08E01516

ANALISA KECENDERUNGAN PENYAKIT INFEKSI SALURAN
PERNAFASAN AKUT (ISPA) PADA BAYI DAN BALITA TAHUN 2002-2006

UNTUK PERAMALAN PADA TAHUN 2007-2011
DI KOTA MEDAN
SKRIPSI
Diajukan Sebagai Salah Satu Syarat

Untuk Memperoleh Gelar
Sarjana Kesehatan Masyarakat
Oleh :
SEPTRI ANTI SINAGA

NIM. 031000130
FAKULTAS KESEHATAN MASYARAKAT

UNIVERSITAS SUMATERA UTARA
MEDAN
2007
Septri Anti Sinaga. Analisa kecenderungan penyakit infeksi saluran pernafasan akut (ispa) pada bayi dan balita tahun
2002-2006 untuk peramalan pada tahun 2007-2011 di kota medan. 2007
USU e-Repository2009
ABSTRAK
ISPA (Infeksi Saluran Pernafasan Akut) meliputi infeksi akut saluran

pernafasan bagian atas dan saluran pernafasan bagian bawah. ISPA adalah infeksi
saluran pernafasan yang dapat berlangsung sampai 14 hari. Berdasarkan data WHO
tahun 2005, kematian balita yang disebabkan oleh ISPA sebesar 19 % yang
merupakan urutan kedua penyebab kematian balita, sedangkan yang menyebabkan
kematian bayi, infeksi berat yang sudah termasuk ISPA di dalamnya sebesar 26 %.
Dari hasil Surkesnas tahun 2001 ISPA merupakan peringkat kedua yaitu 38,7 %
sedangkan pada anak balita menduduki peringkat pertama yaitu 42,2 %. Di Kota
Medan, ISPA merupakan penyakit utama pada bayi dan balita.
Untuk mencegah peningkatan jumlah penderita ISPA pada bayi < 1 tahun dan
balita 1-4 tahun akibat ISPA, perlu dibuat suatu perencanaan. Perencanaan dibuat
setelah mengetahui terelbih dahulu kondisi yang akan datang. Untuk mengetahui hal
tersebuut perlu dilakukan peramalan. Peramalan (forecasting) merupakan dugaan atau
perkiraan mengenai terjadinya suatu kejadian di waktu yang akan datang.
Tujuan Penelitian ini adalah untuk mengetahui kecenderungan penderita ISPA
dan ISPA berdasarkan klasifikasinya (Pneumonia, Pneumonia Berat, dan Bukan
Pneumonia) pada bayi < 1 tahun dan balita 1-4 tahun dan hasil ramalannya pada
tahun 2007-2011. Penelitian ini bersifat deskriptif dengan metode analisis data
berkala (Time Series). Metode peramalan yang digunakan dalam penelitian ini adalah
analisis data berkala dengan trend (ramalan jangka panjang) jika terdapat hubungan
linier yang signifikan antara waktu dengan jumlah penderita ISPA dan ISPA
berdasarkan klasifikasinya. Metode analisis data berkala dengan double exponential
smoothing (ramalan jangka pendek) digunakan jika tidak terdapat hubungan linier
yang signifikan antara waktu dan jumlah penderita ISPA dan ISPA berdasarkan
klasifikasinya.
Berdasarkan hasil peramalan, pada umumnya terjadi peningkatan jumlah
penderita, kecuali penderita ISPA pada bayi < 1 tahun dan penderita bukan
pneumonia pada bayi < 1 tahun terjadi penurunan jumlah penderita. Dari hasil
penelitian ini, diharapkan Dinas Kesehatan Kota Medan dapat menjadikan hasil
peramalan ini sebagai bahan masukan dalam peningkatan pelayanan kesehatan,
memberikan penyuluhan kepada masyarakat tentang ISPA dan cara mencegahnya
serta memberikan informasi tentang perawatan anak yang menglami sakit ISPA.
Kata Kunci: ISPA, Peramalan
RIWAYAT HIDUP PENULIS
Nama : Septri Anti Sinaga
Tempat/Tanggal Lahir : Balimbingan, 25 September 1985
Agama : Kristen Protestan
Status Perkawinan : Belum Kawin
Jumlah Anggota Keluarga : 4 (empat) orang
Alamat Rumah : Simp. Tangsi Balimbingan Kec. Tanah Jawa
Riwayat Pendidikan :
1. Tahun 1991-1997 : SD Negeri No. 091525 Balimbingan
2. Tahun 1997-2000 : SLTP Negeri 2 Tanah Jawa
3. Tahun 2000-2003 : SMU Negeri 1 Tanah Jawa
4. Tahun 2003-2007 : Fakultas Kesehatan Masyarakat Universitas Sumatera
Utara
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa karena
hanya karena kasih-Nya lah penulis dapat menyelesaikan skripsi yang berjudul
Analisa Kecenderungan Penyakit Infeksi Saluran Pernafasan Akut (ISPA)
Pada Bayi dan Balita Tahun 2002-2006 Untuk Peramalan Pada Tahun 2007-
2011 Di Kota Medan.
Dalam penulisan skripsi ini, penulis banyak mendapat bantuan baik secara
moril, spiritual maupun material. Pada kesempatan ini penulis mengucapkan banyak
terima kasih kepada :
1. Ibu dr. Ria Masniari, M.Si, selaku Dekan Fakultas Kesehatan Masyarakat
Universitas Sumatera Utara.
2. Ibu dr. Yusniwarti Yusad, M.Si, selaku Kepala Departemen Kependudukan
dan Biostatistik Fakultas Kesehatan Masyarakat Universitas Sumatera Utara
sekaligus Dosen Pembimbing skripsi II yang telah banyak meluangkan waktu
dan memberikan bimbingan dan masukan kepada penulis sehingga skripsi ini
dapat diselesaikan.
3. Ibu Dr. Ir. Erna Mutira, M.Kes, selaku Dosen Pembimbing Skripsi I yang
banyak meluangkan waktu dan memberikan bimbingan dan petunjuk serta
saran kepada penulis sehingga skripsi ini dapat diselesaikan.
4. Ibu Ir. Evi Naria, MKes, selaku dosen pembimbing Akademik penulis di
Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
5. Bapak Asnawi Nasution selaku staf P2 ISPA Dinas Kesehatan Kota Medan
yang banyak membantu dan memberikan petunjuk kepada penulis selama
penelitian.
6. Bapak dan Ibu dosen Di Fakultas Kesehatan Masyarakat Universitas
Sumatera Utara.
7. Kedua Orangtuaku yang tercinta W. Sinaga dan A. Saragih, serta abangku
tercinta Janser Sinaga dan adik-adikku yang kusayangi, Hotma Sinaga dan
Melda Sinaga yang selalu mendoakan, memberikan semangat dan kasih
sayang kepada penulis selama perkuliahan sampai selesai.
8. Oppungku E. Sinaga dan T. Napitu, Uda dan Inanguda Drs. Anton A.P
Sinaga, MSi dan Sofiati Purba, SH, Uda dr. Hasudungan Sinaga, dan semua
keluargaku yang selalu mendoakan dan membantu penulis.
9. Abangku Ronald yang selalu mendoakan, memberikan aku semangat, dan
kesabaran serta perhatiannya selama ini. Thanx for your love and praise.
10. Sahabat-sahabatku: Asnahria, Catrine, Pindah, Arni, Nita, Vera A, Vera L,
yang selalu mendoakan dan setia menemani penulis.
11. Teman-teman angkatan 2003 khususnya peminatan Kependudukan dan
Biostatistik.
Penulis menyadari bahwa dalam penulisan skripsi ini masih jauh dari
kesempurnaan, sehingga penulis mengharapkan saran dan kritik dari berbagai pihak
yang sifatnya membangun.
Akhir kata semoga Tuhan selalu menyertai kita semua dan penulis berharap
semoga skripsi ini bermanfaat bagi kita semua.
Medan, September 2007
Penulis
DAFTAR TABEL
Hal
Tabel 4.1. Jumlah Penduduk kota Medan Berdasarkan Jenis Kelamin dan
Kelompok Umur ........................................................................................... 39
Tabel 4.2. Jumlah Penderita ISPA pada Bayi < 1 Tahun di Kota Medan
Tahun 2002-2006.......................................................................................... 40
Tabel 4.3. Hasil Ramalan Penderita ISPA pada Bayi < 1 Tahun 2007-2011
di Kota Medan .............................................................................................. 42
Tabel 4.4. Jumlah penderita ISPA pada Balita 1-4 tahun
di Kota Medan Tahun 2002-2006.................................................................. 43
Tabel 4.5. Hasil Ramalan Jumlah Penderita ISPA pada Balita 1-4 Tahun
di Kota Medan Tahun 2007........................................................................... 44
Tabel 4.6. Jumlah Penderita Pneumonia pada Bayi < 1 Tahun
Tabel 4.7. Hasil Ramalan Jumlah Penderita ISPA pada Balita 1-4 Tahun
di Kota Medan Tahun 2007.......................................................................... 46
Tabel 4.8. Jumlah Penderita Pneumonia pada Balita 1-4 Tahun
Tabel 4.9. Hasil Ramalan Jumlah Penderita Pneumonia Pada Balita 1-4 Tahun
di Kota Medan Tahun 2007 .......................................................................... 47
Tabel 4.10. Jumlah Penderita Pneumonia Berat pada Bayi < 1 Tahun
Tabel 4.11. Hasil Ramalan Jumlah Penderita Pneumonia Berat Pada Bayi < 1 Tahun
di Kota Medan Tahun 2007........................................................................... 49
Tabel 4.12. Jumlah Penderita Pneumonia Berat pada Balita 1-4 Tahun
Tabel 4.13. Hasil Ramalan Jumlah Penderita Pneumonia Berat Pada Balita 1-4
Tahun
Tabel 4.14. Jumlah Penderita Bukan Pneumonia pada Bayi < 1 Tahun
di Kota Medan Tahun 2002-2006............................................................... 51
Tabel 4.15. Hasil Ramalan Penderita bukan pneumonia pada Bayi < 1
Tahun 2007-2011 di Kota Medan.................................................................. 53
Tabel 4.16. Jumlah Penderita Bukan Pneumonia pada Balita 1-4 Tahun
Tabel 4.17. Hasil Ramalan Jumlah Penderita Bukan Pneumonia Pada Balita 1-4
Tahun
DAFTAR GAMBAR
Hal
Gambar 2.1. Kurva Trend ...................................................................................... 18

Gambar 2.2. Kurva Gerakan/Variasi siklis ............................................................. 18
Gambar 2.3. Kurva Variasi Musiman ..................................................................... 20
Gambar 2.4. Kurva Variasi Irreguler ...................................................................... 21
Gambar 4.1. Trend Jumlah Penderita ISPA Pada Bayi < 1 Tahun ........................... 41
Gambar 4.2. Index Musim Jumlah Penderita ISPA pada Bayi < 1 Tahun ............... 42
Gambar 4.3. Hasil Ramalan Jumlah Penderita ISPA pada Bayi < 1 Tahun
Pada Tahun 2007-2011 di Kota Medan .............................................. 43
Gambar 4.4. Trend Jumlah Penderita bukan Pneumonia Pada Bayi < 1 Tahun ....... 52
Gambar 4.5. Index Musim Jumlah Penderita Bukan Pneumonia pada
Bayi < 1 Tahun .................................................................................. 52
Gambar 4.6. Hasil Ramalan Jumlah Penderita bukan Pneumonia pada
Bayi < 1 tahun, Tahun 2007-2011 di Kota Medan ............................. 54
DAFTAR LAMPIRAN
Hal
Lampiran 1 Hasil Uji Regresi .................................................................................... 64

Hasil Uji Regresi Penderita ISPA Pada Bayi < 1 Tahun ......................... 64
Hasil Uji Regresi Penderita ISPA Pada Balita 1-4 Tahun ....................... 64
Hasil Uji Regresi Penderita Pneumonia Pada Bayi < 1 Tahun ................ 65
Hasil Uji Regresi Penderita Pneumonia Pada Balita 1-4 Tahun .............. 65
Hasil Uji Regresi Penderita Pneumonia Berat Pada Bayi < 1 Tahun ....... 66
Hasil Uji Regresi Penderita Pneumonia Berat Pada Balita 1-4 Tahun ..... 67
Hasil Uji Regresi Penderita Bukan Pneumonia Pada Bayi < 1 Tahun ..... 68
Hasil Uji Regresi Penderita Bukan Pneumonia Pada Balita 1-4 Tahun ... 68
Lampiran 2 Hasil Peramalan .................................................................................... 69

