TREND ANALISIS DENGAN METODE TIME SERIES UNTUK MERAMALKAN PENDERITA DEMAM BERDARAH TAHUN 2010-2014 BERDASARKAN DATA PENDERITA DEMAM BERDARAH TAHUN
2005-2009 DI PROVINSI SUMATERA UTARA
OLEH
NIM 081000239 DEVINA SARAGI
FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SUMATERA UTARA
ABSTRAK
Demam berdarah dengue adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes Aegypti. Penyakit ini menyerang semua orang dan menyebabkan kematian terutama pada anak serta menimbulkan wabah.
Penelitian ini bertujuan untuk mengetahui kecenderungan penderita demam berdarah berdasarkan data Kabupaten/Kota tahun 2005-2009 dan hasil peramalannya tahun 2010-2014.
Metode penelitan ini adalah deskriptif dengan menggunakan rangkaian berkala(time series). Lokasi penelitian di lakukan di Dinas Kesehatan Provinsi Sumatera Utara. Data yang dikumpulkan adalah data sekunder yaitu jumlah penderita demam berdarah di 25 Kabupaten/Kota yang ada di Provinsi Sumatera Utara tahun 2005-2009.
Hasil uji Regresi menunjukan bahwa 17 Kabupaten/Kota mempunyai nilai probabilitas >0.05 sehingga dilakukan peramalan satu tahun dengan menggunakan metode Double Exponential Smoothing. Sedangkan 8 Kabupaten/Kota nilai probabilitasnya <0.05 sehingga dilakukan peramalan lima tahun mendatang dengan menggunakan deret berkala dengan metode trend.
Saran, diharapkan kepada Dinas Kesehatan Provinsi Sumatera Utara agar menghimbau Dinas Kesehatan Kabupaten/Kota agar melengkapi pencatatan dan pelaporan sehingga program untuk penanggulangan demam berdarah berjalan dengan baik. Dan diharapkan kepada Dinas Kesehatan Provinsi Sumatera Utara agar memberikan pelatihan kepada Dinas Kabupaten/Kota terkait menangani bagian demam berdarah untuk meningkatkan Sumber Daya Manusia dalam menangani penanggulangan demam berdarah.
Kata Kunci : Demam berdarah, Time Series
ABSTRAC
Dengue hemorragic fever is a contagious disease becaused by Dengue virus and passed on by Aegepty mosquito bite. This disease attacks everyone and because death especially to children and thus creates plague.
This research purpose is to find outthe tendency of dengue hemorragic fever patient based on 2005-2009 City/Kabupaten’s data and forcast it for 2010-2014 period.
This research is using descriptive methode applying time series. The location of research was conducted in North Sumatera Province Health Departement. Collected data are secondary data which are the numbers of all dengue fever patients from 25 Cities/ Kabupaten in North Sumatera Province from 2005-2009 period.
Regretion test result shows that 17 cities/kabupaten have probability value >0.05 thus the forecast for the upcoming year was conducted by exponential smoothing method. Where as 8 other cities/kabupaten have <0.05 probability value there for the forcast of the five upcoming years was conductedon scale by using parabolic trend method.
Suggestion toward North Sumatera Utara Province Health Departement is to remind the City/Kabupaten Health Departement the importance of keeping track and records and updating it so that measurement step against DHF will run accordingly. Hopefully North Sumatera Province Health Departement will provide training programs for city Kabupaten Health Departement in order to face dengue hemoragic fever.
DAFTAR RIWAYAT HIDUP
Nama : DEVINA SARAGI
Tempat/ Tanggal Lahir : Pematangsiantar/ 17 Desember 1986
Agama : Kristen
Status Perkawinan : Belum Menikah
Nama Orang Tua : Anggiat Turnip
Anak ke : 2 (dua) dari 4 (Empat) orang bersaudara
Alamat : Jalan Bunga Mawar 13 Gang Aman No. 4 Pasar 5
Padang Bulan, Medan
Riwayat Pendidikan
Tahun 1992 - 1998 : SD Negeri No. 091704 Tinjowan
Tahun 2001 - 2004 : SMA Swasta St. Thomas 2 Medan
Tahun 2004 - 2007 : Akademi Keperawatan St. Elisabeth Medan
Tahun 2008 – 2011 : Fakultas Kesehatan Masyarakat USU Medan
KATA PENGANTAR
Puji syukur penulis ucapkan atas kehadirat Tuhan Yang Maha Esa karena atas
berkat dan kasih karuniaNya penulis dapat menyelesaikan skripsi yang berjudul
“Trend Analisis Dengan Metode Time Series Untuk Meramalkan Penderita Demam Berdarah Tahun 2010-2014 Berdasarkan Data Penderita Demam Berdarah Tahun 2005-2009 Di Provinsi Sumatera Utara”.
Dalam menyelesaikan skripsi ini penulis banyak mendapat bantuan,
bimbingan, dan dukungan dari berbagai pihak. Karena itu sepantasnya penulis
mengucapkan terima kasih kepada:
1. Bapak Dr. Drs. Surya Utama, MS selaku Dekan Fakultas Kesehatan
Masyarakat Universitas Sumatera Utara.
2. Bapak Drs. Heru Santosa, MS, Ph.D selaku Ketua Departemen Kependudukan
dan Biostatistika sekaligus Dosen Pembimbing Skripsi I yang telah
memberikan bimbingan, arahan, ilmu, motivasi, serta dukungannya kepada
penulis dalam menyelesaikan skripsi ini..
3. Bapak Drs. Abdul Jalil A.A, M.Kes selaku Dosen Pembimbing Skripsi II yang
telah memberikan bimbingan, arahan, ilmu, motivasi, serta dukungannya
4. Ibu dr. Ria Masniari Lubis, M.Si dan Ibu Sri Rahayu Sanusi, SKM, M.Kes
selaku dosen penguji yang telah meluangkan waktunya untuk memberikan
masukan dalam penyelesaian skripsi ini.
5. Ibu Dr. Dra. Irnawati Marsaulina, MS selaku Dosen Pembimbing Akademik
penulis di Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
6. Seluruh Dosen dan staff Fakultas Kesehatan Masyarakat Universitas Sumatera
Utara.
7. Ayahanda (Anggiat Turnip) dan Ibunda (Veronika Manurung) yang tercinta,
yang saya kasihi, terima kasih untuk dukungan material dan spiritual yang telah
diberikan selama ini.
8. Untuk kakak, adikku, bou dan semua keluarga yang selalu menjadi semangat
dan motivasi bagi penulis untuk menjadi yang terbaik.
9. Sahabat-sahabat terbaikku: Bang Ojahan Sinurat, Eva Damai, Elisabeth, Dino,
Permina, Ririntis, Wanda Wita, Hotmian, Rosalina, Juli Feriwati, Jon Wirdani,
Dumaris, Hotria, Minarni, Ibas Toto, Bernita, Anita, Jayanti, Cuan, Sri Anida
yang selalu memberikan doa dan motivasi bagi penulis. Aku sayang dan sangat
merindukan kalian semua (kapan kita ngumpul bareng lagi?).
10. Kawan-kawan dan kakak-kakak seperjuangan di Departemen Kependudukan
dan Biostatistika : kak Juli, kak Corry, kak Tatik, Tria, Marito, Desmiati, Ismil,
Vivi, Irma, Amy, kak Latifah yang selalu sama di kampus dengan topik
‘menunggu’ dan saling menyemangati dalam penyelesaian skripsi ini, buat
11. Teman – teman Ekstensi 2008 : bang Rafael, kak Cia, kak Renova, kak Nenny,
kak Nurhayati, bang Ardian, bang Lukman, kak Lenny, kak Romaida, kak Frida
dan semuanya yang tidak dapat disebutkan satu per satu yang saling
menyemangati dalam penyelesaian skripsi ini.
12. Semua pihak yang telah membantu penyelesaian skripsi ini yang tidak bisa
disebutkan satu persatu.
Kiranya Tuhan Yang Maha Kuasa akan membalas semua kebaikan dan
bantuan yang telah penulis terima selama ini. Semoga Tuhan Yang Maha Kuasa
melimpahkan berkat dan rahmatNya bagi kita semua. Akhir kata, penulis berharap
semoga skripsi ini bermanfaat bagi para pembaca khususnya keluarga besar Fakultas
Kesehatan Masyarakat Universitas Sumatera Utara.
