Anda di halaman 1dari 6

1

Pemodelan Pengaruh Iklim Terhadap Angka


Kejadian Demam Berdarah Dengue di Surabaya
Dian Rahayu K., Wiwiek Setya Winahju, Adatul Mukarromah
Jurusan Statistika, Fakultas MIPA, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111
E-mail: wiwiek@statistika.its.ac.id, adatul@statistika.its.ac.id
Abstrak— Demam Berdarah Dengue adalah penyakit Dalam pemodelan pengaruh iklim terhadap angka
infeksi tular vektor yang ditemukan di daerah tropis- kejadian Demam Berdarah Dengue di daerah rawan yakni
subtropis. Faktor iklim meliputi suhu, kelembaban dan curah Genteng, Gubeng dan Tegalsari dengan menggunakan
hujan diduga berpengaruh terhadap angka kejadian Demam regresi Poisson dan memperhitungkan faktor time lag 1 dan
Berdarah Dengue. Penelitian ini tentang pemodelan pengaruh
2 bulan untuk faktor iklim. Hal ini disebabkan antara curah
iklim terhadap angka kejadian Demam Berdarah Dengue
menggunakan regresi Poisson, regresi Generalized Poisson dan
hujan dan jumlah penderita Demam Berdarah Dengue
regresi Binomial Negatif. Hasil analisis menunjukkan model memiliki pola osilasi yang sama, namun terdapat perbedaan
terbaik diperoleh menggunakan regresi Binomial Negatif. waktu puncak (time lag) yaitu 1 sampai 2 periode [5].
Faktor yang berpengaruh terhadap angka kejadian Demam Adanya perbedaan waktu tersebut dapat dijadikan acuan
Berdarah Dengue di Genteng adalah angka kejadian Demam sebagai waktu intervensi untuk kewaspadaan Demam
Berdarah Dengue 1 bulan sebelumnya, curah hujan, curah Berdarah Dengue. Dengan demikian, dari penelitian ini
hujan 1 bulan sebelumnya dan kelembaban udara 2 bulan dapat diperoleh model angka kejadian Demam Berdarah
sebelumnya. Gubeng meliputi angka kejadian Demam Dengue berdasarkan perkembangan informasi iklim,
Berdarah Dengue 1 bulan sebelumnya, suhu udara, curah sehingga dapat diperoleh informasi sebagai upaya dalam
hujan, curah hujan 1 bulan sebelumnya dan kelembaban 2 menangani kasus Demam Berdarah Dengue lebih tepat.
bulan sebelumnya. Selanjutnya, Tegalsari meliputi angka
kejadian Demam Berdarah Dengue 1 bulan sebelumnya,
curah hujan dan kelembaban udara 2 bulan sebelumnya. II.LANDASAN TEORI
Kata Kunci—Demam Berdarah Dengue, faktor iklim, Untuk mengetahui pengaruh faktor iklim terhadap angka
overdispersi, regresi Poisson. kejadian Demam Berdarah Dengue menggunakan metode
regresi Poisson, regresi Generalized Poisson dan Binomial
Negatif.
I. PENDAHULUAN A. Regresi Poisson
Demam Berdarah Dengue merupakan penyakit infeksi Model Regresi Poisson merupakan model regresi
tular vektor yang disebabkan oleh virus Dengue yang nonlinear yang digunakan untuk menganalisis data diskrit
ditularkan melalui nyamuk Aedes dan ditemukan di daerah (count). Beberapa karakteristik dari percobaan yang
beriklim tropis-subtropis. Indonesia merupakan negara mengikuti sebaran distribusi Poisson [6].
yang berada di wilayah tropis, sehingga merupakan daerah 1. Kejadian yang terjadi pada jumlah anggota populasi yang
penyebaran sekaligus daerah endemis yang menyebabkan besar dengan probabilitas yang kecil (kejadian yang
tingginya angka kesakitan di Indonesia [1]. jarang terjadi)
Informasi iklim dapat dijadikan sebagai input/masukan 2. Kejadian yang termasuk ke dalam counting process atau
untuk menduga tingkat resiko kejadian penyakit Demam termasuk ke dalam lingkungan proses stokastik
Berdarah Dengue pada suatu musim [2]. Banyak studi yang 3. Bergantung pada interval waktu tertentu
menunjukkan bahwa iklim mempengaruhi kejadian 4. Perulangan dari kejadian yang mengikuti sebaran
Demam Berdarah Dengue salah satunya adalah [3]-[4] distribusi binomial
yang melakukan penyusunan model kejadian Demam Model Regresi Poisson merupakan Generalized Linear
Berdarah Dengue dengan unsur iklim (curah hujan, hari Model (GLM) yang data responnya diasumsikan
hujan dan suhu). Penelitian tersebut memberikan hasil berdistribusi Poisson [7]. Model regresi Poisson diberikan
bahwa curah hujan dan suhu berpengaruh terhadap sebagai berikut.
kejadian Demam Berdarah Dengue. y i ~ Poisson (  i )
Angka kejadian Demam Berdarah Dengue merupakan
data diskrit (count) yang mengikuti distribusi Poisson.
Dalam penelitian ini dilakukan pemodelan pengaruh iklim
 i  exp(xTi β)
terhadap angka kejadian Demam Berdarah Dengue maka,
menggunakan metode regresi Poisson. Alasan dipilihnya ln  i    0  1 x1i   2 x2 i     k xki (1)
regresi Poisson adalah karena merupakan analisis regresi
nonlinear dari distribusi Poisson, dimana analisis ini sangat Estimasi parameter model regresi Poisson menggunakan
cocok digunakan dalam menganalisis data diskrit (count) metode Maximum Likelihood Estimation [8]. Fungsi log-
jika mean proses sama dengan variansnya. Namun, dalam likelihood distribusi Poisson sebagai berikut.
analisis regresi Poisson asumsi equidispersi jarang
ln L(  )    exp x Ti β    y i x Ti β   ln y i !
n n n
terpenuhi yaitu terdapat adanya kasus Over/Under Dispersi.
Untuk mengatasi kasus ini dilakukan pendekatan model i 1 i 1 i 1
menggunakan regresi Generalised Poisson dan regresi
(2)
Binomial Negatif.
2