Hasil Peramalan Penderita ISPA Pada Bayi < 1 Tahun........................... 69
Hasil Peramalan Penderita ISPA Pada Balita 1-4 Tahun......................... 72
Hasil Peramalan Penderita Pneumonia Pada Bayi < 1 Tahun.................. 74
Hasil Peramalan Penderita Pneumonia Pada Balita 1-4 Tahun................ 75
Hasil Peramalan Penderita Pneumonia Berat Pada Bayi < 1 Tahun ........ 77
Hasil Peramalan Penderita Pneumonia Berat Pada Balita 1-4 Tahun ...... 78
Hasil Peramalan Penderita Bukan Pneumonia Pada Bayi < 1 Tahun ....... 79
Hasil Peramalan Penderita Bukan Pneumonia Pada Balita 1-4 Tahun ..... 82
BAB I
PENDAHULUAN
1.1. Latar Belakang
ISPA (Infeksi Saluran Pernafasan Akut) meliputi infeksi akut saluran
pernafasan bagian atas dan saluran pernafasan bagian bawah. Program
Pemberantasan Penyakit (P2) ISPA membagi penyakit ISPA menjadi pneumonia
berat, pneumonia, dan yang bukan pneumonia.
Penyakit ISPA masih merupakan salah satu masalah kesehatan masyarakat
yang utama. Hal ini disebabkan masih tingginya angka kematian karena ISPA
terutama pada bayi dan balita. (Depkes RI, 1992)
Berdasarkan data WHO tahun 2005, kematian balita yang disebabkan oleh
ISPA sebesar 19 % dan ini merupakan urutan kedua penyebab kematian balita setelah
penyebab neonatal yaitu sebesar 37 %, sedangkan yang menyebabkan kematian bayi,
infeksi berat yang sudah termasuk ISPA di dalamnya sebesar 26 %. Beberapa hasil
penelitian di negara berkembang menunjukkan bahwa 20-35 % kematian bayi dan
anak balita disebabkan oleh ISPA. Diperkirakan bahwa 2-5 juta bayi dan balita di
berbagai negara setiap tahun meninggal karena ISPA. Dua per tiga dari kematian ini
terjadi pada kelompok usia bayi, terutama bayi pada usia 2 bulan pertama sejak
kelahiran. (Depkes RI, 2005 dan Djaja, 2001 )
Dari data mortalitas SKRT 1992 menunjukkan bahwa ISPA sebagai
penyebab kematian nomor satu pada bayi yaitu sebesar 29,3 % dan penyebab
kematian nomor dua pada anak balita yaitu sebesar 15,3 %. Hasil SKRT 1995
menunjukkan bahwa 21,2 % kematian bayi dan 30,3 % kematian anak balita
disebabkan oleh ISPA. Hasil Surkesnas tahun 2001 memperlihatkan prevalensi 10
kelompok penyakit utama, pada bayi, ISPA merupakan peringkat kedua yaitu 38,7 %
sedangkan pada anak balita menduduki peringkat pertama yaitu 42,2 %. (Depkes RI,
2005 dan Djaja, 1999)
Berdasarkan Profil Kesehatan Propinsi Sumatera Utara tahun 2006 bahwa
jumlah penderita ISPA pada balita berjumlah 356.205 orang, yang terdiri dari
pneumonia sebanyak 41.332 orang dan bukan pneumonia sebanyak 314.873 orang.
Berdasarkan data laporan P2 ISPA Dinas Kesehatan Kota Medan pada tahun 2004
menunjukkan bahwa penyakit ISPA pada bayi sebanyak 40.014 orang dan pada balita
sebanyak 86.728 orang. Pada tahun 2005 ditemukan bayi yang menderita ISPA
sebanyak 38.642 orang dan 91.605 orang. Dan tahun 2006 ditemukan bayi yang
menderita ISPA 39.069 orang dan pada balita sebanyak 93.991 orang.
Berdasarkan data di atas dapat dilihat bahwa jumlah pasien penyakit ISPA
masih tinggi dan mengalami kenaikan, terutama pada bayi dan balita yang paling
rentan untuk terkena ISPA yang dapat menimbulkan kematian. Untuk mencegah
terjadinya peningkatan angka kematian, perlu dibentuk suatu program. Sebelum
program dibentuk diperlukan perencanaan terlebih dahulu.
Peramalan cukup penting dalam perencanaan, untuk mengetahui terlebih
dahulu kejadian yang akan datang. Sering terjadi selang waktu (lead time) antara
kejadian sekarang dengan masa yang akan datang. Adanya selang waktu (lead time)
ini merupakan suatu alasan untuk perencanaan dan peramalan. Bila lead time ini
besarnya nol atau sangat kecil, maka lead time tidak dibutuhkan untuk perencanaan.
Tetapi, bila lead time tersebut panjang dan hasil yang diperoleh membutuhkan faktor-
faktor yang menyatakan bahwa perencanaan dapat dibentuk memiliki peranan
penting. Pada kasus dan situasi tersebut, peramalan terjadi atau dibutuhkan sehingga
tindakan yang tepat dapat dilakukan. Sedangkan peramalan tersebut merupakan
sebuah alat bantu yang penting pada perencanaan yang efektif dan efisien.
(Manurung, 1990)
Untuk melakukan suatu peramalan, dibutuhkan data yang dapat digunakan
sebagai acuan untuk meramalkan sesuatu. Data yang dimaksud disini adalah data
berkala (time series). Data berkala (time series data, yang disebut time series saja,
tanpa menggunakan kata data) adalah data yang dikumpulkan dari waktu ke waktu,
untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi,
harga, hasil penjualan, jumlah tenaga kerja, penduduk, jumlah kecelakaan, jumlah
kejahatan, jumlah peserta KB, dan lain sebagainya). Analisis data berkala
memungkinkan kita untuk megetahui perkembangan waktu/beberapa kejadian.
(Supranto, 2000). Selain yang telah disebutkan oleh Supranto, jumlah penderita suatu
penyakit (ISPA) yang dikumpulkan dari waktu ke waktu juga dapat merupakan data
berkala (time series).
Untuk mengantisipasi terjadinya peningkatan jumlah penderita ISPA yang
dapat mengakibatkan jumlah kematian semakin tinggi dan didukung dari data yang
menunjukkan bahwa ISPA merupakan penyebab utama kematian pada bayi dan anak
balita maka peneliti ingin mengetahui kecenderungan jumlah penderita ISPA di Kota
Medan berdasarkan catatan bulanan Program P2 ISPA.
1.2. Permasalahan
Yang menjadi permasalahan dalam penelitian ini adalah masih tingginya
jumlah penderita ISPA pada bayi dan balita di Kota Medan dan selalu mengalami
peningkatan setiap tahunnya dan jika hal ini berlanjut dapat menjadi salah satu
penyebab tingginya angka kematian pada bayi dan balita.
1.3. Tujuan Penelitian
1.3.1. Tujuan Umum
Untuk mengetahui kecenderungan penyakit ISPA tahun 2002-2006 dan hasil
ramalannya tahun 2007-2011.
1.3.2. Tujuan Khusus
1. Untuk mengetahui kecenderungan penderita ISPA secara keseluruhan pada
bayi (<1 tahun) dan hasil ramalannya tahun 2007-2011.
2. Untuk mengetahui kecenderungan penderita ISPA secara keseluruhan pada
anak balita (1-4 tahun) dan hasil ramalannya tahun 2007-2011.
3. Untuk mengetahui kecenderungan penderita ISPA berdasarkan klasifikasi
pneumonia pada bayi (<1 tahun) dan hasil ramalannya tahun 2007-2011.
pneumonia pada anak balita (1-4 tahun) dan hasil ramalannya tahun 2007-
2011.
pneumonia berat pada bayi (<1 tahun) dan hasil ramalannya tahun 2007-2011.
pneumonia berat pada anak balita (1-4 tahun) dan hasil ramalannya tahun
2007-2011.
bukan pneumonia pada bayi (<1 tahun) dan hasil ramalannya tahun 2007-
2011.
bukan pneumonia pada anak balita (1-4 tahun) dan hasil ramalannya tahun
2007-2011.
1.4. Manfaat Penelitian
1. Menjadi bahan masukan bagi Dinas Kesehatan Kota Medan dalam upaya
meningkatkan pelayanan kesehatan di Puskesmas bagi penderita ISPA
sehingga penderita ISPA dapat disembuhkan berdasarkan data yang diperoleh
dari hasil ramalan, serta melakukan upaya pencegahan bagi yang belum
terinfeksi dengan melakukan penyuluhan kesehatan.
2. Sebagai refrensi bagi penelitian selanjutnya.
BAB II
TINJAUAN PUSTAKA
2.1. INFEKSI SALURAN PERNAFASAN AKUT (ISPA)
ISPA merupakan singkatan dari infeksi saluran pernafasan akut, istilah ini
diadaptasi dari istilah dalam bahasa Inggris atau dikenal Acute Respiratory Infections
(ARI).
2.1.1. Definisi ISPA
Istilah ISPA meliputi tiga unsur yaitu infeksi, saluran pernafasan dan infeksi
akut, dengan pengertian sebagai berikut : (Depkes RI, 1992)
1) Infeksi adalah masuknya kuman atau mikroorganisme ke dalam tubuh
manusia dan berkembang biak sehingga menimbulkan gejala penyakit.
2) Saluran pernafasan adalah organ mulai dari hidung hingga alveoli beserta
organ adneksanya seperti sinus-sinus, rongga telinga tengah dan pleura. ISPA
secara anatomis mencakup saluran pernafasan bagian atas, saluran pernafasan
bagian bawah (termasuk jaringan paru-paru) dan organ adneksa saluran
pernafasan. Dengan batasan ini, jaringan paru termasuk dalam saluran
pernafasan (respiratory tract).
3) Infeksi akut adalah infeksi yang berlangsung sampai dengan 14 hari.
Dengan demikian ISPA adalah infeksi saluran pernafasan yang dapat
berlangsung sampai 14 hari, dimana secara klinis suatu tanda dan gejala akut akibat
infeksi yang terjadi di setiap bagian saluran pernafasan atau struktur yang berhubungan
dengan saluran pernafasan yang berlangsung tidak lebih dari 14 hari.
2.1.2. Etiologi ISPA