Medan, Maret 2011
Penulis,
DAFTAR ISI
Halaman
Halaman Pengesahan ... i
Abstrak ... ii
Daftar Riwayat Hidup ... iv
Kata Pengantar ... v
Daftar Isi ... viii
Daftar Tabel ... xii
Daftar Gambar ... xiv
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3.1 Tujuan Umum ... 3
1.3.2 Tujuan Khusus ... 4
1.4 Manfaat Penelitian ... 4
BAB II TINJAUAN PUSTAKA ... 5
2.1 Demam Berdarah... 5
2.1.1 Pengertian Demam Berdarah Dengue (DBD) ... 5
2.1.2 Penyebab DBD ... 5
2.1.3 Patogenesis dan Patofisiologi ... 6
2.1.4 Tanda dan Gejala... 6
2.1.5 Pentahapan Keparahan Demam Berdarah Dengue ... 7
2.1.6 Penatalaksanaan ... 8
2.1.7 Pencegahan ... 8
2.2 Peramalan... 11
2.2.1 Pengertian Peramalan ... 11
2.2.2 Kegunaan Peramalan ... 11
2.2.3 Jenis-jenis Peramalan ... 11
2.2.4 Pemilihan Teknik Peramalan ... 21
2.3 Alur Penelitian ... 22
BAB III METODE PENELITIAN ... 23
3.1 Jenis Penelitian ... 23
3.2 Lokasi dan Waktu Penelitian ... 23
3.3 Metode Pengumpulan Data ... 23
3.4 Populasi dan Sampel... 23
3.5 Definisi Operasional ... 24
BAB IV HASIL PENELITIAN ... 25
4.1Gambaran Umum Provinsi Sumatera Utara ... 25
4.1.1 Letak Geografis ... 25
4.1.2 Kependudukan ... 26
4.1.3 Umur ... 26
4.1.4 Pendidikan ... 26
4.2 Jumlah penderita demam bedarah Tahun 2005-2009 dan hasil ramalannya tahun 2010-2014 ... 27
4.2.1 Penderita demam berdarah Provinsi Sumatera Utara ... 27
4.2.2 Penderita demam berdarah Kota Medan ... 29
4.2.3 Penderita demam berdarah Kota Tebing Tinggi ... 30
4.2.4 Penderita demam berdarah Kabupaten Deli Sedang ... 31
4.2.5 Penderita demam berdarah Kabupaten Langkat ... 32
4.2.6 Penderita demam berdarah Kabupaten Asahan ... 34
4.2.7 Penderita demam berdarah Kabupaten Labuhan Batu ... 35
4.2.8 Penderita demam berdarah Kabupaten Simalungun ... 36
4.2.9 Penderita demam berdarah Kabupaten Tapanuli Utara .. 38
4.2.10 Penderita demam berdarah Kabupaten Toba Samosir ... 39
4.2.12 Penderita demam berdarah Kabupaten Tapanuli
Selatan ... 41
4.2.13 Penderita demam berdarah Kabupaten Mandailing
Natal ... 43
4.2.14 Penderita demam berdarah Kabupaten Nias ... 44
4.2.15 Penderita demam berdarah Kabupaten Samosir ... 45
4.2.16 Penderita demam berdarah Kabupaten Padang Lawas Utara ... 47
4.2.17 Penderita demam berdarah Kota Sibolga ... 48
4.2.18 Penderita demam berdarah Kota Binjai ... 49
4.2.19 Penderita demam berdarah Kota Padang
Sidempuan ... 51
4.2.20 Penderita demam berdarah Kabupaten
Serdang Bedagai ... 53
4.2.21 Penderita demam berdarah Kabupaten Karo ... 54
4.2.22 Penderita demam berdarah Kota Pematang
Siantar ... 55
4.2.23 Penderita demam berdarah Kabupaten Dairi ... 57
4.2.24 Penderita demam berdarah Kabupaten Batu
4.2.25 Penderita demam berdarah Kabupaten
Padang Lawas ... 60
4.2.26 Penderita demam berdarah Kota Tanjung Balai ... 61
BAB V PEMBAHASAN ... 64
BAB VI KESIMPULAN DAN SARAN... 72
6.1Kesimpulan ... 72
6.2 Saran ... 73
DAFTAR PUSTAKA
DAFTAR TABEL
Halaman
Tabel 4.1 Distribusi Penderita Demam Berdarah di Provinsi
Sumatera Utara ... 27
Tabel 4.2 Peramalan Jumlah Penderita Demam Berdarah di
Provinsi Sumatera Utara ... 28
Tabel 4.3 Distribusi Penderita Demam Berdarah di Kota Medan ... 29
Tabel 4.4 Distribusi Penderita Demam Berdarah di Kota
Tebing Tinggi ... 30
Tabel 4.5 Distribusi Penderita Demam Berdarah di Kabupaten
Deli Serdang ... 31
Tabel 4.6 Distribusi Penderita Demam Berdarah di Kabupaten
Langkat... 33
Tabel 4.7 Distribusi Penderita Demam Berdarah di Kabupaten Asahan 34
Labuhan Batu ... 35
Tabel 4.9 Distribusi Penderita Demam Berdarah di Kabupaten
Simalungun... 37
Tabel 4.10 Distribusi Penderita Demam Berdarah di Kabupaten
Tapanuli Utara ... 38
Tabel 4.11 Distribusi Penderita Demam Berdarah di Kabupaten
Toba Samosir ... 39
Tabel 4.12 Distribusi Penderita Demam Berdarah di Kabupaten
Tapanuli Tengah ... 40
Tabel 4.13 Distribusi Penderita Demam Berdarah di Kabupaten
Tapanuli Selatan ... 42
Tabel 4.14 Distribusi Penderita Demam Berdarah di Kabupaten
Mandailing Natal ... 43
Tabel 4.15 Distribusi Penderita Demam Berdarah di Kabupaten Nias .... 44
Tabel 4.16 Distribusi Penderita Demam Berdarah di Kabupaten
Samosir... 46
Tabel 4.17 Distribusi Penderita Demam Berdarah di Kabupaten
Padang Lawas Utara ... 47
Tabel 4.18 Distribusi Penderita Demam Berdarah di Kota Sibolga ... 48
Tabel 4.19 Distribusi Penderita Demam Berdarah di Kota Binjai ... 50
Tabel 4.20 Distribusi Penderita Demam Berdarah di Kota
Tabel 4.21 Peramalan Jumlah Penderita Demam Berdarah di Kota
Padang Sidempuan ... 52
Tabel 4.22 Distribusi Penderita Demam Berdarah di Kabupaten
Serdang Bedagai ... 53
Tabel 4.23 Peramalan Jumlah Penderita Demam Berdarah di
Kabupaten Serdang Bedagai ... 53
Tabel 4.24 Distribusi Penderita Demam Berdarah di Kabupaten Karo.... 54
Tabel 4.25 Peramalan Jumlah Penderita Demam Berdarah di Kabupaten
Karo... 55
Tabel 4.26 Distribusi Penderita Demam Berdarah
di Kota Pematang Siantar ... 56
Tabel 4.27 Peramalan Jumlah Penderita Demam Berdarah di Kota
Pematang siantar ... 56
Tabel 4.28 Distribusi Penderita Demam Berdarah di Kabupaten Dairi ... 57
Tabel 4.29 Peramalan Jumlah Penderita Demam Berdarah di Kabupaten
Dairi ... 58
Tabel 4.30 Distribusi Penderita Demam Berdarah di
Kabupaten Batu Bara ... 59
Tabel 4.31 Peramalan Jumlah Penderita Demam Berdarah di Kabupaten
Batu Bara ... 59
Tabel 4.32 Distribusi Penderita Demam Berdarah di Kabupaten
Tabel 4.33 Peramalan Jumlah Penderita Demam Berdarah di Kabupaten
Padang Lawas ... 61
Tabel 4.34 Distribusi Penderita Demam Berdarah
di Kota Tanjung Balai ... 62
Tabel 4.35 Peramalan Jumlah Penderita Demam Berdarah di
DAFTAR GAMBAR
Halaman
Gambar 2.1 Data Horisontal ... 14
Gambar 2.2 Data Musiman ... 14
Gambar 2.3 Bentuk Data Siklis ... 15
Gambar 2.4 Bentuk Data Trend ... 15
Gambar 4.1 Hasil Peramalan Provinsi Sumatera Utara dengan menggunakan Trend ... 28
Gambar 4.2 Hasil Peramalan Kota Medan dengan menggunakan Metode Exponential Smoothing ... 30
Gambar 4.3 Hasil Peramalan KotaTebing Tinggi dengan menggunakan Metode Exponential Smoothing ... 31
Gambar 4.5 Hasil Peramalan Kabupaten Langkat dengan menggunakan
Metode Exponential Smoothing ... 34
Gambar 4.6 Hasil Peramalan Kabupaten Asahan dengan menggunakan
Metode Exponential Smoothing ... 35
Gambar 4.7 Hasil Peramalan Kabupaten Labuhan Batu dengan
menggunakan Metode Exponential Smoothing ... 36
Gambar 4.8 Hasil Peramalan Kabupaten Simalungun dengan
menggunakan Metode Exponential Smoothing ... 37
Gambar 4.9 Hasil Peramalan Kabupaten Tapanuli Utara dengan
menggunakan Metode Exponential Smoothing ... 39
Gambar 4.10 Hasil Peramalan Kabupaten Toba Samosir dengan
menggunakan Metode Exponential Smoothing ... 40
Gambar 4.11 Hasil Peramalan KabupatenTapanuli Tengah dengan
menggunakan Metode Exponential Smoothing ... 41
