Etik Zukhronah1, Sugiyanto2, Respatiwulan3 Jurusan Matematika FMIPA UNS
1[email protected],2sugiyanto@yahoo.
co.id, 3[email protected]
Abstrak
Penyakit demam berdarah dengue disebabkan oleh virus dengue yang disebarkan oleh nyamuk Aedes Aegypti. Sebagian besar kelurahan di Kota Surakarta merupakan daerah endemis demam berdarah. Penelitian ini bertujuan untuk mendeteksi pola penyebaran penyakit demam berdarah secara spasial di Kota Surakarta menggunakan Indeks Moran. Data diambil dari Dinas Kesehatan Surakarta pada tahun 2012. Hasil penelitian menunjukkan bahwa terdapat autokorelasi spasial dalam penyebaran penyakit demam berdarah di Kota Surakarta dan kejadiannya berpola clustered.
Kata kunci: demam berdarah dengue, indeks Moran
PENDAHULUAN
Demam berdarah dengue atau dalam istilah kedokteran Dengue Hemorrhagik Fever (DHF) adalah suatu penyakit yang disebabkan oleh infeksi virus Dengue dan ditularkan melalui gigitan nyamuk Aedes Aegypti betina dan beberapa spesies Aedes lainnya. Populasi nyamuk ini akan meningkat pesat pada saat musim hujan. Namun nyamuk Aedes Aegypti juga dapat hidup dan berkembang biak pada bak-bak penampungan air sepanjang tahun (http://www.blogdokter.net).
Demam berdarah banyak ditemukan di daerah tropis dan subtropis. Asia menempati urutan pertama dalam jumlah penderita demam Dengue setiap tahun. (http://www.blogdokter.net). Kasus demam berdarah di Indonesia tercatat masih tinggi bahkan paling tinggi dibanding Negara lain di ASEAN (http://health.detik.com).
Sebagian besar kecamatan di Kota Surakarta, Jawa Tengah merupakan daerah endemis demam berdarah dengan jumlah penderita hampir meningkat setiap tahunnya. (http://www.mediaindonesia.com). Dari 51 kelurahan yang ada, terdapat 40 kelurahan yang merupakan daerah endemis dengan jumlah penderita 826 orang dan 12 orang diantaranya meninggal pada tahun 2008 (Dinas Kesehatan Kota Surakarta, 2009). Terdapat 46 kelurahan yang merupakan daerah endemis pada tahun 2009 dengan jumlah penderita 684 orang dan 7 diantaranya meninggal ( Dinas Kesehatan Kota Surakarta, 2010). Sedangkan pada tahun 2010 terdapat 49 kelurahan yang merupakan daerah endemis dengan jumlah penderita 533 orang dan 9 diantaranya meninggal (Dinas Kesehatan Kota Surakarta, 2011)
Melihat tingginya angka kasus DBD di Kota Surakarta, maka perlu dilakukan penelitian yang berhubungan dengan komponen ruang guna menentukan pola epidemi kasus demam
berdarah. Epidemi demam berdarah bervariasi dari satu tempat ke tempat lain, sehingga komponen ruang juga harus diperhatikan. Autokorelasi spasial merupakan teknik untuk mengukur tingkat hubungan dalam data yang dipengaruhi oleh keadaan geografis (data spasial) (Griffith, 2003). Data spasial (ruang) merupakan suatu data yang dipengaruhi oleh ruang ataupun posisi relatif suatu objek yang diamati (Anselin, 1992).
Untuk mengukur hubungan spasial antar daerah dapat digunakan indeks global dan indeks local (Wen etal. 2010). Indeks Moran merupakan indeks global yang digunakan untuk mengukur adanya hubungan spasial dalam penyebaran penyakit. Hubungan spasial ini diperlukan untuk mengetahui apakah terdapat autokorelasi spasial dalam penyebaran penyakit demam berdarah yang terjadi di Kota Surakarta.