Etiologi ISPA terdiri lebih 300 jenis bakteri, virus dan riketsia. Bakteri
penyebab ISPA antara lain dari genus Streptokokus, Stafilokokus, Pnemokokus,
Haemofillus, Bordetella dan Corinobakterium. Virus penyebab ISPA antara lain
adalah golongan Mixosovirus, Adenovirus, Coronavirus, Pikornavirus, Mikoplasma,
Herpesvirus. (Depkes RI, 2005)
2.1.3. Klasifikasi Penyakit ISPA
Klasifikasi penyakit ISPA untuk bayi kurang dari satu tahun dan anak 1-4
tahun dibagi atas:
a. Pneumonia Berat
Bayi kurang dari 1 tahun yang nafasnya cepat atau dengan tarikan dinding
dada bagian bawah ke dalam yang kuat digolongkan sebagai pneumonia berat.
Batas nafas cepat untuk golongan umur kurang dari satu (1) tahun yaitu 60
kali per menit atau lebih.
Untuk anak umur 1-4 tahun ditandai dengan adanya batuk dan kesukaran
bernafas disertai nafas sesak atau tarikan dinding dada bagian bawah ke
dalam.
b. Pneumonia
Anak dengan nafas cepat dan tidak disertai tarikan dinding dada bagian bawah
ke dalam klasifikasi sebagai pneumonia (tidak berat). Patokan nafas cepat
adalah 50 kali per menit atau lebih untuk bayi kurang dari 1 tahun dan untuk
anak umur 1-4 tahun adalah 40 kali per menit atau lebih.
c. Bukan Pneumonia
Bayi kurang dari 1 tahun, frekuensi pernafasan < 60 kali per menit dan tidak
mengalami tarikan dinding dada.
Anak umur 1-4 tahun nafasnya tidak cepat dan tidak mengalami tarikan kuat
dinding dada bagian bawah ke dalam.
Menurut anatominya ISPA dibedakan menjadi ISPA bagian atas dan ISPA
bagian bawah. Adapun yang menjadi penyakit ISPA bagian atas adalah : pilek
(nasofaringitis), otitis media, faringitis akut (tonsilitis akut). Sedangkan yang menjadi
penyakit ISPA bagian bawah adalah: laringitis, bronkitis, pneumonia.
Hampir seluruh kematian karena ISPA pada anak kecil disebabkan oleh ISPA
bagian bawah, yaitu pneumonia. Akan tetapi, tidak semua infeksi saluran pernafasan
bawah akut dapat menjadi serius, sebagai contoh: bronkitis relatif sering terjadi dan
jarang fatal. Sedangkan untuk ISPA bagian atas mengakibatkan kematian pada anak
dalam jumlah kecil. Kunci untuk mengurangi kematian ISPA adalah dengan
memastikan adanya akses yang lebih baik pada penanganan kasus pneumonia tepat
pada waktunya. (Widjaja, 2003)
2.1.4. Cara Penularan Penyakit ISPA
ISPA dapat ditularkan melalui air ludah, bersin, udara pernapasan yang
mengandung kuman yang terhirup oleh orang sehat ke saluran pernapasannya.
(Depkes RI, 2004)
2.1.5. Faktor yang Mempengaruhi Timbulnya Penyakit ISPA
Menurut Amin (1989) yang dikutip oleh Chahaya (2005) timbulnya penyakit
ISPA dipengaruhi oleh beberapa faktor yaitu kuman penyebab penyakit (agent),
pejamu (host), dan kondisi lingkungan (environtment).
1) Faktor Agent (Bibit Penyakit)
Infeksi saluran pernafasan akut sebagian besar disebabkan oleh Streptococcus
pneumonia dan Haemophylus influenzae.
2) Faktor Host (Pejamu)
Faktor host yang mempengaruhi timbulnya penyakit ISPA adalah:
a. Umur
Hasil analisis faktor risiko membuktikan bahwa faktor usia merupakan salah
satu faktor risiko untuk terjadinya kematian. Semakin tua usia balita yang sedang
menderita ISPA, semakin kecil risiko meninggal dibandingkan dengan usia muda.
Dari hasil penelitian Lubis dkk (1996) didapatkan bahwa anak yang berumur
1-2 tahun lebih peka 5 kali terkena ISPA dibandingkan anak usia 5 tahun. Ini
disebabkan karena anak yang berumur 1-2 tahun tingkat kekebalan tubuhnya lebih
rendah dari pada anak usia 5 tahun.
b. Status Gizi
Defisiensi gizi sering dihubungkan dengan infeksi. Infeksi bisa berhubungan
dengan gangguan gizi melalui beberapa cara yaitu: mempengaruhi nafsu makan,
dapat juga menyebabkan kehilangan bahan makanan karena diare/muntah-muntah
atau mempengaruhi metabolisme makanan. Secara umum, defisiensi gizi sering
merupakan awal dari gangguan sistem kekebalan.
Keadaan gizi buruk muncul sebagai faktor risiko yang penting untuk ISPA.
Menurut Martin yang dikutip oleh Djaja (1999), membuktikan adanya hubungan
antara gizi buruk dengan infeksi paru sehingga anak-anak yang bergizi buruk sering
mendapat ISPA.
Menurut Kartasasmita (1993), diketahui bahwa prevalensi ISPA cenderung
lebih tinggi pada anak dengan status gizi kurang. Beberapa penelitian terdahulu
menunjukkan bahwa malnutrisi merupakan faktor risiko penting untuk ISPA. Anak
yang menderita malnutrisi berat dan kronis lebih sering terkena ISPA dibandingkan
anak dengan berat badan normal.
c. Daya Tahan Pejamu
Telah diketahui secara teoritis, bahwa imunisasi adalah cara untuk
menimbulkan kekebalan terhadap berbagai penyakit. Imunisasi yang tidak memadai
merupakan faktor risiko yang dapat meningkatkan insiden ISPA terutama pneumonia,
sehingga faktor anak yang diimunisasi sangat menentukan dalam tingginya angka
insidens pneumonia. Anak yang belum pernah diimunisasi campak lebih berisiko
terhadap terjadinya kematian karena ISPA pada balita yang menderita ISPA.
Selain imunisasi, ASI juga berperan terhadap menjaga kekebalan tubuh dari
berbagai penyakit, karena ASI mengandung zat anti yang dapat mencegah infeksi.
Menurut Kartasasmita (1993), melaporkan bahwa pemberian ASI dapat melindungi
bayi terhadap ISPA seperti juga terhadap diare. Prevalensi ISPA lebih tinggi pada
bayi yang tidak diberi ASI.
3) Faktor Lingkungan (Environtment)
Kondisi kesehatan lingkungan perumahan yang tidak memenuhi syarat
kesehatan dapat menjadi faktor timbulnya penyakit ISPA. Menurut Achmadi, yang
dikutip oleh Chahaya (2005) kelembaban udara dalam rumah berkaitan erat dengan
ventilasi yang tidak memenuhi syarat kesehatan. Udara yang lembab akan
menimbulkan gangguan kesehatan penghuninya terutama gangguan pernafasan. Bila
kelembaban ruangan makin tinggi, ini merupakan sarana perkembangbiakan yang
baik untuk bakteri sehingga memudahkan terjadinya penularan penyakit ISPA.
Selain itu suhu berhubungan erat dengan kelembaban dalam rumah. Untuk
mendapatkan suhu yang optimum harus mempunyai ventilasi minimal 10 persen dari
luas lantai. Menurut Lubis (1985) yang dikutip oleh Chahaya (2005) ventilasi yang
cukup berguna untuk menghindarkan dari pengaruh buruk yang dapat merugikan
kesehatan manusia. Kurangnya ventilasi akan menyebabkan kurangnya oksigen dan
udara segar di dalam rumah, menyebabkan naiknya kelembaban udara, selain itu
dapat menyebabkan terakumulasinya polutan bahan pencemar di dalam rumah
khususnya kamar tidur sehingga memudahkan terjadinya penularan penyakit terutama
gangguan pernafasan. Hal ini juga sesuai dengan penelitian Marvin (2002) yang
dikutip oleh Chahaya (2005) yang menyatakan ada hubungan antara ventilasi dengan
kejadian ISPA.
Penggunaan obat nyamuk bakar sebagai alat untuk menghindari gigitan
nyamuk dapat menyebabkan gangguan saluran pernafasan karena menghasilkan asap
dan bau yang tidak sedap. Adanya pencemaran udara di lingkungan rumah akan
merusak mekanisme pertahanan paru-paru sehingga mempermudah timbulnya
gangguan pernafasan.
Gangguan pernafasan pada balita yang menggunakan bahan bakar minyak
tanah lebih tinggi dari rumah yang menggunakan bahan bakar gas. Pemaparan yang
terjadi dalam rumah juga tergantung pada lamanya orang berada di dapur atau
ruangan lain yang telah terpapar bahan pencemar. (Chahaya, 2005)
Kepadatan di dalam kamar terutama kamar balita yang tidak sesuai dengan
standar akan menimbulkan ruangan penuh sesak. Kepadatan hunian dapat
mempengaruhi kualitas udara di dalam rumah, dimana semakin banyak jumlah
penghuni maka akan semakin cepat udara di dalam rumah mengalami pencemaran.
Hal ini sesuai dengan penelitian Achmadi (1990) yang dikutip oleh Chahaya (2005)
bahwa rumah yang padat seringkali menimbulkan gangguan pernafasan terutama
pada anak.
2.1.6. Pencegahan Penyakit ISPA
Dalam usaha mencegah penyakit ISPA, peran serta yang aktif dari masyarakat
atau keluarga terutama ibu rumah tangga, karena ISPA sangat dipengaruhi oleh
keadaan kebersihan lingkungan di dalam dan di luar rumah. Beberapa upaya untuk
mencegah penyakit ISPA adalah: (Depkes RI, 2005)
1. Memberikan imunisasi yang lengkap pada anak.
Untuk mencegah ISPA dapat dilakukan dengan pemberian imunisaasi yaitu
imunisasi campak pada anak usia 9 bulan.
2. Perbaikan gizi anak
Dalam memperbaiki gizi anak, ibu sebaiknya diberikan petunjuk tentang cara-
caranya. Keadaan gizi seseorang merupakan suatu faktor penting bagi
timbulnya ISPA.
3. Menjauhkan anak dari penderita ISPA.
4. Menjaga agar lingkungan tempat tinggal tetap bersih dan menjaga kebersihan
perorangan.
2.2. Peramalan
2.2.1. Pengertian Peramalan
Peramalan (forecasting) pada dasarnya merupakan dugaan atau perkiraan
mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang.
(Supranto, 2000)
Peramalan merupakan dasar untuk penyusunan rencana. Efektif tidaknya
suatu rencana yang disusun, sangat ditentukan oleh kemampuan para penyusunnya
untuk meramalkan situasi dan kondisi pada saat rencana itu dilaksanakan.
2.2.2. Kegunaan Peramalan
Dalam usaha mengetahui atau melihat perkembangan dimasa depan,
peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau
suatu kebutuhan akan timbul; sehingga dapat dipersiapkan kebijakan atau tindakan-
tindakan yang perlu dilakukan.
Kegunaan peramalan terlihat pada saat pengambilan keputusan. Keputusan
yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi
pada waktu keputusan itu dilaksanakan. Walaupun demikian perlu disadari bahwa
suatu ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahannya. Sehingga
yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan
kesalahannya tersebut. (Assauri,1984)
2.2.3. Jenis-Jenis Peramalan
Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari
cara melihatnya. Peramalan dapat dibedakan berdasarkan sifat penyusunnya, jangka
waktu ramalan dan sifat ramalan yang disusun.
1. Jenis peramalan dilihat dari sifat penyusunnya
Peramalan dapat dibedakan atas dua macam, yaitu:
a. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau
intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau
judgement dari orang yang menyusunnya sangat menentukan baik tidaknya
hasil ramalan tersebut.
b. Peramalan yang objektif, adalah peramalan yang didasarkan atas data yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-
metode dalam penganalisaan data tersebut.
2. Jenis peramalan dilihat dari jangka waktu ramalan yang disusun
Peramalan dapat dibedakan atas dua macam, yaitu :
a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan
hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga
semester.
b. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan
hasil ramalan dengan jangka waktu yang kurang dari satu setengah tahun atau
tiga semester. Peramalan seperti ini diperlukan dalam penyusunan rencana
tahunan, rencana kerja operasional, dan anggaran.
3. Jenis peramalan dilihat dari sifat ramalan yang disusun
Peramalan dapat dibedakan atas dua macam, yaitu :
a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif
pada masa lalu.
b. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif
pada masa lalu.
Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi
sebagai berikut :
1. Adanya informasi tentang keadaan yang lain ;
2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data;
3. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada
masa yang akan datang.
2.2.4. Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang
akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu.
Metode peramalan sangat berguna, karena akan membantu dalam
mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu,
sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang
sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas
ketepatan hasil ramalan yang dibuat.
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas:
(Assauri, 1984)
I. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan
deret waktu (time series).
II. Metode peramalan yang menggunakan analisa pola hubungan antara variabel
yang diperkirakan dengan variabel lain yang mempengaruhi, yang bukan waktu,
atau dikenal dengan metode sebab akibat (causal methods) atau korelasi, terdiri
dari:
a. Metode regresi dan korelasi
b. Model ekonometri untuk peramalan jangka pendek dan jangka panjang
c. Model input output untuk proyeksi trend ekonomi jangka panjang.
Deret Waktu (Time Series)
Dalam time series (Y) terdapat beberapa komponen yaitu:
1. Trend jangka panjang (trend sekuler)
2. Variasi siklis (cyclical variation)
3. Variasi musim (seasonal variation)
4. Variasi tak beraturan (irregular variation)
Model time series yang biasa digunakan adalah mengalikan keempat komponen
tersebut, dengan persamaan sebagai berikut:
Y=TxCxSxI
Dimana, Y = time series
T = trend jangka panjang (trend sekuler)
C = Variasi siklis (cyclical variation)
S = Variasi musim (seasonal variation)
I = Variasi tak beraturan (irregular variation)
1. Trend jangka panjang (Trend Seculer)
Trend jangka panjang (trend sekuler) yaitu suatu gerakan yang menunjukkan
arah perkembangan secara umum (kecenderungan menaik/menurun). Trend jangka
panjang disimbolkan dengan T.
Trend sekuler memiliki bentuk berupa garis meningkat dan menurun.
Y= f(x) Y= f(x)
Waktu X (waktu) Waktu X (waktu)
Gambar 2.1 Kurva Trend
2. Variasi siklis (Cyclical Variation)
Variasi siklis adalah gerakan jangka panjang di sekitar garis trend. Variasi
siklis bisa terulang setelah jangka waktu tertentu, bisa juga tidak terulang dalam
jangka waktu yang sama.Variasi siklis disimbolkan dengan C.
Dalam bentuk grafik, variasi siklis dapat digambarkan sebagai berikut :
Y=f (x)
Garis trend
Gerakan siklis X (waktu)
Gambar 2.2 Kurva gerakan/variasi siklis
3. Variasi Musiman (Seasonal variation)
Variasi musim adalah gerakan yang mempunyai pola tetap dari waktu ke
waktu. Pada umumnya variasi musim terjadi pada data bulanan yang dikumpulkan
dari tahun ke tahun, akan tetapi berlaku juga bagi data harian, mingguan atau satuan
waktu yang lebih kecil lagi. Variasi musim disimbolkan dengan S.
Pola variasi musim dinyatakan dalam bentuk angka indeks yang disebut
indeks musiman. Indeks musiman dapat diketahui dengan metode rasio terhadap
trend.
Metode rasio terhadap trend menggunakan nilai-nilai trend sebagai dasar
perhitungan. Langkah-langkah penyelesaian dengan metode rasio terhadap trend
adalah sebagai berikut:
a. Menentukan persamaan trend tahunan dengan metode least square.
b. Mengubah persamaan trend tahunan menjadi persamaan trend bulanan.
Trend bulanan adalah trend dari bulan ke bulan, misalnya dari bulan Januari
ke bulan Februari dan dari bulan Maret ke bulan april. Sama halnya trend
tahunan yang merupakan trend dari tahun ke tahun. Dari trend tahunan (satuan
X-nya tahun) bias dibuat menjadi trend bulanan (satuan X-nya bulan)
dilakukan dengan cara membagi nilai a dengan 12 dan nilai b dengan 12 2
atau 144.
Jika persamaan trend tahunan Yi = a + bXi
a b
Maka persamaan trend bulanan adalah Yi = + Xi
12 144
c. Menentukan nilai-nilai trend untuk masing-masing bulan, dengan persamaan:
a b
Yi = + Xi
12 144
d. Menyatakan data berkalanya (Yi) sebagai persentase terhadap nilai trend.
e. Lalu dijumlahkan untuk masing-masing bulan.
f. Menentukan rata-rata setiap bulan.
g. Jumlahkan rata-rata bulan Januari sampai Desember
h. Menentukan indeks musimnya.
1200
Indeks Musim = rata-rata x
totalrata rata
Maka peramalan dengan menggunakan trend dan indeks musim :
S
Ramalan = T x
100
Dimana, T = Trend bulanan
S = Indeks musiman
Variasi musim biasanya disebabkan pengaruh-pengaruh, seperti musiman dan
kebiasaan. Variasi musiman dapat digambarkan sebagai berikut:
Y= f(x)
X (waktu)
Gambar 2.3 Kurva Variasi musiman
4. Variasi Tidak Beraturan (Irregular variation )
Variasi tidak beraturan adalah variasi atau gerakan yang sifatnya sporadis.
Variasi ini merupakan gerakan naik turun yang tidak dapat diduga sebelumnya dan
terjadi secara acak. Variasi ini dapat digambarkan sebagai berikut: (Supranto, 2000)
Y= f(x)
Gambar 2.4 Kurva Variasi Irreguler X (waktu)
Metode peramalan dengan menggunakan analisa pola hubungan antara
variabel yang akan diperkirakan dengan variabel waktu, atau analisa deret waktu,
terdiri dari:
1. Metode Smoothing
Metode smoothing mencakup metode data lewat (past data), metode rata-rata
bergerak (moving average) dan metode exponential smoothing. Ini merupakan
metode yang dipergunakan untuk melicinkan (smoothing) dan mengurangi fluktuasi
ramalan. Ketepatan dari peramalan dengan metode ini akan terdapat pada peramalan
jangka pendek, sedangkan untuk peramalan jangka panjang kurang ketepatannya.
Data yang dibutuhkan untuk penggunaan metode peramalan ini minimum selama dua
tahun.
A. Metode Data Lewat (Past Data)
Metode data lewat (past data)ini merupakan metode peramalan jangka pendek
yang paling sederhana. Penyusunan ramalan didasarkan pada data yang lewat. Hasil
ramalan ini menggunakan pola fluktuasi data yang diobservasi pada suatu periode,
untuk ramalan satu periode di masa depan. Oleh karena fluktuasi yang besar dapat
menimbulakn penyimpangan ramalan yang cukup besar pula. (Assauri, 1984)
B. Moving Average
Dengan moving average (rata-rata bergerak) ini kita melakukan peramalan
dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu
menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya.
1. Single Moving Average
Menentukan ramalan dengan metode single moving average cukup mudah dilakukan.
Persamaan matematis dari moving average adalah:
X + X t 1 + X t 2 ..... + X t N +1
F t +1 = t
N
F t +1 = ramalan untuk periode ke t +1
X t = data pada periode ke t
N = jangka waktu rata-rata bergerak
2. Double Moving Average
Menentukan ramalan dengan metode double moving average sedikit lebih
sulit dibandingkan dengan metode single moving average. Ada beberapa
langkah dalam menentukan ramalan dengan metode double moving average,
yaitu:
a. Menghitung moving average/rata-rata bergerak pertama, diberi simbol s 1t .
Ini dihitung dari data historis yang ada. Hasilnya diletakkan pada periode
terakhir moving average pertama.
b. Menghitung moving average/rata-rata bergerak kedua, diberi symbol s 11

t .
Ini dihitung dari rata-rata bergerak pertama. Hasilnya diletakkan pada
periode terakhir moving average kedua.
c. Menentukan besarnya nilai a t (konstanta).

a t = s 1t + (s 1t - s 11
t )
d. Menentukan besarnya nilai b t (slope)
2( st1 st11 )
bt =
V 1
V adalah jangka waktu moving average
e. Menentukan besarnya forecast
F t + m = a t + b t (m)
m adalah jangka waktu forecast ke depan.
C. Exponential Smoothing
Metode exponential smoothing merupakan pengembangan dari metode
moving average. Dalam metode ini peramalan dilakukan dengan mengulang
perhitungan secara terus-menerus dengan menggunakan data terbaru. Setiap data
diberi bobot, data yang lebih baru diberi bobot yang lebih besar.
Dua metode dalam exponential smoothing diantaranya single exponential
smoothing dan double exponential smoothing.
1. Single Exponential Smoothing
Pada metode ini bobot yang diberikan pada data yang ada adalah sebesar
untuk data yang terbaru, (1-) untuk data yang lama, (1-) 2 untuk data yang
lebih lama, demikian seterusnya. Besarnya adalah antara 0 dan 1. Semakin
mendekati 1 berarti data terbaru lebih diperhatikan.
Secara matematis besarnya forecast adalah:
F t +1 = X t + (1-) F t
F t +1 : Ramalan untuk periode ke t + 1
X t : Nilai riil periode ke t
Ft : Ramalan untuk periode ke t
Dari persamaan tersebut besarnya forecast periode yang akan datang
dijelaskan sebagai berikut:
F t +1 = X t + (1-) F t
F t +1 = X t + F t - F t
F t +1 = F t + X t - F t
F t +1 = F t + (X t - F t )
(X t - F t ) merupakan kesalahan forecast atau forecast error periode ke t. Dengan
demikian dapat dikatakan bahwa forecast pada periode yang akan datang adalah
ramalan periode sebelumnya ditambah (alpha) dikalikan dengan kesalahan forecast
periode sebelumnya.
Dalam melakukan peramalan dengan metode single exponential smoothing
besarnya (alpha) ditentukan secara trial dan error sampai diketemukan yang
menghasilkan forecast error terkecil.
2. Double Exponential Smoothing

Pada metode ini proses penentuan ramalan dimulai dengan menentukan
besarnya alpha secara trial dan error. Sedangkan tahap-tahap dalam menentukan
ramalan adalah sebagai berikut: (Gitusudarmo, 2001)
a. Menentukan smoothing pertama (S t' )
S t' = X t + (1-) S t' 1
S t' : smoothing pertama periode t
Xt : nilai riil periode t
S t 1 : smoothing pertama periode t-1
b. Menentukan smoothing kedua (S "t )
S "t = S t' + (1-) S "t 1
S "t 1 : smoothing kedua periode t-1
c. Menentukan besarnya konstanta (at)
at = 2 S t' - S "t
d. Menentukan besarnya slope (bt)

bt = (S t' - S "t )
1
e. Menentukan besarnya forecast ( F t + m )
F t + m = a t + b t (m)
m : jangka waktu forecast
Dari beberapa metode smoothing yang telah dijelaskan, ketepatan dari
ramalan yang dilakukan dengan metode rata-rata bergerak adalah rendah. Oleh
karena alasan tersebut, maka dalam praktek metode atau teknik rata-rata bergerak
tidak dipergunakan secara ekstensif dalam penyusunan ramalan. Sehingga terdapat
usaha mencari metode dan teknik lain yang lebih baik, yang dikenal dengan metode
exponential smoothing.
2. Metode Box Jenkins
Metode ini menggunakan dasar deret waktu dengan model matematis, agar
kesalahan yang terjadi dapat sekecil mungkin. Metode ini sangat baik ketepatannya
(accuracy) untuk peramalan jangka pendek, sedangkan untuk peramalan jangka
panjang ketepatannya kurang baik. Data yang dibutuhkan untuk penggunaan metode
peramalan ini minimum dua tahun.
3. Metode Proyeksi Trend dengan Regresi
Metode ini merupakan garis trend untuk suatu persamaan matematis, sehingga
dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa
depan. Untuk peramalan jangka pendek maupun jangka panjang, ketepatan peramalan
dengan metode ini sangat baik. Data yang dibutuhkan untuk penggunaan metode
peramalan ini adalah data tahunan, dan makin banyak data yang dimiliki makin lebih
baik, serta minimum data tahunan yang harus ada adalah lima tahun.
Untuk memproyeksikan hal yang diteliti, terlebih dahulu trend ditentukan.
Untuk menentukan nilai trend dapat digunakan beberapa cara yaitu: metode tangan
bebas (free hand), metode setengah rata-rata (semiaverage), metode rata-rata
bergerak (moving average) dan metode kuadrat terkecil (least square). (Assauri,
1984)
1) Metode Tangan Bebas (free Hand)
Pembuatan trend bebas dilakukan tanpa menggunakan formula matematis.
Pada metode ini garis trend ditentukan secara bebas, tetapi tidak berarti ditentukan
tanpa pertimbangan-pertimbangan tertentu. Namun demikian penentuan garis trend
tetap sangat subyektif, yang setiap orang mempunyai pertimbangan sendiri-sendiri.
(Gitusudarmo, 2001).
Langkah-langkah untuk menentukan garis trend dengan menggunakan metode
tangan bebas adalah sebagai berikut:
a. Buat sumbu tegak Y dan sumbu mendatar X.
b. Buat scatter diagram yaitu kumpulan titik-titik koordinat (X, Y), X = variabel
waktu.
c. Dengan jalan observasi atau pengamatan langsung terhadap bentuk scatter
diagram tariklah garis yang mewakili atau paling tidak mendekati semua titik
koordinat yang membentuk scatter diagram tersebut.
Misalnya Y = data berkala, X = waktu (tahun, bulan, dan lain sebagainya).
Y: Y1, Y2, , Yi, , Yn
X : X1, X2, , Xi, , Xn
Cara menarik garis trend tangan bebas merupakan cara yang paling mudah
akan tetapi sifatnya sangat subyektif, maksudnya kalau ada lebih dari satu orang
diminta untuk menarik garis trend dengan cara ini akan diperoleh garis trend lebih
dari satu. Sebab masing-masing orang mempunyai pilihan sendiri sesuai dengan
anggapannya, garis mana yang mewakili scatter diagram tersebut. (Supranto, 2000)
2) Metode Setengah rata-Rata (Semiaverage Methode)
Dengan metode setengah rata-rata nilai trend sudah mulai ditentukan dengan
perhitungan-perhitungan, yang berarti unsur subjektif mulai berkurang. Penentuan
trend dengan metode setengah rata-rata dengan prosedur sebagai berikut:
a. Data yang ada dibagi menjadi dua kelompok dengan jumlah yang
sama
b. Tahun dasar ada pada tengah-tengah kelompok I
c. Pada masing-masing kelompok ditentukan nilai X, semitotal dan
semiaverage
d. Jumlah nilai X pada kelompok I harus nol
e. Proyeksi (forecast) di tahun yang akan datang tergantung berapa
besarnya nilai X
Nilai trend dihitung dengan formula Y = a + bX
Dimana:
a = rata-rata kelompok I
rata - rata kelompok II rata - rata kelompok I