Gambar 4.12 Hasil Peramalan Kabupaten Tapanuli Selatan dengan
menggunakan Metode Exponential Smoothing ... 43
Gambar 4.13 Hasil Peramalan Kabupaten Mandaling Natal dengan
menggunakan Metode Exponential Smoothing ... 44
Gambar 4.14 Hasil Peramalan Kabupaten Nias dengan menggunakan Metode Exponential Smoothing ... 45
Gambar 4.15 Hasil Peramalan Kabupaten Samosir dengan menggunakan
Metode Exponential Smoothing ... 47
dengan menggunakan Metode Exponential Smoothing ... 48
Gambar 4.17 Hasil Peramalan Kota Sibolga dengan menggunakan
Metode Exponential Smoothing ... 49
Gambar 4.18 Hasil Peramalan Kota Binjai dengan menggunakan Metode
Exponential Smoothing ... 51
Gambar 4.19 Hasil Peramalan Kota Padang Sidempuan dengan
menggunakan Trend ... 52
Gambar 4.2 Hasil Peramalan Kabupaten Serdang Bedagai dengan
menggunakan Trend ... 54
Gambar 4.21 Hasil Peramalan Kabupaten Karo dengan menggunakan
Trend ... 55
Gambar 4.22 Hasil Peramalan Kota Pematang Siantar dengan
menggunakan Trend ... 57
Gambar 4.23 Hasil Peramalan Kabupaten Dairi dengan menggunakan
Trend ... 58
Gambar 4.24 Hasil Peramalan Kabupaten Batu Bara dengan
menggunakan Trend ... 60
Gambar 4.25 Hasil Peramalan Kabupaten Padang Lawas dengan
menggunakan Trend ... 61
Gambar 4.26 Hasil Peramalan Kota Tanjung Balai
ABSTRAK
Demam berdarah dengue adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes Aegypti. Penyakit ini menyerang semua orang dan menyebabkan kematian terutama pada anak serta menimbulkan wabah.
Penelitian ini bertujuan untuk mengetahui kecenderungan penderita demam berdarah berdasarkan data Kabupaten/Kota tahun 2005-2009 dan hasil peramalannya tahun 2010-2014.
Metode penelitan ini adalah deskriptif dengan menggunakan rangkaian berkala(time series). Lokasi penelitian di lakukan di Dinas Kesehatan Provinsi Sumatera Utara. Data yang dikumpulkan adalah data sekunder yaitu jumlah penderita demam berdarah di 25 Kabupaten/Kota yang ada di Provinsi Sumatera Utara tahun 2005-2009.
Hasil uji Regresi menunjukan bahwa 17 Kabupaten/Kota mempunyai nilai probabilitas >0.05 sehingga dilakukan peramalan satu tahun dengan menggunakan metode Double Exponential Smoothing. Sedangkan 8 Kabupaten/Kota nilai probabilitasnya <0.05 sehingga dilakukan peramalan lima tahun mendatang dengan menggunakan deret berkala dengan metode trend.
Saran, diharapkan kepada Dinas Kesehatan Provinsi Sumatera Utara agar menghimbau Dinas Kesehatan Kabupaten/Kota agar melengkapi pencatatan dan pelaporan sehingga program untuk penanggulangan demam berdarah berjalan dengan baik. Dan diharapkan kepada Dinas Kesehatan Provinsi Sumatera Utara agar memberikan pelatihan kepada Dinas Kabupaten/Kota terkait menangani bagian demam berdarah untuk meningkatkan Sumber Daya Manusia dalam menangani penanggulangan demam berdarah.
Kata Kunci : Demam berdarah, Time Series
ABSTRAC
Dengue hemorragic fever is a contagious disease becaused by Dengue virus and passed on by Aegepty mosquito bite. This disease attacks everyone and because death especially to children and thus creates plague.
This research purpose is to find outthe tendency of dengue hemorragic fever patient based on 2005-2009 City/Kabupaten’s data and forcast it for 2010-2014 period.
This research is using descriptive methode applying time series. The location of research was conducted in North Sumatera Province Health Departement. Collected data are secondary data which are the numbers of all dengue fever patients from 25 Cities/ Kabupaten in North Sumatera Province from 2005-2009 period.
Regretion test result shows that 17 cities/kabupaten have probability value >0.05 thus the forecast for the upcoming year was conducted by exponential smoothing method. Where as 8 other cities/kabupaten have <0.05 probability value there for the forcast of the five upcoming years was conductedon scale by using parabolic trend method.
Suggestion toward North Sumatera Utara Province Health Departement is to remind the City/Kabupaten Health Departement the importance of keeping track and records and updating it so that measurement step against DHF will run accordingly. Hopefully North Sumatera Province Health Departement will provide training programs for city Kabupaten Health Departement in order to face dengue hemoragic fever.
BAB I PENDAHULUAN
1.1Latar Belakang
Dengue yang disebabkan virus disebarkan oleh nyamuk Aedes (Stegomyia).
Selama dua dekade terakhir, frekuensi kasus dan epidemik penyakit demam dengue
(dengue fever), demam berdarah (dengue haemorragic fever) dan sindrome syok
dengue (dengue shock syndrome) menunjukan peningkatan yang dramatis di seluruh
dunia, disertai dengan peningkatan insiden penyakit tersebut.. The World Health
Report 1996 menyatakan bahwa kemunculan kembali penyakit infeksius merupakan
suatu peringatan bahwa kemajuan yang telah diraih sampai sejauh ini terhadap
keamanan dunia dalam hal kesehatan dan kemakmuran sia-sia belaka. (WHO, 2004)
Endemik Demam Dengue pertama dilaporkan terjadi secara simultan pada
tahun 1779 – 1780 di Asia, Afrika, Amerika Utara. Hal ini menunjukan bahwa virus
dari 200 tahun. Pandemik global mulai terjadi di Asia Tenggara sesudah perang dunia
kedua dan lebih meningkat selang 20 tahun terakhir ini. Di Asia Tenggara epidemik
DBD pertama terjadi pada tahun 1950-an. Namun sejak tahun 1975 penyakit ini
menjadi salah satu penyebab masuknya kerumah sakit dan kematian terutama pada
anak-anak. Pada tahun 1980-an perkembangan DBD yang kedua di Asia mulai terjadi
saat Sri Lanka, India, dan Kepulauan Maldive mengalami epidemik DBD pertama.
(Sembel, 2009).
Di Indonesia sejak dilaporkannya kasus Demam Berdarah Dengue (DBD)
pada tahun 1968 terjadi kecenderungan peningkatan insiden.(Soegijanto, 2004). Asia
menempati urutan pertama dalam jumlah penderita Demam Berdarah di tiap
tahunnya. Sementara itu, terhitung sejak tahun 1968 hingga tahun 2009. World
Health Organization (WHO) mencatat negara Indonesia sebagai negara dengan kasus
Demam Berdarah tertinggi di Asia Tenggara. Dari jumlah keseluruhan kasus tersebut,
sekitar 95% terjadi pada anak di bawah 15 thn. (Sembel, 2009)
Penyakit demam berdarah telah menyebar luas keseluruh wilayah Provinsi
Sumatera Utara sebagai Kejadian Luar Biasa (KLB) dengan angka kesakitan dan
kematian yang relatif tinggi. Berdasarkan KLB wilayah provinsi Sumatera Utara
dapat diklasifikasikan sebagai berikut :
a. Daerah endemis DBD : Kota Medan, Deli Serdang, Binjai, Langkat, Asahan,
b. Daerah Sporadis DBD : Kota Sibolga, Tanjung Balai, Kabupaten Simalungun,
Tapanuli Utara, Toba Samosir, Dairi, Tapanuli Tengah, Mandailing Natal, Padang
Sidempuan, Tapanuli Selatan, Labuhan Batu, Humbang Hasundutan, Pak-Pak
Bharat, Serdang Bedagai dan Samosir.
c. Daerah Potensial/ Bebas DBD : Kabupaten Nias dan Nias Selatan.