Penelitian yang berkaitan dengan penyebaran penyakit demam berdarah telah dilakukan oleh Nakhapakorn dan Supet (2006), kemudian oleh Astutik et al. (2011). Nakhapakorn dan Supet (2006) meneliti tentang distribusi spasial kasus demam berdarah yang terjadi di Thailand. Dalam penelitiannya, ia menggunakan indeks Moran, Geary dan LISA untuk mengukur hubungan spasial antar daerah. Sedangkan Astutik et al. (2011) mendeteksi hubungan spasial temporal kasus demam berdarah yang terjadi di provinsi Jawa Timur menggunakan multivariat Moran dan multivariat LISA. Berdasarkan penelitian yang telah dilakukan oleh Nakhapakorn dan Supet (2006), dan Astutik et al.(2011), maka kasus kejadian DBD di Kota Surakarta dapat dianalisis secara spasial.
METODE PENELITIAN Data Penelitian
Data yang digunakan dalam penelitian ini adalah data jumlah penderita DBD di Surakarta tahun 2012 yang meliputi 51 kelurahan yang berada di 5 kecamatan.Data tersebut diambil dari di Dinas Kesehatan Kota Surakarta. Data dianalisis menggunakan bantuan software OpenGeoda dengan melakukan input data ke file shp (shape file) daerah Surakarta.
Metode Analisis Data
1. Langkah awal dalam analisis spasial temporal adalah menyusun matriks pembobotan π yang elemen-elemennya π€ππ merupakan spatial weight measure untuk daerah yang berbatasan. Jika daerah i berbatasan dengan daerah j maka dinotasikan 1 dan jika tidak berbatasan maka dinotasikan 0.
2. Langkah selanjutnya adalah menghitung nilai indeks Moran dari data jumlah penderita tiap-tiap kelurahan. Indeks Moran dihitung dengan menggunakan rumus
πΌ=π π€ππ π₯πβπ₯ π₯πβπ₯ π π=1 π π=1 π ππ=1 π₯πβπ₯ 2 ... (1) dengan
π= ππ=1 ππ=1π€ππ
πΌ menyatakan indeks Moran,
n menyatakan banyak lokasi kejadian,
π₯π menyatakan jumlah penderita demam berdarah pada daerah i,
π₯π menyatakan jumlah penderita demam berdarah pada daerah j,
π₯ menyatakan rata rata dari jumlah penderita demam berdarah,
π€ππ menyatakan elemen pada bobot matriks antara daerah π dan π,
W menyatakan jumlah darisemua nilaiselpada bobot matriks
Menurut Pfeiffer et al. (2008), nilai-nilai yang dihasilkan dalam perhitungan indeks Moran adalah dalam range berkisar antara -1 <I < 1, dengan I merupakan autokorelasi spasial berdasarkan indeks Moran. Indeks Moran digunakan untuk menentukan apakah terdapat hubungan spasial yang mempengaruhi terhadap penyebaran penyakit DBD dengan menentukan adanya autokorelasi spasial atau tidak.
3. Setelah diperoleh indeks Moran, dilakukan uji signifikansi untuk mengetahui apakah terdapat autokorelasi spasial dalam penyebaran DBD. Uji signifikansi dapat dilakukan dengan menggunakan p-value yang ada pada output OpenGeoda dan membandingkannya dengan tingkat signifikansi Ξ±= 0,05.
4. Pola penyebaran penyakit DBD di Kota Surakarta dapat ditunjukkan dengan membandingkan nilai indeks Moran terhadap nilai EI =β1/(nβ1) . Jika nilai indeks Moran lebih kecil dari EI maka autokorelasi spasial negatif dan jika lebih besar EI maka autokorelasi spasial positif. Bila autokorelasi spasial positif berarti kelurahan yang mempunyai jumlah penderita DBD yang tinggi terletak berdekatan dengan kelurahan yang mempunyai jumlah penderita DBD yang tinggi juga, dan kelurahan yang memiliki jumlah penderita DBD yang rendah berdekatan dengan kelurahan yang memiliki jumlah penderita DBD yang rendah.
