DISERTASI
MARTYA RAHMANIATI
1106046370
DISERTASI
Diajukan sebagai salah satu syarat untuk memperoleh gelar
Doktor Ilmu Kesehatan Masyarakat
MARTYA RAHMANIATI
1106046370
ii
Universitas Indonesia
Puji syukur penulis sampaikan kehadirat Allah SWT, karena atas ridho-
Nya penulis dapat menyelesaikan disertasi ini yang berjudul “Model Spasial
Akses Pelayanan Kesehatan Pasien Tuberkulosis Di Provinsi Jawa Barat dan
Provinsi Papua”. Disertasi ini disusun sebagai prasyarat dalam menyelesaikan
pendidikan Program Studi Doktor Ilmu Kesehatan Masyarakat Universitas
Indonesia. Pada kesempatan ini, penulis mengucapkan terima kasih yang tak
terhingga kepada :
1. Prof. Dr. dr Sudijanto Kamso, SKM sebagai promotor yang bersedia
meluangkan waktu dan memberi masukan ilmu yang berharga selama
proses penyusunan disertasi ini
2. Dr.drs. Tris Eryando, MA sebagai Ko-promotor yang selalu
memberikan ide-ide spasialnya dan selalu mendukung penulis untuk
terus maju untuk menyelesaikan disertasi ini.
3. Prof. dr. Purnawan Junadi, MPH, Ph.D sebagai Ko-promotor yang
selalu “menyentil” penulis ketika mulai menghilang dari konsultasi
disertasi ini.
Penulis juga mengucapkan banyak terima kasih kepada para penguji yang
telah berkenan meluangkan waktunya untuk membantu memberikan kritik dan
saran untuk perbaikan dan pengembangan disertasi ini, yaitu
1. Prof. Dr. dr. Ratna Djuwita, M.PH sebagai Ketua Dewan Penguji yang
selalu memberikan masukan dan koreksi terhadap substansi disertasi.
2. Prof. Dr. dr. Purwantyastuti, MSc. sebagai penguji yang telah banyak
memberikan ilmunya dan koreksi tentang substansi disertasi, serta
mendukung penulis untuk terus memperbaiki disertasi ini.
3. Dr. dr. Artha Budi Duarsa, M.Kes. sebagai penguji yang selalu
memberikan komitmen yang tinggi dalam menguji, memberikan masukan
tentang substansi TB dan memberikan semangat kepada penulis.
iv
Universitas Indonesia
v
Universitas Indonesia
Penulis
vi
Universitas Indonesia
ix
Universitas Indonesia
x
Universitas Indonesia
ABSTRAK
KATA PENGANTAR
DAFTAR ISI .................................................................................................. xii
DAFTAR TABEL .......................................................................................... xiv
DAFTAR GRAFIK ....................................................................................... xv
DAFTAR GAMBAR ..................................................................................... vxi
DAFTAR LAMPIRAN ................................................................................. vxii
DAFTAR SINGKATAN ............................................................................... xviii
1. PENDAHULUAN ................................................................................... 1
1.1. Latar Belakang .................................................................................. 1
1.2. Permasalahan penelitian .................................................................... 5
1.3. Pertanyaan Penelitian ........................................................................ 8
1.4. Tujuan Penelitian .............................................................................. 8
1.4.1. Tujuan Umum ......................................................................... 8
1.4.2. Tujuan Khusus ........................................................................ 9
1.5. Manfaat Penelitian ............................................................................ 9
xi
Universitas Indonesia
LAMPIRAN
xii
Universitas Indonesia
xiii
Universitas Indonesia
xiv
Universitas Indonesia
xv
Universitas Indonesia
xvi
Universitas Indonesia
xvii
Universitas Indonesia
xviii
Universitas Indonesia
1
Universitas Indonesia
2
Universitas Indonesia
3
Universitas Indonesia
4
Universitas Indonesia
5
Universitas Indonesia
6
Universitas Indonesia
8
Universitas Indonesia
9
Universitas Indonesia
10
Universitas Indonesia
2.1. Tuberkulosis
Tuberkulosis Paru (TB Paru) merupakan penyakit menular langsung
melalui udara yang disebabkan oleh kuman TB yaitu Mycobacterium
tuberculosis. Gejala utama adalah batuk selama 2 minggu atau lebih, batuk
disertai dengan gejala tambahan yaitu dahak, dahak bercampur darah, sesak
nafas, badan lemas, nafsu makan menurun, berat badan menurun, malaise,
berkeringat malam hari tanpa kegiatan fisik, demam lebih dari 1 bulan.
(Kemenkes, 2011).
11
Universitas Indonesia
13
Universitas Indonesia
14
Universitas Indonesia
Gambar 2.2 Tahapan penemuan penderita secara pasif (passive case finding)
16
Universitas Indonesia
17
Universitas Indonesia
18
Universitas Indonesia
19
Universitas Indonesia
20
Universitas Indonesia
21
Universitas Indonesia
22
Universitas Indonesia
23
Universitas Indonesia
2. Karakteristik kemampuan
Karakteritik kemampuan adalah sebagai keadaan atau kondisi
yang membuat seseorang mampu untuk melakukan tindakan untuk
memenuhi kebutuhan terhadap pelayanan kesehatan.
a. Sumber daya keluarga, seperti penghasilan keluarga, keikutsertaan
asuransi kesehatan, kemampuan membeli jasa pelayanan kesehatan
dan pengetahuan tentang informasi pelayanan kesehatan yang
dibutuhkan.
b. Sumber daya masyarakat seperti, jumlah sarana pelayanan kesehatan,
jumlah tenaga kesehatan yang tersedia dalam wilayah tersebut, rasio
penduduk terhadap tenaga kesehatan. Menurut Andersen, semakin
banyak sarana dan jumlah tenaga kesehatan maka tingkat pemanfaatan
pelayanan kesehatan suatu masyarakat akan selalu bertambah.