Berdasarkan Profil Dinas Kesehatan Provinsi Sumatera Utara Tahun 2010
jumlah kasus demam berdarah di seluruh provinsi sumatera utara pada tahun 2006
sebanyak 2251 kasus yang ditangani sebanyak 2251 kasus (100%), pada tahun 2007
sebanyak 4529 kasus yang ditangani sebanyak 4514 (99,67%), pada tahun 2008
sebanyak 4401 kasus yang ditangani sebanyak 4372 (99,34%), dan pada tahun 2009
sebanyak 4737 kasus yang ditangani sebanyak 4722 (99,68%).
Berdasarkan data-data demam berdarah tahun 2005-2009 penulis ingin
meneliti kecenderungan serta peramalan penderita penyakit demam berdarah tahun
2010-2014 di Provinsi Sumatera Utara yang berguna dalam membuat perencanaan
program pencegahan meningkatnya penderita demam berdarah yang dapat
berkontribusi terhadap angka kesakitan dan kematian.
1.2Rumusan Masalah
Tingginya jumlah penderita demam berdarah sehingga ingin diketahui trend
membuat perencanaan program khususnya bagian pengendalian masalah kesehatan
untuk menyusun kebijakan penanggulangan demam berdarah.
1.3Tujuan Penelitian 1.3.1 Tujuan Umum
Untuk mengetahui gambaran kecenderungan penderita demam berdarah tahun
2005 -2009 dan meramalkan penderita demam berdarah tahun 2010-2014 di Provinsi
Sumatera Utara.
1.3.2 Tujuan Khusus
Untuk mengetahui kecenderungan penderita demam berdarah berdasarkan
Kabupaten/Kota tahun 2005-2009 dan hasil ramalannya tahun 2010-2014
1.4 Manfaat Penelitian
1. Dapat dijadikan bahan masukan bagi Dinas Kesehatan Provinsi Sumatera Utara
khususnya bagian pengendalian masalah kesehatan dalam membuat perencanaan
program untuk menyusun kebijakan penanggulangan demam berdarah.
BAB II
TINJAUAN PUSTAKA
2.1 Demam Berdarah
2.1.1 Pengertian Demam Berdarah Dengue (DBD)
Demam Berdarah Dengue adalah penyakit menular yang disebabkan oleh
virus dengue dan ditularkan melalui gigitan nyamuk Aedes aegypti (Soegijanto,
2004). Demam Berdarah Dengue adalah penyakit demam yang diikuti pandarahan
dibawah kulit, selaput hidung dan lambung yang disebabkan oleh virus yang
ditularkan melalui nyamuk Aedes Aegypti. Penyakit ini menyerang semua orang dan
menyebabkan kematian, terutama pada anak serta sering menimbulkan wabah.
2.1.2 Penyebab Demam Berdarah Dengue (DBD)
Penyakit infeksi virus dengue adalah penyakit yang disebabkan oleh virus
dengue I, II, III dan IV yang ditularkan oleh nyamuk Aedes aegypti dan Aedes
albocpitus. Jika nyamuk menggigit orang dengan demam berdarah, maka virus
dengue masuk ke tubuh nyamuk bersama darah yang dihisapnya. Didalam tubuh
nyamuk virus berkembang biak dan menyebar keseluruh tubuh bagian nyamuk, dan
sebagian berada di kelenjar air liur. Selanjutnya waktu nyamuk menggigit orang lain,
air liur bersama virus dengue dilepaskan terlebih dahulu agar darah yang akan dihisap
tidak membeku, dan pada saat inilah virus dengue ditularkan ke orang lain.
(Soegijanto, 2004)
2.1.3 Patogenesis dan Patofisiologi
Patogenesis DHF (Dengue Hemorragic Fever) tidak begitu dipahami, tetapi
ada dua perubahan patofisiologik yang terjadi :
1. Meningkatnya permeabilitas pembuluh darah mengakibatkan kebocoran plasma,
hipovolemia, dan syok. DHF memiliki ciri yang unik karena kebocoran plasma
khusus ke arah rongga pleura dan peritoneum, selain itu periode kebocoran cukup
singkat (24-48 jam).
2. Hemostatis abnormal terjadi akibat vaskulopati, trombositopenia, sehingga terjadi
2.1.4 Tanda dan Gejala
1. Gejala klinis
a. Demam tinggi mendadak, tanpa sebab yang jelas berlangsung selama 2-7
hari
b. Terdapat Manifestasi perdarahan termasuk uji terniquet positif, peteki,
ekimosis, epistaksis, perdarahan gusi, hematemesis, melena.
c. Pembesaran hati
d. Perembesan plasma, yang ditandai secara klinis adanya acites dan efusi
pleura sampai terjadinya renjatan (ditandai nadi cepat dan lemah serta
penurunan tekanan nadi, hipotensi, kaki dan tangan dingin, kulit lembap dan
pasien tampak gelisah.
2. Tanda klinis
a. Trombositopenia (kurang dari 100.000/ υL).
b. Hemokonsentrasi, dapat dilihat peningkatan hematokrit 20% atau lebih,
menurut standar umur dan jenis kelamin. (Soegijanto, 2006)
DHF diklasifikasikan menjadi empat tingkatan keparahan, dimana derajat III
dan IV dianggap DSS. Adanya trombositopenia dengan disertai hemokonsentrasi
membedakan derajat I dan II DHF dari DF.
1. Derajat I
Demam disertai gejala-gejala umum yang tidak khas dan manifestasi perdarahan
spontan satu-satunya adalah uji tourniket positif atau mudah memar.
2. Derajat II
Gejala-gejala derajat I, disertai gejala-gejala perdarahan kulit spontan atau
manifestasi perdarahan yang lebih berat.
3. Derajat III
Didapatkan kegagalan sirkulasi, yaitu nadi cepat dan lemah, tekanan nadi
menyempit (< 20 mmHg), hipotensi, sianosis disekitar mulut, kulit dingin dan
lembab, gelisah.
4. Derajat IV
Syok berat (profound shock), nadi tidak dapat diraba dan tekanan darah tidak
terukur. (WHO, 1998)
2.1.6 Penatalaksanaan
Berdasarkan kenyataannya di masyarakat penatalaksanaan kasus DBD dibagi
menjadi 2, yaitu:
1. Kasus DBD yang memungkinkan untuk berobat jalan
2. Kasus DBD yang dianjurkan rawat tinggal yakni : kasus DBD derajat I dan II,
2.1.7 Pencegahan
Sampai saat ini belum ada vaksin yang efektif untuk mencegah penyakit
dengue.Vaksin virus dengue sedang dikembangkan di Thailand, tetapi masih
membutuhkan volunter manusia untuk uji coba. Adapun program pengendalian
Ae.aegepti yang terjangkau dan tahan lama adalah:
1. Manajemen Lingkungan
a. Modifikasi lingkungan : pengubahan fisik habitat larva yang tahan lama
b. Manipulasi lingkungan : pengubahan sementara habitat vektor yang
memerlukan pengaturan wadah yang penting dan yang tidak penting serta
manajemen atau pemusnahan tempat perkembangbiakan alami nyamuk.
c. Perubahan habitasi atau perilaku manusia dimana merupakan upaya untuk
mengurangi kontak antara manusia dan vektor.
2. Perlindungan diri
a. Pakaian pelindung, pakaian mengurangi resiko tergigit nyamuk jika pakaian
itu cukup tebal atau longgar.
b. Tikar, obat nyamuk bakar, aerosol. Produk insektisida untuk konsumsi
rumah tangga sudah banyak dipakai untuk perlindungan diri terhadap
c. Penolak serangga, merupakan sarana perlindungan diri terhadap nyamuk dan
serangga yang umum digunakan.
d. Insektisida untuk kelambu dan korden, kelambu yang diberi insektisida
kegunaannya sangat terbatas dalam program pengendalian penyakit dengue
karna spesies vektor menggigit disiang hari.