Untuk memperoleh nilai taksiran  maka persamaan (2) pada persamaan (1) akan tetapi model regresi Generalized
diturunkan terhadap  dan disama dengan-kan nol Poisson mengasumsikan bahwa komponen randomnya
menggunakan metode Newton Raphson [7]. berdistribusi General Poisson [9].
Untuk menguji kelayakan model regresi Poisson, Dalam regresi Generalized Poisson, jika  sama
dilakukan pengujian menggunakan Likelihood Ratio Test dengan 0 maka model regresi Generalized Poisson akan
(LRT). Perumusan hipotesis kemaknaan parameter dapat menjadi model regresi Poisson. Jika  lebih dari 0 maka
dituliskan dengan H0:  1   2     k  0, H1 : paling model regresi Generalized Poisson merepresentasikan data
count yang mengandung kasus overdispersi dan jika 
sedikit ada satu  j  0; j  1,2,, k . Statistik uji yang
kurang dari 0 merepresentasikan data count yang
digunakanadalah Likelihood ratio dinotasikan sebagai mengandung fenomena under dispersi.
berikut Penaksiran parameter model regresi Generalized
 L(ˆ )  Poisson menggunakan metode Maximum Likelihood
D ( ˆ )  2 ln   2 ln L (

Estimation (MLE). Fungsi log-likelihood untuk model
ˆ)
  regresi Generalized Poisson adalah.

n  yi  x Tiβ  yi ln1   exp xTiβ   yi  1 ln1  yi  


(3)
Dengan daerah penolakannya adalah tolak H0 jika D (  ) ˆ

>  ( k ; ) yang menyatakan bahwa paling sedikit ada satu


ln L β,     
2

 ln yi !  exp xi β1  yi 1   exp xi β 


parameter yang berpengaruh terhadap model [8]. Langkah i 1 T T 1
selanjutnya, dilakukan pengujian parameter model secara
parsial yaitu untuk mengetahui parameter yang bermakna
dengan perumusan H0 :  j = 0, H1 :  j  0 dan H0 :
(7)
  0 , H1 :   0 ; Statistik uji yang digunakan : Untuk mendapatkan taksiran parameter β dan  maka
persamaan (7) diturunkan terhadap β dan 
ˆ j
t
 
se ˆ j
(4) .menggunakan metode numerik, iterasi Newton-Raphson.
Pengujian parameter model regresi Generalized Poisson
t ( n k 1; dilakukan sama seperti regresi Poisson dengan
Menolak H0 jika t > nilai pada taraf menggunakan metode Likelihood Ratio Test (LRT) dan uji
2)
hitung

signikansi  . parsial menggunakan statistik uji t.