24
Universitas Indonesia
27
Universitas Indonesia
28
Universitas Indonesia
29
Universitas Indonesia
30
Universitas Indonesia
31
Universitas Indonesia
32
Universitas Indonesia
33
Universitas Indonesia
34
Universitas Indonesia
35
Universitas Indonesia
36
Universitas Indonesia
37
Universitas Indonesia
39
Universitas Indonesia
40
Universitas Indonesia
41
Universitas Indonesia
42
Universitas Indonesia
(2.3)
Estimasi parameter pada model MGWR dapat dilakukan dengan
metode WLS seperti halnya pada model GWR (Fotheringham dkk, 2002).
43
Universitas Indonesia
44
Universitas Indonesia
45
Universitas Indonesia
c. Pekerjaan
Karakteristik pekerjaan seseorang dapat mencerminkan pendapatan,
status sosial, pendidikan, status sosial ekonomi, risiko cedera atau masalah
kesehatan dalam suatu kelompok populasi. Penyakit, kondisi atau gangguan
46
Universitas Indonesia
d. Status Perkawinan
Status perkawinan di duga mempunyai pengaruh terhadap kejadian
tuberkulosis. Di Denmark, menunjukkan bahwa resiko kasus tuberkulosis
aktif pada orang dengan tes turbelin positif lebih rendah pada kelompok pria
meinkah, yang umumnya berasal dari status sosial ekonomi tinggi, resiko
menengah pada pria singel dan duda, dan resiko tertinggi pada pria bercerai
dari status sosial yang rendah. Wanita yang menikah juga mempunyai
kemungkinan lebih sedikit menderita TB dibandingkan dengan wanita yang
tidak menikah.
e. Status Ekonomi
TB merupakan penyakit yang berhubungan dengan kemiskinan, dan
kerugian sosial ekonomi baik di tingkat individu dan tingkat masyarakat.
Kemiskinan adalah sebuah fenomena di seluruh dunia yang tidak mudah
dimodifikasi (Cantwell, et al., 1998; Rom & Garay, 2004; WHO, 1999).
Penularan penyakit menjadi tinggi di antara orang-orang dari status sosial
ekonomi rendah, dan mereka yang tinggal di lingkungan miskin. Dimana
kemiskinan seseorang menjadi peran penting dalam kejadian TB baik di AS
dan negara-negara lain (Krieger et al., 2003; Nunes, 2007).
47
Universitas Indonesia
48
Universitas Indonesia
49
Universitas Indonesia
d. Waktu tempuh
Arcury et al. (2005) berusaha untuk mengintegrasikan dua domain
geografi kesehatan ke Perilaku Kesehatan Model Anderson yaitu jarak dan
transportasi. Analisis mereka menentukan pentingnya jarak dan transportasi
dalam pemanfaatan pelayanan kesehatan di pedesaan. Jarak ke perawatan
rutin tidak signifikan secara statistik dari jumlah check-up kunjungan rutin.
Penelitian ini menggunakan jarak untuk mewakili aksesibilitas spasial,
tetapi jarak sering dianggap menjadi ukuran kurang akurat dibandingkan
dengan perjalanan waktu.
50
Universitas Indonesia
51
Universitas Indonesia
52
Universitas Indonesia
53
Universitas Indonesia
54
Universitas Indonesia
55
Universitas Indonesia
56
Universitas Indonesia
57
Universitas Indonesia
58
Universitas Indonesia
59
Universitas Indonesia
VARIABEL BEBAS
Kondisi Sosial
Usia
Definisi : Adalah usia produktif pasien TB antara 15 – 60 tahun
ketika dilakukan survei.
Alat ukur : Kuesioner Riskesdas RKD13.RT
Cara ukur : Observasi data Riskedas 2013
Hasil Ukur : Level Individu
0 = Usia > 60 tahun
1 = Usia 15 – 59 tahun
Level wilayah
Persentase usia < 60 tahun pasien TB terhadap seluruh
pasien TB di Provinsi
Skala ukur : Level Individu : Nominal
Level wilayah : Rasio
60
Universitas Indonesia
Pendidikan
Definisi : Pendidikan formal pasien TB yang telah ditempuh
terakhir dan dinyatakan lulus/tamat pada saat dilakukan
survei.
Alat ukur : Kuesioner Riskesdas RKD13.RT
Cara Ukur Observasi data Riskedas 2013.
- Pendidikan baik adalah orang yang telah
menamatkan pendidikan formalnya.
- Pendidikan Buruk adalah orang yang tidak
sekolah/tidak tamat sekolah.
Hasil Ukur : Level Individu
0 = Pendidikan Buruk
1 = Pendidikan Baik
Level wilayah
- Persentase status menikah pasien TB terhadap
seluruh pasien TB di Provinsi
Skala ukur Level Individu : Nominal
Level wilayah : Rasio
Pekerjaan
Definisi : Kegiatan pasien TB/profesi yang menghasilkan uang
61
Universitas Indonesia
63
Universitas Indonesia
Alat Transportasi
Definisi : Alat transportasi yang bisa digunakan sekali jalan dari
rumah ke fasilitas kesehatan puskesmas atau ke Rumah
sakit (mobil pribadi, kendaraan umum, sepeda motor,
sepeda, perahu, transportasi udara, lainnya).