b=
n
n = jumlah data masing-masing kelompok
X = nilai yang ditentukan berdasarkan tahun dasar
Menggambarkan atau menentukan garis trendnya dengan cara
menghubungkan dua nilai rata-rata yang diketahui dalam suatu diagram. Garis itulah
yang menjadi garis trend. (Gitusudarmo, 2001)
3) Metode Rata-Rata Bergerak (Moving Average)
Metode rata-rata bergerak adalah metode yang banyak digunakan untuk
menentukan trend dari suatu data deret waktu. Dengan menggunakan metode rata-rata
bergerak ini, deret berkala dari data asli diubah menjadi deret rata-rata bergerak yang
lebih mulus dan tidak terlalu tergantung pada osilasi sehingga lebih memungkinkan
untuk menunjukkan trend dasar atau siklus dalam pola data sepanjang waktu.
Dengan menggunakan metode rata-rata bergerak ini, nilai yang dimuluskan
pada titik waktu t dari pengukuran respon selama periode waktu M (y t ). Secara
umum ditentukan melalui perhitungan sebagai berikut :
pengamatan yang akan datang pengamatan terjauh

y t = y t 1 +
M
Keterangan : y t : respon proses pada saat t
y t 1 : respon proses pada saat t-1, dan seterusnya
M : periode waktu
Penggunaan nilai M yang ganjil memberikan keuntungan tersendiri karena
terhadap nilai aslinya dapat diperoleh pembanding yang dihasilkan dari rata-rata
bergerak. Apabila M yang digunakan adalah bilangan genap, rata-rata bergerak akan
terjadi diantara titik waktu, bukan pada titik waktu. (Sugiarto, 2000)
4) Metode Kuadrat Terkecil (Least Square)
Aplikasi metode jumlah kuadrat terkecil untuk data deret waktu ditujukan
untuk melihat trend dari data deret waktu. Model yang digunakan bisa berbentuk
linier atau kurvilinier. (Sugiarto, 2000)
Model trend linier deret waktu ditentukan sebagai berikut:
Yi = a + bXi
Keterangan : Yi = Nilai trend untuk periode tertentu
Yi = a, jika Xi = 0
b = Kemiringan garis trend, artinya besarnya perubahan Yi jika
perubahan satu besaran periode waktu
Xi = Kode periode waktu
Dengan metode ini, nilai a dan b dari persamaan trend linier di atas ditentukan
dengan rumus: (Supranto, 2000)
Yi XiYi
a= b=
n Xi 2
Keterangan : n adalah banyaknya pasangan data.
2.3. Alur Penelitian
Catatan Bulanan
Program P2ISPA
- Jumlah penderita ISPA secara keseluruhan pada bayi <1 tahun

dan balita 1-4 tahun, tahun 2002-2006
- Jumlah penderita berdasarkan klasifikasinya:
Pneumonia pada Bayi (<1 tahun) dan Anak usia 1-4
tahun.
Pneumonia berat pada Bayi (<1 tahun) dan Anak usia 1-
4 tahun.
Bukan Pneumonia pada Bayi (< 1 tahun) dan Anak usia
1-4 tahun.
Trend Jangka
Trend Jangka Panjang (+)
Panjang (-)
1. Faktor Trend
Double Exponential 2. Gerakan/Variasi
Smoothing musiman
- Ramalan Jumlah penderita ISPA secara - Ramalan Jumlah penderita ISPA secara
keseluruhan pada bayi <1 tahun dan keseluruhan pada bayi <1 tahun dan
balita 1-4 tahun, tahun 2007 balita 1-4 tahun, tahun 2007-2011
- Ramalan Jumlah penderita berdasarkan - Ramalan Jumlah penderita berdasarkan
klasifikasinya: klasifikasinya:
Pneumonia pada Bayi (<1 tahun) Pneumonia pada Bayi (<1 tahun)
dan Anak usia 1-4 tahun, tahun dan Anak usia 1-4 tahun, tahun
2007 2007-2011
Pneumonia berat pada Bayi (<1 Pneumonia berat pada Bayi (<1
tahun) dan Anak usia 1-4 tahun, tahun) dan Anak usia 1-4 tahun,
tahun 2007 tahun 2007-2011
Bukan Pneumonia pada Bayi (< 1 Bukan Pneumonia pada Bayi (< 1
tahun) dan Anak usia 1-4 tahun, tahun) dan Anak usia 1-4 tahun,
tahun 2007 tahun 2007-2011
BAB III
METODE PENELITIAN
3.1. Jenis Penelitian
Jenis penelitian ini bersifat deskriptif dengan metode analisis Time Series.
3.2. Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di Kota Medan. Penelitian ini dilakukan pada bulan
Juli sampai September 2007.
3.3. Populasi dan Sampel
Populasi dalam penelitian ini adalah data penderita ISPA pada bayi < 1 tahun
dan balita 1-4 tahun di kota Medan. Dan yang menjadi sampel dalam penelitian
adalah data penderita ISPA pada bayi < 1 tahun dan balita 1-4 tahun di kota Medan
pada tahun 2002-2006.
3.4. Metode Pengumpulan Data
Data yang dikumpulkan adalah data sekunder yaitu data penderita ISPA yang
diperoleh dari catatan bulanan program pemberantasan dan pencegahan ISPA sejak
bulan Januari 2002 sampai dengan bulan Desember tahun 2006 di Kantor Dinas
Kesehatan Kota Medan.
3.5. Definisi Operasional Variabel
Pada penelitian ini yang menjadi variabel terikat (dependent variable) adalah
jumlah penderita ISPA, sedangkan variabel bebasnya (independent variable) adalah
waktu.
Definisi untuk setiap variabel adalah sebagai berikut:
1. Catatan Bulanan Program P2 ISPA merupakan catatan penderita ISPA pada
laporan program P2 ISPA setiap bulan pada tahun 2002-2006.
2. Jumlah penderita ISPA secara keseluruhan pada bayi < 1 tahun dan anak usia
1-4 tahun adalah data jumlah keseluruhan penderita ISPA dengan pneumonia,
pneumonia berat dan bukan pneumonia pada bayi <1 tahun dan anak usia 1-4
tahun yang tercatat pada catatan bulanan Program P2 ISPA pada tahun 2002-
2006.
3. Jumlah penderita pneumonia pada bayi < 1 tahun dan anak usia 1-4
tahun adalah data jumlah penderita ISPA dengan klasifikasi pneumonia pada
bayi < 1 tahun dan anak usia 1-4 tahun yang tercatat pada catatan bulanan
program P2 ISPA pada tahun 2002-2006.
4. Jumlah penderita pneumonia berat pada bayi < 1 tahun dan anak usia 1-4
tahun adalah data jumlah penderita ISPA dengan klasifikasi pneumonia berat
pada bayi < 1 tahun dan balita 1-4 tahun yang semuanya tercatat pada laporan
bulanan program P2 ISPA pada tahun 2002-2006.
5. Jumlah penderita bukan Pneumonia pada bayi < 1 tahun dan anak usia 1-4
tahun adalah data jumlah penderita ISPA dengan klasifikasi bukan
pneumonia pada bayi kurang dari 1 tahun dan anak usia 1-4 yang tercatat pada
catatan bulanan program P2ISPA pada tahun 2002-2006.
6. Trend jangka panjang (+) adalah kecenderungan data penderita ISPA untuk
jangka waktu lima tahun.
7. Trend jangka panjang (-) adalah kecenderungan data penderita ISPA untuk
jangka waktu satu tahun.
8. Faktor Trend
Adalah trend yang variabel X- nya (periode waktu) berpangkat paling tinggi
satu. Trend linier memiliki bentuk persamaan berupa periode waktu
berpangkat paling tinggi satu. Trend linier memiliki bentuk persamaan berupa
persamaan garis lurus.
Trend ditentukan dengan metode kuadrat terkecil (least square method):
Yi = a + bXi
Keterangan :
Yi = Nilai trend untuk periode tertentu
Xi = Kode periode waktu
a = konstanta, nilai Yi = a, jika Xi = 0
b = Koefisien Xi
Yi XiYi
a= b=
n Xi 2
9. Faktor Seasonal Variation (variasi Musiman)
Peramalan dengan penyesuaian variasi musim dapat dilakukan dengan menggunakan

indeks musiman. Langkah-langkah dalam menentukan indeks musiman
dengan metode rasio terhadap trend:
a. Menentukan persamaan trend tahunan dengan metode least square.
b. Mengubah persamaan trend tahunan menjadi persamaan trend bulanan.
Trend bulanan adalah trend dari bulan ke bulan, misalnya dari bulan Januari
ke bulan Februari dan dari bulan Maret ke bulan april. Sama halnya trend
tahunan yang merupakan trend dari tahun ke tahun. Dari trend tahunan (satuan
X-nya tahun) bisa dibuat menjadi trend bulanan (satuan X-nya bulan)
dilakukan dengan cara membagi nilai a dengan 12 dan nilai b dengan 12 2
atau 144.
Jika persamaan trend tahunan Yi = a + bXi
a b
Maka persamaan trend bulanan adalah Yi = + Xi
12 144
c. Menentukan nilai-nilai trend untuk masing-masing bulan, dengan persamaan:
a b
Yi = + Xi
12 144
d. Menyatakan data berkalanya (Yi) sebagai persentase terhadap nilai trend.
e. Lalu dijumlahkan untuk masing-masing bulan.
f. Menentukan rata-rata setiap bulan.
g. Jumlahkan rata-rata bulan Januari sampai Desember
h. Menentukan indeks musimnya.
1200
Indeks Musim = rata-rata x
total rata - rata
10. Metode Double Exponential Smoothing
Apabila data yang diuji dengan regresi linier tidak signifikan, maka untuk
peramalannya menggunakan metode Double Exponential Smoothing. Langkah-
langkah menentukan double exponential smoothing adalah:
a. Menentukan smoothing pertama (S t' )
S t' = X t + (1-) S t' 1
: berdasarkan nilai mean square error terkecil dari 0,1 sampai 0,9
Xt : nilai riil periode t
S t' 1 : smoothing pertama periode t-1
b. Menentukan smoothing kedua (S "t )
S "t = S t' + (1-) S "t 1
S "t : smoothing kedua periode t
S "t 1 : smoothing kedua periode t-1
c. Menentukan besarnya konstanta (a t )
a t = 2 S t' - S "t
d. Menentukan besarnya slope (b t )

b t s= (S t' - S "t )
1
e. Error = Xt- Ft
Xt = nilai riil periode t
Ft = Ramalan periode t
11. Ramalan penderita ISPA tahun 2007-2011
a. Hasil ramalan dari variabel dengan analisa data berkala (time series)
dengan memperhatikan faktor trend (T), faktor seasonal variation (S) adalah:
S
Ramalan = T , dimana: T = Trend, S = indeks musiman
100
b. Hasil ramalan dari variabel dengan analisa data berkala (time series)
dengan metode Double Exponential Smoothing, dimana
Ramalan = a t + b t (m)
Dimana, a t = konstanta
b t = slope
m = jangka waktu ramalan
3.5. Teknik Analisis Data
Untuk melihat hubungan signifikan antara waktu dengan jumlah penderita
ISPA, dilakukan uji regresi. Hubungan yang signifikan tersebut dinyatakan dengan
nilai probabilitas. Jika probabilitas 0,05, waktu dengan jumlah penderita memiliki
hubungan linier yang signifikan, maka data diramalkan selama lima tahun ke depan
dengan menggunakan analisis time series dengan menghitung nilai trend dan indeks
musiman. Sedangkan untuk nilai probabilitas >0,05 berarti tidak terdapat hubungan
linier yang signifikan antara waktu dengan jumlah penderita, sehingga data hanya
diramalkan satu tahun kedepan dengan menggunakan metode Double Exponential
Smoothing.
BAB IV
HASIL PENELITIAN
4.1. Gambaran Umum Kota Medan
4.1.1. Letak Geografis
Kota Medan sebagai ibu kota propinsi Sumatera Utara merupakan pusat
pemerintahan, pendidikan, kebudayaan dan perdagangan. Terletak di Pantai Timur
Sumatera dengan batas-batas sebagai berikut:
Sebelah Utara : Selat Malaka
Sebalah Selatan : Kabupaten Deli Serdang
Sebelah Timur : Kabupaten Deli Serdang
Sebelah Barat : Kabupaten Deli Serdang
Luas wilayah Kota Medan adalah 265,10 km 2 terdiri dari : 21 kecamatan dan 151
kelurahan.
4.1.2. Kependudukan
Jumlah penduduk kota Medan tahun 2006 berdasarkan data dari Kantor
Statistik kota Medan adalah 2.067.288 jiwa dengan jumlah rumah tangga (KK)
sebanyak 465.218 KK dan kepadatan penduduk rata-rata 7.798/km 2 . Daerah terpadat
penduduknya adalah Kecamatan Perjuangan yaitu 25.369 jiwa/km 2 (luas wilayah:
40,9 km 2 ). Sedangkan Kecamatan Labuhan merupakan daerah yang jarang
penduduknya yaitu 2.859 jiwa/km 2 ( luas wilayah: 36,67 km 2 ).
Tabel 4.1. Jumlah Penduduk kota Medan Berdasarkan Jenis Kelamin dan
Kelompok Umur Tahun 2006
Kelompok Laki-laki Persen Perempuan Persen