Dalam regresi Poisson terdapat asumsi equidispersi,
namun sering terjadi pelanggaran seperti kasus C.Regresi Binomial Negatif
overdispersi/underdispersi. Deteksi Selain regresi Generalized Poisson, penanganan
overdispersi/underdispersi dilakukan menggunakan overdispersi pada regresi Poisson juga dapat dilakukan
statistik Goodness of fit oleh Pearson dibagi dengan derajat menggunakan pendekatan model Binomial Negatif. Dalam
bebas dinyatakan dengan persamaan sebagai berikut [6]. regresi Binomial Negatif, jika  menuju nol maka var

2 (5)
Y  i
menuju  i sehingga Binomial Negatif akan
db konvergen menuju Poisson. Model regresi Binomial Negatif
memiliki bentuk yang sama dengan model regresi Poisson
Jika nilai 2 sama dengan 1 maka tidak terjadi yaitu pada persamaan (1).
db Penaksiran parameter regresi Binomial dilakukan
menggunakan metode Maximum Likelihood Estimation.
overdispersi, tetapi bila 2 > 1 terjadi adanya Persamaan log-likelihood untuk Binomial Negatif.
db
 yi 1
ln L( ,  )     ln  j   1  
overdispersi. n
Terdapat beberapa metode yang digunakan dalam
menentukan model terbaik, salah satunya adalah AIC i 1  j  0 
(Akaike’s Information Criterion). Dalam rujukan [6],
Akaike’s Information Criterion (AIC) didefinisikan sebagai
berikut.  ln y i !( y i   1 ) ln(1   exp(x Ti β))
AIC  2 ln L ˆ  2k   (6)  y i ln   y i x Ti β
 
dimana L ̂ adalah nilai likelihood, dan k adalah (8)
jumlah parameter. Model terbaik adalah model yang
mempunyai nilai AIC terkecil.
 
Estimasi parameter ˆ, ˆ diperoleh dengan menurunkan
persamaan (8) terhadap β dan  .
Pengujian parameter yang dilakukan sama dengan
B. Regresi Generalized Poisson (GPR) pengujian pada regresi Poisson. Untuk uji serentak
Dalam menangani pelanggaran asumsi equidispersi menggunakan statistik uji D ( ˆ ) dan untuk statistik uji
pada regresi Poisson dilakukan pengembangan model parsial menggunakan statistik uji t.
menggunakan regresi Generalized Poisson. Pada regresi
Generalized Poisson selain terdapat parameter  juga
terdapat  sebagai parameter dispersi. Model Generalized
Poisson Regression mirip dengan regresi Poisson yaitu
3

