Nama Peneliti Judul Penelitian Teknik Analisis Hasil Penelitian

Rismawati, Budiyono, Hubungan Variasi Iklim Uji korelasi Rank 1. Tidak ada hubungan yang bermakna antara suhu udara
Suhartono Dengan Kejadian Spearman dengan kejadian penyakit Pneumonia di wilayah kerja
Pneumonia Pada Balita Puskesmas Bandarharjo Kota Semarang tahun 2011-2015 (p
di Kota Semarang Tahun value = 0,492 dan r = 0,09)
2011-2015 (Studi Kasus 2. Tidak ada hubungan yang bermakna antara kelembaban udara
Di Wilayah Kerja dengan kejadian penyakit Pneumonia di wilayah kerja
Puskesmas Bandarharjo) Puskesmas Bandarharjo Kota Semarang tahun 2011-2015 (p
value = 0,234 dan r = -0,156)
3. Tidak ada hubungan yang bermakna antara curah hujan
dengan kejadian penyakit Pneumonia di wilayah kerja
Puskesmas Bandarharjo Kota Semarang tahun 2011-2015 (p
value = 0,088 dan r = -0,222)

Ajeng Prastiwi S W, dr. Hubungan Suspek Penelitian ini merupakan Berdasarkan hasil analisis statistik diketahui bahwa variabel yang
Lutfan Lazuardi, Pneumonia Balita dan studi ekologi dengan berhubungan dengan sebaran kasus pneumonia pada balita
M.Kes,Ph.D Faktor Iklim Melalui pendekatan spasial adalah curah hujan lag 0 (p=0.0298;r = 0.2808), curah hujan lag1
Pendekatan Spasial temporal, analisis (p=0.0037;r = 0.3691) curah hujan lag 2 (p=0.0003;r = 0.4467),
Temporal di Kota menggunakan Sistem curah hujan lag 3 (p=0.0010;r = 0.4154), suhu udara lag 3
Yogyakarta Tahun 2012- Informasi Geografis (SIG), (p=0.0115;r = 0.3241), kelembaban lag 0 (p=0 0,0189;r =
2016 grafik time/trend, analisis 0,2035), kelembaban lag 1 (p=0.0279;r = 0.2839), dan
bivariat dan analisis kelembaban lag2 (p=0.0065;r = 0.3474).
multivariat

Isaac Ayo Assessment of the impact Menggunakan korelasi 1. Malaria memiliki hubungan yang signifikan dengan suhu
Oluwatimilehin, Joseph of climate change on the Pearson untuk maksimum (r = 0.80, P = 0.00) dan curah hujan (r = 0.54, P =
Omojesu Akerele, occurrences of malaria, menganalisis hubungan 0.01)
Tolulope Adedoyin pneumonia, meningitis, antara parameter iklim 2. Terdapat hubungan yang relatif kuat antara meningitis dan
Oladeji, Mojisola and cholera in Lokoja dengan penyakit. suhu minimum (r = 0.64, P = 0.01)
Hannah Omogbehin, City, Nigeria 3. Cholera juga menunjukka hubungan yang kuat dengan curah
Godwin Atai Menggunakan analisis hujan ( r = 0.66, P = 0.01)
regresi berganda untuk 4. Dengan melihat nilai korelasi Pearson tidak ada satu pun dari
melihat pengaruh iklim tiga parameter iklim yang berpengaruh terhadap pneumonia
terhadap kasus penyakit 5. Dengan menggunakan analisis regresi berganda diperoleh
bahwa model mampu menggambarkan variasi kasus malaria
sebesar 71%, 50% untuk kasus Cholera dan 52% untuk kasus
meningitis.