HASIL DAN PEMBAHASAN
Indeks Moran dihitung menggunakan persamaan 1. Misalkan x1 menyatakan jumlah penderita demam berdarah di kelurahan Nusukan untuk i=1, xj menyatakan jumlah penderita demam berdarah di kelurahan j dengan j berjalan dari 1, 2, ..., 51dalam hal ini j menyatakan kelurahan yang ada di Kota Surakarta. Dengan menggunakan cara yang sama untuk pemilihan i yang lain. Penghitungan indeks Moran menggunakan bantuan software OpenGeoda dan diperoleh nilai sebesar 0,123 dengan p value sebesar 0,041. Diperoleh nilai p value kurang dari Ξ±=5%, sehingga dapat disimpulkan bahwa terdapat hubungan spasial yang mempengaruhi penyebaran penyakit demam berdarah di Kota Surakarta.
Selanjutnya membandingkan nilai indeks Moran dengan nilai E[I] untuk mengetahui pola penyebaran penyakit demam berdarah. Nilai πΈ πΌ =β 1
πβ1=β0,02 dengan n merupakan
jumlah kelurahan yang ada di Kota Surakarta sebanyak 51 kelurahan. Jika nilai indeks Moran kurang dari -0,02, maka terdapat autokorelasi spasial negatif dan jika nilai indeks Moran lebih dari -0,02, maka terdapat autokorelasi spasial positif. Ternyata nilai indeks Moran yang diperoleh lebih besar dari -0,02, sehingga dapat disimpulkan bahwa terdapat autokorelasi spasial positif dengan pola penyebaran Clustered. Gambar 1 merupakan Moran scatterplot dan nilai indeks Moran hasil outputOpenGeoda 9.15.
Gambar 1a. Moran Scatterplot tahun2012
Gambar 1b. Indeks Moran tahun 2012
Pada Gambar 1a. terlihat garis ungu yang menggambarkan indeks Moran miring dari bawah sebelah kiri ke atas sebelah kanan yang menunjukkan autokorelasi spasial positif dan pada Gambar 1b. terlihat bahwa indeks Moran berada di sebelah kanan rata-rata. Hal ini
menunjukkan bahwa daerah yang mempunyai jumlah penderita demam berdarah tinggi berdekatan dengan daerah yang mempunyai jumlah penderita demam berdarah tinggi dan daerah yang mempunyai jumlah penderita demam berdarah rendah berdekatan dengan daerah yang mempunyai jumlah penderita demam berdarah rendah.
KESIMPULAN
Berdasarkan hasil analisis menggunakan bantuan Software OpenGeoda diperoleh nilai indeks Moran yang signifikan, yang berarti bahwa pada tahun 2012 terdapat hubungan spasial yang mempengaruhi penyebaran penyakit demam berdarah dengan pola penyebaran bersifat clustered.
DAFTAR PUSTAKA
Anselin, L. (1992). Spatial Data Analysis with GIS : An Introduction to Aplicationin the Social Sciences. National Center for Geographic Information and Analysis of California Santa Barbara, CA93106.
________. (1995). Local Indicator of Spatial Association. Geographical Analysis27: 93-115. Astutik, S , B. Rahayudi, A. Iskandar, R. Fitriani, and S. Murtini. (2011). Detection of
Spatial βTemporal Autocorrelation using Multivariate Moran and LISA Method on Dengue Haemorrhagic Fever (DHF) Incidence, East Java, Indonesia. European Journal of Scientific Research Vol (49:2) page 279-285.
Dinas Kesehatan Kota Surakarta. (2009). Profil Kesehatan Kota Surakarta Tahun 2008. Surakarta.
________. (2010). Profil Kesehatan Kota Surakarta Tahun 2009. Surakarta. ________. (2011). Profil Kesehatan Kota Surakarta Tahun 2010. Surakarta.
Griffith, D. (2003). Spatial Autocorrelation Concept. Department of Geography. Syracuse University.
Nakhapakorn, K. and Supet J. (2006). Temporal and Spatial Autocorrelation Statistics of Dengue Fever. Dengue Buletin, Vol. 30, pp: 177-183.