3. Pengendalian biologis
a. Ikan, ikan pemakan larva (Gambusia affinis dan Poecilia reticulata) sudah
semakin banyak digunakan untuk mengendalikan Ae.stephensi dan
Ae.aegypti di kumpulan air yang banyak atau di kontainer air yang besar di
negara-negara Asia Tenggara.
b. Bakteri, ada dua spesies bakteri penghasil endotoksin yaitu Bacillus
thuringiensis serotipe H-14 dan Bacillus sphaericus adalah agens yang
efektif untuk mengendalikan nyamuk.
c. Siklopoids, peran pemangsa yang dimainkan oleh copepod crustacea
(sejenis udang-udangan) ternyata dapat mempengaruhi 99,3% angka
kematian larva nyamuk Aedes.
d. Perangkap telur autosidal, perangkap yang diterapkan pemerintah Singapura
menunjukan hasil yang memuaskan sebagai alat pengendali dalam
pemberantasan nyamuk Ae.aegypti.
4. Pengendalian kimiawi :
a. Pemberian larvasida kimiawi, biasanya terbatas pada wadah air yang
digunakan di rumah tangga yang tidak dapat dihancurkan, dimusnahkan,
b. Pengasapan wilayah, metode ini melibatkan pengasapan droplet-droplet
kecil insektisida ke dalam udara untuk membunuh nyamuk dewasa.
5. Memberikan penyuluhan tentang 3M Plus
Metode yang di gunakan untuk mencegah Demam Berdarah adalah
Pemberantasan Sarang Nyamuk (PSN) melalui 3M Plus (Menguras, Menutup
dan Mengubur) Plus menabur larvasida dapat mencegah / memberantas nyamuk
Aedes berkembang biak. Angka Bebas Jentik (ABJ) sebagai tolok ukur upaya
pemberantasan vektor melalui Pemberantassan Sarang Nyamuk (PSN).
Pendekatan Demam Berdarah yang berwawasan kepedulian masyarakat
merupakan salah satu alternatif pendekatan baru (Depkes Lingkungan RI, 2006)
2.2 Peramalan
2.2.1 Pengertian Peramalan
Peramalan adalah upaya memperkirakan nila-nilai respon yang menjadi
perhatian dimasa depan.(Sugiarto dan Harijono, 2000)
Kegunaan peramalan untuk memprediksi masa depan berdasarkan data yang
dimiliki. (Baroroh, 2008).
Analisis terhadap masa lampau penting karena hal ini akan memberikan
kesempatan pada pengusaha untuk membuat ramalan yang lebih akurat untuk
aktivitas yang akan datang. Disamping itu juga akan meningkatkan keefektipan dari
grup data yang berbeda atau data yang sama dari periode yang berbeda. Hasil dari
analisa runut waktu bahkan meningkatkan efisiensi dalam mengambil keputusan.
(Kustituanto, 1998).
2.2.3 Jenis-jenis Peramalan
Secara garis besarnya peramalan dibedakan menjadi peramalan kualitatif dan
peramalan kuantitatif.
1. Peramalan kualitatif, yaitu peramalan yang didasarkan pada pengamatan
kejadian-kejadian dimasa sebelumnya yang digabungkan dengan instuisi maupun
ketajaman perasaan si peramal dalam menghasilkan suatu informasi yang
diperkirakan bakal terjadi di masa yang datang. Data historis yang ada menjadi
tidak begitu penting dalam teknik ini. Pada umumnya hasil peramalan kualitatif
juga berbentuk informasi kualitatif walaupun tidak selalu demikian. Peramalan
kualitatif terdiri dari dua yaitu metode eksplanatoris dan metode normatif.
2. Peramalan kuantitatif, yaitu peramalan yang menggunakan data kuantitatif yang
informasi kuantitaif maupun kualitatif. Teknik peramalan kuantitatif sangat
mengandalkan pada data historis yang dimiliki. Hasil peramalan kuantitatif
secara relatif lebih disukai karena memberikan pandangan yang lebih nyata dan
lebih objektif dalam besaran nilai hasil peramalannya. (Sugiarto dan Harijono,
2000)
Peramalan kuantitatif ini dipergunakan bila kondisi berikut dipenuhi :
a. Adanya informasi tentang masa lalu
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
c. Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus
bersambung sampai ke masa depan dan kondisi ini disebut asumsi yang konstan
(assumption of constancy).
Teknik kuantitatif ini biasanya dikelompokan menjadi dua yakni metode
Instuisi (Intuitive method) dan metode kuantitatif formal yang didasarkan pada
prinsip statistik. Metode instuisi menggunakan horisontal, musiman atau penyelidikan
trend yang didasarkan pada pengalaman empiris yang sangat luas. Metode kuantitatif
formal ini dapat dikelompokan ke dalam dua jenis peramalan yaitu : regresi (causal)
models dan time series. (Manurung, 1990)
1. Regresi (causal) models
Model regresi mempunyai asumsi bahwa dalam meramalkan masa datang
dengan menggunakan variabel lain yang mempunyai hubungan penyebab dengan
dependen sedangkan variabel yang lain disebut variabel independen. Yang termasuk
dalam teknik ini adalah teknik regresi sederhana, regresi berganda dan model input
output. (Manurung, 1990)
2. Time Series
Time series adalah peramalan di masa datang didasarkan pada nilai sebuah
variabel masa lalu atau kesalahan yang dilakukan sebelumnya. (Manurung, 1990)
Time series (data berkala) juga dapat diartikan sebagai kumpulan data statistik
yang merupakan hasil pengamatan setiap interval waktu tertentu. (Santoso, 2003)
Tujuan time series adalah meneliti pola data yang digunakan untuk
memprakirakan dan melakukan ekstrapolasi (perhitungan / pemrakiraan) di masa
yang akan datang. Tahapan yang penting dalam pemilihan metode time series yang
tepat yaitu membuat asumsi terhadap jenis bentuk data dan metode yang paling tepat
tersebut diuji terhadap data tersebut.
a. Bentuk data
1. Bentuk data horisontal / stasioner / ireguler
Gerakan ireguler disebabkan oleh faktor-faktor kebetulan atau faktor yang tidak
terduga sebelumnya. Gerakan ireguler ini biasanya muncul dalam jangka pendek
dan mengakibatkan terjadinya variasi dalam deret berkala.
Gambar 2.1 Data horisontal
2. Bentuk data musiman / Seasonal
Bentuk data musiman terjadi bila seriesnya dipengaruhi oleh faktor musiman
Gambar 2.2 Data Musiman
3. Bentuk data siklis
Pada prinsipnya gerakan siklis adalah gerakan disekitar garis trend, apakah
gerakan tersebut naik atau turun. Gerakan ini berlangsung lebih pendek dari trend
bisa teratur dengan pola tertentu atau tanpa pola.
Gambar 2.3 Bentuk Data Siklis
Trend atau bisa juga disebut trend sekuler adalah kecenderungan data untuk
jangka panjang, apakah meningkat, tetap atau menurun.
Gambar 2.4 Bentuk Data Trend
b. Metode-metode Time Series
Metode pemrakiraan dengan model time series dapat dijadikan dasar untuk
memprakirakan kejadian masa mendatang melalui serangkaian data historis.
Metode time series yang sering dipergunakan yaitu Metode Penghalusan
(Smoothing Method) dan Metode Dekomposisi (Decomposition Method).
(Manurung, 1990)
1. Metode Penghalusan (Smoothing Method)
Metode smoothing (metode pelicinan) merupakan teknik meramal dengan cara
mengambil rata-rata dari nilai beberapa periode yang lalu untuk menaksir nilai
pada periode yang akan datang. Yang termasuk dalam teknik ini adalah metode
Metode rata-rata bergerak (Moving Averages) adalah upaya untuk
memuluskan data sebuah time series sehingga faktor siklis, musiman dan random bisa
dihilangkan atau diminimalisasi dampaknya sehingga akhirnya didapat sebuah trend
data. Adanya faktor siklis dan musiman membuat data sebuah time series berfluktuasi
atau jika ditampilkan dalam sebuah grafik data akan tampak bergelombang. Dengan
melakukan rata-rata bergerak maka diharapkan data hasil moving averege tersebut
menjadi lebih smooth sehingga fluktuasi data akan bisa dikurangi. Pada prinsipnya
moving averege adalah menghitung rata-rata data untuk n periode yang saling
sambung-menyambung antar data time series. (Santoso, 2003)
Keterangan :
n = jumlah perioda
dt = demand pada bulan ke t
• Exponential Smothing berusaha untuk memperbaiki suatu prakiraan
berdasarkan pengalaman-pengalaman baru secara terus menerus.
