577 1553 2 SP
577 1553 2 SP
Abstrak— Pneumonia adalah infeksi saluran pernafasan akut penelitian ini (GWR) mengkaji faktor eksternal kejadian
bagian bawah yang mengenai parenkim paru dan paling sering pneumonia pada balita di Jawa Timur dengan
menyebabkan kematian pada bayi dan balita. Analisis regresi mempertimbangkan aspek spasial. Aspek spasial disini terkait
linier merupakan analisis statistik yang bertujuan memodelkan dengan perbedaan karakteristik lingkungan dan geografis antar
hubungan antara variabel respon dengan variabel prediktor.
daerah sehingga masing-masing daerah ada kemungkinan
Geographically Weighted Regression (GWR) adalah bentuk lokal
dari regresi linier dan merupakan metode statistik yang memiliki variasi yang berbeda. Pendekatan spasial sangat
digunakan menganalisis data spasial. Penelitian ini bertujuan beralasan, karena penyebaran suatu penyakit, terutama
mengetahui faktor-faktor eksternal yang mempengaruhi penyakit menular sangat dipengaruhi oleh lingkungan sekitar.
pneumonia balita di Jawa Timur dengan menggunakan GWR. Jika suatu daerah terjangkit suatu penyakit menular, maka
Hasil penelitian menunjukkan bahwa pada model regresi linier terdapat kemungkinan bahwa daerah sekitarnya akan tertular
diperoleh hasil yang tidak signifikan, sehingga dilanjutkan penyakit ini pula. Oleh karena itu diperlukan suatu metode
dengan analisis GWR. Model GWR kejadian pneumonia balita pemodelan statistik dengan memperhitungkan aspek spasial
menghasilkan R2 lebih besar dari model regresi, yaitu 46,54 yaitu menggunakan metode Geographically Weighted
persen dan SSE yang lebih kecil, yaitu 19,77945. Faktor
Regression (GWR) yang diharapkan mampu menghasilkan
geografis berpengaruh terhadap kejadian pneumonia balita di
Jawa Timur sehingga model GWR yang terbentuk berbeda-beda model pneumonia balita yang tepat di tiap wilayah.
tiap kabupaten. Faktor eksternal yang berpengaruh terhadap Tujuan yang ingin dicapai yaitu untuk mengetahui faktor
pneumonia balita di Jawa Timur adalah pemberian vitamin A eksternal yang menyebabkan balita terkena Pneumonia di
dan balita mendapat imunisasi. Jawa Timur dengan metode Geographically Weighted
Regression (GWR). Manfaat yang diperoleh yaitu sebagai
Kata Kunci— Geographically Weighted Regression, Kernel informasi untuk pemerataan sasaran pelaksanaan program
Gaussian, Pneumonia pencegahan dan pengendalian pneumonia balita dalam rangka
menurunkan Angka Kematian Balita (AKBA) di Jawa Timur
I. PENDAHULUAN serta menambah wawasan peneliti tentang metode spasial
khususnya Geographically Weighted Regression (GWR)
T UJUAN keempat MDGs yaitu menurunkan angka
kematian anak dengan target menurunkan angka
kematian balita pada tahun 2015 dua per tiga dari tahun 1990
dalam masalah epidemiologi penyakit. Batasan masalah dalam
penelitian ini yaitu hanya menggunakan data persentase
penderita pneumonia balita di Jawa Timur tahun 2009 dan
atau dengan kata lain 32 kematian per 1000 kelahiran hidup faktor eksternal yang mempengaruhinya.
[1]. Salah satu upaya menurunkan angka kematian balita
adalah dengan menurunkan angka kematian balita akibat
Pneumonia sebagai penyebab utama kematian pada balita [2]. II. TINJAUAN PUSTAKA
Pneumonia atau radang paru-paru adalah infeksi saluran A. Model Regresi Linier
pernafasan akut (ISPA) bagian bawah yang mengenai
parenkim paru. Jawa Timur merupakan salah satu propinsi Metode regresi linier merupakan metode yang
dengan tingkat pneumonia balita yang tinggi. Berdasarkan memodelkan hubungan antara variabel respon y dan variabel
laporan Kabupaten/Kota di Jawa Timur, jumlah kasus prediktor x1 , x2 ,..., x p . Model regresi linier secara umum :
pneumonia balita tahun 2009 sebanyak 64.100 kasus [3]. y 0 1 x1 2 x2 ... p x p (1)
Jumlah persentase penderita pneumonia balita di tiap
kabupaten/kota di Jawa Timur sangat beragam. Faktor dimana 0 , 1 ,..., p merupakan parameter model dan i
geografis dan lingkungan merupakan salah satu penyebab merupakan error yang diasumsikan identik, independen, dan
timbulnya variasi pneumonia di Jawa Timur. Dalam hal ini berdistribusi normal dengan mean nol dan varians konstan 2
faktor geografis dan lingkungan berpengaruh pada status gizi
atau ( i ~ IIDN 0, 2 ). Pada model ini, hubungan antara
balita antar kabupaten/kota yang bisa berdampak pada
masalah kesehatan pada balita. Penelitian sebelumnya yang variabel prediktor dan variabel respon dianggap konstan pada
berhubungan dengan pneumonia diantaranya [4], [5] dan [6]. setiap lokasi geografis.
