Disusun Oleh :
1. Tri Zahrotun W (B2A018008)
2. Tresiani Yunitasari (B2A018020)
3. Wiwik Setiyani (B2A018030)
1.4. Manfaat
Berikut adalah manfaat yang didapat adanya penelitian ini
a. Menambah wawasan tentang penelitian yang mempertimbangkan aspek
geografis antar wilayah
b. Menjadi bahan pertimbangan untuk penelitian selanjutnya
BAB II
KAJIAN PUSTAKA
2.4 Overdispersi
Menurut Cameron & Trivedi (1998: 4), suatu ciri dari distribusi
Poisson adalah adanya equidispersi, yakni keadaan dimana nilai mean dan
varian dari variabel respon bernilai sama. Namun kadang-kadang
ditemukan keadaan yang disebut overdispersi yaitu nilai variannya lebih
besar dari nilai rata-ratanya.
2.5 HIV
HIV (Human Immunodeficiency Virus) merupakan pathogen yang
menyerang sistem imun manusia, terutama semua sel yang memiliki
penenda CD 4+ dipermukaannya seperti makrofag dan limfosit T. AIDS
(acquired Immunodeficiency Syndrome) merupakan suatu kondisi
immunosupresif yang berkaitan erat dengan berbagai infeksi oportunistik,
neoplasma sekunder, serta manifestasi neurologic tertentu akibat infeksi
HIV (Kapita Selekta, 2014). Variabel- variabel yang mempengaruhi HIV
yaitu sebagau beikut :
2.4.1 Rata – rata usia kawin pertama
Umur pertama menikah yang berarti juga saat dimulainya masa
reproduksinya pembuahan. Hubungan antara UKP dengan fertilitas adalah
negatif. Semakin muda UKP maka akan semakin panjang masa
reproduksinya atau semakin banyak anak yang dilahirkan. Rumus rata – rata
usia nikah pertama yaitu :
∑𝑛
𝑖 𝑈𝑖
Rata – rata UKP = 𝑛
Dimana :
RLS = Rata – rata lama sekolah penduduk usia 25 ke atas
Xi = lama sekolah penduduk ke i
N = jumlah penduduk usia 25 tahun keatas
Y X1 X2 X3 X4
Lombok Barat 15 20,24 5,93 23 19
Lombok Tengah 7 19,57 5,6 30 14
Lombok Timur 7 19,14 6,26 23 13
Sumbawa 6 21,21 7,53 24 11
Dompu 0 20,75 8,1 5 2
Bima 2 21,23 7,45 16 4
Sumbawa Barat 0 21,39 8,05 11 1
Lombok Utara 3 20,25 5,47 8 1
Kota Mataram 22 21,09 9,25 10 17
Kota Bima 0 21,41 10,13 30 5
B. DBD
Data yang digunakan adalah data sekunder yang didapat dari website resmi
info data Provinsi Kalimantan Utara (www.sidaracantik.kaltaraprov.go.id)
dengan satuan observasi per Kabupaten/kota di Kalimantan Utara. Variabel
yang digunakan adalah sebagai berikut :
Variabel Nama Variabel
Y Jumlah Kasus DBD
X1 Persentase Penduduk Miskin
X2 Jumlah Tenaga Kesehatan
X3 Jumlah Penduduk (Ribu Jiwa)
Y X1 X2 X3
Kabupaten Malinau 18 6,63 73 82,5
Kabupaten Bulungan 74 9,06 105 151,8
Kabupaten Tana Tidung 15 4,81 18 25,6
Kabupaten Nunukan 294 6,36 119 199,1
Kabupaten Tarakan 114 6,24 230 242,8
4.1. Kasus HIV di Provinsi Nusa Tenggara Barat (NTB) Tahun 2016
Berikut adalah analisis variabel-vaiabel yang mempengaruhi jumlah kasus
HIV di Provinsi NTB Tahun 2016
4.1.1. Uji Sebaran Data Poisson
p-value 0.138
Berdasarkan table diatas diperoleh nilai sig2 tailed 0,138 > α(0,05).