Alat ukur : Kuesioner Riskesdas RKD13. RT V
Cara ukur : Observasi data Riskedas 2013.
Membedakan menggunakan alat transportasi :
- Menggunakan alat transportasi
- Tidak menggunakan alat transportasi
Hasil ukur : Persentase menggunakan alat transportasi pasien TB
terhadap seluruh pasien TB di Provinsi
Skala ukur : Rasio
Keberadaan jalan
Definisi : Ketersediaan jalan di setiap kabupaten dalam ukuran km
Alat ukur : Data Podes 2010, Provinsi Dalam Angka 2014
Cara Ukur Panjang jalan terhadap seluruh jalan di kabupaten.
Hasil Ukur : persentase panjang jalan
Skala ukur : Level wilayah : Rasio
64
Universitas Indonesia
Dokter
Definisi : Adalah jumlah dokter yang tercatat di Puskesmas dan
Rumah Sakit Pemerintah di setiap kabupaten dalam
Provinsi
Alat ukur : Hasil Ringkasan Provinsi Dalam Angka Tahun 2013
Cara ukur : Observasi data Laporan Provinsi Dalam Angka
Hasil Ukur : Persentase dokter
Skala ukur : Level wilayah : Rasio
Puskesmas
Definisi : Adalah jumlah fasilitas kesehatan Puskesmas di setiap
kabupaten dalam provinsi
Alat ukur : Hasil Ringkasan Provinsi Dalam Angka Tahun 2013
Cara ukur : Observasi data Laporan Provinsi Dalam Angka
Hasil Ukur : Persentase puskesmas
Skala ukur : Level wilayah : Rasio
Rumah Sakit
Definisi : Adalah jumlah fasilitas kesehatan Rumah Sakit
Pemerintah dan Swasta di setiap kabupaten dalam
provinsi
Alat ukur : Hasil Ringkasan Provinsi Dalam Angka Tahun 2013
Cara ukur : Observasi data Laporan Provinsi Dalam Angka
Hasil Ukur : Persentase Rumah Sakit
Skala ukur : Level wilayah : Rasio
65
Universitas Indonesia
66
Universitas Indonesia
67
Universitas Indonesia
68
Universitas Indonesia
69
Universitas Indonesia
70
Universitas Indonesia
71
Universitas Indonesia
72
Universitas Indonesia
(4.3)
(4.4)
(4.5)
(4.6)
75
Universitas Indonesia
(4.8.)
Estimasi parameter pada model MGWR dapat dilakukan dengan
metode WLS seperti halnya pada model GWR (Fotheringham, et al.,
2002). Hasil analisis pemodelan dari MGWR mengahsilkan 2 jenis
parameter yang bersifat global dan lokal sesuai dengan lokasi pengamatan
data, yaitu
Parameter yang bersifat global adalah variabel yang mempunyai
pengaruh di seluruh wilayah pengamatan (kabupaten).
Parameter yang bersifat lokal adalah variabel yang mempunyai
pengaruh spasial atau adanya interaksi spasial di setiap masing-masing
kabupaten.
4.4.3.2.Spatial autokorelasi
Indeks Moran
Indeks Moran paling sering digunakan untuk mengukur
autokorelasi spasial global dan mengkuantifikasi kesamaan dari variabel
hasil antar wilayah (area) yang didefinisikan sebagai spasial terkait. Hal
tersebut dapat diterapkan untuk mendeteksi permulaan dari keacakan
spasial. Permulaan dari keacakan spasial mengindikasikan pola spasial
seperti berkelompok atau membentuk tren terhadap ruang (Pfeiffer et al.,
2008). Formula Indeks Moran adalah sebagai berikut,
(4.8)
Dimana :
I : Indeks Moran
76
Universitas Indonesia
(4.9)
(4.10)
78
Universitas Indonesia
79
Universitas Indonesia
80
Universitas Indonesia
81
Universitas Indonesia
82
Universitas Indonesia
83
Universitas Indonesia
84
Universitas Indonesia
85
Universitas Indonesia
86
Universitas Indonesia
87
Universitas Indonesia
88
Universitas Indonesia
Tabel 5.4. Persentase Puskesmas PRM-TB Provinsi Jawa Barat dan Papua
Std. 95% CI for Mean
Variabel Mean Median
Deviation min maks
Provinsi Jawa Barat
Puskesmas Rujukan
41,19 41,62 43,47 35,96 46,41
Mikroskopis TB
Provinsi Papua
Puskesmas Rujukan
22,80 15,00 24,85 12,76 32,84
Mikroskopis TB
Sumber : Pengolahan Data Risfaskes, 2011
89
Universitas Indonesia
Tabel 5.5. Persentase Fasilitas Kesehatan Provinsi Jawa Barat dan Papua
Std. 95% CI for Mean
Variabel Mean Median
Deviation min maks
Provinsi Jawa Barat
Rumah Sakit 3,85 3,55 2,66 2,38 5,32
Puskesmas 3,82 3,71 3,64 3,01 4,64
Dokter 3,87 3,69 3,50 3,06 4,67
Provinsi Papua
Puskesmas 3,62 3,05 1,88 2,86 4,38
Rumah Sakit 3,85 2,86 4,98 1,84 5,86
Dokter 3,85 1,76 7,77 0,71 6,98
Sumber : Pengolahan Data Risfaskes, 2011
91
Universitas Indonesia
92
Universitas Indonesia
93
Universitas Indonesia
94
Universitas Indonesia
96
Universitas Indonesia
97
Universitas Indonesia
Model persamaan MGWR untuk provinsi Jawa Barat adalah sebagai berikut :
̂ = β1(ui ,vi)Xk,i + βXi + e (5.1.)