D.Penyakit Demam Berdarah Dengue Langkah-langkah analisis yang digunakan untuk mencapai
Demam Berdarah Dengue (DBD) disebabkan oleh tujuan penelitian yakni sebagai berikut
virus Dengue (Arbovirus). Terdapat tiga faktor yang a. Melakukan pemeriksaan multikolinearitas menggunakan
memegang peranan pada penularan infeksi virus Dengue, koefisien korelasi, nilai VIF dan nilai eigen, jika terdapat
yaitu manusia, virus, dan vektor perantara. Virus Dengue multikolinearitas maka dilakukan dropping variable.
ditularkan kepada manusia melalui gigitan nyamuk Aedes b. Memperoleh model terbaik menggunakan regresi Poisson
aegypti. Di tubuh manusia, virus memerlukan waktu masa c. Memeriksa adanya angka Over/Under Dispersion dari
tunas 4 sampai 6 hari (masa inkubasi intrinsik) sebelum model regresi Poisson. Jika terdapat over/underdispersi
menimbulkan penyakit. Penularan dari manusia kepada maka dilakukan pendekatan model dengan menggunakan
nyamuk hanya dapat terjadi bila nyamuk menggigit regresi Generalised Poisson dan regresi Binomial
manusia yang sedang mengalami viremia, yaitu 2 hari Negatif.
sebelum panas sampai 5 hari setelah demam timbul [1]. d. Mendapatkan model terbaik menggunakan regresi
Generalized Poisson dan Binomial Negatif.
E. Kaitan pengaruh Faktor Iklim dengan Kejadian Demam e. Membandingkan model terbaik hasil regresi Generalized
Berdarah Dengue Poisson dan Binomial Negatif menggunakan nilai AIC.
Beberapa unsur iklim yang berpengaruh dominan f. Memperoleh faktor-faktor yang mempengaruhi angka
terhadap angka kejadian Demam Berdarah Dengue adalah kejadian Demam Berdarah Dengue.
curah hujan, kelembaban dan suhu [4].
Curah hujan merupakan faktor penentu tersedianya
IV. ANALISIS DAN PEMBAHASAN
tempat perindukan bagi nyamuk. Hujan dengan intensitas
yang cukup akan menimbulkan genangan air di tempat- A. Karakteristik Daerah Rawan Demam Berdarah Dengue
tempat penampungan air yang merupakan tempat di Surabaya
perkembangbiakan nyamuk. Menurut rujukan [4]
menyatakan bahwa curah hujan bulanan yang melampaui Pada kecamatan Genteng angka kejadian Demam
300 mm perbulan akan meningkatkan kasus Demam Berdarah Dengue tertinggi selama 10 tahun terdapat pada
Berdarah Dengue sebesar 120%. tahun 2006 bulan Maret sebesar 31 kejadian, dimana pada
Suhu menentukan kecepatan tumbuh kembang saat tersebut suhu rata-rata sebesar 27,7 0C, kelembaban
nyamuk, yaitu daya tahan nyamuk dewasa, lamanya siklus 82% dan curah hujan 336 mm. Untuk kecamatan Gubeng
gonotropik, periode inkubasi extrinsik dan ukuran vektor menunjukkan bahwa rata-rata angka kejadian Demam
yang mempengaruhi laju menggigit [11]. Vektor Demam Berdarah Dengue selama 10 tahun dari tahun 2001 sampai
Berdarah Dengue yaitu nyamuk Aedes akan bertahan hidup 2010 sebesar 7 sampai 12 kasus pertahun. Sedangkan untuk
pada suhu 280C-320C [1]. Di Indonesia, kasus Demam kasus tertinggi terjadi pada tahun 2006 sebanyak 55 kasus.
Berdarah Dengue meningkat jika suhu rata-rata 26 – Kasus tertinggi ini terjadi pada suhu rata-rata sebesar
28,50C ; jumlah kasus maksimum terjadi pada suhu 27,8 0C; 27,70C, kelembaban 82% dan curah hujan 378 mm.
dan pada suhu udara lebih dari 28,5 0C kasus akan Kecamatan Tegalsari mulai tahun 2001 sampai dengan
berkurang [2]. 2010 memiliki kasus tertinggi terjadi pada bulan Mei tahun
Kelembaban udara menentukan daya hidup nyamuk, 2007 sebanyak 38 kasus. Pada bulan Mei 2007 tersebut
yaitu menentukan daya tahan trachea yang merupakan alat suhu rata-rata adalah 29 0C, kelembaban 77% dan curah
pernafasan nyamuk. Di Indonesia kasus penyakit DBD hujan sebesar 132 mm. pada kecamatan Genteng dan
tertinggi terjadi pada kelembaban 82% [4]. Menurut Gubeng, suhu udara, kelembaban udara dan curah hujan
rujukan [12], kelembaban tidak berpengaruh langsung terletak pada range kondisi optimum yakni suhu antara
terhadap angka kejadian Demam Berdarah Dengue namun 280C sampai dengan 320C, kelembaban 70%-80% dan
berpengaruh terhadap umur nyamuk karena kelembaban curah hujan diatas 300mm. namun untuk Tegalsari, curah
yang kurang dari 60% akan menyebabkan penguapan air hujan tidak termasuk dalam kondisi optimum, kondisi ini
dari tubuh nyamuk yang memperpendek umur nyamuk dan menunjukkan angka kejadian yang tinggi bisa disebabkan
kelembaban optimum adalah 70%-80%. karena adanya penularan dari penderita bulan sebelumnya.
Hal ini menunjukkan suhu, kelembaban dan curah
hujan ketiga kecamatan termasuk kedalam range kondisi
III. METODOLOGI PENELITIAN optimum untuk perkembangbiakan maupun kehidupan
Data yang digunakan adalah data sekunder yang nyamuk, sehingga memungkinkan untuk nyamuk
diperoleh dari Dinas Kesehatan dan BMKG Surabaya yang menyebarkan virus Dengue yang mengakibatkan angka
merupakan data bulanan mulai tahun 2001 sampai dengan kejadian yang tinggi.
2010.
Tabel 1. B. Pemodelan Pengaruh Iklim terhadap Angka Kejadian
Variabel Penelitian Demam Berdarah Dengue menggunakan Regresi Poisson
Variabel Keterangan
Y Angka Kejadian Demam Berdarah Dengue
Dalam regresi yang melibatkan beberapa variabel
X1 Y(t-1) prediktor, salah satu syarat adalah antara variabel
X2 Y(t-2) prediktornya saling bebas. Jika terdapat adanya hubungan
X3 Kelembaban udara (%) antara variabel prediktor maka terjadi adanya kasus
X4 Suhu udara (oC)
X5 Curah hujan (mm) multikolinearitas. Dalam mengidentifikasi kasus
X6 Kelembaban udara(t-1) multikolinearitas digunakan 3 kriteria yaitu nilai korelasi,
X7 Suhu udara (t-1) VIF dan eigen. Dari hasil analisis diperoleh nilai korelasi
X8 Curah hujan (t-1) untuk ketiga kecamatan lebih kecil dari 0,95, untuk nilai
X9 Kelembaban udara (t-2)
X10 Suhu udara (t-2) VIF lebih kecil dari 10 dan serta nilai eigen yang lebih
X11 Curah hujan (t-2) kecil dari 0,05. Dengan demikian pada variabel prediktor
untuk kecamatan Genteng, Gubeng dan Tegalsari tidak
4