Sehingga dapat disimpulkan bahwa data angka kasus HIV berdistribusi
poisson.
DW 1.9757
p-value 0.3813
Berdasarkan tabel diatas, didapat DW sebesar 1,65 < 1,9757 < 2.35
yang artinya data tidak terjadi autokorelasi
b. Uji Mulitkolonieritas
Salah satu syarat yang harus dipenuhi dalam analisis regresi adalah
tidak terjadi kasus multikolinieritas antar variabel prediktor. Oleh
karena itu dilakukan uji kolinieritas pada data yang diamati.
Masalah multikolinieritas dapat didedikasi dengan melihat nilai
tollerace atau nilai VIF (Variance Inflation Faktor) data yang
diamati. Nilai tollerance dan VIF setiap variabel prediktor
disajikan pada tabel berikut :
VIF
X1 2.737
X2 3.84
X3 2.585
X4 1.045
c. Model Regression
1. Mencari nilai estimasi parameter
Berikut adalah tabel hasil estimasi parameter
Estimate
Intercept 2.019
X1 -0.057
X2 -0.044
X3 -0.05
X4 0.180
Dari hasil estimasi parametel regresi Poisson pada tabel di
atas, maka dapat diketahui model regresi poisson adalah
sebagai berikut :
𝜇̂ = exp( 2.019 − 0.057𝛽1 − 0.044𝛽2 − 0.05𝛽3 + 0.180𝛽4 )
2. Uji serentak parameter regresi poisson
a. Hipotesis
𝐻0 : 𝛽1= 𝛽2= 𝛽3
𝐻1 : paling sedikit ada satu 𝛽𝑖 ≠ 0 ; 𝑖 = 1,2,3
b. Tingkat Signifikansi 0.05
c. Daerah Kritik : H0 ditolak jika Nilai Residu Devians >
X2(5;0.05) = 11.070
d. Statistik Uji didapat nilai residu devians sebesar
Estimate P-Value
Intercept 2.0919 0.7239
X1 -0.057 0.8499
X2 -0.044 0.7833
X3 -0.05 0.0804
X4 0.180 3,10x10-12
e. Kesimpulan
Terlihat nilai p-value untuk 𝛽0, 𝛽1 , 𝛽2 , 𝛽3 dan 𝛽4 kurang
dari 0.05 , maka 𝐻0 ditolak untuk 𝛽0, 𝛽1 , 𝛽2 ,𝛽3 dan 𝛽4
yang berarti bahwa 𝛽4 berpengaruh terhadap model regresi
poisson. Sehingga didapat model regresi poisson untuk
jumlah penderita kusta adalah sebagai berikut :
𝜇̂ = exp( 2.019 + 0.180𝛽4 )
d. Uji Overdispersi
Berikut adalah hasil uji overdisperse menggunakan software R
P-Value 0.629
Berdasarkan tabel diatas, didapat p-value 0.629 > α 0.05 maka
tidak terjadi overdispersi pada model poissonm sehingga model
dapat dikatakan baik.
e. Uji Heterogenitas Spasial
Untuk mengetahui ada tidaknya keragaman spasial pada model
atau adanya heterogenitas spasial dilakukan pengujian Breusch-
Pagan. Hasil pengujian nya dapat dilihat padaUntuk mengetahui
ada tidaknya keragaman spasial pada model atau adanya
heterogenitas spasial dilakukan pengujian Breusch-Pagan. Hasil
pengujian nya dapat dilihat pada tabel berikut
P-Value 0.02454
p-value 0.056
Berdasarkan table diatas diperoleh nilai sig2 tailed 0,056 > α(0,05).
Sehingga dapat disimpulkan bahwa data angka kasus DBD berdistribusi
poisson.