Ranti Ekasari, Ummul Faktor Iklim Dengan Analisis data yang Tidak ada hubungan yang bermakna antara kejadian pneumonia
Radia, Sinjai, Andi Abil Kejadian Pneumonia di digunakan yaitu analisis dengan suhu, kelembaban udara, dan curah hujan (p> 0.05).
Hasan Rivai, Noviana Kota Jakarta Pusat univariate dan analisis Namun dari arah pola hubungan diketahui bahwa semakin rendah
Periode 2016-2020 bivariat. Analisis bivariate suhu maka semakin kasus pneumonia semakin meningkat
dengan menggunakan (negatif). Sedangkan semakin tinggi curah hujan dan kelembaban
analisis korelasi dengan uji maka kasus pneumonia juga akan semakin meningkat (positif).
pearson product moment.
Kemudian untuk
mengetahui kekuatan
hubungan (r) maka
digunakan aturan r = 0.0-
0.25 (tidak ada hubungan /
hubungan lemah ) r =
0.26-0.50 (hubungan
sedang), r = 0.51-0.75
(hubungan kuat) dan r =
0.76- 1.00 (hubungan
sangat kuat / hubungan

Halimah Tri Utami, Korelasi Meteorologi dan
Rudatin Windraswara Kualitas Udara dengan
Pneumonia Balita di
Kota Semarang Tahun
2013-2018
Yessi Harnani, Rasoel Pengaruh Musim
Hamidy, Sukendi, Dedi Terhadap Kejadian
Afandi Pneumonia Pada Balita
di Kabupaten Pelalawan
Auliahizki Azzahra, Pengaruh Iklim terhadap
Hanifa Deityana, Safitri Kejadian Diare
Rahma Sani Berdasarkan Provinsi di
Indonesia
Nabila Ulin Nuha, Hubungan Cuaca sebagai Data
sempurna )
Analisis data Hasil penelitian menunjukkan bahwa variabel yang berkorelasi
menggunakan univariat adalah kelembaban udara (p=0,043), konsentrasi NOx (p=0,048),
dan bivariat menggunakan dan konsentrasi CO (p=0,029) dan variabel yang tidak ada
uji korelasi Spearman. korelasi adalah suhu udara (p=0,722), curah hujan (p=0,329),
kecepatan angin (p=0,393), konsentrasi SOx (p=0,556), dan
konsentrasi debu (p=0,521).
Analisis data Hasil uji statistic dalam penelitian ini menunjukkan curah hujan,
menggunakan metode hari hujan, kelembaban dan suhu udara tidak signifikan dengan
Vector Autoregressive kejadian pneumonia pada balita. Walaupun tidak ada variabel
(VAR) pada data time yang signifikan namun nilai R Square pada pemodelan di atas
series dengan level waktu sudah cukup baik yaitu sebesar 0.655, artinya sebesar 65.5%
adalah data bulanan keragaman dari Kasus Pneumonia mampu dijelaskan oleh
variabel-variabel tersebut sedangkan sisanya dijelaskan oleh
variabel lain di luar model.
Teknis analisis yang 1. Hasil penelitian menunjukkan bahwa hanya variabel
digunakan adalash analisis kelembaban udara yang mempengaruhi jumlah kejadian
regresi data panel diare secara individu.
menggunakan model fixed 2. Kelembaban udara adalah faktor penentu perubahan
effect (FEM). kejadian diare yang berperan nyata positif dengan model
regresi ^
y i= α^i +0.06997 X 2¿ ¿
3. Model regresi data panel yang terbentuk mampu
menjelaskan variabilitas tingkat kejadian diare berdasarkan
33 provinsi di Indonesia sebesar 98.57%.
dianalisis secara Hasil analisis univariat menunjukkan bahwa selama tahun 2015-
Yusniar Hanani Faktor Risiko Kejadian univariat dan bivariat 2019 rata-rata kejadian diare sebesar 4.451 kejadian/bulan, rata-
Darundiati, Budiyono Diare di Kota menggunakan uji korelasi rata suhu udara sebesar 27,9˚C, rata-rata kelembaban udara
Administratif Jakarta Rank Spearman dan sebesar 75% dan rata-rata curah hujan 233,4 mm/bulan. Hasil uji
Timur Tahun 2015-2019 Pearson berdasarkan hasil korelasi menunjukkan bahwa tidak terdapat hubungan yang
uji normalitas. bermakna antara suhu udara (p= 0,732), kelembaban udara (p=
0,27), dan curah hujan (p= 0,589) dengan kejadian diare.