Geographically Weighted Regression (GWR) adalah salah Dalam notasi matriks, model regresi dapat dituliskan
satu metode spasial yang menggunakan faktor geografis menjadi : y Xβ ε dengan :
sebagai variabel bebas yang dapat mempengaruhi variabel 1 x11 x1 p
y1 x12 0 1
respon [7]. Aplikasi GWR telah digunakan oleh [8], [9] dan
y2 , 1 x21 x22 x2 p , ,
[10]. Metode statistik yang digunakan dalam kejadian y β ε 2
1
X
pneumonia telah dikembangkan sebelumnya oleh [5] dengan
analisis Chi Square dan regresi logistik. Sedangkan pada
yn 1 xn1 xn 2 xnp p n
2
B. Model Geographically Weighted Regression (GWR) (tidak ada perbedaan yang signifikan antara model regresi
Model Geographically Weighted Regression (GWR) global dan GWR)
adalah pengembangan dari model regresi dimana setiap H1 : Paling sedikit ada satu k ui , vi k , k 0,1, 2, , p
parameter dihitung pada setiap titik lokasi, sehingga setiap (ada perbedaan yang signifikan antara model regresi global
titik lokasi geografis mempunyai nilai parameter regresi yang dan GWR).
berbeda-beda. Model GWR merupakan pengembangan dari Statistik uji [7] :
model regresi global dimana ide dasarnya diambil dari regresi 2
non parametrik [11]. Variabel respon y dalam model GWR RSS H 1 1
diprediksi dengan variabel prediktor yang masing-masing Fhitung 2 (5)
koefisien regresinya bergantung pada lokasi dimana data RSS H 0 n p 1
tersebut diamati. Model GWR dapat ditulis sebagai berikut [7] Adapun pengujian signifikansi parameter model pada
ini : setiap lokasi dilakukan dengan menguji parameter secara
p
parsial. Hipotesisnya :
yi 0 ui , vi k ui , vi xik i (2)
k 1 H0 : k u i , vi 0
dengan : H 1 : k ui , vi 0 dengan k 1, 2, , p
yi : Nilai observasi variabel respon untuk lokasi ke-i Statistik uji yang digunakan :
u i , vi : Menyatakan titik koordinat (longitude, latitude) ˆ (u , v )
lokasi i Thit k i i (6)
ˆ ckk
k ui , vi : Koefisien regresi variabel prediktor ke- k untuk
lokasi ke-i C. Pneumonia
Peran pembobot pada model GWR sangat penting karena Pneumonia adalah infeksi saluran pernafasan akut bagian
nilai pembobot ini mewakili letak data observasi satu dengan bawah yang mengenai parenkim paru. dan merupakan
lainnya. Fungsi kernel digunakan untuk mengestimasi penyakit infeksi saluran pernafasan akut (ISPA) yang paling
paramater dalam model GWR jika fungsi jarak w j adalah sering menyebabkan kematian pada bayi dan anak balita.
Faktor risiko adalah faktor atau keadaan yang
fungsi yang kontinu dan monoton turun [11]. Pembobot yang mengakibatkan seorang anak rentan menjadi sakit atau
terbentuk dengan menggunakan fungsi kernel ini adalah sakitnya menjadi berat. Berbagai faktor risiko yang
fungsi jarak Gaussian (Gaussian Distance Function), fungsi meningkatkan kejadian, beratnya penyakit dan kematian
Exponential, fungsi Bisquare, dan fungsi kernel Tricube. karena pneumonia antara lain status gizi, pemberian ASI (Air
Fungsi pembobot yang digunakan pada penelitian ini adalah Susu Ibu), suplementasi vitamin A, berat bayi lahir rendah
fungsi jarak Gaussian [7] : (BBLR), imunisasi / vaksinasi, usia dibawah 2 tahun, polusi
w j u i , vi exp d ij h
1 2 (3) udara, kemiskinan
2
dengan d ij u i uj v
2
i vj
2
adalah jarak eucliden
III. METODE PENELITIAN
antara lokasi u i , vi ke lokasi u j , v j dan h adalah parameter Data dalam penelitian ini menggunakan data sekunder
non negatif yang diketahui dan biasanya disebut parameter mengenai Pneumonia balita di Jawa Timur tahun 2009 yang
penghalus (bandwidth). diperoleh dari publikasi data Dinas Kesehatan (Dinkes). Data
Bandwidth dapat dianalogikan sebagai radius dari suatu tersebut adalah jumlah penderita pneumonia pada balita yang
lingkaran, sehingga sebuah titik yang berada di dalam radius terdapat pada 38 kabupaten/kota.