98
Universitas Indonesia
99
Universitas Indonesia
100
Universitas Indonesia
101
Universitas Indonesia
102
Universitas Indonesia
104
Universitas Indonesia
105
Universitas Indonesia
106
Universitas Indonesia
107
Universitas Indonesia
108
Universitas Indonesia
110
Universitas Indonesia
111
Universitas Indonesia
114
Universitas Indonesia
115
Universitas Indonesia
117
Universitas Indonesia
118
Universitas Indonesia
119
Universitas Indonesia
6.1.3. Bias
Dalam penelitian ini ada beberapa jenis bias yang mungkin dapat
terjadi. Bias yang mungkin terjadi adalah recall bias karena responden
harus mengingat kembali kejadian TB paru dalam 12 bulan terakhir atau
lebih. Recall Bias terjadi karena responden tidak memahami pertanyaan
pewawancara atau lupa terutama untuk pertanyaan yang digali secara
retrospektif berdasarkan ingatan, terjadinya bias ini bisa pada kelompok
terpajan maupun pada kelompok yang tidak terpajan.
Kelemahan dalam penggunaan data kelompok (agregat) dalam
sebuah wilayah sebagai unit analisis pada penelitian ini dapat
menimbulkan potensi terjadinya bias ekologi (ecologic bias/ecological
fallacy). Bias ekologi terjadi jika hasil analisis data agregat digunakan
untuk menjelaskan efek kausalitas pada tingkat individu.
Bias informasi terjadi pada jawaban responden terhadap pertanyaan
tentang hasil pemeriksaan yang digunakan untuk menegakkan diagnosis
TB. Untuk menentukan responden melakukan akses pelayanan kesehatan
120
Universitas Indonesia
121
Universitas Indonesia
123
Universitas Indonesia
124
Universitas Indonesia
125
Universitas Indonesia
6.3.1.2.Menikah
Status menikah di provinsi Jawa Barat menunjukkan hubungan yang
signifikan dengan akses pelayanan kesehatan. Berdasarkan hasil nilai OR
nya pasien TB dengan status menikah mempunyai peluang untuk melakukan
akses pelayanan kesehtatan dibandingkan dengan pasien TB dengan status
tidak menikah.
Hasil uji statistik di provinsi Jawa Barat menunjukkan ada hubungan
yang signifikan antara status menikah dengan akses pelayanan kesehatan.
Sedangkan di provinsi Papua tidak ada hubungan yang signifikan antara
status menikah dengan akses pelayanan kesehatan, hal ini sesuai dengan
penelitian yang dilakukan oleh Wulandary (2012) menyatakan bahwa tidak
ada hubungan antara status perkawinan dengan perilaku pencarian
pengobatan dan status pernikahan bukan merupakan variabel pengganggu
(confounder).
Persentase tertinggi pasien TB dengan status menikah di provinsi
Jawa Barat terdapat di kabupaten Cianjur dan Kota Bogor. Di provinsi
Papua, persentase status menikah pasien TB tertinggi terdapat di kabupaten
Panai. Di provinsi Papua, pasien dengan status menikah yang tidak
melakukan akses mempunyai jumlah yang besar yaitu sebanyak 81.86%.
Di Denmark, menunjukkan bahwa resiko kasus tuberkulosis lebih
rendah pada kelompok pria menikah dan resiko menengah pada pria tidak
menikah atau duda, dan resiko tertinggi pada pria bercerai. Wanita yang
126
Universitas Indonesia
6.3.1.3. Pekerjaan
Karakteristik pekerjaan seseorang dapat mencerminkan pendapatan,
status sosial, pendidikan, status sosial ekonomi, risiko cedera atau masalah
kesehatan dalam suatu kelompok populasi. Penyakit, kondisi atau gangguan
tertentu dapat terjadi dalam suatu pekerjaan. Pekerjaan juga merupakan
suatu determinan risiko dan determinan pajanan yang khusus dalam bidang
pekerjaan tertentu serta merupakan prediktor status kesehatan dan kondisi
tempat suatu populasi bekerja (Timmreck, 2005).
Dari hasil analisis hubungan antara status bekerja dengan akses
pelayanan kesehatan didapatkan bahwa di provinsi Jawa Barat tidak ada
hubungan yang bermakna. Hal yang berbeda di provinsi Papua, terdapat
hubungan yang bermakna antara status bekerja dengan melakukan akses
pelayanan kesehatan.
Pasien TB yang mempunyai pekerjaan maka akan mempunyai
penghasilan tetap sehingga mereka mampu untuk melakukan pemeriksaan
kesehatannya. Kondisi pasien TB di provinsi Papua, dimana hanya 17,57%
pasien TB yang bekerja dan melakukan akses pelayanan kesehatan.
Berdasarkan hasil Riskesdas 2013, pekerjaan utama pasien TB di provinsi
Papua sebagian besar adalah petani (66,1%) dimana sebagian besar
penduduknya terdapat di perdesaan dibandingkan di perkotaan. Penduduk
provinsi Papua sebagian besar penduduk bekerja di sektor pertanian
(72,83%) dan sektor jasa (10,35%) (BPS, 2013).