Edy Widodo, Putri Analisis Faktor Penyebab Metode yang digunakan
Meliana Ariani Penyakit DBD di Jawa yaitu Analisis Deskriptif
Tengah Menggunakan untuk mengetahui
Regresi Binomial Negatif gambaran umum data,
regresi Poisson yang
digunakan untuk data
diskrit berupa bilangan
cacah dan regresi Binomial
negatif sebagai alternatif
dari data overdispersi
Model terbaik untuk menggambarkan penyebab penyakit DBD
di Provinsi Jawa Tengah tahun 2016 yaitu dengan menggunakan
regresi Binomial Negatif karena memiliki nilai AIC yang paling
kecil dibandingkan regresi Poisson. Secara parsial hanya
variabel Kepadatan penduduk, Jumlah tenaga kesehatan dan
Jumlah curah hujan yang berpengaruh dan memiliki kontribusi
terhadap variabel dependen.

Dian Rahayu K., Pemodelan Pengaruh Metode yang digunakan Hasil analisis menunjukkan model terbaik diperoleh
Wiwiek Setya Winahju, Iklim Terhadap Angka adalah regresi poisson. menggunakan regresi Binomial Negatif. Faktor yang
Adatul Mukarromah Kejadian Demam Regresi generalized berpengaruh terhadap angka kejadian Demam Berdarah Dengue
Berdarah Dengue di poisson, dan regresi di Genteng adalah angka kejadian Demam Berdarah Dengue 1
Surabaya binomial negatif bulan sebelumnya, curah hujan, curah hujan 1 bulan sebelumnya
dan kelembaban udara 2 bulan sebelumnya. Gubeng meliputi
angka kejadian Demam Berdarah Dengue 1 bulan sebelumnya,
suhu udara, curah hujan, curah hujan 1 bulan sebelumnya dan
kelembaban 2 bulan sebelumnya. Selanjutnya, Tegalsari meliputi
angka kejadian Demam Berdarah Dengue 1 bulan sebelumnya,
 curah hujan dan kelembaban udara 2 bulan sebelumnya.
Dimas Ewin Ashari Faktor-Faktor yang Metode yang digunakan Model terbaik yang didapatkan adalah model dengan metode
Mempengaruhi adalah Generalized Regresi Binomial Negatif. Variabel yang mempengaruhi
Banyaknya Pneumonia Poisson Regression (GPR) pneumonia balita secara signifikan adalah persentase berat badan
Balita di Jawa Timur dan Negative Binomial bayi lahir rendah, persentase cakupan imunisasi BCG pada Bayi,
Menggunakan REGRESSION (NBR) Persentase cakupan imunisasi DPT, dan Kepadatan penduduk.
Generalized Poisson
Regression (GPR) dan
Negative Binomial
REGRESSION (NBR)

Bambang W. Otok, Poisson Regression Pendekatan Regresi Faktor yang mempengaruhi peningkatan kejadian diare di daerah
Dhian S. Rachmawati, Modeling of Diarrhea Poisson dengan Maximum Pasuruan dengan perkiraan MLE adalah Persentase non-
Purhadi, Santi W. Events in Pasuruan Likelihood Estimator eksklusif menyusui dan Persentase status gizi normal. Sedangkan
Purnami, Mahpolah Regency with Maximum (MLE) dan Generalized dengan estimasi GMM adalah persentase pemberian ASI tidak
Likelihood Estimates and Method Moment (GMM). eksklusif, persentase berat badan lahir rendah, persentase
Generalized Method kepadatan penduduk, persentase perokok diantara anggota
Moment keluarga dalam rumah, persentase imunisasi yang tidak lengkap,
persentase anak balita kurang dari 2 tahun, yaitu persentase status
gizi normal, dan persentase status sosial ekonomi kelas
menengah.