[
616.9792
Inde
ESTIMASI JUMLAH
POPULASI KUNCI
ERDAMPAK HIV·
TAHUN2012
ESTIMASI JUMLAH
OPULASI KUNCI
TERDAMPAK HIV
TA UN2012
GlOSARIUM
.\ I. \ f .\S;UI/ I-.pidl'lJIit' .\furiel
l) , , Badan |Zセiイォッエゥォ、@ I G@ LL セゥー ャ Q」|Q@
BP S Badan I)llsat St,ltistik
C I COlifidclicc IizlclTli 1 (Interv,11 k ey" kin<ln )
C I'A Lvi Clouol FU lld A I f)S /'uiJl'rcu/t) ::: is .'vI a/drili
HCPI H I V Coopera tio n Prognllll Indollc'sio
H I V Hu nlc111 1m mU l1odetioellc), \'i J'lIS
Kemenkes Kementerian Kesehalan
KPAD Komisi Penanggulangan AIDS Daerah
KPAl\' Komisi Penanggulangan AII ):-, Nasion,,] KPA P Komisi Penanggulang,lIl A I j)S Prmil1si
r.SL Laki-Laki berhubungan Seks dengan Laki-Laki
r.Sivl LC lllbaga Swad(\\'a L| ャ。 ウケH|イ。ォセャエ@
ODHA )rangdengan HIV / A[[) S
PenaslIn Penggllna Napza Suntik
PKBI Persatuan Keluarga BerenC<\I\(\ Indon esia
PKT PoplIlasi KlInci TerdaJ1lpak
PODFS Sur ve i Potensi Des,l
PI)AN Program Penanggui,\I1gdn AIDS Nas ional (S ub Direktorat AIDS dan PMS. Kementerian Kesehatan Republik Indonesia)
STBP Surveilans Terpadu Bio]ogis dan Perilaku
SUM I/f Hl Scaling Up al Most £It risk populotion/ Famil)' Health Internati onal
UNAIDS joint United Nations Progmmme 0 11 H/\ '/AIDS
WHO World Health Organization
\V PS \.v'1I1ita Pcknja s」ォセ@
WPSL Wan ita Pekerja Seks Langsung
vVPSTL Wanita Pekerj<l Seks Tidak Langsung
KATA PENGANTAR
Perkembangan epidemi HIV-AIDS di dunia telah l11enjadi masalah global termasuk di Indonesia. Laporan kasus banI terus l11eningkat setiap tahunnya , l1al11un sulit untllk mengetahl1i jumlah infeksi HIV yang sehenarnya ada. Untuk l11emahal11i epidem i yang terjad i di Indonesia, l11aka perlll dilakl1 kan perh itungan esti ll1asi jllJ11ia h populasi kunci terdampak HIV AIDS. Estil11asi jumlah populasi kunci merupakan kunci untuk l11emahal11i potensi epidemi dalam suatu area, memperkirakan lx'ban dari suatu penyakit, dan l11enyusun prioritas yang sesuai dalam l11erespoJl epidemi HI\'IAIDS.
Kel11enterian Kesehatan telah melakukan beberapa kali estimasi, yakni pada tahun
2002, 2004,2006 dan yang terakhir pada tahun 2009. Buku Estimasi Jurnlah Popl1lasi
Kl1nci HIV Tahun 2012 in i merupakan pel11baharuan estil11asi dari laporan Estim,lsi Populasi Dewasa Ra\\'an Terinteksi HIV 2009 yang diterbitkan oleh Kel11enteri an Kesehatan pada tahun 2010. Buku ini menggambarkan situasi yang kOl11prehensif dan dapat dipaham i terkait dengan jumlah populasi kelompok terdampak hingga ke tingkat kabllpaten/kota.
Data yang digunakan diperoleh dari berbagai instansi, antara Kel11enterian Kesehatan, Kemenkumham, Badan Pusat Statistik, KepoJisian, Komisi Pengendalian AIDS Nasional, Komisi Pengendalian AIDS Daerah, Dinas Kesehatan, Dinas Sosiai, Dinas Pariwisata, Lembaga Swadaya Masyarakat, dan Jaringan Organisasi, serla hasil dari Survei Surveilans Terpadu Biologis dan Perilaku (STBP), Survei Potensi Desa (PODES), dan Sero Surveilans HIV.