terdapat adanya kasus multikolinearitas (hubungan antara Kecamatan Kriteria Nilai Db Nilai/db
variabel prediktornya kecil). Deviance 342,5528 111 3,0861
Genteng
Pearson Chi-square 355,3161 111 3,2010
Data angka kejadian Demam Berdarah Dengue adalah data Deviance 372,0220 111 3,3515
count yang mengikuti distribusi Poisson, untuk mengetahui Gubeng
Pearson Chi-square 407,2175 111 3,6686
pengaruh iklim terhadap angka kejadian Demam Berdarah Tegalsari
Deviance 439,8561 112 3,9273
Dengue maka dilakukan pemodelan menggunakan analisis Pearson Chi-square 439,7923 112 3,9267
regresi Poisson.
Tabel 2. Dari Tabel 4. diperoleh nilai deviance/db atau pearson/db-
Model Regresi Poisson nya lebih besar dari 1 sehingga dapat disimpulkan bahwa
Kecamatan Prediktor yang Signifikan AIC pada model regresi Poisson Genteng, Gubeng dan Tegalsari
Genteng X1 X5 X6 X7 X9 X10 720,7 terjadi adanya overdispersi. Untuk mengatasi hal ini, maka
Kecamatan Prediktor yang Signifikan AIC
Gubeng X1 X3 X5 X8 X10 X11 827,5 dilakukan pemodelan menggunakan regeresi Generalized
Tegalsari X1 X5 X6 X9 X10 800,2 Poisson dan Binomial Negatif, dimana metode tersebut
mengakomodasi parameter dispersi.
Dari Tabel 2. diperoleh model untuk regresi Poisson pada
kecamatan Genteng, Gubeng dan Tegalsari. Selanjutnya,
dari model regresi tersebut dilakukan uji signifikansi C.Pemodelan Pengaruh Iklim terhadap Angka Kejadian
parameter serentak maupun parsial dari hasil estimasi Demam Berdarah Dengue menggunakan Regresi
parameter untuk mengetahui pengaruh variabel prediktor Generalized Poisson
terhadap variabel respon. Berikut adalah hasil analisis menggunakan regresi
Generalized Poisson.
Tabel 3. Tabel 5.
Estimasi Parameter Model Regresi Poisson kecamatan Model Regresi Generalized Poisson
Genteng Kecamatan Prediktor yang signifikan AIC
Parameter Estimasi SE t hitung P value Genteng X1 X5 X6 X10 632,0
Gubeng X1 X5 X8 X10 710,9
0 -3,2816 2,56590 1,28 0,2036 Tegalsari X1 X5 X10 641,5

1 0,0432 0,00501 8,62 <0,0001


Tabel 5. menyajikan prediktor yang signifikan dari
5 0,0007 0,00016 4,76 <0,0001 model terbaik untuk regresi Generalized Poisson pada
6 -0,1618 0,06895 2,35 0,0207 masing-masing kecamatan. Untuk kecamatan Genteng
diperoleh prediktor yang signifikan pada regresi
7 0,0294 0,01348 2,18 0,0315 Generalized Poisson adalah X1 X5 X6 X10, kecamatan
9 0,1236 0,07245 1,71 0,0907 Gubeng X1 X5 X8 X10 dan kecamatan Tegalsari X1 X5 X10.
 10 0,0449 0,01388 3,23 0,0016 Tabel 6.
Estimasi Parameter Model Regresi
Generalized Poisson kecamatan Genteng
Dari hasil analisis diperoleh nilai D ( ˆ ) sebesar 706,7 Parameter Estimasi SE t hitung P value
pada taraf signifikansi 10% nilai  ( 6 ; 0 ,1) sebesar 10,6446,
2
0 2,08290 3,49470 0,6 0,5524
sehingga diambil keputusan menolak H0 yang yang artinya
1 0,06002 0,01529 3,93 0,0001
variabel prediktor berpengaruh terhadap model.
Selanjutnya dilakukan uji parameter secara parsial untuk 5 0,00104 0,00030 3,42 0,0009
mengetahui pengaruh yang diberikan setiap variabel 6 -0,19330 0,10370 1,86
prediktor terhadap respon. Berdasarkan Tabel 3. terlihat 0,0649

bahwa parameter yang signifikan adalah  0  1  5  6  10 0,05934 0,01526 3,89 0,0002