lingkaran masih dianggap memiliki pengaruh. Di dalam Adapun variabel yang digunakan dalam penelitian ini
pembentukan sebuah model GWR, bandwidth berperan adalah sebagai berikut.
sangat penting karena akan berpengaruh pada ketepatan 1. Variabel respon (Y) yaitu persentase balita penderita
model terhadap data, yaitu mengatur varians dan bias dari pneumonia di Jawa Timur
model. 2. Variabel prediktor (X) meliputi persentase balita gizi
Ada beberapa metode yang digunakan untuk memilih buruk (X1), persentase balita yang mendapatkan
bandwidth optimum, salah satu diantaranya adalah metode suplementasi vitamin A (X2), persentase berat bayi lahir
Cross Validation atau CV [7] yang secara matematis rendah (X3) dan persentase balita yang mendapatkan
didefinisikan sebagai berikut: imunisasi (X4).
n Langkah-langkah analisis yang digunakan untuk
CV h yi yˆ i (h)
2
(4)
menjawab tujuan dari penelitian antara lain sebagai berikut.
i 1
1. Melakukan analisis deskriptif
dengan y i h adalah nilai penaksir y i dimana pengamatan di
2. Memodelkan pneumonia balita dengan metode regresi
lokasi u i , vi dihilangkan dari proses estimasi. Untuk linier klasik atau metode Ordinary Least Square (OLS).
mendapatkan nilai h yang optimal maka diperoleh dari h yang a. Melakukan uji asumsi model regresi klasik bahwa
menghasilkan nilai CV yang minimum. residual bersifat IIDN (Identik, Independen dan
Pengujian Hipotesis Model GWR berdistribusi normal)
Terdiri dari pengujian kesesuaian model GWR dan 3. Sedangkan tahapan dalam model spasial menggunakan
pengujian parameter model. Hipotesis uji kesesuaian model GWR antara lain :
GWR : a. Menentukan nilai bandwidth optimum berdasarkan
H0 : k u i , vi k untuk setiap k 0,1, 2, , p, dan i 1, 2, , n kriteria Cross Validation (CV). Perhitungan CV
dilakukan hingga mendapatkan nilai CV minimum.
3
b. Menentukan matriks pembobot dengan menggunakan pneumonia balita tertinggi di kabupaten Gresik dan terendah
fungsi kernel Gaussian. di kota Batu.
c. Menaksir parameter model GWR dengan Berikut merupakan peta sebaran persentase balita gizi
menggunakan bandwidth optimum. buruk (X1), persentase balita yang mendapatkan suplementasi
4. Membandingkan hasil antara regresi OLS dan GWR vitamin A (X2), persentase berat bayi lahir rendah (X3) dan
menggunakan kriteria R2 dan SSE. persentase balita yang mendapatkan imunisasi (X4) di Jawa
a. Uji kesesuaian model untuk melihat apa faktor geografi Timur.
berpengaruh terhadap kejadian pneumonia.
b. Menguji signifikansi parameter secara parsial.
5. Menginterpretasi dan menyimpulkan hasil yang diperoleh.
Persentase berat bayi lahir rendah sangat tinggi berada di analisis dilanjutkan ke Geographically Weighted Regression
kota Madiun, Kediri dan Malang yaitu 4,4 hingga 6,6 persen. (GWR).
Sedangkan kabupaten Lamongan, Gresik, Bangkalan,
Sampang, Pamekasan, Sidoarjo, Pasuruan, Malang, C. Model Geographically Weighted Regression (GWR)
Banyuwangi dan kota Batu merupakan daerah dengan tingkat Model Geographically Weighted Regression (GWR)
berat bayi lahir rendah yang sangat rendah yaitu 0,91 hingga adalah pengembangan dari model regresi dimana setiap
1,85 persen. parameter dihitung pada setiap titik lokasi, sehingga setiap
titik lokasi geografis mempunyai nilai parameter regresi yang
berbeda-beda.
Tabel 3.
Nilai Minimum dan Maksimum Estimasi Parameter Model GWR
Nilai Koefisien Parameter
Variabel
Minimum Maksimum
Intersep -0,3462 0,3363
X1 -0,1499 0,2955
X2 -0,6900 0,2662
X3 -0,0889 0,5131
X4 -0,0842 0,3737
SSE 19,77945
R2 46,54%
Gambar 5. Persebaran Persentase Balita mendapat imunisasi di Jawa Timur
Tabel 3 menunjukkan bahwa estimasi parameter pada
Gambar 5 menunjukkan bahwa persentase balita mendapat setiap variabel (X1 sampai X4) memiliki koefisien parameter
imunisasi sangat tinggi berada di kabupaten Gresik, Sidoarjo, regresi bernilai positif dan negatif pada beberapa kabupaten.