DW 1.8113
p-value 0.2487
Berdasarkan tabel diatas, didapat DW sebesar 1,65 < 1,8113 < 2.35
yang artinya data tidak terjadi autokorelasi
b. Uji Mulitkolonieritas
Salah satu syarat yang harus dipenuhi dalam analisis regresi adalah
tidak terjadi kasus multikolinieritas antar variabel prediktor. Oleh
karena itu dilakukan uji kolinieritas pada data yang diamati.
Masalah multikolinieritas dapat didedikasi dengan melihat nilai
tollerace atau nilai VIF (Variance Inflation Faktor) data yang
diamati. Nilai tollerance dan VIF setiap variabel prediktor
disajikan pada tabel berikut :
VIF
X1 1.070.
X2 3.075
X3 3.156
Estimate
Intercept 2.599
X1 -0.088
X2 -0.021
X3 0.031
Dari hasil estimasi parametel regresi Poisson pada tabel di
atas, maka dapat diketahui model regresi poisson adalah
sebagai berikut :
𝜇̂ = exp( 2.599 − 0.088𝛽1 − 0.021𝛽2 + 0.031𝛽3 )
2. Uji serentak parameter regresi poisson
a. Hipotesis
𝐻0 : 𝛽1= 𝛽2= 𝛽3
𝐻1 : paling sedikit ada satu 𝛽𝑖 ≠ 0 ; 𝑖 = 1,2,3
b. Tingkat Signifikansi 0.05
c. Daerah Kritik : H0 ditolak jika Nilai Residu Devians >
X2(1;0.05) = 0.0039
d. Statistik Uji didapat nilai residu devians sebesar
Estimate P-Value
Intercept 2.599 2.95x10-10
X1 -0.088 0.056
X2 -0.021 2x10-16
X3 0.031 2x10-16
e. Kesimpulan
Terlihat nilai p-value untuk 𝛽0, 𝛽1 , 𝛽2 dan 𝛽3kurang dari
0.05 , maka 𝐻0 ditolak untuk 𝛽0, 𝛽1 , 𝛽2 dan 𝛽3 yang
berarti bahwa 𝛽0, 𝛽2 dan 𝛽3 berpengaruh terhadap model
regresi poisson. Sehingga didapat model regresi poisson
untuk jumlah penderita kusta adalah sebagai berikut :
𝜇̂ = exp( 2.599 − 0.021𝛽2 + 0.031𝛽3 )
d. Melakukan Uji Overdispersi
Berikut adalah hasil uji overdisperse menggunakan software R
P-Value 1
Berdasarkan tabel diatas, didapat p-value 1 > α 0.05 maka tidak
terjadi overdispersi pada model poissonm sehingga model dapat
dikatakan baik.
e. Uji Heterogenitas Spasial
Untuk mengetahui ada tidaknya keragaman spasial pada model
atau adanya heterogenitas spasial dilakukan pengujian Breusch-
Pagan. Hasil pengujian nya dapat dilihat padaUntuk mengetahui
ada tidaknya keragaman spasial pada model atau adanya
heterogenitas spasial dilakukan pengujian Breusch-Pagan. Hasil
pengujian nya dapat dilihat pada tabel berikut
P-Value 0.04551
5.2. Saran
Diperlukan analisis lebih lanjut dikarenakan referensi metode masih
kurang luas
DAFTAR PUSTAKA
http://eprints.poltekkesjogja.ac.id/1045/7/4%20BAB%202%20OK.pdf
https://www.bps.go.id/subject/23/kemiskinan-dan-ketimpangan.html
https://www.bps.go.id/subject/23/kemiskinan-dan-ketimpangan.html
http://repository.unimus.ac.id/1941/3/5.%20BAB%20II.pdf
http://lib.unnes.ac.id/32187/1/4111413010.pdf
file:///C:/Users/hp/Downloads/208-Article%20Text-854-1-10-
20180129.pdf
LAMPIRAN
1. Lampiran HIV
Uji Distribusi Poisson
Uji Autokorelasi
Uji Multokolonieritas
Uji Overdispersi
Uji Hetero Spasial
2. LampiranDBD
Uji Autokorelasi
Uji overdispersi
Uji Hetero Spasial