 0,11470 0,02120 5,41 <0,0001
   karena nilai t
7 9 10
setiap parameter lebih
hitung

besar dari nilai t (111 ,0 ,1 ) yaitu 1,6587. Dengan demikian Dari hasil analisis diperoleh nilai D ( ˆ ) adalah 620,0
2
sedangkan nilai  ( 4 ; 0 ,1) adalah 7,7794, sehingga menolak
2
variabel prediktor yang signifikan adalah X 1, X5, X6, X7, X9
dan X10 sehingga model regresi Poissonnya adalah sebagai H0 yang berarti variabel prediktor berpengaruh terhadap
berikut. model. Untuk mengetahui pengaruh yang diberikan setiap
ˆ) 
ln( μ variabel prediktor terhadap respon maka dilakukan uji
parsial. Tabel 6. menyajikan hasil estimasi parameter
3,2816  0,04317 X 1  0,000743X 5  0,1618 X 6
beserta nilai statistik uji t . Dari hasil tersebut
0,02937 X 7  0 ,1236 X 9  0,04488 X 10
hitung

terlihat bahwa parameter yang signifikan adalah  1  5


Faktor yang mempengaruhi angka Demam Berdarah
Dengue di kecamatan Genteng adalah angka kejadian   dan  . Karena nilai t
6 10
setiap parameter
hitung

Demam Berdarah Dengue 1 bulan sebelumnya, curah


hujan, suhu udara 1 bulan sebelumnya, kelembaban udara 1 lebih besar dari nilai t (113 ,0 ,1 ) yaitu 1,6585. Dengan
2
bulan sebelumnya, suhu udara 2 bulan sebelumnya dan
kelembaban udara 2 bulan sebelumnya. Dari model regresi demikian variabel prediktor yang signifikan adalah X 1, X5,
Poisson yang diperoleh, selanjutnya dilakukan pemeriksaan X6 dan X10. Dari hasil estimasi parameter dan pengujian
kasus overdispersi pada Tabel 4. parameter, maka diperoleh model regresi Generalized
Tabel 4. Poisson tiap kecamatan sebagai berikut
Nilai Devians/db dan Pearson/db Model Regresi Poisson Genteng :
5

ˆ) 
ln( μ
parameter lebih besar dari nilai t (113 , 0 ,1 ) yaitu 1,6585.
2,08290  0,06002 X 1  0,00104 X 5  0,1933 X 6  0,05934 X 10 2

Gubeng : Dengan demikian variabel prediktor yang signifikan adalah


X1 X5 X8 dan X10. Dari hasil estimasi parameter serta
ln  μ̂  
pengujiannya, maka diperoleh model regresi Binomial
2,2595  0,04196X 1  0,00102 X 5  0,00156 X 8  0,Negatif
04717 X tiap
10 kecamatan sebagai berikut