(Setiadi, 2003). Metode exponential smoothing merupakan pengembangan
dari metode moving averege. Metode pemulusan eksponensial terkadang lebih
efisien dibandingkan dengan moving averege dalam kaitannya dengan
kemampuannya untuk mengitung sebuah nilai pemulusan untuk setiap
n
d
MA
n
1 t
t
n
∑
=pengukuran respon. Dua metode dalam exponential smoothing diantaranya
single exponential smoothing dan double exponential smoothing. Single
exponensial bobot yang diberikan pada data yang ada adalah sebesar α untuk
data terbaru , α(1- α) untuk data yang lama, α(1- α)2 untuk data yang lebih
lama dan seterusnya. Besarnya α adalah antara 0-1. Semakin mendekati 1
berarti data terbaru lebih diperhatikan. Secara matematis forcast adalah :
Keterangan:
Ft+1 = Ramalan untuk periode berikutnya
Dt = Demand aktual pada periode t
Ft = Peramalan yg ditentukan sebelumnya untuk periode t
a = Faktor bobot
Pada metode Single exponensial smoothing proses penentuan ramalan dimulai
dengan menentukan besarnya alpha secara trial dan error sampai ditemukan α yang menghasilkan forecast error terkecil. (Gitosudarmo dan Najmudin, 2001)
t t
t
D
F
Didalam metode Double Exponential Smoothing dilakukan proses smoothing
(pemulusan) dua kali. Untuk mempermudah perhitungan, ikutilah
tahapan-tahapan berikut ini :
1. Carilah besarnya nilai smoothing yang pertama, yaitu dengan rumus
S’t= aXt+(1-a) S’t−1
2. Carilah besarnya nilai smoothing yang kedua, dengan memperhatikan
besarnya nilai smoothing pertama yaitu dengan rumus
S” t= aS’t+(1-a) S’’t−1
3. Carilah besarnya nilai atdengan menggunakan rumus
at = 2S’t+ S” t
4. Carilah besarnya nilai bt dengan menggunakan rumus
bt = α α
−
1 (S’t-S’’t)
5. Lakukanlah perhitungan forecastnya dengan memasukkan besarnya nilai at
dan bt sehingga diperoleh
Ft+m = at+ bt (m)
Besarnya α antara 0 sampai dengan 1 dicari dengan trial dan error.
(Setiadi, 2003)
2. Dekomposisi
Tujuan analisis dekomposisi adalah mengekstrak komponen deret waktu menjadi
sub-sub pola, bukan pola dasar. Keuntungan melakukan dekomposisi ini antara
lain adalah adanya ramalan jangka panjang (trend) dan ramalan jangka pendek
(musim). (Sugiarto dan Harijono,2000)
Metode ini digunakan dengan terlebih dahulu membagi atau melakukan
pemecahan kedalam 4 pola, yaitu : Trend (T), Fluktuasi Musim (M), Fluktuasi
Siklis (S) dan perubahan yang bersifat Random (R). Masing-masing pola tersebut
diketahui nilainya dulu, kemudian bersama-sama menentukan besarnya forcast
atau proyeksi dimasa yang akan datang. Secara matematis proyeksi (X) pada
waktu yang akan datang adalah (Gitosudarmo dan Najmudin, 2001).
Persamaan pendekatan dekomposisi :
X = T x M x S x R
Dimana :
R = nilai deret berkala pada periode
T = komponen Trend pada periode
S = komponen siklus pada periode
Et = komponen kesalahan
a. Trend adalah rata-rata perubahan dalam jangka panjang. Trend menggambarkan
perilaku data dalam jangka panjang yang dapat meningkat, menurun atau
konstan. Bila data yang ada menunjukan kenaikan maka trend tersebut
menunjukan trend positif, bila menunjukan penurunan maka trend tersebut
menunjukan trend negatif. Ada beberapa metode yang bisa digunakan untuk
menentukan trend yaitu trend linier, trend parabolik, dan trend exponential.
1. Trend Linier
Yang dimaksud dengan trend linier adalah merupakan model persamaan garis
lurus yang berbentuk berdasarkan titik-titik diagram pencar dari data selama
kurun waktu tertentu. Model trend biasa digunakan untuk memprediksi suatu
persoalan (membuat ramalan jangka panjang), adapun bentuk umum dari model
trend linier ini dinyatakan dengan persamaan Yt = a + bx
Yt = Nilai trend untuk setiap unit x
x = Unit waktu tertentu
a = intercept ( nilai trend Yt pada saat x = 0)
(Supangat, 2008)
2. Trend Parabolik
Trend parabolik adalah trend yang nilai variabel tak bebasnya naik atau turun
tidak secara linier atau terjadi secara parabola bila datanya dibuat scatter
diagramnya. (Manurung, 1990). Persamaan parabolik tersebut secara berikut :
Y = a + bX + cX2
1. ∑Y = n.a + c∑X2
2. ∑XY = b∑X2
3. ∑X2Y = a∑X2 + c∑X4
Untuk mencari nilai a dan c menggunakan persamaan (1) dan (3), sedangkan
nilai b menggunakan persamaan (2).
b. Variasi Musiman
Variasi atau gelombang musim merupakan variasi pasang surut yang terulang
adalah metode rata-rata sederhana, metode persentase terhadap trend dan metode
persentase terhadap rata-rata bergerak.
c. Variasi Siklis
Variasi siklis merupakan perubahan sesuatu hal yang berulang kembali lebih dari
satu tahun. Variasi siklis dinyatakan dalam bentuk indeks siklis .
d. Variasi Random
Variasi random merupakan perubahan suatu hal yang dapat terjadi secara
tiba-tiba dan sukar diperkirakan. (Gitosudarmo dan Najmudin, 2001)
2.2.4 Pemilihan Teknik Peramlan
Pemilihan teknik peramalan yang akan digunakan dipengaruhi oleh 4 aspek,
yaitu pola atau karakteristik data, jangka waktu, biaya dan tingkat akurasi yang
diinginkan.
Pola atau karakteristik data merupakan aspek utama yang sangat berpengaruh
terhadap pemilihan teknik peramalan. Suatu data yang memiliki pola trend (naik
turun) akan lebih tepat bila di-forecast dengan teknik dekomposisi. Sedangkan data
yang memiliki pola fluktuatif akan lebih tepat bila di-forecast dengan teknik
smoothing.
2.3Alur Penelitian
Penderita Penyakit Demam Berdarah Dengue Tahun 2005-2009
Kecenderungan
BAB III
METODE PENELITIAN
3.1Jenis Penelitian
Metode penelitian deskriptif (merupakan prosedur untuk membuat ikhtisar,
menata, membuat grafik, dan secara umum menggambarkan informasi kuantitatif)
dengan menggunakan rangkaian berkala (time series). (Murti, 1997)
3.2Lokasi dan Waktu Penelitian
Lokasi penelitian di lakukan di Dinas Kesehatan Provinsi Sumatera Utara
sejak bulan Oktober-Desember 2010.
3.3Metode Pengumpulan Data
Data yang dikumpulkan adalah data sekunder yaitu jumlah penderita penyakit
demam berdarah di Dinas Kesehatan Provinsi Sumatera Utara tahun 2005 sampai
dengan 2009.
Populasi dan Sampel adalah data penderita penyakit demam berdarah dari
tahun 2005 sampai dengan 2009 di Dinas Kesehatan Provinsi Sumatera Utara.
3.5Defenisi Operasional
1. Penderita penyakit demam berdarah
Adalah jumlah penderita yang tercatat pada laporan pada tahun 2005-2009.
2. Faktor Trend
Pemilihan trend yang akan digunakan dipengaruhi oleh 4 aspek, yaitu pola atau
karakteristik data, jangka waktu, biaya dan tingkat akurasi yang diinginkan.
3.6Analisa Data
Data yang telah dikumpulkan kemudian dilakukan uji regresi untuk melihat
hubungan signifikan antara waktu dengan jumlah penderita demam berdarah.