Hasil perhitungan estimasi tahun 2009 memperkirakan antara 5,18,1 juta orang dengan nilai tengah 6,3 juta orang paling berisiko tertular HIV di Indonesia di luar populasi umum di Tanah Papua. Estimasi 2009 juga menghasilkan estimasi jumJah ODHA Llsia 1549 tahun berkisar antara 132287 ribu orang dengan nilai tengah 11:)6
ribu. Hasil estil1lasi tahun 2009 ini menunjukkan sebagian suppopulasi rawan dan ODHA yang lebih rendah dari estimasi yang dilakukan sebeJumnya pada tahun 2006.
Hasil estimasi pada tahun 2012 menllnjukkan bahwa terdapat 7,410,2 juta orang dengan nilai tengah sekitar 8,8 juta orang kelol11pok populasi kunci. Hasil estimasi ini kemudian dimasukkan dalam perhitungan estimasi dan proyeksi HIV/ AIDS di Indonesia Tahun 20112016.
Proses estil1lasi jumlah populasi kunci ini telah l1lelalui proses yang panjang dan kompleks dengan melibatkan berbagai mitra terkait. Metodologi dan hasil estimasi ini telah direview oleh sekelompok ahli dan dipaparkan pada pemangkll kepentingan. Hasil review menyatakan bahwa dengan segala keterbatasan yang ada dalam perhitungan estim8si ini, maka hasil ini merupai<.an hasil yang terbaik yang dapat diperoleh dengan data-data yang tersedia pada saat perhitllngan ini dilakukan .
Kami menyampaikan penghargaan setinggi-tingginya kepad<l semua pihak <ltas
perhatian, bantllan dan kontribllsinya dalam penYLlSUI1,1n, pelaksanaan, dan penyempurnaan kegiatan estimasi ini.
Semoga bllku ini bermanfaat dalam program pengendalian HIV AIDS, tidak hanya untuk Kementerian Kesehatan, namun juga untuk seluruh mitra kerja pengendalian [·-BV AIDS.
Jakarta. Maret 2014 Direktur Jenderal PP dan PL.
Prof dr. Tjandra Yoga Adit<lllla
NIP 1955090319
-
Pengarah : dr. H. M. Subuh. MPPM Penanggung Jawab : dr. Siti Nadia Tarmizi. M. EpidKoordinator : Naning Nugrahini. SKM. MKM
Tim Penulis:
• Ari Wulan Sari (Subdit AIDS & PMS, Kemenkes RI) • Baytl Tarllno (Subdit AIDS & PMS, Kemenkes RI) • Carmelia Basri (Konsultan)
• Dimas Wicaksono (SUM lIFHI)
• Endang BlIdi Hastuti (Subdit AIDS & PMS, Kemenkes RI) • Fatc haNlIraliyah (Subdit AIDS & PMS, Kemenkes RI) • Fetty Wijayanti (VVHO)
• Kuntoro (Konsultan WHO/UNAIR)
• Naning Nugrahini (Subdit AIDS & STD, [(emenkes Rl) • NlIrholis Majid (SUM lIFHI)
• Riris Andono (Konsultan SUM lIFHIIUGM) • Rizk)' Hasb)' (Subdit AIDS & STD, Kemenkes RI) • Robert Magnani (SUM lIFHl)
• Tobi Saidel (Konsultan SUM lIFHIIPEMA) • Yin)' Sutriani (Subdit AIDS & STD, Kemenkes RI) • Yulia Rachma (Subdit AIDS & STD, Kemenkes RI)
Peer Expert Review
• Anak Agung Sawitri (Universitas Uda)'ana) • Asha Basnyat (FHI)
• Cho Kah Sin (UNA IDS) • Irawati Atmosukarto (KPAN)
• Jesus Maria Garcia Calleja (WHO-HQ) • Kuntoro (Universitas Airlangga) • Lely Wahyuniar (UNAIDS) • Oscar Barreneche (WHO)
• Tobi Saidel (KonsultanAusaid/PEMA) • Wiwat Peerapatanapokin (EWc/UNAIDS) • Wenita Indrasari (KPAN)
Editor
• Viny Sutriani • Fetty Wijayanti • Tobi Saidel
DAFTAR lSI
Closarium ... ... .