Umur
< 1 tahun 18.632 1,81 17.677 1,70
1-4 tahun 84.708 8,24 79.554 7,65
5-14 tahun 208.072 20,25 196.799 18,93
15-44 tahun 560.314 54,53 588.176 56,57
45-64 tahun 128.389 12,49 124.477 11,97
65 tahun 27.492 2,68 32.998 3,17
Jumlah 1.027.607 100,00 1.039.681 100,00
Sumber: Profil Kesehatan Kota Medan Tahun 2006
Berdasarkan tabel di atas terlihat bahwa penduduk terbanyak pada kelompok
umur 15-44 tahun dimana jumlah penduduk laki-laki sebanyak 560.314 orang (54,53
%) dan perempuan sebanyak 588.176 orang (56,57 %). Sedangkan jumlah bayi (< 1
tahun), laki-laki ada sebanyak 18.632 orang (1,81 %) dan perempuan ada sebanyak
17.677 orang (1,70 %). Anak balita 1-4 tahun, laki-laki berjumlah 84.708 orang (8,24
%) dan perempuan sebanyak 79.554 orang (7,65 %).
4.1.3. Fasilitas Kesehatan
Di Kota Medan terdapat fasilitas kesehatan yang terdiri dari rumah sakit
umum (54 unit), rumah sakit jiwa (5 unit), rumah sakit ibu dan anak (7 unit), rumah
sakit khusus lainnya (3 unit), puskesmas (39 unit) dimana puskesmas rawat inap (11
unit) dan puskesmas non rawat inap (28 unit), puskesmas pembantu (40 unit),
ppuskesmas keliling (30 unit), posyandu 1396 unit. Dengan jumlah tenaga kesehatan
di Dinas Kesehatan Kota Medan ada sebanyak 1.650 orang yang terdiri dari: dokter
spesialis, dokter umum, dokter gigi, S2, tenaga kesehatan masyarakat, tenaga sanitasi,
apoteker, asisten apoteker, bidan, perawat, perawat gigi, tenaga gizi, dan lain-lain.
4.2. Jumlah Penderita ISPA Secara Keseluruhan Dan Berdasarkan
Klasifikasinya (Pneumonia, Pneumonia Berat Dan Bukan Pneumonia)
Menurut Usia Dan Hasil Ramalannya
4.2.1. ISPA Pada Bayi < 1 Tahun
Dari Catatan bulanan Program P2 ISPA Kota Medan dari tahun 2002-2006
diketahui jumlah penderita ISPA pada bayi < 1 tahun dan dapat dilihat pada tabel di
bawah ini.
Tabel 4.2. Jumlah Penderita ISPA pada Bayi < 1 Tahun di Kota Medan Tahun
2002-2006
Tahun Jumlah
2002 40623
2003 40305
2004 40014
2005 38642
2006 39069
Berdasarkan uji regresi linier pada kolom signifikansi terdapat nilai signifikan
sebesar 0,027 (< 0,05) maka Ho ditolak, artinya terdapat hubungan linier yang
signifikan antara waktu dengan jumlah penderita ISPA pada bayi < 1 tahun, maka
jumlah penderita ISPA pada bayi < 1 tahun diramalkan dengan metode trend dan
index musim.
Persamaan trend tahunan adalah Yi = 39730,6 477,1 Xi dan persamaan
trend bulanan adalah Yi = = 3101,25 4,61 Xi. Dimana Xi adalah kode periode
waktu dari awal sampai akhir.
Trend jumlah penderita ISPA pada bayi < 1 tahun dapat dilihat pada gambar
berikut:
3600
3500
3400 Trend Tahun 2002
Trend Tahun 2003
Trend
3300
Trend Tahun 2004
3200
Trend Tahun 2005
3000
2900
ay
n
b
ar
ov
ec
g
p
ct
r
l
Ju
Ap
Ja
Fe
Ju
Au
Se
O
M
Bulan
Gambar 4.1. Trend Jumlah Penderita ISPA Pada Bayi < 1 Tahun
Dari gambar dapat dilihat trend jumlah penderita ISPA pada bayi < 1 tahun di
Kota Medan mengalami penurunan dari tahun ke tahun.
Berdasarkan metode rasio terhadap trend yang menggunakan nilai trend
sebagai dasar perhitungan didapatkan index musiman bulan Januari sampai Desember
tahun 2002-2006. Dapat dilihat pada gambar berikut:
110
105
Index Musiman
100
95
90
85
1 2 3 4 5 6 7 8 9 10 11 12
Bulan
Gambar 4.2. Index Musim Jumlah Penderita ISPA pada Bayi < 1 Tahun
Berdasarkan nilai trend dan index musim, maka dapat diramalkan jumlah
penderita ISPA pada bayi < 1 tahun pada tahun 2007-2011 dengan rumus sebagai
S
berikut: Ramalan = T , dimana T = Trend Bulanan, S = Index Musiman
100
Hasil ramalan penderita ISPA pada bayi < 1 tahun dapat dilihat pada tabel
berikut:
Tabel 4.3. Hasil Ramalan Penderita ISPA pada Bayi < 1 Tahun 2007-2011 di
Kota Medan
Bulan Tahun 2007 Tahun 2008 Tahun 2009 Tahun 2010 Tahun 2011
Januari 3605 3524 3442 3360 3278
Februari 3457 3378 3300 3222 3143
Maret 3448 3369 3291 3212 3134
April 3408 3330 3253 3175 3097
Mei 3277 3202 3127 3052 2977
Juni 3323 3247 3171 3095 3019
Juli 3396 3318 3240 3162 3084
Agustus 3503 3423 3342 3262 3181
September 3563 3481 3399 3317 3235
Oktober 3591 3508 3426 3343 3260
November 3708 3622 3537 3451 3365
Desember 3355 3277 3200 3122 3045
Jumlah 41633 40680 39727 38774 37820
Dari tabel 4.3. dapat dilihat bahwa hasil ramalan penderita ISPA pada bayi <
1 tahun mengalami penurunan dari tahun ke tahun dan dapat dilihat pada gambar
berikut:
4000
3500 Ramalan ISPA < 1
3000 tahun Tahun 2007
Ramalan ISPA < 1
Ramalan
2500
tahun Tahun 2008
2000
Ramalan ISPA < 1
1000
Ramalan ISPA < 1
0 Ramalan ISPA < 1
tahun Tahun 2011
ay
n
b
ar
ov
ec
g
p
ct
r
l
Ju
Ap
Ja
Fe
Ju
Au
Se
O
M
N
D
Bulan
Gambar 4.3. Hasil Ramalan Jumlah Penderita ISPA pada Bayi < 1 tahun,
Tahun 2007-2011 di Kota Medan
4.2.2. ISPA Pada Balita 1-4 Tahun
Dari catatan bulanan Program P2 ISPA Kota Medan dari tahun 2002-2006
diketahui jumlah penderita ISPA pada balita 1-4 tahun dan dapat dilihat pada tabel di
bawah ini.
Tabel 4.4. Jumlah Penderita ISPA pada Balita 1-4 tahun di Kota Medan Tahun
2002-2006
Tahun ISPA Balita 1-4 Tahun

2002 97242
2003 97424
2004 86728
2005 91605
2006 93991
sebesar 0,460 (> 0,05) maka Ho diterima, artinya tidak terdapat hubungan linier yang
signifikan antara waktu dengan jumlah penderita ISPA pada balita 1-4 tahun, maka
jumlah penderita ISPA pada balita 1-4 tahun tidak dapat diramalkan dengan metode
trend dan index musim. Sehingga digunakan metode Double Exponential Smoothing.
Menentukan besarnya ramalan dengan menggunakan metode Double
Exponential Smoothing menggunakan rumus: F t + m = a t + b t (m). Dengan alpha 0,5
didapat persamaan ramalan tahun 2007: F t + m = 8125,77 - (6,70)(m).
Ramalan jumlah penderita ISPA pada balita 1-4 tahun di kota Medan pada
tahun 2007 dapat dilihat pada tabel berikut:
Tabel 4.5. Hasil Ramalan Jumlah Penderita ISPA pada Balita 1-4 Tahun di
Kota Medan Tahun 2007.
Bulan m Forecast
Januari 1 8119.07
Februari 2 8112.37
Maret 3 8105.67
April 4 8098.97
Mei 5 8092.27
Juni 6 8085.57
Juli 7 8078.87
Agustus 8 8072.17
September 9 8065.47
Oktober 10 8058.77
November 11 8052.07
Desember 12 8045.37
Jumlah 96986.64
Dari tabel 4.5 dapat dilihat bahwa jumlah penderita ISPA pada balita 1-4
tahun di Kota Medan pada tahun 2007 mengalami penurunan setiap bulannya.
4.2.3. Pneumonia Pada Bayi < 1 Tahun
diketahui jumlah penderita pneumonia pada bayi < 1 tahun dan dapat dilihat pada
tabel di bawah ini.
Tabel 4.6. Jumlah Penderita Pneumonia pada Bayi < 1 Tahun di Kota Medan
Tahun 2002-2006
Tahun Pneumonia Bayi < 1thn

2002 3186
2003 2196
2004 2537
2005 2826
2006 2802
signifikan antara waktu dengan jumlah penderita pneumonia pada bayi < 1 tahun,
maka jumlah penderita pneumonia pada bayi < 1 tahun tidak dapat diramalkan
dengan metode trend dan index musim, melainkan dengan metode Double
Exponential Smoothing.
didapat persamaan ramalan tahun 2007: F t + m = 251,38 + (7,17)(m).
Ramalan jumlah penderita pneumonia pada bayi < 1 tahun di kota Medan
pada tahun 2007 dapat dilihat pada tabel berikut:
Tabel 4.7. Hasil Ramalan Jumlah Penderita ISPA pada Balita 1-4 Tahun di
Kota Medan Tahun 2007.
Bulan m Forecast
Januari 1 258.55
Februari 2 265.72
Maret 3 272.89
April 4 280.06
Mei 5 287.23
Juni 6 294.40
Juli 7 301.57
Agustus 8 308.74
September 9 315.91
Oktober 10 323.08
November 11 330.25
Desember 12 337.42
Jumlah 3575.82
Dari tabel 4.7 dapat dilihat bahwa jumlah penderita pneumonia pada bayi < 1
tahun di Kota Medan pada tahun 2007 mengalami kenaikan setiap bulannya.
4.2.4. Pneumonia Pada Balita 1-4 Tahun
diketahui jumlah penderita pneumonia pada balita 1-4 tahun dan dapat dilihat pada
tabel di bawah ini.
Tabel 4.8. Jumlah Penderita Pneumonia pada Balita 1-4 Tahun di Kota Medan
Tahun 2002-2006
Tahun Pneumonia Balita 1-4 Tahun

2002 8836
2003 10023
2004 8428
2005 8463
2006 8880
signifikan antara waktu dengan jumlah penderita pneumonia pada balita 1-4 tahun,
maka jumlah penderita pneumonia pada balita 1-4 tahun tidak dapat diramalkan
dengan metode trend dan index musim, melainkan dengan metode Double
didapat persamaan ramalan tahun 2007: F t + m = 775,03 + (1,43)(m)
Ramalan jumlah penderita pneumonia pada balita 1-4 tahun di kota Medan
pada tahun 2007 dapat dilihat pada tabel berikut:
Tabel 4.9. Hasil Ramalan Jumlah Penderita Pneumonia Pada Balita 1-4 Tahun
di Kota Medan Tahun 2007
Bulan m Forecast
Januari 1 776.46
Februari 2 777.89
Maret 3 779.32
April 4 780.75
Mei 5 782.18
Juni 6 783.61
Juli 7 785.04
Agustus 8 786.47
September 9 787.90
Oktober 10 789.33
November 11 790.76
Desember 12 792.19
Jumlah 9411.90
Dari tabel 4.9 dapat dilihat bahwa jumlah penderita pneumonia pada balita 1-4
tahun di Kota Medan pada tahun 2007 mengalami kenaikan setiap bulannya.
4.2.5. Pneumonia Berat Pada Bayi < 1 Tahun
diketahui jumlah penderita pneumonia berat pada bayi < 1 tahun dan dapat dilihat
pada tabel di bawah ini.
Tabel 4.10. Jumlah Penderita Pneumonia Berat pada Bayi < 1 Tahun di Kota
Medan Tahun 2002-2006
Tahun Pneumonia Berat Pada Bayi < 1 Tahun

2002 7
2003 1
2004 8
2005 4
2006 11
signifikan antara waktu dengan jumlah penderita pneumonia berat pada bayi < 1
tahun, maka jumlah penderita pneumonia berat pada bayi < 1 tahun tidak dapat
diramalkan dengan metode trend dan index musim, melainkan dengan metode Double
Ramalan jumlah penderita pneumonia berat pada bayi < 1 tahun di kota
Medan pada tahun 2007 dapat dilihat pada tabel berikut:
Tabel 4.11. Hasil Ramalan Jumlah Penderita Pneumonia Berat Pada Bayi < 1
Tahun di Kota Medan Tahun 2007
Bulan m Forecast
Januari 1 2.19
Februari 2 2.57
Maret 3 2.95
April 4 3.33
Mei 5 3.71
Juni 6 4.09
Juli 7 4.47
Agustus 8 4.85
September 9 5.23
Oktober 10 5.61
November 11 5.99
Desember 12 6.37
Jumlah 51.36
Dari tabel 4.11 dapat dilihat bahwa jumlah penderita pneumonia berat pada
bayi < 1 tahun di Kota Medan pada tahun 2007 mengalami kenaikan setiap bulannya.
4.2.6. Pneumonia Berat Pada Balita 1-4 Tahun
diketahui jumlah penderita pneumonia berat pada balita 1-4 tahun dan dapat dilihat
Tabel 4.12. Jumlah Penderita Pneumonia Berat pada Balita 1-4 Tahun di Kota
Tahun Pneumonia Berat Pada Balita 1-4 Tahun

2002 85
2003 70
2004 33
2005 29
2006 41
signifikan antara waktu dengan jumlah penderita pneumonia berat pada balita 1-4
tahun, maka jumlah penderita pneumonia berat pada balita 1-4 tahun tidak dapat
Ramalan jumlah penderita pneumonia berat pada balita 1-4 tahun di kota
Tabel 4.13. Hasil Ramalan Jumlah Penderita Pneumonia Berat Pada Balita 1-4
Bulan m Forecast
Januari 1 5.33
Februari 2 5.99
Maret 3 6.65
April 4 7.31
Mei 5 7.97
Juni 6 8.63
Juli 7 9.29
Agustus 8 9.95
September 9 10.61
Oktober 10 11.27
November 11 11.93
Desember 12 12.59
Jumlah 107.52
Dari tabel 4.13 dapat dilihat bahwa jumlah penderita pneumonia berat pada
balita 1-4 tahun di Kota Medan pada tahun 2007 mengalami kenaikan setiap
bulannya.
4.2.7. Bukan Pneumonia Pada Bayi < 1 Tahun
diketahui jumlah penderita bukan pneumonia bayi < 1 tahun dan dapat dilihat pada
tabel di bawah ini.
Tabel 4.14. Jumlah Penderita Bukan Pneumonia pada Bayi < 1 Tahun di Kota
Tahun Bukan Pneumonia Pada Bayi < 1 Tahun

2002 38430
2003 38108
2004 37469
2005 35812
2006 36256
sebesar 0,027 (< 0,05) maka Ho ditolak, artinya terdapat hubungan linier yang
signifikan antara waktu dengan jumlah penderita bukan pneumonia pada bayi < 1
tahun, maka jumlah penderita bukan pneumonia pada bayi < 1 tahun diramalkan
dengan metode trend dan index musim.
Persamaan trend tahunan adalah Yi = 37215 664,4 Xi dan persamaan trend
bulanan adalah Yi = 3101,25 4,61 Xi. Dimana Xi adalah kode periode waktu dari
awal sampai akhir.
Trend jumlah penderita bukan pneumonia pada bayi < 1 tahun dapat dilihat
pada gambar berikut:
3500
3400
3300
Trend

2700
2600
2500
ay
n
b
ar
ov
ec
g
p
ct
r
l
Ju
Ap
Ja
Fe
Ju
Au
Se
O
M
Bulan
Gambar 4.4. Trend Jumlah Penderita Bukan Pneumonia Pada Bayi < 1 Tahun
Dari gambar dapat dilihat trend jumlah penderita bukan pneumonia pada bayi
< 1 tahun di Kota Medan mengalami penurunan dari tahun ke tahun.