Tegalsari : Genteng :
ln  μ̂   ˆ )  3,46379  0,048729 X 1  0,000638 X 5
ln( μ
5,2045  0,07302X 1  0,00180X 5  0,07992 X 10 0,000725 X 8  0,059826 X 10
Gubeng :
Dengan demikian faktor yang mempengaruhi angka ln μ̂   1,8531  0,035 X 1  0,1463X 3  0,0009 X 5
kejadian Demam Berdarah Dengue pada taraf signifikan 0,0012 X 8  0,0496 X 10
10% di kecamatan Genteng adalah angka kejadian Demam
Tegalsari :
Berdarah Dengue 1 bulan sebelumnya, curah hujan, suhu
ln  μ̂  
udara 1 bulan sebelumnya dan kelembaban udara 2 bulan
sebelumnya. Untuk kecamatan Gubeng adalah angka 5,3581  0,0554 X 1  0,0017 X 5  0,0836 X 10
kejadian Demam Berdarah Dengue 1 bulan sebelumnya, Dengan demikian faktor-faktor yang mempengaruhi
curah hujan, curah hujan 2 bulan sebelumnya dan angka Demam Berdarah Dengue di kecamatan Genteng
kelembaban udara 2 bulan sebelumnya. Tegalsari adalah adalah angka kejadian Demam Berdarah Dengue 1 bulan
angka kejadian Demam Berdarah Dengue 1 bulan sebelumnya, curah hujan (mm), curah hujan 1 bulan
sebelumnya, curah hujan dan kelembaban udara 2 bulan sebelumnya dan kelembaban udara 2 bulan sebelumnya.
sebelumnya. Untuk angka Demam Berdarah Dengue kecamatan Gubeng
D.Pemodelan Pengaruh Iklim terhadap Angka Kejadian dipengaruhi angka kejadian Demam Berdarah Dengue 1
Demam Berdarah Dengue menggunakan Regresi Binomial bulan sebelumnya, suhu udara, curah hujan, curah hujan 1
Negatif bulan sebelumnya dan kelembaban 2 bulan sebelumnya.
Selanjutnya, faktor-faktor yang mempengaruhi angka
Selain menggunakan regresi Generalized Poisson dalam Demam Berdarah Dengue di kecamatan Tegalsari yakni
menangani overdispersi pada model regresi Poisson, juga angka kejadian Demam Berdarah Dengue 1 bulan
bisa menggunakan model regresi Binomial Negatif. sebelumnya, curah hujan dan kelembaban udara 2 bulan
Tabel 7.
sebelumnya.
Model Regresi Binomial Negatif E. Pemilihan Model Terbaik
Kecamatan Prediktor yang signifikan AIC
Genteng X1 X5 X8 X10 629,81 Dari hasil seluruh pemodelan regresi Poisson, regresi
Gubeng X1 X3 X5 X8 X10 710,35 Generalized Poisson dan regresi Binomial Negatif,
Tegalsari X1 X5 X10 636,61 selanjutnya dilakukan pemilihan model terbaik dari ketiga
metode tersebut yang ditampilkan pada Tabel 9.
Dari hasil Tabel 7. maka diperoleh variabel prediktor
yang signifikan dari model untuk regresi Binomial Negatif Tabel 9.
kecamatan Genteng adalah X1 X5 X8 X10. Untuk kecamatan Pemilihan Model Terbaik
Gubeng X1 X3 X5 X8 X10. Sedangkan untuk kecamatan Kecamatan Metode Prediktor yang AIC
signifikan
Tegalsari adalah X1 X5 X10. Genteng Regresi Poisson X1 X5 X6 X7 X9 X10 720,7
Regresi X1 X5 X6 X10 632,0
Tabel 8. Generalized Poisson
Estimasi Parameter Model Regresi Regresi X1 X5 X8 X10 629,81*
Binomial Negatif kecamatan Genteng Binomial Negatif
Parameter Estimasi SE t hitung Gubeng Regresi Poisson X1 X3 X5 X8 X10 X11 827,5
Regresi X1 X5 X8 X10 710,9
0 -3,46379 1,12753 3,0720 Generalized Poisson
Regresi X1 X3 X5 X8 X10 710,35*
1 0,048729 0,011329 4,3010 Binomial Negatif
Tegalsari Regresi Poisson X1 X5 X6 X9 X10 800,2
5 0,000638 0,000342 1,8640
Regresi X1 X5 X10 641,5
8 0,000725 0,000376 1,9270 Generalized Poisson
Regresi X1 X5 X10 636,61*
 10 0,059826 0,015431 3,8770 Binomial Negatif
 2,994000 0,656000 4,5640
Berdasarkan nilai AIC pada Tabel 9. maka diperoleh
model terbaik untuk pemodelan pengaruh iklim terhadap
Nilai D ( ˆ ) diperoleh dari lampiran I adalah 617,806 angka kejadian Demam Berdarah Dengue adalah
sedangkan nilai  ( 4 ; 0 ,1) adalah 7,7794, sehingga diambil
2 menggunakan regresi Binomial Negatif.
Faktor-faktor yang mempengaruhi angka kejadian
keputusan menolak H0 yang berarti variabel prediktor Demam Berdarah Dengue untuk kecamatan Genteng
berpengaruh terhadap model. Selanjutnya dilakukan uji meliputi angka kejadian Demam Berdarah Dengue 1 bulan
parameter secara parsial untuk mengetahui pengaruh yang sebelumnya, curah hujan (mm), curah hujan 1 bulan
diberikan setiap variabel prediktor terhadap respon. Dari sebelumnya dan kelembaban udara 2 bulan sebelumnya.
hasil Tabel 8. terlihat bahwa parameter yang signifikan Setiap penambahan 1 orang penderita Demam Berdarah
adalah  1  5  8  10 dan  , sebab nilai t setiap
hitung Dengue pada bulan ini maka akan meningkatkan rata-rata
angka kejadian Demam Berdarah Dengue pada bulan
6