127
Universitas Indonesia
128
Universitas Indonesia
129
Universitas Indonesia
130
Universitas Indonesia
131
Universitas Indonesia
132
Universitas Indonesia
133
Universitas Indonesia
134
Universitas Indonesia
80,00
60,00
40,00
20,00
0,00
Puskemas Rujukan Bukan Puskesmas
Rujukan
136
Universitas Indonesia
137
Universitas Indonesia
138
Universitas Indonesia
139
Universitas Indonesia
140
Universitas Indonesia
141
Universitas Indonesia
142
Universitas Indonesia
100,0%
80,0%
60,0%
40,0%
20,0%
,0% % Mengetahui
143
Universitas Indonesia
144
Universitas Indonesia
145
Universitas Indonesia
146
Universitas Indonesia
147
Universitas Indonesia
148
Universitas Indonesia
149
Universitas Indonesia
6.5.1. Wilayah I
Wilayah I di provinsi Jawa Barat dan Papua memiliki nilai akses
pelayanan kesehatan yang sudah diatas nilai rata-rata akses pelayanan
kesehatan yang sebenarnya (observed value) tetapi sebagian dari kabupaten
yang ada di wilayah tersebut mempunyai nilai residu positif yang tinggi.
Penelitian ini menunjukkan bahwa variabel-variabel lokalnya tidak
memberikan kontribusi pada akses pelayanan kesehatan. Sebagian besar
kabupaten (13 kabupaten) di provinsi Jawa Barat berada di wilayah I.
Variabel lokal yang signifikan di wilayah I sebanyak 5 variabel, adalah
status ekonomi baik, menggunakan asuransi kesehatan, menggunakan alat
transportasi, puskesmas rujukan TB, keberadaan jalan. Sebagian besar
kabupaten yang berada di wilayah I berada di kondisi morfologi yang
landai, hanya kabupaten Cianjur, Kota Banjar, kabupaten Sukabumi dan
Tasikmalaya yang berada di morofologi yang tinggi. Wilayah yang hanya
mempunyai satu variabel yang signifikan adalah kota Banjar, yaitu
menggunakan asuransi kesehatan, sedangkan kota Bekasi mempunyai nilai
residual positif yang paling besar.
Berdasarkan Gambar 5.9, hubungan antara akses pelayanan
kesehatan dengan kondisi sosial ekonomi wilayah, ternyata kabupaten/kota
yang berada di wilayah I di provinsi Jawa Barat termasuk dalam
karaktersitik sosial-ekonomi yang baik hingga sedang. Di provinsi Jawa
Barat rata-rata penduduk miskin sebesar 10,98% dan penduduk melek huruf
di provinsi Jawa Barat telah mencapai 95,26% (BPS, 2013). Penelitian ini
150
Universitas Indonesia
151
Universitas Indonesia
152
Universitas Indonesia
153
Universitas Indonesia
6.5.4. Wilayah IV
Wilayah IV, adalah wilayah dengan nilai akses pelayanan kesehatan
yang tinggi dan nilai residual negatif. Wilayah ini menunjukkan akses
pelayanan yang tinggi dan variabel lokal memberikan pengaruh yang tinggi.
Wilayah IV merupakan wilayah yang tidak perlu adanya intervensi di
variabel lokalnya, sebab variabel lokalnya memberikan kontribusi yang
tinggi (overestimated) dari akses pelayanan kesehatan di wilayah tersebut.
Kabupaten Kuningan di provinsi Jawa Barat adalah satu-satunya
kabupaten yang berada di wilayah IV. Variabel lokal yang signifikan adalah
menggunakan asuransi kesehatan dan menggunakan alat transportasi.
Kabupaten kuningan berada di kondisi morfologi yang tinggi tetapi akses
pelayanan kesehatan pasien TB mempunyai nilai yang tinggi. Hal ini
menunjukkan bahwa dengan menggunakan asuransi kesehatan dan
mempunyai alat transportasi pasien di kabupaten Kuningan mampu
melakukan akses pelayanan kesehatan.
Di provinsi Papua, terdapat tiga kabupaten yang masuk dalam
wilayah IV, hanya kabupaten Biak Numfor dengan variabel yang signifikan
adalah menggunakan asuransi kesehatan. Letak kabupaten Biak Numfor
berada di kondisi geografis berupa kepulauan. Pada kabupaten ini,
penggunaan asuransi kesehatan sangat membantu pasien TB dalam
melakukan akses pelayanan kesehatan selain itu karena letaknya di
kepulauan, maka kepemilikan alat transportasi sangat dibutuhkan oleh
pasien TB untuk melakukan akses pelayanan kesehatan.
154
Universitas Indonesia
7.1. Kesimpulan
7.1.1. Akses Pelayanan Kesehatan Pasien TB
Akses pelayanan kesehatan pasien TB meliputi pemeriksaan dahak,
atau pemeriksaan foto rontgen dan pemberian obat anti TB. Akses
pelayanan kesehatan pasien TB di provinsi Papua masih sangat rendah di
bandingkan dengan provinsi Jawa Barat.
Terdapat perbedaan akses pelayanan kesehatan pasien TB di provinsi
Jawa Barat dan Papua. Pola spasial penyebaran akses pelayanan kesehatan
pasien diagosis TB di provinsi Jawa Barat adalah menyebar, dimana akses
pelayanan kesehatan berinteraksi secara spasial di seluruh kabupaten.
Sedangkan pola spasial penyebaran pasien TB di provinsi Papua adalah
mengelompok. Hal ini sesuai dengan pola penyebaran penduduk di provinsi
Papua yang cenderung mengelompok, ini disebabkan karena kondisi
morfologi wilayahnya adalah perbukitan hingga pegunungan atau curam.
