaan memiliki peluang besar terhadap adanya kasus demam berdarah dengue, sehingga masyarakat perlu melakukan monitoring terhadap jentik nyamuk untuk pengendalian DBD.

References

Andriani Y, Cahyawati D & Gusmaryanita V, 2011. Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya. Jurnal Penelitian Sains, 14(4(A)), pp.9–14.

Apriyono A & Abdullah Taman, 2013. Analisis Overreaction Pada Saham Perusahaan Manufaktur Di Bursa Efek Indonesia (Bei) Periode 2005-2009. Jurnal Nomina, 2(2), pp.76–96.

Astuti EP, Fuadzy H & Prasetyowati H, 2016. Pengaruh Kesehatan Lingkungan Pemukiman Terhadap Kejadian Demam Berdarah Dengue Berdasarkan Model Generalized Poisson Regression Di Jawa Barat (Analisis Lanjut Riskesdas Tahun 2013). Buletin Penelitian Sistem Kesehatan, 19(1), pp.109–117.

Burattini M, Chen M, Chow A, Coutinho F, Goh K, Lopez L, et al., 2007. Modelling the Control Strategies Against Dengue in Singapore. Epidemiology and Infection., 136(1), p.309–319.

Centers for Disease Control and Prevention, 2012. Dengue and Climate. Available at: www.cdc.gov/dengue.

Cheong Y, Leitao P & T L, 2014. Assessment of Land Use Factors Associated With Dengue Cases in Malaysia Using Boosted Regression Trees. Spat Spatiotemporal Epidemiol., 5(2).

Craven RB, Eliason DA & D.B.Francy, 2008. Importation of Aedes albopictus and other exotic species into the United States in used tires from Asia. Journal America Mosquitoes Controll Association., 4(1), pp.138–42.

Dahlan MS, 2009. Statistik untuk Kedokteran dan Kesehatan, Edisi 4 (Deskriptif, Bivariat dan Multivariat, dilengkapi Aplikasi dengan Menggunakan SPSS)., Jakarta: Salemba Medika.

Dieng H, Saifur R, Hassan A, Salmah M, Boots M & Satho T, 2010. Indoor-Breeding of Aedes Albopictus in Northern Penin-sular Malaysia and its Potential Epidemiological Implications. PLoS One, 5(7), p.e11790.

Dini AMV, Rina N & R.A. Wulandari, 2010. Faktor Iklim dan Angka Insiden Demam Berdarah Dengue di Kabupaten Serang. Makara Kesehatan, 14(1), pp.31–8.

Fidayanto R, Susanto H, Yohanan A & Yudhastut R, 2013. Model Pengendalian Demam Berdarah Dengue. Jurnal Kesehatan Masyarakat Nasional, 7(522–8).

Focks D, Alexander N & Villegas E, 2007. Multicountry Study of Aedes aegypti Pupal Productivity Survey Methodology: Findings and Recommendations. Dengue bulletin WHO, 31(1), pp.192–200.

Handoyo W, Hestiningsih R & Martini, 2015. Hubungan Sosiodemografi Dan Lingkungan Fisik Dengan Kejadian Demam Berdarah Degue (DBD) Pada Masyarakat Pesisir Pantai Kota Tarakan (Studi Kasus Pada Daerah Buffer Kantor Kesehatan Pelabuhan Kelas II Tarakan). JURNAL KESEHATAN MASYARAKAT (e-Journal), 3(3), pp.186–195.

Honório NA, Cabello PH, Codeço CT & Lourenço-de-Oliveira R, 2006. Preliminary Data on the Performance of Aedes aegypti and Aedes albopictus Immatures Developing in Water-filled Tires in Rio de Janeiro. Mem Inst Oswaldo Cruz, 101(1), pp.225–28.

Indrayati A & Setyaningsih W, 2013. Penentuan Lokasi Prioritas Penanganan Kasus Demam Berdarah Di Kotasemarang Berbasis Sistem Informasi Geografis. Jurnal Forum Ilmu Sosial, 40(1), pp.56–67.

Johnson RA & Wichern DW, 2007. Applied Multivariate Statistical Analysis. Sixth Edition. Sixth Edit., New Jersey: Prentice Hall International. Inc.

Juliano SA, Lounibos LP & G.F. O’Meara, 2004. A Field Test for Competitive Effects of Aedes albopictus on A. aegypti in South Florida: Differences between Sites of Coexistence and Exclusion? Oecologia, 139(2), pp.583–93.

Kementerian Kesehatan Republik Indonesia, 2017. Data dan Informasi Profil Kesehatan Indonesia Tahun 2017 1st ed. M. S. drg. Rudy Kurniawan, M. Kes Boga Hardhana, S.Si, MM Yudianto, SKM, ed., Jakarta: Pusat Data dan informasi Kementerian Kesehatan Republik Indonesia.

Kementerian Kesehatan RI., 2017. Kemenkes Optimalkan PSN Cegah DBD. www.depkes.go.id, pp.1–2. Available at: http://www.depkes.go.id/pdf.php?id=17061500001 [Accessed December 11, 2018].