Hubungan signifikan tersebut dinyatakan dengan nilai probabilitas <0,05. Terhadap
data yang ada hubungan signifikan (Sig<0.05) data diramalkan selama 5 tahun
kedepan dengan menggunakan analisis time series dengan menghitung nilai trend.
Sedangkan data yang tidak terdapat hubungan signifikan (>0.05) data hanya
diramalkan satu tahun kedepan dengan metode double exponential smoothing dimana
alpha yang digunakan adalah yang memiliki nilai Mean Squared error terkecil. Data
BAB IV
HASIL PENELITIAN
4.1 Gambaran Umum Provinsi Sumatera Utara 4.1.1 Letak Geografis
Provinsi Sumatera Utara berada dibagian barat Indonesia, terletak pada garis
1° - 4° Lintang Utara, dan 98° - 100° Bujur Timur. Sebelah Utara berbatasan dengan
Provinsi Nanggroe Aceh Darussalam (NAD), sebelah Timur dengan Negara Malaysia
dan selat Malaka, sebelah Selatan berbatasan dengan Provinsi Riau dan Sumatera
Barat, dan disebelah Barat berbatasan dengan Samudra Hindia.
Luas daratan Provinsi Sumatera Utara adalah 71680,68 km² sebagian besar
berada didaratan pulau Sumatera dan sebagian kecil di Pulau Nias, pulau-pulau Batu,
serta beberapa pulau kecil baik dibagian barat maupun bagian timur pantai pulau
Sumatera. Berdasarkan luas daerah menurut kabupaten/kota di Sumatera Utara luas
daerah terbesar adalah Kabupaten Mandailing Natal dengan luas 6620,70 km² atau
sekitar 9,24% dari total luas Sumatera Utara, diikuti Kabupaten Langkat dengan luas
6263,29 km² (8,74%) kemudian kabupaten Simalungun dengan luas 4386,60 km²
(6,09%). Sedangkan luas daerah terkecil adalah Kota Sibolga dengan luas 10,77 km²
(0,02%) dari total luas wilayah Sumatera Utara. Berdasarkan kondisi letak dan
kondisi alam, Sumatera Utara dibagi dalam 3 (tiga) kelompok wilayah yaitu Pantai
Barat, Dataran Tinggi dan Pantai Timur. Secara administratif, Sumatera Utara pada
tahun 2009 memiliki 33Kab/ Kota yaitu 8 Kota dan 25 Kabupaten.(Dinkes
4.1.2 Kependudukan
Sumatera Utara merupakan Provinsi keempat yang terbesar jumlah
penduduknya di Indonesia setelah Jawa Timur, Jawa Barat dan Jawa Tengah.
Berdasarkan Badan Pusat Statistik Provinsi Sumatera Utara pada tahun 2009 tercatat
sebesar 13.248.386 jiwa dengan tingkat kepadatan penduduk sebesar 184,83 per km².
Penduduk laki-laki di Sumatera Utara lebih sedikit dibandingkan perempuan,
berdasarkan sex ratio jumlah penduduk Sumatera Utara pada tahun 2009 berjenis
kelamin perempuan sebanyak 6.654.268 jiwa dan laki-laki 6.594.118 jiwa, berarti sex
ratio sebesar 99,10%.(Dinkes Pemprovsu, 2009)
4.1.3 Umur
Komposisi penduduk Sumatera utara menurut kelompok umur menunjukan
bahwa penduduk yang berusia muda (0-14) sebesar 32,65% yang berusia produktif
(15-64tahun) sebesar 62,8% dan yang berusia tua (>65tahun) sebesar 4,55%. Dengan
demikian maka Angka Beban Tanggungan (Dependency Ratio) penduduk Sumatera
Utara tahun 2009 sebesar 59,23%. Angka ini mengalami kenaikan dibandingkan
tahun 2008 sebesar 55,53%.(Dinkes Pemprovsu, 2009)
4.1.4 Pendidikan
Dari hasil survei Angkatan Kerja Nasional bulan Agustus 2008 dapat dilihat
tingkat pendidikan angkatan kerja berumur 15 tahun keatas di Sumatera Utara yang
tidak pernah sekolah 1,95%, tidak tamat SD 10,81%, tamat SD 27,90% , tamat SMP
menggambarkan bahwa tingkat pendidikan angkatan kerja di Sumatera Utara
sebagian besar masih berpendidikan SD kebawah. Kemampuan membaca dan
menulis tercermin dari Angka Melek Huruf yaitu persentase penduduk usia 10 tahun
keatas yang dapat membaca dan menulis huruf latin dan huruf lainnya. Kondisi tahun
2008 persentase penduduk Sumatera Utara yang melek huruf 97,08%. Persentase
penduduk berumur 10 tahun keatas yang melek huruf per Kab/ Kota tahun 2009 tidak
bergambar dengan jelas karena datanya tidak lengkap.(Dinkes Pemprovsu, 2009)
4.2 Jumlah penderita demam berdarah Tahun 2005-2009 dan hasil ramalannya tahun 2010-2014
4.2.1 Penderita demam berdarah Provinsi Sumatera Utara
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
Tabel 4.1 Distribusi penderita demam berdarah di Provinsi Sumatera Utara
Tahun Sumatera Utara
2005 5268
2006 2324
2007 4487
2008 4857
2009 5239
Jumlah 22175
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.021(<0.05). Artinya ada hubungan secara linier antara waktu dengan jumlah
metode trend dengan persamaan Y = 3740.8+(247.5)X+(347.1)X². Persamaan
tersebut dimaksudkan untuk meramal jumlah penderita demam berdarah tahun
2010-2014 di Provinsi Sumatera Utara. Hasil perhitungannya menunjukan peningkatan tiap
tahunnya seperti terlihat pada tabel berikut :
Tabel 4.2 Peramalan jumlah penderita demam berdarah di Provinsi Sumatera Utara
Tahun Hasil peramalan
2010 7607
2011 10284
2012 13655
2013 17721
2014 22481
Jumlah 71748
Peramalan jumlah penderita demam berdarah di Provinsi Sumatera Utara
terjadi peningkatan setiap tahunnya. Seperti terlihat di gambar berikut ini :
Gambar 4.1 Hasil peramalan Provinsi Sumatera Utara dengan menggunakan metode trend
0 5000 10000 15000 20000 25000
4.2.2 Penderita demam berdarah Kota Medan
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
Tabel 4.3 Distribusi penderita demam berdarah di Kota Medan
Tahun Medan
2005 1923
2006 1376
2007 1927
2008 1703
2009 1949
Jumlah 8878
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.423(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.6 karena
memiliki nilai squared error yang paling kecil. dimana at = 1827.198 dan bt =
(-0.73026) maka didapat persamaan Ft + m = 1911.079 + (68.84928)m. Maka hasil
ramalan untuk tahun 2010 adalah sebanyak 1980 penderita. Peramalan jumlah
penderita demam berdarah di Kota Medan terjadi peningkatan. Seperti terlihat di
Gambar 4.2 Hasil peramalan Kota Medan dengan menggunakan metode exponential smoothing
4.2.3 Penderita demam berdarah Kota Tebing Tinggi
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
Tabel 4.4 Distribusi penderita demam berdarah di Kota Tebing Tinggi
Tahun Tebing Tinggi
2005 326
2006 66
2007 392
2008 170
2009 205
Jumlah 1159
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.957(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.6 karena
0 500 1000 1500 2000 2500
memiliki nilai error yang paling kecil. dimana at = 199.6688 dan bt = (-18.9648)
maka didapat persamaan Ft + m = 199.6688 + (-18.9648)m. Maka hasil ramalan
untuk tahun 2010 adalah sebanyak 180 penderita.