berikutnya. Dengan kata lain, angka kejadian Demam Perhimpunan Enromolgi Indonesia Cabang Bogor.
Berdarah Dengue 1 bulan sebelumnya memiliki hubungan Bogor
searah dengan angka kejadian Demam Berdarah Dengue [3] Sasmito, A. dan Tim BMG. (2006). Protipe model
saat ini. Selain itu, curah hujan sekarang dan curah hujan 1 Peringatan Dini Bahaya Demam Berdarah Dengue
bulan sebelumnya serta kelembaban udara 2 bulan (DBD) di Wilayah DKI Jakarta. Makalah disampaikan
sebelumnya juga memiliki hubungan yang searah dengan pada Seminar Hasil Penelitian Pengembangan
angka kejadian Demam Berdarah Dengue, setiap Meteorologi dan Geofisika tahun 2006. Badan
penambahan 1 mm curah hujan maka akan meningkatkan Meteorologi dan Geofisika. Jakarta
rata-rata angka kejadian Demam Berdarah Dengue pada [4] Hidayati R. (2008). Model Peringatan Dini Penyakit
bulan berikutnya. Setiap penambahan 1% kelembaban Demam Berdarah dengan Informasi Unsur Iklim.
udara akan meningkatkan rata-rata angka kejadian Demam [Disertasi] Sekolah Pascasarjana IPB Bogor.
Berdarah Dengue pada 2 bulan berikutnya. [5] Departemen Kesehatan RI. (2010). Buletin Demam
Kelembaban udara yang optimum akan Berdarah Dengue Volume 2 Agustus. Diunduh dari
mempertahankan daya tahan hidup nyamuk dan selama alamat http://www.depkes.go.id, pada Minggu 5
masa hidupnya nyamuk akan terus berkembang biak. Curah Februari 2012
hujan yang cukup akan menimbulkan banyak genangan- [6] Cameron, A.C, dan Trivedi, P.K,. (1998). Regression
genangan air sebagai tempat perkembangbiakan larva Analysis of Count Data. Cambridge University Press.
nyamuk. Nyamuk yang berkembangbiak membutuhkan [7] Agresti, (2002). Categorical Data Analysis Second
darah sebagai asupan nutrisi sehingga akan menggigit Edition. New York: John Wiley & Sons
manusia. Dalam menghisap darah terjadi multiple feeding [8] Myers, R.H. (1990). Classical and Modern Regression
yakni perilaku menggigit/menghisap darah dari beberapa with Applications, second edition. Boston : PWS
manusia. Adanya multiple feeding akan mengakibatkan KENT Publishing Company
penyebaran virus Demam Berdarah Dengue, karena [9] F. Famoye, S. Bae, J.T. Wulu, A.A. Bartolucci, K.P.
terjadinya penularan virus dari penderita Demam Berdarah Singh. (2004). On the Generalized Poisson Regression
Dengue pada manusia normal. Model with an Application to Accident Data. Central
Michigan University, Bureau of Primary Health Care
V. KESIMPULAN UNT Health Science Center. Journal of Data Science
2(2004), 287-295.
Berdasarkan hasil analisis dan pembahasan maka dapat
diperoleh kesimpulan sebagai berikut. [10] Smith, H dan Draper,N.H. (1992). Analisis Regresi
Terapan. Jakarta: PT Gramedia Pustaka Utama.
1. Kasus tertinggi yang pernah terjadi di masing-masing
kecamatan, terjadi pada saat suhu, kelembaban dan curah [11] Chan, NY., Ebi, KL., Smith, F., Wilson, TF., and
Smith, AE. (1999). An Integrated Assessment
hujan termasuk kedalam range kondisi optimum yakni
suhu antara 28 0C sampai dengan 32 0C, kelembaban Framework for Climate Change and Infectious
Diseases. Environmental Health Perspectives. Di
70%-80% dan curah hujan diatas 300 mm. Hal ini
menunjukkan bahwa kondisi iklim yang optimum secara unduh dari alamat http://www.ehponline.org, pada
Kamis 31 Mei 2012
tidak langsung mendukung terjadinya angka Demam
Berdarah Dengue yang tinggi. [12] Yanti, S.E. (2004). Hubungan Faktor-Faktor Iklim
dengan Kasus Demam Berdarah Dengue di
2. Hasil pemodelan terbaik untuk kecamatan Genteng dan
Tegalsari diperoleh menggunakan regresi Binomial Kotamadya Jakarta Timur Tahun 2000-2004.[Skripsi]
Fakultas Kesehatan Masyarakat Universitas Indonesia
Negatif. Adapun faktor-faktor yang berpengaruh terhadap
angka kejadian Demam Berdarah Dengue yaitu.
a. Genteng, faktor yang berpengaruh terhadap angka
kejadian Demam Berdarah Dengue Genteng adalah
angka Demam Berdarah Dengue di kecamatan Genteng
dipengaruhi oleh angka kejadian Demam Berdarah
Dengue 1 bulan sebelumnya, curah hujan, curah hujan 1
bulan sebelumnya dan kelembaban udara 2 bulan
sebelumnya.
b. Gubeng, faktor yang berpengaruh terhadap angka
kejadian Demam Berdarah Dengue Gubeng adalah angka
kejadian Demam Berdarah Dengue 1 bulan sebelumnya,
suhu udara, curah hujan, curah hujan 1 bulan
sebelumnya dan kelembaban 2 bulan sebelumnya.
c. Tegalsari, faktor yang berpengaruh terhadap angka
kejadian Demam Berdarah Dengue Tegalsari adalah
angka kejadian Demam Berdarah Dengue 1 bulan
sebelumnya, curah hujan dan kelembaban udara 2 bulan
sebelumnya.

DAFTAR PUSTAKA
[1] Departemen Kesehatan RI. (2005). Tata Laksana DBD.
Dep Kes RI, Jakarta.
[2] Sukowati, S. (2004). Dampak Perubahan Lingkungan
Terhadap Penyakit Tular Nyamuk (Vektor) di
Indonesia. Makalah Utama pada Seminar Nasional IV