Berdasarkan metode rasio terhadap trend yang menggunakan nilai trend
sebagai dasar perhitungan didapatkan index musiman bulan Januari sampai Desember
tahun 2002-2006. Dapat dilihat pada gambar berikut:
110
Index Musiman 105

100
95
90
85
1 2 3 4 5 6 7 8 9 10 11 12
Bulan
Gambar 4.5. Index Musim Jumlah Penderita Bukan Pneumonia pada

Bayi < 1 Tahun
Berdasarkan nilai trend dan index musim, maka dapat diramalkan jumlah
penderita bukan pneumonia pada bayi < 1 tahun pada tahun 2007-2011 dengan rumus
S
sebagai berikut: Ramalan = T , dimana T = Trend Bulanan, S = Index Musiman
100
Hasil ramalan penderita bukan pneumonia pada bayi < 1 tahun dapat dilihat
pada tabel berikut:
Tabel 4.15. Hasil Ramalan Penderita Bukan Pneumonia pada Bayi < 1 Tahun
2007-2011 di Kota Medan
Januari 3508 3393 3278 3163 3048
Februari 3278 3171 3063 2955 2847
Maret 3351 3240 3130 3019 2909
April 3235 3128 3021 2914 2807
Mei 3160 3055 2950 2845 2741
Juni 3157 3052 2947 2842 2737
Juli 3288 3179 3069 2959 2850
Agustus 3366 3253 3141 3028 2916
September 3431 3316 3201 3086 2971
Oktober 3388 3274 3160 3046 2932
November 3548 3428 3308 3189 3069
Desember 3156 3049 2942 2836 2729
Jumlah 39866 38538 37211 35883 34555
Dari tabel 4.15 dapat dilihat bahwa hasil ramalan penderita bukan pneumonia
pada bayi < 1 tahun mengalami penurunan dari tahun ke tahun dan dapat dilihat pada
gambar berikut:
4000
3500
3000 Tahun 2007
Ramalan
2500 Tahun 2008

2000 Tahun 2009
1500 Tahun 2010
1000 Tahun 2011
500
0
ay
ar
n
ct
l
b
g
p
ov
ec
Ju
Ap
Ja
Ju
Fe
Au
Se
O
M
N
D
Bulan
Gambar 4.6. Hasil Ramalan Jumlah Penderita Bukan Pneumonia pada

Bayi < 1 tahun, Tahun 2007-2011 di Kota Medan
4.2.8. Bukan Pneumonia Pada Balita 1-4 Tahun
Dari catatan bulanan Program P2 ISPA Kota Medan dari tahun 2002-2006
diketahui jumlah penderita bukan pneumonia pada balita 1-4 tahun dan dapat dilihat
Tabel 4.16. Jumlah Penderita Bukan Pneumonia pada Balita 1-4 Tahun di Kota
Tahun Bukan Pneumonia Pada Balita 1-4 Tahun

2002 88321
2003 87331
2004 78267
2005 83113
2006 85070
signifikan antara waktu dengan jumlah penderita bukan pneumonia pada balita 1-4
tahun, maka jumlah penderita bukan pneumonia pada balita 1-4 tahun tidak dapat
didapat persamaan ramalan tahun 2007: F t + m = 7344,26 - (11,24)(m).
Ramalan jumlah penderita bukan pneumonia pada balita 1-4 tahun di kota
Tabel 4.17. Hasil Ramalan Jumlah Penderita Bukan Pneumonia Pada Balita 1-4
Bulan m Forecast
Januari 1 7333.02
Februari 2 7321.78
Maret 3 7310.54
April 4 7299.30
Mei 5 7288.06
Juni 6 7276.82
Juli 7 7265.58
Agustus 8 7254.34
September 9 7243.10
Oktober 10 7231.86
November 11 7220.62
Desember 12 7209.38
Jumlah 87254.40
Dari tabel 4.17 dapat dilihat bahwa jumlah penderita bukan pneumonia pada
balita 1-4 tahun di Kota Medan pada tahun 2007 mengalami penurunan setiap
bulannya.
BAB V
PEMBAHASAN
5.1. ISPA Pada Bayi < 1 Tahun dan Balita 1-4 Tahun
Pada tahun 2006, jumlah penderita ISPA pada bayi < 1 tahun ada sebanyak
39069 orang. Ramlan untuk lima tahun kedepan adalah 41.633 orang untuk tahun
2007, 40.680 orang pada tahun 2008, 39.727 orang tahun 2009, 38.774 orang untuk
tahun 2010 dan untuk tahun 2011 adalah 37.820 orang. Ini berarti terjadi penurunan
jumlah penderita ISPA pada bayi < 1 tahun dari tahun ke tahun.
Kondisi gizi yang baik juga dapat mempengaruhi terjadinya penurunan
jumlah ISPA pada bayi. Berdasarkan Hasil Survei Sosial Ekonomi Nasional
(Susenas) tahun 2005 menyatakan bahwa ada 126.994 orang (10,45 %) anak balita di
Sumatera Utara yang berstatus gizi buruk. Sedangkan pada tahun 2004 anak yang
berstatus gizi buruk ada sekitar 12,76 %. Di Kota Medan khususnya, pada tahun 2003
terdapat anak yang menderita gizi buruk 16 %, gizi kurang 25,25 % dan pada tahun
2005 terjadi penurunan menjadi 11,89 % anak yang mengalami gizi buruk dan gizi
kurang sebesar 15,05 %. Hal ini berarti terjadi peningkatan status gizi anak dan
seiring dengan penurunan jumlah penderita ISPA.
ISPA pada balita 1-4 tahun pada tahun 2006 ada sebanyak 93.991 orang.
Ramalan untuk tahun 2007 adalah 96.987 orang. Ini berarti ISPA pada balita 1-4
tahun mengalami penigkatan pada tahun 2007.
Terjadinya peningkatan jumlah penderita ISPA pada balita 1-4 tahun dapat
dipengaruhi Hal ini dapat disebabkan karena kondisi lingkungan yang kurang
memenuhi syarat kesehatan seperti kondisi kelembaban rumah, kepadatan hunian
yang tidak sesuai dengan luas ruangan, dan polusi udara yang ada dalam rumah dan
lingkungan sekitarnya. Dari hasil penelitian Chahaya di Deli Serdang, terdapat 23 %
rumah yang kelembabannya memenuhi syarat kesehatan, 20,2 % yang kepadatan
penghuninya memenuhi syarat kesehatan, rumah yang tidak memakai obat nyamuk
bakar hanya 19,1 %. Dari data ini dapat diketahui bahwa masih banyak rumah yang
tidak memenuhi syarat kesehatan. Kondisi perumahan yang tidak sehat mempunyai
pengaruh sebesar 49,4 % terhadap kejadian ISPA.
5.2. Pneumonia Pada Bayi < 1 Tahun dan Balita 1-4 Tahun
Pada tahun 2006, jumlah penderita pneumonia pada bayi < 1 tahun ada
sebanyak 2.802 orang, dan ramalan pada tahun 2007 adalah 3.576 orang. Ini berarti
terjadi peningkatan jumlah penderita pneumonia pada bayi < 1 tahun.
Jumlah penderita pneumonia pada balita 1-4 tahun pada tahun 2006 ada
sebanyak 8.880 orang dan hasil ramalan tahun 2007 adalah 9.189 orang. Ini berarti
terjadi juga peningkatan jumlah penderita pneumonia pada balita 1-4 tahun pada
tahun 2007.
Meningkatnya jumlah penderita pneumonia pada bayi dapat disebabkan
karena anak berada lama di dapur bersama ibunya ketika memasak sehingga terkena
polusi udara. Seperti penelitian yang dilakukan Chahaya, hanya 39,9 % keluarga
yang menggunakan bahan bakar gas, keluarga lain banyak menggunakan bahan bakar
minyak tanah atau kayu bakar yang dapat membuat polusi udara. Dan kondisi rumah
yang tidak memenuhi syarat kesehatan lainnya juga mempengaruhi kondisis ini.
Imunisasi juga dapat memepengaruhi terjadinya ISPA, terutama imunisasi campak.
5.3. Pneumonia Berat Pada Bayi < 1 Tahun dan Balita 1-4 Tahun
Jumlah penderita pneumonia berat pada bayi < 1 tahun pada tahun 2006 ada
sebanyak 11 orang. Hasil ramalan taun 2007 adalah 51 orang. Ini berarti terjadi
peningkatan jumlah penderita pneumonia berat pada bayi < 1 tahun.
Pada tahun 2006 jumlah penderita balita 1-4 tahun yang menderita pneumonia
berat ada sebanyak 41 orang dan hasil ramalan untuk tahun 2007 adalah 107 orang.
Ini berarti terjadi peningkatan jumlah penderita pneumonia berat pada balita 1-4
tahun.
Peningkatan jumlah penderita pneumonia berat pada bayi dan anak balita
dapat disebabkan karena kondisi lingkungan yang kurang memenuhi syarat kesehatan
seperti kondisi kelembaban rumah, kepadatan hunian yang tidak sesuai dengan luas
ruangan, dandan yarat lainnya. Dari hasil penelitian Chahaya di Deli Serdang,
terdapat 23 % rumah yang kelembabannya memenuhi syarat kesehatan, 20,2 % yang
kepadatan penghuninya memenuhi syarat kesehatan, rumah yang tidak memakai obat
nyamuk bakar hanya 19,1 %. Dari data ini dapat diketahui bahwa masih banyak
rumah yang tidak memenuhi syarat kesehatan. Kondisi perumahan yang tidak sehat
mempunyai pengaruh sebesar 49,4 % terhadap kejadian ISPA.
5.4. Bukan Pneumonia Pada Bayi < 1 Tahun dan Balita 1-4 Tahun
Pada tahun 2006 jumlah penderita bukan pneumonia pada bayi < 1 tahun ada
sebanyak 36.256 orang. Ramalan untuk lima tahun kedepan adalah pada tahun 2007
ada 39.866 orang, tahun 2008 adalah 38.538 orang, tahun 2009 ada 37.211 orang,
35.883 orang pada tahun 2010, dan tahun 2011 adalah 34.555 orang. Ini berarti terjadi
penurunan jumlah penderita bukan pneumonia pada bayi < 1 tahun dari tahun ke
tahun.
Penurunan jumlah penderita bukan pneumonia pada bayi dapat dipengaruhi
oleh kondisi gizi yang baik juga dapat mempengaruhi terjadinya penurunan jumlah
penderita bukan pneumonia pada bayi. Berdasarkan Hasil Survei Sosial Ekonomi
Nasional (Susenas) tahun 2005 menyatakan bahwa ada 126.994 orang (10,45 %) anak
balita di Sumatera Utara yang berstatus gizi buruk. Sedangkan pada tahun 2004 anak
yang berstatus gizi buruk ada sekitar 12,76 %. Berarati terjadi peningkatan status gizi
anak.
Balita 1-4 tahun yang menderita bukan pneumonia pada tahun 2006 ada
sebanyak 85.070 orang dan ramalan untuk tahun 2007 adalah 87.254 orang. Ini
berarti terjadi peningkatan jumlah penderita bukan pneumonia pada balita 1-4 tahun.
Hal ini dapat disebabkan karena kondisi lingkungan yang kurang memenuhi
syarat kesehatan seperti kondisi kelembaban rumah, kepadatan hunian yang tidak
sesuai dengan luas ruangan, dan polusi udara. Dari hasil penelitian Chahaya di Deli
Serdang, terdapat 23 % rumah yang kelembabannya memenuhi syarat kesehatan, 20,2
% yang kepadatan penghuninya memenuhi syarat kesehatan, rumah yang tidak
memakai obat nyamuk bakar hanya 19,1 %.. Kondisi perumahan yang tidak sehat
mempunyai pengaruh sebesar 49,4 % terhadap kejadian ISPA. Hal ini juga dapat
ditemukan di Kabupaten Asahan dimana pada tahun 2000 (71,12 %), 2001 (47,50 %),
2002 (62,25 %) dan tahun 2004 mengalami penurunan drastis yaitu hanya 7,08 %
rumah yang memenuhi syarat kesehatan. Pada tahun 2005 terjadi peningkatan yaitu
terdapat 85,11 % rumah yang memenuhi syarat kesehatan.
BAB VI
KESIMPULAN DAN SARAN
6.1. Kesimpulan
Berdasarkan hasil analisis data berkala (time series) jumlah penderita ISPA
tahun 2002-2006 di kota Medan, diperoleh kesimpulan:
1. Jumlah penderita ISPA pada bayi < 1 tahun cenderung mengalami penurunan.
Hasil ramalan pada tahun 2007 adalah 41.633 orang, 40.680 orang pada tahun
2008, 39.727 orang pada tahun 2009, pada tahun 2010 adalah 38.774 orang, dan
tahun 2011 adalah 37.820 orang.
2. Jumlah penderita ISPA pada balita 1-4 tahun cenderung mengalami peningkatan.
Hasil ramalan tahun 2007 adalah 96.987 orang.
3. Jumlah penderita ISPA berdasarkan klasifikasi pneumonia pada bayi < 1 tahun
cenderung mengalami peningkatan. Hasil ramalan pada tahun 2007 adalah 3.576
orang.
4. Jumlah penderita ISPA berdasarkan klasifikasi pneumonia pada balita 1-4 tahun
cenderung mengalami peningkatan. Hasil ramalan pada tahun 2007 adalah 9.189
orang.
5. Jumlah penderita ISPA berdasarkan klasifikasi pneumonia berat pada bayi < 1
tahun cenderung mengalami penigkatan. Hasil ramalan pada tahun 2007 adalah
51 orang.
6. Jumlah penderita ISPA berdasarkan klasifikasi pneumonia berat pada balita 1-4
tahun cenderung mengalami peningkatan. Hasil ramalan pada tahun 2007 adalah
108 orang.
7. Jumlah penderita ISPA berdasarkan klasifikasi bukan pneumonia pada bayi < 1
tahun cenderung mengalami penurunan. Hasil ramalan pada tahun 2007 adalah
39.866 orang, pada tahun 2008 adalah 38.538 orang, 37.211 orang pada tahun
2009, 35.883 orang pada tahun 2010 dan pada tahun 2011 adalah 34.555 orang.
8. Jumlah penderita ISPA berdasarkan klasifikasi bukan pneumonia pada balita 1-4
tahun cenderung mengalami peningkatan. Hasil ramalan pada tahun 2007 adalah
87.254 orang.
6.2. Saran
Data peramalan ini diharapkan dapat dipergunakan oleh Dinas Kesehan Kota
Medan:
1. Sebagai bahan masukan untuk perencanaan dalam peningkatan pelayanan
kesehatan buat penderita ISPA.
2. Petugas kesehatan diharapkan lebih aktif lagi dalam memberikan informasi dan
penyuluhan kepada masyarakat tentang ISPA dan cara mencegahnya, serta
memberikan informasi tentang cara perawatan anak yang menderita ISPA.
DAFTAR PUSTAKA
Assauri, S., 1984. Teknik dan Metode Peramalan Penerapannya Dalam Ekonomi
dan Dunia Usaha. Lembaga Penerbit Fakultas Ekonomi Universitas
Indonesia, Jakarta.
Chahaya, I., dan Nurmaini., 2005. Faktor-Faktor Kesehatan Lingkungan

Perumahan yang Mempengaruhi Kejadian ISPA pada Balita di
Perumahan Nasional (Perumnas) Mandala, Kecamatan Percut Sei Tuan,
Kabupaten Deli Serdang. Majalah Kedokteran Nusantara, Vol. 38, No. 3,
Hal. 232
Depkes RI, 1992. Pedoman Pemberantasan Penyakit Infeksi Saluran Pernafasan

Akut (ISPA). Jakarta
______, 2004. Kajian Riset Operasional Intensifikasi Pemberantasan Penyakit

Menular Tahun 1998/1999-2003. Jakarta
______, 2005. Rencana Kerja Jangka Menengah Nasional Penaggulangan

Pnemonia Balita Tahun 2005-2009. Jakarta
Djaja, S., 1999. Prevalensi Pnemonia dan Demam pada Bayi dan Anak Balita.
Buletin Penelitian Kesehatan, Vol. 26, No. 4, Hal.134
Djaja, S., Iwan Ariawan., Tin Afifah., 2001. Determinan Perilaku Pencarian
Pengobatan Infeksi Saluran Pernafasan Atas (ISPA) pada Balita. Bulletin
Penelitian Kesehatan, Vol. 29, No. 1, Hal. 1
DKK Medan, 2006. Profil Kesehatan Tahun 2006. Medan