Terdapat pengaruh karakteristik individu terhadap spasial akses
pelayanan kesehatan pasien TB. Di provinsi Jawa Barat dipengaruhi oleh
status menikah, penggunaan asuransi kesehatan dan mengetahui
ketersediaan fasilitas kesehatan, sedangkan pasien TB yang melakukan
akses pelayanan kesehatan di provinsi Papua dipengaruhi oleh usia kurang
dari 60 tahun, menggunakan asuransi, bekerja dan mengetahui ketersediaan
fasilitas kesehatan.
Tidak adanya pengaruh kondisi morfologi wilayah terhadap akses
pelayanan kesehatan, terutama di provinsi Jawa Barat, sedangkan di
provinsi Papua, hanya pada kondisi morfologi yang sangat ekstrim dapat
menyebabkan rendahnya akses pelayanan kesehatan.
Kondisi sosial ekonomi wilayah mempengaruhi pasien TB dalam
melakukan akses pelayanan kesehatan. Kemiskinan penduduk menyebabkan
155
Universitas Indonesia
156
Universitas Indonesia
157
Universitas Indonesia
7.2. Saran
7.2.1. Terhadap keilmuan
Dengan menggunakan pendekatan spasial maka kebutuhan akan
pemanfaatan pelayanan di suatu wilayah akan terlihat jelas dengan
menggunakan pemetaan wilayah. Bagi pengembangan penelitian, untuk
perbaikan hasil analisis pada penelitian serupa, antara lain perlunya
analisis spasial lanjut, terutama pada wilayah yang memerlukan intervensi
pemberdayaan masyarakat di wilayah terpencil, terutama di Papua.
Untuk pengembangan analisis tentang akses pelayanan kesehatan
lebih lanjut diperlukannya beberapa data penunjang. Masih kurangnya data
yang sesuai dengan penelitian tentang akses pelayanan kesehatan dan
penelitian tentang TB pada Riset Kesehatan Dasar, yaitu dengan
memasukkan unsur aksesibilitas berupa jarak sosial dan jarak fisik antara
158
Universitas Indonesia
Saran 1 :
Masih rendahnya pasien TB yang melakukan akses pelayanan
kesehatan disebabkan oleh sulitnya pasien TB dalam mencapai fasilitas
kesehatan, terutama di wilayah pendalaman, perdesaan dan di wilayah
pegunungan. Dengan memperhatikan perbedaan kondisi spasial provinsi
maka intervensi program untuk meningkatkan akses pelayanan kesehatan
pasien TB adalah dengan mempertimbangkan variabel-variabel yang
terbukti berpengaruh di setiap kabupaten pada provinsi Jawa Barat dan
Papua.
Di Provinsi Jawa Barat untuk meningkatkan akses pelayanan
kesehatan pasien TB yaitu meningkatkan penggunaan asuransi kesehatan
bagi semua pasien TB, menggunakan alat trasnportasi, ketersediaan
puskesmas rujukan mikroskopis TB dan meningkatkan infrastruktur
wilayah berupa jalan. Sedangkan di provinsi Papua, program pengendalian
TB yang dapat meningkatkan akses pelayanan kesehatan adalah dengan
memberikan asuransi kesehatan ke pada semua penduduk yang
membutuhkan, terutama bagi pasien TB. Sehingga program pengendalian
TB di Indonesia dapat menjamin ketersediaan pelayanan TB yang
paripurna, merata, bermutu dan berkeadilan.
Saran 2 :
Menjamin ketersediaan dan pemerataan sumberdaya pengendalian
TB yang sesuai dengan kondisi dan kebutuhan masing-masing Provinsi.
Dengan meningkatkan ketersediaan puskesmas rujukan mikroskopis TB di
159
Universitas Indonesia
Saran 3 :
Meningkatkan pemberdayaan masyarakat, termasuk swasta dan
masyarakat madani dalam pengendalian TB. Pemantauan dan pemanfaatan
kesehatan dengan melibatkan unsur masyarakat dapat meningkatkan akses
pelayanan kesehatan. Pemberdayaan masyarakat di bidang kesehatan
diwujudkan dalam bentuk penempatan kader tuberkulosis di seluruh
fasilitas kesehatan dan juga meningkatkan pengetahuan kesehatan kepala
adat atau agama. Khusus di provinsi Papua, kepala adat dan kepala distrik
dapat menjadi kader kesehatan, dengan mempertimbangkan juga adat dan
istiadatnya. Kader kesehatan TB dari masyarakat dapat membantu dalam
penemuan active cases finding dan sebagai pendamping minum obat bagi
pasien TB.
160
Universitas Indonesia
Aday L.A., Anderson R., Fleming G.V. (1980). Health Care in the U.S., Equitable
for Whom?Baverly Hills, California. Sage Publications, California.
Aditama, T.Y. (2005) Tuberkulosis, Diagnosis, Terapi dan Masalahnya. RSUP
Persahabatan, Jakarta
Achmadi, Umar Fahmi. (2008). Manajemen Penyakit Berbasis Wilayah. Penerbit
Buku Kompas.
Allen, W.B., D. Liu, & S. Singer. (1993). Accessibility measures in U.S.
metropolitan areas. Transportation Research B. 27B(6): 439-449.
Andersen, R.M (1995). Revisiting the Behavioral Model and Access to Medical
Care:Does it Matter?. Journal of Health and Social behavior, 36(3)1-10.
