Anda di halaman 1dari 6

LAPORAN PRAKTIKUM

ANALISIS EPIDEMIOLOGI DENGAN MENGGUNAKAN SATSCAN


STUDI KASUS DEMAM DI KOTA NEW YORK
NOVEMBER 2001
A. Pendahuluan
Analisis spasial adalah suatu inferensi visual terhadap peta yang
merupakan gabungan dari data spasial dan data atribut. Data spasial merujuk
pada suatu lokasi atau posisi di permukaan bumi, yang berupa koordinat,
raster atau batasan administrasi wilayah. Sedangkan, data atribut merujuk pada
karakteristik yang in situ, yang mencakup abiotik (semua unsur fisik lahan
yang ada, yaitu tanah, geologi, iklim, dan air), biotik (flora dan fauna), serta
budaya (sosial ekonomi). Dengan analisis spasial, data spasial dan data atribut
diolah menjadi informasi spasial, yang dapat digunakan sebagai alat bantu
dalam perumusan kebijakan, pengambilan keputusan, dan/atau pelaksanaan
kegiatan yang berhubungan dengan ruang kebumian. Dalam epidemiologi,
analisis spasial sangat bermanfaat, terutama untuk mengevaluasi terjadinya
perbedaan kejadian menurut area geografi dan mengidentifikasi clustering
penyakit (Wardani, 2013).
Clustering merupakan pengelompokkan spasial atau space-time suatu
penyakit yang signifikan secara statistik. Analisis clustering memiliki
beberapa manfaat, yaitu menampilkan surveilance geographical suatu penyakit
dan mengidentifikasi cluster penyakit secara spasial atau space-time serta
mengetahui apakah cluster signifikan secara statistik; mengetahui apakah
suatu penyakit terdistribusi secara random menurut tempat, menurut waktu
serta menurut tempat dan waktu; mengevaluasi signifikansi statistik dari alarm
cluster suatu penyakit; menampilkan prospektif real-time atau real-periodic
dari surveilans penyakit untuk deteksi dini wabah. Cara kerja analisis
clustering adalah dengan menempatkan jendela lingkaran pada peta studi
sesuai dengan analisis dan model yang ditentukan (Kulldorff, 2015).
B. Metode

Pada penelitian ini digunakan analisis space-time permutation dengan


program SaTScan yang digunakan untuk mengidentifikasi kluster atau
pengelompokkan secara spasial-temporal. Data yang tersedia merupakan data
penyakit demam di kota New York. Data berupa data geografi, yaitu letak
geografi berdasarkan koordinat X, Y dari kasus deman tersebut. Data
selanjutnya merupakan data kasus demam beserta waktu mulai sakit penderita.
Waktu penelitian ini adalah dari 01-30 November 2001 dengan total lokasi
sebanyak 192 lokasi kasus dan kasusnya sebanyak 194 kasus. Data tersebut
selanjutnya dianalisis berdasarkan hari, bulan dan tahun.
C. Hasil dan pembahasan
Berdasarkan analisis space-time dengan waktu presisi hari diperoleh hasil
sebagai berikut:
Tabel 1. Hasil Analisis Space-Time kategori Day
Cluster

1.

Location

4.

10454
10455
10451
10035
10037
10030
10029
10456
11379
11374
11373
11418
11415
11419
11435
11416
11421
11451
11375
11417
11434

Cluster

Locati-

2.
3.

Koordinat
X

40.805490 N

73.917000 W

Radius
(km)
2.70

40.716920 N

73.880330 W

2.07

10-11/
11/2001

0.734

40.699240 N

73.831760 W

2.90

22-23/
11/2001

0.734

40.676220 N

73.775200 W

16-16/
11/2001
Time

0.914

Jumlah

P-

Koordinat

Radi-

Time
Frame

Jumlah
Kasus

Pvalue

08-08/
11/2001

0.020

on
5.
6.
7.

8.

Dari

us
(km)
1.84

Frame

Kasus

10304 40.608000 N 74.093490 W


15-15/
2
11/2001
10301
10460 40.843800 N 73.879980 W 1.83
09-09/
3
11/2001
10457
10462
11050 40.835800 N 73.693820 W 11.97
04-05/
3
11/2001
11024
11030
11023
11021
11020
11363
11359
11042
10464
11005
11362
11360
11004
11361
11040
10465
11426
11364
11357
11358
10475
11226 40.645290 N 73.958440 W 3.46
05-05/
4
11/2001
11218
11225
11203
11210
11230
11215
11213
hasil analisis spasial diatas diketahui terdapat 8 cluster atau