Khairunisa Ummi; Nur Endah Wahyuningsih dan Hapsari, 2017. Kepadatan Jentik Nyamuk Aedes sp. (House Index) sebagai Indikator Surveilans Vektor Demam Berdarah Dengue di Kota Semarang. JURNAL KESEHATAN MASYARAKAT (e-Journal), 5(5), pp.906–910. Available at: http://ejournal3.undip.ac.id/index.php/jkm.

Khin MM & Than KA, 2003. Transovarial transmission of dengue-2 virus by Aedes aegypti nature. American Journal and Tropical Medicine and Hygiene, 32(1), pp.590–4.

Kuntoro, 2007. Metode statistik, Surabaya: Putaka melati.

Lei HY, Yeh TM, Liu HS, Lin YS, Chen SH & Liu CC, 2001. Immunopathogenesis of Dengue Virus Infection. J Biomed Sci., 8(1), p.377– 88.

Mulyati SA, Ruslan Majid & Ibrahim K, 2017. Studi Spasial Persebaran Penyakit Demam Berdarah Dengue (DBD) Di Wilayah Kerja Puskesmas Lepo-Lepo Kota Kendari Tahun 2013-2016. Universitas Halu Oleo.

Nakhapakorn K & N.K. Tripathi, 2005. An Information Value Based Analysis of Physical and Climatic Factors Affecting Dengue Fever and Dengue Haemorrhagic Fever Incidence. International Journal of Health Geographisc., 4(13).

Nisaa A, Hartono & Sugiharto E, 2016. Analisis Spasial Dinamika Lingkungan Pada Kejadian DBD Berbasis GIS di Kecamatan Colomadu Kabupaten Karanganyar. Journal of Information Systems for Public Health, 1(2), pp.23–8.

Oktaviani MA & Notobroto HB, 2014. Perbandingan Tingkat Konsistensi Normalitas Distribusi Metode Kolmogorov-Smirnov, Lilliefors, Shapiro-Wilk, dan Skewness-Kurtosis. Jurnal Biometrika dan Kependudukan, 3(2), pp.127–135.

Passos RA, Marques GRA., J.C.Voltolini & M.L.F. Condino, 2003. Dominance of Aedes aegypti over Aedes albopictus in the Southeastern Coast of Brazil. Rev Saude Publica, 37(1), pp.729–34.

Pham HV, Doan HTM, Phan TTT & N.N.T. Mint, 2011. Ecological Factors Associated with Dengue Fever in a Central Highlands Province, Vietnam. BMC Infectious Diseases., 11(172), pp.1–6.

Prabawa KA, Suciptawati NLP & Nilakusmawati DPE, 2017. Penerapan Analisis Korelasi Kanonik Pada Hubungan Kualitas Pelayanan Terhadap Kepuasan Nasabah. E-Jurnal Matematika, 6(1), pp.90–8.

Promprou S, 2005. Impact of Climatic Factors on Dengue Haemorrhagic Fever Incidence in Southern Thailand. Walailak J Sci & Tech., 2(1).

Rey J & O’Connell S, 2014. Oviposition by Aedes aegypti and Aedes albopictus: Influence of Congeners and of Oviposition Site Characteristics. J. of Vec. Ecol., 39(1), pp.190–6.

Rizkiana A & Hendikawati P, 2015. Klasifikasi Tingkat Kepuasan Pelanggan Dengan Analisis Diskriminan. Jurnal MIPA, 38(1), pp.89–100.

Rofiq A, Wuryandari T & Rahmawati R, 2016. Perbandingan Analisis Diskriminan Fisher Dan Naive Bayes Untuk Klasifikasi Risiko Kredit (Studi Kasus Debitur Di Koperasi Jateng Amanah Mandiri Cabang Sukorejo Kendal). Jurnal Gaussian, Volume 5(1), pp.1–10.

Rosy T, 2018. ANALISISDISKRIMINAN. daps.bps.go.id/file_artikel/65/, pp.1–10.

Sulistyorini Evi, Hadi UK & Soviana S, 2016. Faktor Entomologi Terhadap Keberadaan Jentik Aedes sp. Pada Kasus DBDTertinggi Dan Terendah Di Kota Bogor. JURNAL MKMI, 12(3), pp.134–47.

Thavara U, Tawatsin A & Chompoosri J, 2004. Evaluation of Attractants and Egg-Iying Substrate Preference for Oviposition by Aedes albopictus (Diptera : Culicidae). J of Vec. Ecol., 29(1), p.66 – 72.

Thomas W, Hertel, Steven K & Rose R, 2009. Economic Analysis of Land Use in Global Climate Change Policy. I., New York: Routledge Inc.

Yap BW & Sim CH, 2011. Comparisons of various types of normality tests,. Journal of Statistical Computation and Simulation, 81(12), pp.2141–55.

Published
2020-01-22