Apparicio, P., M. Abdelmajid, M. Riva, & R. Shearmur. (2008). Comparing
alternative approaches to measuring the geographical accessibility of urban
health services: Distance types and aggregation-error issues. International
Journal of Health Geographies. 7:7.
Anselin, L. 1993. Exploratory Spatial Data Analysis and geographic Information
Systems. National Center for Geographic Information and Analysis of
California Santa Barbara: CA93106.
Antos, RMZ.,amador, Ana., de Souza, Wayner., et al.(2010). A dynamic analysis
of Tuberculosis Dissemination to improve control and surveilance. PloS
ONE 5(11)
Arcury, T. A., Preisser, J. S., Gesler, W. M., & Powers, J. M. (2005). Access to
transportation and health care utilization in a rural region. Journal of Rural
Health, 21 (1), 31-38.
Azwar, Azrul. (1994). Pengantar Administrasi Kesehatan. Binapura Akshara
Publisher. Tangerang.
Badan Pusat Statistik, (2006).. Executive Summary, Data Statistik Ekonomi Sosial
Indonesia,
Badan Pusat Statistik, (2014). Provinsi Jawa Barat Dalam Angka. BPS Jakarta
Badan Pusat Statistik, (2014). Provinsi Papua Dalam Angka. BPS Jakarta
161
Universitas Indonesia
162
Universitas Indonesia
163
Universitas Indonesia
164
Universitas Indonesia
165
Universitas Indonesia
166
Universitas Indonesia
167
Universitas Indonesia
168
Universitas Indonesia
169
Universitas Indonesia
170
Universitas Indonesia
Model settings---------------------------------
Model type: Gaussian
Geographic kernel: fixed bi-square
Method for optimal bandwidth search: Golden section search
Criterion for optimal bandwidth: AICc
Number of varying coefficients: 8
Number of fixed coefficients: 3
Modelling options---------------------------------
Standardisation of independent variables: OFF
Testing geographical variability of local coefficients: OFF
Local to Global Variable selection: OFF
Global to Local Variable selection: OFF
Prediction at non-regression points: OFF
Variable settings---------------------------------
Area key: field1: KAB_KOTA
Easting (x-coord): field2 : X
Northing (y-coord): field3: Y
Cartesian coordinates: Euclidean distance
Dependent variable: field5: UTILS
Offset variable is not specified
Intercept: varying (Local) intercept
Independent variable with varying (Local) coefficient: field12: EKO_BK
Independent variable with varying (Local) coefficient: field13: ASKES
Independent variable with varying (Local) coefficient: field14: ALTRANS
Independent variable with varying (Local) coefficient: field15: KRG15
Independent variable with varying (Local) coefficient: field19: RUJUK
Independent variable with varying (Local) coefficient: field24: POSYANDU
Independent variable with varying (Local) coefficient: field26: P_ASPAL
Independent variable with fixed (Global) coefficient: field20: RS
Independent variable with fixed (Global) coefficient: field22: DR
Independent variable with fixed (Global) coefficient: field23: MASY_TB
*************************************************************************
***
*************************************************************************
***
171
Universitas Indonesia
*************************************************************************
***
GWR (Geographically weighted regression) bandwidth selection
*************************************************************************
***
172
Universitas Indonesia
*************************************************************************
***
GWR (Geographically weighted regression) result
*************************************************************************
***
Bandwidth and geographic ranges
Bandwidth size: 2,447168
Coordinate Min Max Range
--------------- --------------- --------------- ---------------
X-coord -7,333333 -6,150000 1,183333
Y-coord 106,166667 108,550000 2,383333
Diagnostic information
Residual sum of squares: 0,315937
Effective number of parameters (model: trace(S)):
13,029841
Effective number of parameters (variance: trace(S'S)):
11,791581
Degree of freedom (model: n - trace(S)):
12,970159
Degree of freedom (residual: n - 2trace(S) + trace(S'S)):
11,731898
ML based sigma estimate: 0,110233
Unbiased sigma estimate: 0,164103
Log-likelihood: -40,883265
Classic AIC: -12,823583
AICc: 25,620032
BIC/MDL: 4,827311
CV: 13,761744
R square: 0,923613
Adjusted R square: 0,822056
***********************************************************
<< Fixed (Global) coefficients >>
***********************************************************
Variable Estimate Standard Error t(Estimate/SE)
-------------------- --------------- --------------- ---------------
RS -0,016603 0,013373 -1,241527
DR -0,021252 0,021479 -0,989463
MASY_TB 0,005750 0,002508 2,292502
***********************************************************
<< Geographically varying (Local) coefficients >>
***********************************************************
Estimates of varying coefficients have been saved in the following file.