pengelompokan kasus demam dimana dari masing-masing kluster tersebut


diperoleh jumlah kasus terbanyak pada kluster 1 dengan jumlah kasus
sebanyak 5 kasus, sedangkan dari kemaknaannya diperoleh kluster yang
bermakna secara statistic adalah kluster 1 juga yaitu dengan nilai p-value

value
0.914
0.915
0.973

0.999

sebesar 0,020 yang berarti dalam kluster tersebut merupakan wilayah yang
perlu diperhatikan untuk upaya penanggulangan atau merupakan wilayah yang
berisiko terkena demam. Pada kluster 1 tersebut pada tanggal 08 November
2001 telah terjadi kasus sebanyak 5 orang, dimana pusat kasus tersebut berada
di koordinat 40.805490 N, 73.917000 W dengan radius 2,70 yang dimana
mencakup 8 lokasi kasus yaitu di 10454, 10455, 10451, 10035, 10037, 10030,
10029, 10456. Sebanyak 7 kluster lainnya memperlihatkan bahwa secara
statistic kejadian demam yang berada diarea kluster tersebut tidak begitu
membutuhkan penanggulangan atau tidak begitu berisiko, hal ini diperlihatkan
bahwa nilai p-value nya > 0,05 yang berarti tidak bermakna secara statistik.
Tahapan selanjutnya adalah melakukan analisis dengan kategori waktu
Bulan. Setelah melakukan entry data dan memulai untuk melihat hasilnya
muncul sebuah dialog berikut:
Gambar 1. Analisis Space-Time kategori Month

Dialog tersebut merupakan suatu pengingat bahwa aplikasi tersebut dengan


menggunakan temporal and space-time analyze tidak dapat menggambarkan
kondisi spasial selama 1 bulan. Hal ini dikarenakan data yang tersedia hanya

dalam periode 1 bulan sehingga tidak terdapat rentan waktu lain yang
digunakan sebagai batasan waktu. Tidak seperti halnya saat kita melakukan
analisis space-time dengan kategori hari, disana bisa membuat suatu kluster
yang terjadi dalam satuan hari dari 30 hari yang ada, sehingga hasil yang
dikeluarkan pun berdasarkan hari tersebut dan panjangnya hanya selama 1
hari. Jika kita lihat secara bulan maka hanya akan menampilkan data 1 bulan
itu saja, tidak terdapat kluster lain yang terbentuk karena batasan waktunya
hanya ada 1 bulan. Padahal untuk melihat kecenderungan kluster tersebut
dibutuhkan minimal 2 periode waktu atau dengan kata lain lebih dari 2 bulan
waktu pengamatan barulah bisa digambarkan kluster yang terbentuk.
Analisis space-time selanjutnya adalah dengan kategori waktu tahun. Pada
saat analisis dimulai muncul kembali dialog sebagai berikut:
Gambar 2. Analisis Space-Time kategori Year

Seperti halnya pada saat kita melakukan analisis space-time dengan kategori
waktu

bulan

maka

muncul

dialog

yang

serupa.

Dialog

tersebut

mengisyaratkan bahwasannya analisis berdasarkan tahun tidak dapat


ditampilkan karena data yang dianalisis merupakan data harian, bukan

merupakan data tahun atau dengan kata lain bukan berasal dari tahun yang
berbeda. Padahal untuk dapat membuat kluster berdasarkan tahun diperlukan
data yang berbasis tahun, artinya data yang tersedia berasal dari berbagai
tahun bukan hanya 1 tahun saja.
D. KESIMPULAN
Berdasarkan hasil diatas diperoleh hasil analisis space-time dengan model
space-time permutation dengan kategori hari, sedangkan untuk analisis data
yang dilakukan dalam Bulan dan Tahun tidak dapat ditampilkan. Hal ini
disebabkan oleh data yang tersedia tidak memadai untuk dilakukan analisis
berdasarkan bulan dan tahun karena periode yang digunakan hanya dalam 1
bulan ditahun yang sama, sehingga tidak dapat digambarkan kluster yang
terjadi berdasarkan bulan dan tahun karena sudah pasti hanya terdapat satu
kluster itu saja.
E. DAFTAR PUSTAKA
Kulldorff, 2015, SaTScan User Guide for Version 9.4, tersedia di:
http://www.satscan.org/cgibin/satscan/register.pl/SaTScan_Users_Guide
.pdf?
todo=process_userguide_download. (Diakses, 05 Desember 2016 di
Yogyakarta)
Wardani, 2013, Pentingnya Analisis Cluster Berbasis Spasial dalam
Penanggulangan Tuberkulosis di Indonesia. Artikel Telaahan. Jurnal
Kesehatan Masyarakat Nasional. Vol. 8, No. 4, November 2013