Gitusudarmo, I,H dan M, Najmudin., 2001. Teknik Proyeksi Bisnis. BPFE,
Yogyakarta.
Kartasasmita, B, C., 1993. Morbiditas dan Faktor resiko Infeksi Saluran

Pernafasan Akut (ISPA) Pada Balita di Cikutra. Majalah Kedokteran
Bandung, Vol. 25, No. 4, Hal. 138
Lubis, S, A., Tugas Wati A.T., Nurisa Ibrahim., 1996. Pengaruh Lingkungan
Dalam Ruang (Indoor) Terhadap Penyakit ISPA-Pnemonia di
Indramayu, Jawa Barat. Buletin Penelitian Kesehatan, Vol. 24, No. 1,
Hal.14
Manurung, A, H., 1990. Teknik Peramlan Bisnis Dan Ekonomi. Penerbit Rineka
Cipta, Jakarta.
Sugiarto dan Harijono, 2000. Peramalan Bisnis. Penerbit PT Gramedia Pustaka

Utama, Jakarta
Supranto, J, 2000. Metode Ramalan Kuantitatif Untuk Perencanaan Ekonomi

dan Bisnis. Penerbit Rineka Cipta, Jakarta
Widjaja, C, A., 2003. Penanganan ISPA pada Anak Di Rumah Sakit Kecil
Negara Berkembang. Penerbit Buku Kedokteran EGC, Jakarta.
Lampiran 2
HASIL UJI REGRESI
1. Hasil Uji Regresi Linier ISPA pada Bayi < 1 Tahun
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.920
R Square 0.847
Adjusted R Square 0.796
Standard Error 525.848
Observations 5
ANOVA
df SS MS F Significance F
Regression 1 4584644.100 4584644.100 16.580 0.027
Residual 3 829549.100 276516.367
Total 4 5414193.200
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 1396839.000 333240.860 4.192 0.025 336316.863 2457361.138
X Variable 1 -677.100 166.288 -4.072 0.027 -1206.303 -147.897
2. Hasil Uji Regresi Linier ISPA pada Balita 1-4 Tahun

SUMMARY OUTPUT
Multiple R 0.438
R Square 0.192
Adjusted R Square -0.077
Observations 5
ANOVA
Regression 1 15180704.1 15180704.1 0.713 0.460
Residual 3 63859705.9 21286568.63
Total 4 79040410

Intercept 2562526.4 2923820.152 0.876 0.445 -6742382.968 11867435.769
X Variable 1 -1232.1 1458.992 -0.844 0.460 -5875.267 3411.067
3. Hasil Uji Regresi Linier Pneumonia pada Bayi < 1 Tahun

SUMMARY OUTPUT
Multiple R 0.059
R Square 0.004
Observations 5
ANOVA
Regression 1 1904.4 1904.400 0.011 0.925
Residual 3 540714.8 180238.267
Total 4 542619.2
Intercept 30364.6 269042.770 0.113 0.917 -825850.374 886579.574
X Variable 1 -13.8 134.253 -0.103 0.925 -441.053 413.453
4. Hasil Uji Regresi Linier Pneumonia pada Balita 1-4 Tahun

SUMMARY OUTPUT
Multiple R 0.360
R Square 0.129
Observations 5
ANOVA
Regression 1 216678.4 216678.4 0.445 0.552
Residual 3 1459319.6 486439.867
Total 4 1675998

Intercept 303914.8 441989.962 0.688 0.541 -1102695.839 1710525.440
X Variable 1 -147.2 220.554 -0.667 0.552 -849.101 554.701
5. Hasil Uji Regresi Linier Pneumonia Berat pada Bayi < 1 Tahun
SUMMARY OUTPUT
Multiple R 0.454
R Square 0.206
Observations 5
ANOVA
Regression 1 12.1 12.1 0.777 0.443
Residual 3 46.7 15.567
Total 4 58.8

Intercept -2198.2 2500.320 -0.879 0.444 -10155.342 5758.942
X Variable 1 1.1 1.248 0.882 0.443 -2.871 5.071
6. Hasil Uji Regresi Linier Pneumonia Berat pada Balita 1-4 Tahun
SUMMARY OUTPUT
Multiple R 0.829
R Square 0.687
Observations 5
ANOVA
Regression 1 1664.1 1664.1 6.577 0.083
Residual 3 759.1 253.033
Total 4 2423.2

Intercept 25903.2 10080.607 2.570 0.083 -6177.821 57984.221
X Variable 1 -12.9 5.030 -2.564 0.083 -28.908 3.108
7. Hasil Uji Regresi Linier Bukan Pneumonia pada Bayi < 1 Tahun
SUMMARY OUTPUT
Multiple R 0.919
R Square 0.845
Observations 5
ANOVA
Regression 1 4414273.6 4414273.6 16.309 0.027
Residual 3 812006.4 270668.8
Total 4 5226280

Intercept 1368672.6 329698.464 4.151 0.025 319423.957 2417921.244
X Variable 1 -664.4 164.520 -4.038 0.027 -1187.977 -140.823
8. Hasil Uji Regresi Linier Bukan Pneumonia pada Balita 1-4 Tahun
SUMMARY OUTPUT
Multiple R 0.425
R Square 0.180
Observations 5
ANOVA
Regression 1 11491840 11491840 0.661 0.476
Residual 3 52190039.2 17396679.73
Total 4 63681879.2

Intercept 2232708.400 2643205.988 0.845 0.460 -6179160.622 10644577.423
X Variable 1 -1072.000 1318.965 -0.813 0.476 -5269.538 3125.538
Lampiran 3
HASIL PERAMALAN (FORECAST)
1. Hasil Ramalan Penderita ISPA Pada Bayi < 1 Tahun

Forecast dengan Metode Trend dan Index musiman
Tahun X Jumlah (Y) xy X2

2002 -2 40623 -81246 4
2003 -1 40305 -40305 1
2004 0 40014 0 0
2005 1 38642 38642 1
2006 2 39069 78138 4
198653 -4771 10
y 198653
a= = = 39730.6
n 5
xy 4771
b= = = -477.1
x 2
10
Trend Tahunan : Yi = 39730.6 - 477.1 Xi
Trend Bulanan : Yi = 39730.6/12 - 477.1/144 Xi

= 3310.88 3.31 Xi
Tahun Jumlah (Y) Waktu(x) Trend

Jan-02 3414 -59 3506.17
Feb-02 3290 -57 3499.55
Mar-02 3226 -55 3492.93
Apr-02 3388 -53 3486.31
May-02 3128 -51 3479.69
Jun-02 3274 -49 3473.07
Jul-02 3281 -47 3466.45
Aug-02 3429 -45 3459.83
Sep-02 3671 -43 3453.21
Oct-02 3907 -41 3446.59
Nov-02 3406 -39 3439.97
Dec-02 3209 -37 3433.35
40623
Jan-03 3140 -35 3426.73

Feb-03 3278 -33 3420.11
Mar-03 3320 -31 3413.49
Apr-03 3198 -29 3406.87
May-03 3161 -27 3400.25
Jun-03 3155 -25 3393.63
Jul-03 3109 -23 3387.01
Aug-03 3446 -21 3380.39
Sep-03 3344 -19 3373.77
Oct-03 4389 -17 3367.15
Nov-03 3584 -15 3360.53
Dec-03 3181 -13 3353.91
40305
Jan-04 3562 -11 3347.29
Feb-04 3422 -9 3340.67
Mar-04 3559 -7 3334.05
Apr-04 3651 -5 3327.43
May-04 3285 -3 3320.81
Jun-04 3238 -1 3314.19
Jul-04 3338 1 3307.57
Aug-04 3505 3 3300.95
Sep-04 3175 5 3294.33
Oct-04 3054 7 3287.71
Nov-04 3138 9 3281.09
Dec-04 3087 11 3274.47
40014
Jan-05 3676 13 3267.85
Feb-05 3247 15 3261.23
Mar-05 3097 17 3254.61
Apr-05 2825 19 3247.99
May-05 3074 21 3241.37
Jun-05 2992 23 3234.75
Jul-05 3289 25 3228.13
Aug-05 2965 27 3221.51
Sep-05 3368 29 3214.89
Oct-05 2987 31 3208.27
Nov-05 3987 33 3201.65
Dec-05 3135 35 3195.03
38642
Jan-06 3230 37 3188.41

Feb-06 3116 39 3181.79
Mar-06 3138 41 3175.17
Apr-06 3121 43 3168.55
May-06 2940 45 3161.93
Jun-06 3182 47 3155.31
Jul-06 3199 49 3148.69
Aug-06 3416 51 3142.07
Sep-06 3521 53 3135.45
Oct-06 2912 55 3128.83
Nov-06 3729 57 3122.21
Dec-06 3565 59 3115.59
39069
0
Y Jan - 02 + Y Jan - 03 + Y Jan - 04 + Y Jan - 05 + Y Jan - 06

Rata-rata (Jan) =
5
1200
Index Musiman ( Jan) = rata - rata ( Jan)
rata - rata
Bulan Rata-rata IM
Januari 3404.4 102.82
Februari 3270.6 98.78
Maret 3268 98.70
April 3236.6 97.76
Mei 3117.6 94.16
Juni 3168.2 95.69
Juli 3243.2 97.96
Agustus 3352.2 101.25
September 3415.8 103.17
Oktober 3449.8 104.20
November 3568.8 107.79
Desember 3235.4 97.72
39730.6 1200.00
Ramalan ISPA < 1 tahun
Januari 3605 3524 3442 3360 3278
Februari 3457 3378 3300 3222 3143
Maret 3448 3369 3291 3212 3134
April 3408 3330 3253 3175 3097
Mei 3277 3202 3127 3052 2977
Juni 3323 3247 3171 3095 3019
Juli 3396 3318 3240 3162 3084
Agustus 3503 3423 3342 3262 3181
September 3563 3481 3399 3317 3235
Oktober 3591 3508 3426 3343 3260
November 3708 3622 3537 3451 3365
Desember 3355 3277 3200 3122 3045
41633 40680 39727 38774 37820
2. Hasil Ramalan Penderita ISPA pada Balita Usia 1-4 tahun

Forecast dengan Double Exponential Smoothing
Alpha= 0,5
Absolute Square
Waktu Jumlah S' S" at bt Forecast Error error (Absolute)
Jan-06 7914 7914.00 7914.00
Feb-06 7790 7852.00 7883.00 7821.00 -31.00 7914.00 -124.00 124.00 15376.00
Mar-06 8221 8036.50 7959.75 8113.25 76.75 8190.00 31.00 31.00 961.00
Apr-06 7141 7588.75 7774.25 7403.25 -185.50 7217.75 -76.75 76.75 5890.56
May-06 7409 7498.88 7636.56 7361.19 -137.69 7223.50 185.50 185.50 34410.25
Jun-06 7743 7620.94 7628.75 7613.13 -7.81 7605.31 137.69 137.69 18957.85
Jul-06 6817 7218.97 7423.86 7014.08 -204.89 6809.19 7.81 7.81 61.04
Aug-06 7824 7521.48 7472.67 7570.30 48.81 7619.11 204.89 204.89 41980.17
Sep-06 8088 7804.74 7638.71 7970.78 166.04 8136.81 -48.81 48.81 2382.66
Oct-06 8641 8222.87 7930.79 8514.95 292.08 8807.04 -166.04 166.04 27567.67
Nov-06 8499 8360.94 8145.86 8576.01 215.07 8791.08 -292.08 292.08 85311.91
Dec-06 7904 8132.47 8139.17 8125.77 -6.70 8119.07 -215.07 215.07 46256.50
Jumlah 93991 1489.64 279155.61
Mean Absolute
Error 135.42
Mean Square
Error 25377.78
Ft+m = 8125.77 - (6.70)(m)

m Forecast
Jan-07 8119.07
Feb-07 2 8112.37
Mar-07 3 8105.67
Apr-07 4 8098.97
May-07 5 8092.27
Jun-07 6 8085.57
Jul-07 7 8078.87
Aug-07 8 8072.17
Sep-07 9 8065.47
Oct-07 10 8058.77
Nov-07 11 8052.07
Dec-07 12 8045.37
Jumlah 96986.64
Analisis Kesalahan
Alpha 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90
Mean
Absolute
Error 379.19 321.10 233.98 177.75 135.42 140.25 213.70 300.87 388.30
Mean
Square
Error 207479.54 128071.94 72305.07 40002.78 25377.78 28858.83 55384.09 112922.89 214005.25
3. Hasil Ramalan Penderita Pneumonia Pada Bayi < 1 tahun

Alpha= 0,5
Absolute Square
Jan-06 255 255.00 255.00
Feb-06 257 256.00 255.50 256.50 0.50 255.00 2.00 2.00 4.00
Mar-06 219 237.50 246.50 228.50 -9.00 219.50 -0.50 0.50 0.25
Apr-06 211 224.25 235.38 213.13 -11.13 202.00 9.00 9.00 81.00
May-06 228 226.13 230.75 221.50 -4.63 216.88 11.13 11.13 123.77
Jun-06 237 231.56 231.16 231.97 0.41 232.38 4.63 4.63 21.39
Jul-06 228 229.78 230.47 229.09 -0.69 228.41 -0.41 0.41 0.17
Aug-06 225 227.39 228.93 225.85 -1.54 224.31 0.69 0.69 0.47
Sep-06 222 224.70 226.81 222.58 -2.12 220.46 1.54 1.54 2.37
Oct-06 215 219.85 223.33 216.37 -3.48 212.88 2.12 2.12 4.48
Nov-06 253 236.42 229.88 242.97 6.55 249.52 3.48 3.48 12.13
Dec-06 252 244.21 237.04 251.38 7.17 258.55 -6.55 6.55 42.86
Jumlah 2802 42.05 292.88
Mean Absolute Error 3.82

Mean Square Error 26.63
F t + m =251.38 + (7.17)(m)
m Forecast
Jan-07 1 258.55
Feb-07 2 265.72
Mar-07 3 272.89
Apr-07 4 280.06
May-07 5 287.23
Jun-07 6 294.40
Jul-07 7 301.57
Aug-07 8 308.74
Sep-07 9 315.91
Oct-07 10 323.08
Nov-07 11 330.25
Dec-07 12 337.42
Jumlah 3575.82
Analisis Kesalahan
Alpha 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Mean Absolute
Error 12.86 9.06 7.04 4.70 3.82 4.74 5.44 8.74 10.79
Mean Square
Error 268.50 155.49 80.66 39.37 26.63 37.74 47.55 125.96 205.50
4. Hasil Ramalan Penderita Pneumonia 1-4 tahun
Alpha= 0,6
Absolute Square
Jan-06 736 736.00 736.00
Feb-06 674 698.80 713.68 683.92 -22.32 736.00 -62.00 62.00 3844.00
Mar-06 731 718.12 716.34 719.90 2.66 722.56 8.44 8.44 71.23
Apr-06 706 710.85 713.05 708.65 -3.30 705.35 0.65 0.65 0.42
May-06 657 678.54 692.34 664.74 -20.70 644.03 12.97 12.97 168.17
Jun-06 757 725.62 712.31 738.93 19.96 758.89 -1.89 1.89 3.57
Jul-06 746 737.85 727.63 748.06 15.32 763.39 -17.39 17.39 302.28
Aug-06 645 682.14 700.34 663.94 -27.30 636.65 8.35 8.35 69.78
Sep-06 923 826.66 776.13 877.18 75.79 952.98 -29.98 29.98 898.54
Oct-06 801 811.26 797.21 825.32 21.08 846.40 -45.40 45.40 2060.89
Nov-06 717 754.70 771.71 737.70 -25.50 712.20 4.80 4.80 23.03
Dec-06 787 774.08 773.13 775.03 1.43 776.46 10.54 10.54 111.14
Jumlah 8880 202.41 7553.04