Listwise output file: E:\DISERTASI\data_galau\jb_ukbm22_listwise.csv
173
Universitas Indonesia
*************************************************************************
***
GWR ANOVA Table
*************************************************************************
***
Source SS DF MS
F
----------------- ------------------- ---------- --------------- --------
--
Global Residuals 0,607 11,000
GWR Improvement 0,291 3,268 0,089
GWR Residuals 0,316 11,732 0,027
3,302747
*************************************************************************
****
Program terminated at 31/07/2015 18:53:29
174
Universitas Indonesia
Model settings---------------------------------
Model type: Gaussian
Geographic kernel: fixed Gaussian
Method for optimal bandwidth search: Golden section search
Criterion for optimal bandwidth: CV
Number of varying coefficients: 9
Number of fixed coefficients: 0
Modelling options---------------------------------
Standardisation of independent variables: OFF
Testing geographical variability of local coefficients: OFF
Local to Global Variable selection: On
Global to Local Variable selection: OFF
Prediction at non-regression points: OFF
Variable settings---------------------------------
Area key: field1: KAB_KOTA
Easting (x-coord): field2 : X_EASTING
Northing (y-coord): field3: Y_NORTHING
Cartesian coordinates: Euclidean distance
Dependent variable: field5: UTILISASI
Offset variable is not specified
Intercept: varying (Local) intercept
Independent variable with varying (Local) coefficient: field6: USIA___60_
Independent variable with varying (Local) coefficient: field10: EKO_TG
Independent variable with varying (Local) coefficient: field12: KRG30MNT
Independent variable with varying (Local) coefficient: field13: KENDARAAN
Independent variable with varying (Local) coefficient: field19: RUJK
Independent variable with varying (Local) coefficient: field20: PKM
Independent variable with varying (Local) coefficient: field21: RS
Independent variable with varying (Local) coefficient: field24: POSYANDU
*************************************************************************
***
*************************************************************************
***
Global regression result
175
Universitas Indonesia
*************************************************************************
***
GWR (Geographically weighted regression) bandwidth selection
*************************************************************************
***
*************************************************************************
***
GWR (Geographically weighted regression) result
*************************************************************************
***
Bandwidth and geographic ranges
Bandwidth size: 2,424273
176
Universitas Indonesia
Diagnostic information
Residual sum of squares: 5,379742
Effective number of parameters (model: trace(S)):
13,492724
Effective number of parameters (variance: trace(S'S)):
11,224335
Degree of freedom (model: n - trace(S)):
12,507276
Degree of freedom (residual: n - 2trace(S) + trace(S'S)):
10,238886
ML based sigma estimate: 0,454877
Unbiased sigma estimate: 0,724860
Log-likelihood: 32,822943
Classic AIC: 61,808392
AICc: 104,546736
BIC/MDL: 80,041638
CV: 1,259484
R square: 0,850603
Adjusted R square: 0,595740
***********************************************************
<< Geographically varying (Local) coefficients >>
***********************************************************
Estimates of varying coefficients have been saved in the following file.
Listwise output file: E:\DISERTASI\data_galau\pp_ukbm01_listwise.csv
177
Universitas Indonesia
*************************************************************************
***
GWR ANOVA Table
*************************************************************************
***
Source SS DF MS
F
----------------- ------------------- ---------- --------------- --------
--
Global Residuals 10,023 9,000
GWR Improvement 4,644 6,761 0,687
GWR Residuals 5,380 10,239 0,525
1,307190
*************************************************************************
***
(L -> G) Variable selection from varying coefficients to fixed
coefficients
*************************************************************************
****
Bandwidth search <golden section search>
Limits: 0,00766895638847823, 4,03741354845525
Golden section search begins...
Initial values
pL Bandwidth: 0,300 Criterion: 1854926974922510000,000
p1 Bandwidth: 1,728 Criterion: 1,647
p2 Bandwidth: 2,610 Criterion: 1,255
pU Bandwidth: 4,037 Criterion: 1,250
iter 1 (p2) Bandwidth: 2,610 Criterion: 1,255 Diff:
0,882
iter 2 (p2) Bandwidth: 3,155 Criterion: 1,236 Diff:
0,545
iter 3 (p1) Bandwidth: 3,155 Criterion: 1,236 Diff:
0,337
iter 4 (p2) Bandwidth: 3,155 Criterion: 1,236 Diff:
0,208
iter 5 (p1) Bandwidth: 3,155 Criterion: 1,236 Diff:
0,129
iter 6 (p2) Bandwidth: 3,155 Criterion: 1,236 Diff:
0,080
Best bandwidth size 3,155
Minimum CV 1,236
Bandwidth search <golden section search>
Limits: 0,357918453135752, 4,03741354845525
Golden section search begins...
Initial values
pL Bandwidth: 0,358 Criterion: 9007445111950,200
p1 Bandwidth: 1,763 Criterion: 0,989
p2 Bandwidth: 2,632 Criterion: 1,149
178
Universitas Indonesia
179
Universitas Indonesia
180
Universitas Indonesia
181
Universitas Indonesia
182
Universitas Indonesia
183
Universitas Indonesia
184
Universitas Indonesia
Model summary and local stats are being updated by the improved model.
185
Universitas Indonesia
Diagnostic information
Residual sum of squares: 6,201008
Effective number of parameters (model: trace(S)):
16,153270
Effective number of parameters (variance: trace(S'S)):
13,888842
Degree of freedom (model: n - trace(S)):
9,846730
Degree of freedom (residual: n - 2trace(S) + trace(S'S)):
7,582302
ML based sigma estimate: 0,488365
Unbiased sigma estimate: 0,904338
Log-likelihood: 36,516803
Classic AIC: 70,823342
AICc: 150,190910
BIC/MDL: 92,403812
CV: 4,312051
R square: 0,827797
Adjusted R square: 0,345961
***********************************************************
<< Fixed (Global) coefficients >>
***********************************************************
Variable Estimate Standard Error t(Estimate/SE)
-------------------- --------------- --------------- ---------------
USIA___60_ 0,306449 0,266248 1,150990
***********************************************************
<< Geographically varying (Local) coefficients >>
***********************************************************
Estimates of varying coefficients have been saved in the following file.
Listwise output file: E:\DISERTASI\data_galau\pp_ukbm01_listwise.csv
186
Universitas Indonesia
*************************************************************************
***
Program terminated at 01/08/2015 7:31:46
187
Universitas Indonesia