Sumenep, Madiun, Ponorogo, Jombang, Nganjuk, Kediri, Selain itu diperoleh kesimpulan bahwa model GWR
Blitar, Tulungagung, Probolinggo, Bondowoso, Jember, kejadian pneumonia balita tiap kabupaten/kota di Jawa Timur
Banyuwangi, kota Kediri, Blitar, Batu dan Probolinggo yaitu yang terbentuk merupakan model yang lebih baik bila
95,9 hingga 100 persen. Sedangkan kabupaten Lamongan dan dibandingkan dengan model regresi OLS dikarenakan nilai
Pasuruan merupakan daerah dengan tingkat balita mendapat SSE model GWR yang lebih kecil dari regresi linier yaitu
imunisasi yang sangat rendah yaitu 39,94 hingga 43,31 persen. 19,77945 kurang dari 32,9096 dan R2 yang cukup tinggi yaitu
Untuk pengujian asumsi multikolinearitas sudah terpenuhi sebesar 46,54 persen.
oleh model OLS karena tidak ada variabel prediktor yang
memiliki nilai VIF (Variance Inflation Factors) di atas 10. Pengujian Model GWR secara Serentak
Sehingga dapat disimpulkan bahwa tidak terdapat korelasi Bertujuan untuk melihat apakah faktor lokasi berpengaruh
antar variabel prediktor. terhadap kejadian pneumonia balita.
B. Model Regresi Linier H 0 : k u1 , v1 k u 2 , v2 ..... k u38 , v38 k
Pengujian parameter secara serentak merupakan pengujian H1 : minimal ada satu k ui , vi k
secara bersama semua parameter dalam model regresi. Tabel 4.
Nilai SSE, Nilai Statistik Uji F, dan P-value
Hipotesisnya adalah: Model Regresi OLS dan GWR
H 0 : 1 2 3 4 0 Model SSE Df F P-value
H1 : minimal ada satu k 0 Model GWR 19,77945 23,876 1,6638 0,09968
Model Regresi 32,90956 33
Hasil pengujian secara serentak model regresi OLS
didapatkan Fhitung = 1,03 yang kurang dari F( 0,1; 4;33) = Tabel di atas menjelaskan nilai Fhitung = 1,6638 lebih dari
2,1268 dan p-value yang lebih dari alpha 10 persen, sehingga F0,1;23,876;33 = 1,6199 dan p-value sebesar 0,09968 yang berarti
diputuskan untuk gagal tolak H0 (Tabel 2). Pemodelan dengan bahwa faktor lokasi berpengaruh terhadap kejadian pneumonia
menggunakan regresi OLS menghasilkan parameter yang balita di Jawa Timur. Nilai Fhitung dan p-value hasil pengujian
nyata tidak berpengaruh pada taraf signifikansi alpha 10 kesesuaian model nyata dengan taraf signifikansi 10 persen
persen. Nilai koefisien determinasi (R2) adalah 11,1% yang sehingga diputuskan untuk tolak H0.
berarti bahwa model regresi dapat menjelaskan variabilitas
kejadian pneumonia balita sebesar 11,1% sedangkan sisanya Pengujian Parameter Model GWR
88,9% dijelaskan oleh variabel lainnya di luar model. Bertujuan untuk mengetahui faktor-faktor yang
Tabel 2. berpengaruh terhadap kejadian pneumonia balita untuk tiap
ANOVA Regresi Linear
kabupaten/kota di Jawa Timur.
H 0 : j u i , vi 0
Sumber Derajat Jumlah Rata-rata
Fhitung P-value
Variasi Bebas Kuadrat Kuadrat
Regresi 4 4,0904 1,0226 1,03 0,409 H1 : j u i , vi 0
Error 33 32,9096 0,9973 Penghitungan statistik uji parameter model GWR
Total 37 37,0000 dilakukan untuk masing-masing parameter di setiap
Kabupaten/Kota Jawa Timur. Setelah itu hasil thitung
Pada pengujian asumsi residual didapatkan residual yang dibandingkan dengan ttabel (0,05; 23,876) = 1,7114. Apabila
mengikuti distribusi normal, independen atau tidak terdapat diperoleh nilai |thitung| > ttabel maka diputuskan tolak H0 yang
autokorelasi, dan identik atau tidak terdapat berarti parameter ke-k signifikan pada lokasi ke-i dimana i =
heterokesdastisitas. Oleh karena hasil analisis dengan regresi 1, 2, …, 38.
linier tidak menunjukkan hubungan yang signifikan maka
5