F t + m = 775.03 + (1.43)(m)
m Forecast
Jan-07 1 776.46
Feb-07 2 777.89
Mar-07 3 779.32
Apr-07 4 780.75
May-07 5 782.18
Jun-07 6 783.61
Jul-07 7 785.04
Aug-07 8 786.47
Sep-07 9 787.90
Oct-07 10 789.33
Nov-07 11 790.76
Dec-07 12 792.19
Jumlah 9411.90
Analisis Kesalahan
Alpha
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Mean Absolute
Error 49.01 39.49 33.83 27.17 20.00 18.40 28.13 41.28 62.57
Mean Square
Error 4284.04 2990.60 1995.13 1223.45 730.81 686.64 1353.59 3117.93 6511.07
5. Hasil Ramalan Penderita Pneumonia Berat < 1 tahun

Alpha= 0,6
Absolute Square
Jan-06 1 1.00 1.00
Feb-06 1 1.00 1.00 1.00 0.00 1.00 0.00 0.00 0.00
Mar-06 0 0.40 0.64 0.16 -0.36 -0.20 0.20 0.20 0.04
Apr-06 2 1.36 1.07 1.65 0.43 2.08 -0.08 0.08 0.01
May-06 0 0.54 0.76 0.33 -0.32 0.02 -0.02 0.02 0.00
Jun-06 0 0.22 0.43 0.00 -0.32 -0.32 0.32 0.32 0.10
Jul-06 1 0.69 0.59 0.79 0.15 0.94 0.06 0.06 0.00
Aug-06 0 0.27 0.40 0.15 -0.19 -0.04 0.04 0.04 0.00
Sep-06 3 1.91 1.31 2.51 0.91 3.42 -0.42 0.42 0.18
Oct-06 0 0.76 0.98 0.55 -0.32 0.22 -0.22 0.22 0.05
Nov-06 1 0.91 0.94 0.88 -0.05 0.83 0.17 0.17 0.03
Dec-06 2 1.56 1.31 1.81 0.38 2.19 -0.19 0.19 0.04
Jumlah 11 1.72 0.44

F t + m =1.81 + (0.38)(m)
m Forecast
Jan-07 1 2.19
Feb-07 2 2.57
Mar-07 3 2.95
Apr-07 4 3.33
May-07 5 3.71
Jun-07 6 4.09
Jul-07 7 4.47
Aug-07 8 4.85
Sep-07 9 5.23
Oct-07 10 5.61
Nov-07 11 5.99
Dec-07 12 6.37
Jumlah 51.36
Analisis Kesalahan
Alpha 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Mean Absolute Error 0.72 0.64 0.46 0.31 0.17 0.16 0.35 0.62 0.97
Mean Square Error 0.78 0.62 0.33 0.17 0.06 0.04 0.18 0.57 1.37
6. Hasil Ramalan Penderita Pneumonia Berat 1-4 tahun
Apha= 0,5
Absolute Square
Jan-06 3 3.00 3.00
Feb-06 4 3.50 3.25 3.75 0.25 3.00 1.00 1.00 1.00
Mar-06 6 4.75 4.00 5.50 0.75 6.25 -0.25 0.25 0.06
Apr-06 4 4.38 4.19 4.56 0.19 4.75 -0.75 0.75 0.56
May-06 4 4.19 4.19 4.19 0.00 4.19 -0.19 0.19 0.04
Jun-06 1 2.59 3.39 1.80 -0.80 1.00 0.00 0.00 0.00
Jul-06 4 3.30 3.34 3.25 -0.05 3.20 0.80 0.80 0.64
Aug-06 3 3.15 3.25 3.05 -0.10 2.95 0.05 0.05 0.00
Sep-06 1 2.07 2.66 1.49 -0.59 0.90 0.10 0.10 0.01
Oct-06 2 2.04 2.35 1.73 -0.31 1.41 0.59 0.59 0.34
Nov-06 4 3.02 2.68 3.35 0.33 3.69 0.31 0.31 0.10
Dec-06 5 4.01 3.35 4.67 0.66 5.33 -0.33 0.33 0.11
Jumlah 41 4.37 2.86

F t + m = 4.67 + (0.66)(m)
m Forecast
Jan-07 1 5.33
Feb-07 2 5.99
Mar-07 3 6.65
Apr-07 4 7.31
May-07 5 7.97
Jun-07 6 8.63
Jul-07 7 9.29
Aug-07 8 9.95
Sep-07 9 10.61
Oct-07 10 11.27
Nov-07 11 11.93
Dec-07 12 12.59
Jumlah 107.52
Analisis Kesalahan
Alpha 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Mean Absolute Error 1.10 0.98 0.79 0.56 0.40 0.49 0.64 0.91 1.27
Mean Square Error 1.83 1.43 0.76 0.41 0.26 0.33 0.62 1.18 2.07
7. Hasil Ramalan bukan Pneumonia pada Bayi < 1 tahun

Forecast dengan metode Trend dan Index musiman
Tahun X Jumlah (Y) xy X2
2002 -2 38430 -76860 4
2003 -1 38108 -38108 1
2004 0 37469 0 0
2005 1 35812 35812 1
2006 2 36256 72512 4
186075 -6644 10
y 186075
a= = = 37215
n 5
xy 6644
b= = = -664.4
x 2
10
Trend Tahunan : Yi = 37215 - 664.4 Xi
Trend Bulanan : Yi = 37215/12 664.4/144 Xi

= 3101.25 4.61 Xi
Tahun Jumlah (Y) Waktu(x) Trend

Jan-02 3246 -59 3373.24
Feb-02 3003 -57 3364.02
Mar-02 2995 -55 3354.80
Apr-02 3095 -53 3345.58
May-02 3036 -51 3336.36
Jun-02 3056 -49 3327.14
Jul-02 3212 -47 3317.92
Aug-02 3352 -45 3308.70
Sep-02 3502 -43 3299.48
Oct-02 3710 -41 3290.26
Nov-02 3295 -39 3281.04
Dec-02 2928 -37 3271.82
38430
Jan-03 3022 -35 3262.60

Feb-03 3057 -33 3253.38
Mar-03 3417 -31 3244.16
Apr-03 3118 -29 3234.94
May-03 2908 -27 3225.72
Jun-03 2910 -25 3216.50
Jul-03 2867 -23 3207.28
Aug-03 3247 -21 3198.06
Sep-03 3253 -19 3188.84
Oct-03 3895 -17 3179.62
Nov-03 3206 -15 3170.40
Dec-03 3208 -13 3161.18
38108
Jan-04 3303 -11 3151.96
Feb-04 3172 -9 3142.74
Mar-04 3310 -7 3133.52
Apr-04 3406 -5 3124.30
May-04 3139 -3 3115.08
Jun-04 3022 -1 3105.86
Jul-04 3097 1 3096.64
Aug-04 3278 3 3087.42
Sep-04 3040 5 3078.20
Oct-04 2906 7 3068.98
Nov-04 2909 9 3059.76
Dec-04 2887 11 3050.54
37469
Jan-05 3421 13 3041.32
Feb-05 2997 15 3032.10
Mar-05 2822 17 3022.88
Apr-05 2649 19 3013.66
May-05 2855 21 3004.44
Jun-05 2770 23 2995.22
Jul-05 3042 25 2986.00
Aug-05 2756 27 2976.78
Sep-05 3103 29 2967.56
Oct-05 2704 31 2958.34
Nov-05 3781 33 2949.12
Dec-05 2912 35 2939.90
35812
Jan-06 3134 37 2930.68

Feb-06 2883 39 2921.46
Mar-06 2944 41 2912.24
Apr-06 2728 43 2903.02
May-06 2747 45 2893.80
Jun-06 2955 47 2884.58
Jul-06 3150 49 2875.36
Aug-06 3141 51 2866.14
Sep-06 3226 53 2856.92
Oct-06 2752 55 2847.70
Nov-06 3575 57 2838.48
Dec-06 3021 59 2829.26
36256
0
Y Jan - 02 + Y Jan - 03 + Y Jan - 04 + Y Jan - 05 + Y Jan - 06

Rata-rata (Jan) =
5
1200
Index Musiman ( Jan) = rata - rata ( Jan)
rata - rata
Bulan Rata-rata IM
Januari 3225.2 104.00
Februari 3022.4 97.46
Maret 3097.6 99.88
April 2999.2 96.71
Mei 2937 94.70
Juni 2942.6 94.88
Juli 3073.6 99.11
Agustus 3154.8 101.73
September 3224.8 103.98
Oktober 3193.4 102.97
November 3353.2 108.12
Desember 2991.2 96.45
37215 1200.00
Ramalan Bukan Pneumonia < 1 tahun
Januari 3508 3393 3278 3163 3048
Februari 3278 3171 3063 2955 2847
Maret 3351 3240 3130 3019 2909
April 3235 3128 3021 2914 2807
Mei 3160 3055 2950 2845 2741
Juni 3157 3052 2947 2842 2737
Juli 3288 3179 3069 2959 2850
Agustus 3366 3253 3141 3028 2916
September 3431 3316 3201 3086 2971
Oktober 3388 3274 3160 3046 2932
November 3548 3428 3308 3189 3069
Desember 3156 3049 2942 2836 2729
39866 38538 37211 35883 34555
8. Hasil Ramalan penderita bukan pneumonia pada balita usia 1-4 tahun
Alpha= 0,5
Waktu Jumlah S' S" at bt Forecast Error Absolute Square

error (Absolute)
Jan-06 7175 7175.00 7175.00
Feb-06 7112 7143.50 7159.25 7127.75 -15.75 7175.00 -63.00 63.00 3969.00
Mar-06 6784 6963.75 7061.50 6866.00 -97.75 6768.25 15.75 15.75 248.06
Apr-06 7131 7047.38 7054.44 7040.31 -7.06 7033.25 97.75 97.75 9555.06
May-06 6748 6897.69 6976.06 6819.31 -78.38 6740.94 7.06 7.06 49.88
Jun-06 6985 6941.34 6958.70 6923.98 -17.36 6906.63 78.38 78.38 6142.64
Jul-06 6067 6504.17 6731.44 6276.91 -227.27 6049.64 17.36 17.36 301.35
Aug-06 7176 6840.09 6785.76 6894.41 54.32 6948.73 227.27 227.27 51649.66
Sep-06 7164 7002.04 6893.90 7110.18 108.14 7218.32 -54.32 54.32 2951.12
Oct-06 7838 7420.02 7156.96 7683.08 263.06 7946.14 -108.14 108.14 11694.39
Nov-06 7778 7599.01 7377.99 7820.04 221.02 8041.06 -263.06 263.06 69200.34
Dec-06 7112 7355.51 7366.75 7344.26 -11.24 7333.02 -221.02 221.02 48851.79
Jumlah 85070 1153.11 204613.30

F t + m = 7344.26 - (11.24)(m)
m Forecast
Jan-07 1 7333.02
Feb-07 2 7321.78
Mar-07 3 7310.54
Apr-07 4 7299.30
May-07 5 7288.06
Jun-07 6 7276.82
Jul-07 7 7265.58
Aug-07 8 7254.34
Sep-07 9 7243.10
Oct-07 10 7231.86
Nov-07 11 7220.62
Dec-07 12 7209.38
Jumlah 87254.40
Analisis Kesalahan
Alpha 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Mean
Absolute
Error 309.16 267.68 196.30 140.11 104.83 115.58 167.38 251.89 336.12
Mean
Square
Error 160201.30 98926.19 55846.66 30496.77 18601.21 20967.54 41828.79 87721.81 169806.52

08E01516

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

08E01516

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISA KECENDERUNGAN PENYAKIT INFEKSI SALURAN

PERNAFASAN AKUT (ISPA) PADA BAYI DAN BALITA TAHUN 2002-2006

Diajukan Sebagai Salah Satu Syarat

SEPTRI ANTI SINAGA

FAKULTAS KESEHATAN MASYARAKAT

ISPA (Infeksi Saluran Pernafasan Akut) meliputi infeksi akut saluran

Kata Kunci: ISPA, Peramalan

Nama : Septri Anti Sinaga

Tempat/Tanggal Lahir : Balimbingan, 25 September 1985

Agama : Kristen Protestan

Status Perkawinan : Belum Kawin

Jumlah Anggota Keluarga : 4 (empat) orang

Alamat Rumah : Simp. Tangsi Balimbingan Kec. Tanah Jawa

1. Tahun 1991-1997 : SD Negeri No. 091525 Balimbingan

2. Tahun 1997-2000 : SLTP Negeri 2 Tanah Jawa

3. Tahun 2000-2003 : SMU Negeri 1 Tanah Jawa

4. Tahun 2003-2007 : Fakultas Kesehatan Masyarakat Universitas Sumatera

Analisa Kecenderungan Penyakit Infeksi Saluran Pernafasan Akut (ISPA)

2011 Di Kota Medan.

terima kasih kepada :

Universitas Sumatera Utara.

2. Ibu dr. Yusniwarti Yusad, M.Si, selaku Kepala Departemen Kependudukan

dan Biostatistik Fakultas Kesehatan Masyarakat Universitas Sumatera Utara

sekaligus Dosen Pembimbing skripsi II yang telah banyak meluangkan waktu

banyak meluangkan waktu dan memberikan bimbingan dan petunjuk serta

saran kepada penulis sehingga skripsi ini dapat diselesaikan.

Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.

yang banyak membantu dan memberikan petunjuk kepada penulis selama

6. Bapak dan Ibu dosen Di Fakultas Kesehatan Masyarakat Universitas

7. Kedua Orangtuaku yang tercinta W. Sinaga dan A. Saragih, serta abangku

Melda Sinaga yang selalu mendoakan, memberikan semangat dan kasih

sayang kepada penulis selama perkuliahan sampai selesai.

keluargaku yang selalu mendoakan dan membantu penulis.

9. Abangku Ronald yang selalu mendoakan, memberikan aku semangat, dan

10. Sahabat-sahabatku: Asnahria, Catrine, Pindah, Arni, Nita, Vera A, Vera L,

yang selalu mendoakan dan setia menemani penulis.

11. Teman-teman angkatan 2003 khususnya peminatan Kependudukan dan

yang sifatnya membangun.

semoga skripsi ini bermanfaat bagi kita semua.

Medan, September 2007

Gambar 2.1. Kurva Trend ...................................................................................... 18

Lampiran 1 Hasil Uji Regresi .................................................................................... 64

Lampiran 2 Hasil Peramalan .................................................................................... 69

1.1. Latar Belakang

ISPA (Infeksi Saluran Pernafasan Akut) meliputi infeksi akut saluran

pernafasan bagian atas dan saluran pernafasan bagian bawah. Program

Pemberantasan Penyakit (P2) ISPA membagi penyakit ISPA menjadi pneumonia

berat, pneumonia, dan yang bukan pneumonia.

Penyakit ISPA masih merupakan salah satu masalah kesehatan masyarakat

terutama pada bayi dan balita. (Depkes RI, 1992)

penyebab neonatal yaitu sebesar 37 %, sedangkan yang menyebabkan kematian bayi,

penelitian di negara berkembang menunjukkan bahwa 20-35 % kematian bayi dan

kelahiran. (Depkes RI, 2005 dan Djaja, 2001 )

Dari data mortalitas SKRT 1992 menunjukkan bahwa ISPA sebagai

disebabkan oleh ISPA. Hasil Surkesnas tahun 2001 memperlihatkan prevalensi 10

2005 dan Djaja, 1999)

Berdasarkan Profil Kesehatan Propinsi Sumatera Utara tahun 2006 bahwa

program dibentuk diperlukan perencanaan terlebih dahulu.

Peramalan cukup penting dalam perencanaan, untuk mengetahui terlebih

faktor yang menyatakan bahwa perencanaan dapat dibentuk memiliki peranan

tindakan yang tepat dapat dilakukan. Sedangkan peramalan tersebut merupakan

Untuk melakukan suatu peramalan, dibutuhkan data yang dapat digunakan

untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi,

memungkinkan kita untuk megetahui perkembangan waktu/beberapa kejadian.