Peramalan jumlah penderita demam berdarah di Kota Tebing Tinggi terjadi
penurunan. Seperti terlihat di gambar berikut ini :
Gambar 4.3 Hasil peramalan Kota Tebing Tinggi dengan menggunakan metode exponential smoothing
4.2.4 Penderita demam berdarah Kabupaten Deli Serdang
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
Tabel 4.5 Distribusi penderita demam berdarah di Kabupaten Deli Serdang
Tahun Deli Serdang
2005 483
2006 199
2007 296
2008 325
2009 458
Jumlah 1761
0 50 100 150 200 250 300 350 400 450
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.703(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena
memiliki nilai error yang paling kecil. dimana at = 413.0625 dan bt = (23.1875) maka
didapat persamaan Ft + m = 413.0625 + (23.1875)m. Maka hasil ramalan untuk tahun
2010 adalah sebanyak 436 penderita
Peramalan jumlah penderita demam berdarah di Kabupaten Deli Serdang
terjadi penurunan. Seperti terlihat di gambar berikut ini :
Gambar 4.4 Hasil peramalan Kabupaten Deli Serdang dengan menggunakan metode exponential smoothing
4.2.5 Penderita demam berdarah Kabupaten Langkat
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
0 100 200 300 400 500 600
Tabel 4.6 Distribusi penderita demam berdarah di Kabupaten Langkat
Tahun Langkat
2005 98
2006 39
2007 92
2008 199
2009 96
Jumlah 524
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.150(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena
memiliki nilai error yang paling kecil. dimana at = 121.375 dan bt = (3.5625) maka
didapat persamaan Ft + m = 121.375 + (3.5625)m. Maka hasil ramalan untuk tahun
2010 adalah sebanyak 125 penderita.
Peramalan jumlah penderita demam berdarah di Kabupaten Langkat terjadi
Gambar 4.5 Hasil peramalan Kabupaten Langkat dengan menggunakan metode exponential smoothing
4.2.6 Penderita demam berdarah Kabupaten Asahan
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
Tabel 4.7 Distribusi penderita demam berdarah di Kabupaten Asahan
Tahun Asahan
2005 75
2006 38
2007 72
2008 66
2009 95
Jumlah 346
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.665(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena
0 50 100 150 200 250
memiliki nilai error yang paling kecil. dimana at = 87.5625 dan bt = (7.5) maka
didapat persamaan Ft + m = 87.5625 + (7.5)m. Maka hasil ramalan untuk tahun 2010
adalah sebanyak 95 penderita.
Peramalan jumlah penderita demam berdarah di Kabupaten Asahan
mengalami jumlah yang tetap. Seperti terlihat di gambar berikut ini :
Gambar 4.6 Hasil peramalan Kabupaten Asahan dengan menggunakan metode exponential smoothing
4.2.7 Penderita demam berdarah Kabupaten Labuhan Batu
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut
Tabel 4.8 Distribusi penderita demam berdarah di Kabupaten Labuhan Batu
Tahun Labuhan Batu
2005 71
2006 6
2007 63
2008 47
2009 8
Jumlah 195
0 20 40 60 80 100
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.366(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena
memiliki nilai error yang paling kecil. dimana at = 17.25 dan bt = (-11.1875) maka
didapat persamaan Ft + m = 17.25+ (-11.1875)m. Maka hasil ramalan untuk tahun
2010 adalah sebanyak 6 penderita
Peramalan jumlah penderita demam berdarah di Kabupaten Labuhan Batu
terjadi penurunan. Seperti terlihat di gambar berikut ini :
Gambar 4.7 Hasil peramalan Kabupaten Labuhan Batu dengan menggunakan metode exponential smoothing
4.2.8 Penderita demam berdarah Kabupaten Simalungun
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
0 10 20 30 40 50 60 70 80
Tabel 4.9 Distribusi penderita demam berdarah di Kabupaten Simalungun
Tahun Simalungun
2005 189
2006 72
2007 231
2008 397
2009 307
Jumlah 1196
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.803(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena
memiliki nilai error yang paling kecil. dimana at = 332.125 dan bt = (34.1875) maka
didapat persamaan Ft + m = 332.125 + (34.1875)m. Maka hasil ramalan untuk tahun
2010 adalah sebanyak 366 penderita
Peramalan jumlah penderita demam berdarah di Kabupaten Simalungun
terjadi peningkatan. Seperti terlihat di gambar berikut ini :
Gambar 4.8 Hasil peramalan Kabupaten Simalungun dengan menggunakan metode exponential smoothing
0 100 200 300 400 500
4.2.9 Penderita demam berdarah Kabupaten Tapanuli Utara
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
Tabel 4.10 Distribusi penderita demam berdarah di Kabupaten Tapanuli Utara
Tahun Tapanuli Utara
2005 0
2006 8
2007 17
2008 25
2009 16
Jumlah 66
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.087(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.4 karena
memiliki nilai error yang paling kecil. dimana at = 19.67488 dan bt = (2.75712) maka
didapat persamaan Ft + m = 19.67488 + (2.75712)m. Maka hasil ramalan untuk tahun
2010 adalah sebanyak 22 penderita.
Peramalan jumlah penderita demam berdarah di Kabupaten Tapanuli Utara
Gambar 4.9 Hasil Peramalan Kabupaten Tapanuli Utara dengan menggunakan metode exponential smoothing
4.2.10 Penderita demam berdarah Kabupaten Toba Samosir
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
Tabel 4.11 Distribusi penderita demam berdarah di Kabupaten Toba Samosir
Tahun Toba Samosir
2005 27
2006 17
2007 17
2008 19
2009 25
Jumlah 105
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.854(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena
0 5 10 15 20 25 30
memiliki nilai error yang paling kecil. dimana at = 22.875 dan bt = (0.75) maka
didapat persamaan Ft + m = 22.875 + (0.75)m. Maka hasil ramalan untuk tahun 2010
adalah sebanyak 24 penderita
Peramalan jumlah penderita demam berdarah di Kabupaten Toba Samosir
terjadi penurunan. Seperti terlihat di gambar berikut ini :
Gambar 4.10 Hasil peramalan Kabupaten Toba Samosir dengan menggunakan metode exponential smoothing
4.2.11 Penderita demam berdarah Kabupaten Tapanuli Tengah
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
Tabel 4.12 Distribusi penderita demam berdarah di Kabupaten Tapanuli Tengah
Tahun Tapanuli Tengah
2005 0
2006 10
2007 8
2008 8
2009 22
Jumlah 48
0 5 10 15 20 25 30
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.073(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.4 karena
memiliki nilai error yang paling kecil. dimana at = 17.6512 dan bt = (3.2768) maka
didapat persamaan Ft + m = 17.6512+ (3.2768)m. Maka hasil ramalan untuk tahun
2010 adalah sebanyak 21 penderita.
Peramalan jumlah penderita demam berdarah di Kabupaten Tapanuli Tengah
terjadi penurunan. Seperti terlihat di gambar berikut ini :
Gambar 4.11 Hasil peramalan Kabupaten Tapanuli Tengah dengan menggunakan metode exponential smoothing
4.2.12 Penderita demam berdarah Kabupaten Tapanuli Selatan
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
0 5 10 15 20 25
Tabel 4.13 Distribusi penderita demam berdarah di Kabupaten Tapanuli Selatan
Tahun Tapanuli Selatan
2005 2
2006 0
2007 11
2008 3
2009 6
Jumlah 22
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.178(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.6 karena
memiliki nilai error yang paling kecil. dimana at = 5.75552 dan bt = (0.49248) maka
didapat persamaan Ft + m = 5.75552 + (0.49248)m. Maka hasil ramalan untuk tahun
2010 adalah sebanyak 6 penderita.
Peramalan jumlah penderita demam berdarah di Kabupaten Tapanuli Selatan
Gambar 4.12 Hasil peramalan Kabupaten Tapanuli Selatan dengan menggunakan metode exponential smoothing
4.2.13 Penderita demam berdarah Kabupaten Mandailing Natal
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :
Tabel 4.14 Distribusi penderita demam berdarah di Kabupaten Mandailing Natal
Tahun Mandailing Natal
2005 0
2006 0
2007 0
2008 9
2009 0
Jumlah 9
Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar
0.174(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah
penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode
exponential smoothing. Peramalan metode exponential smoothing dengan
menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena
0 2 4 6 8 10 12
memiliki nilai error yang paling kecil. dimana at = 2.25 dan bt = (0) maka didapat
persamaan Ft + m = 2.25+ (0)m. Maka hasil ramalan untuk tahun 2010 adalah
sebanyak 2 penderita.
Peramalan jumlah penderita demam berdarah di Kabupaten Mandailing Natal
adalah tetap. Seperti terlihat di gambar berikut ini
Gambar 4.13 Hasil peramalan Kabupaten Mandailing Natal dengan menggunakan metode exponential smoothing
4.2.14 Penderita demam berdarah Kabupaten Nias
Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun
2005-2009 terlihat pada tabel berikut :
Tabel 4.15 Distribusi penderita demam berdarah di Kabupaten Nias
Tahun Nias
2005 0
2006 2
2007 0
2008 2
2009 19
Jumlah 23
0 2 4 6 8 10