Kata Pengantar ... ... ... .. ... ... ... .. ... .. ... ... ... ... ... .. II
Daftar Kontributor ... IV
Daftar lsi ... ... V
Ringkasan Eksekutif ... ... ... .. .... .. ... ... ... ... ... ... .. ... .. ... ... VI
I. Latar Belakang ... 1
II. Metode ... 2
2.1. Def1nisi Populasi Kunci Terdampak (PKT) HIV ... 2
2.2. Gambaran Umum Metodologi ... .. ... .. 2
2.3. Langkah-Iangbh dalam proses estimasi ... 4
2.3.1. Menyusun data estimasi berbasis pemetaan ... ... ... 4
2.3.2. Pemilihan dan pembersihan data ... 5
2.3.3. Pemilihan prediktor ... 7
2.3.4. Mengembangkan model regresi untuk setiap kelompok PKT.... 9
2.3.5. Menyesuaikan estimasi jumlah PKT di tingkat provinsi dan nasional .... ... ... ... ... ... ... ... ... ... ... ... 12
2.4. Menyesuaikan estimasi untuk sub-populasi LSL dan penasun yang tersembunyi ... ... ... ... ... .. ... 12
2.5. Mengestimasi jumlah pelanggan WPS dan Waria ... 14
2.6. Mengestimasi ketepatan estimasi jumlah populasi ... 15
III. Hasil... 16
IV. Pembahasan ... 19
Lampiran 1. Estimasi Jumlah populasi kunci terdampak (PKT) HIV menurut provinsi ... VIII Lampiran 2. Estimasi jumlah PKT menurut kabupaten/kota... xvi
RINGKASAN EKSEKUTIF
Estimasi jumlah popuJasi kLinci terdamp,lk (PKT) HIV merLipakan inp ut penting bagi Program Penanggulangan AIDS Nasional (PPAN) llnt Li k menetapkan prioritas dan res pons efektif terhadap epidemi HIV Pemanfaata n estimasijumJah PKT mencakup alokasi sumber daya dan pemodelan epide m i, seperti memperki rakan jumlah orang yang hidup dengan HIV dan AIDS. Indonesia telah memulai perhitungan estimasi jumlah PKT sejak ta hun 2002 dan memperbaharlli hasil perhitungan tersebllt setiap dua tahun. Populasi kun ci terdampak yang diperkirakan pada proses ini meliputi I) wan ita pekerja se ks langsung (WPSL), 2) wanita pekerja seks tidak langsung (WPSTL), 3) wari a, 4) laki-Iaki berhubungan seks dengan laki-laki (LSL), dan 5) pengguna nap za sllntik. (Penasun).
Indonesia telah menggllnakan metode ekstrapolasi untuk memperkIrakan jumlah PKT di tingkat provinsi dan nasional. Secara khllSUS, inovasi metodologis diterapkan pad a es t imasi tahlln 2009 dengan menggunakan model regresi untuk meningkatkan proses ekstrapolasi. Pendekatan dasar memperkirakan iLimlah populasi di kabupaten/kota yang tidak memiliki data estim,lsi jumlah langslln g, dengan menciptakan suatu model regresi prediktif berdasarkan karakteristi k kabllpaten yang tersedia di semua area. Model paling sesuai dikembangkan dengan menggllnakan data jumlah PKT dari kabupaten/kota yang telah memetakan berdasarkan estimasi dan menggambarkan jumlah populasi yang "dikena l" terhadap karakteristik kabllpaten/kota yang dianggap berhllbungan dengan jumlah PKT (misalnya, proporsi desa di kabupaten dengan adanya pekerja seks, bar, hotel, industri, dll). Hasil di tingkat kabupaten/kota kemudian dijumlahkan untuk membentuk perkiraan tingkat provinsi dan nasionaJ. Estimasi jumlah PKT tahlll1 2012 menggunakan pendekatan yang sam a, tetapi dengan perbaikan proses pengembangan model (yaitu pemilihan variabel prediktor yang lebih baik, penilaian yang lebih sistematis terhadap seberapa baik aSllmsi dari model yang digunakan, dan kriteria yang lebih ketat diterapkan untuk pemilihan nilai yang akan digunakan u ntuk variabel hasil). Penyesuaian tambahan juga dilakukan untuk menghitllng estimasi bagian tersembunyi pada populasi LSL dan Penasun. Hasil estimasi jumlah PKT HIV tahun 2012 nasional adalah sebagai berikllt:
• Oi antara semua PKT, diperkirakan kelompok dengan jumlah populasi terbes ar adalah pelanggan wanita pekerja scks langsung (Rentang: 4,4-6,0 juta) dan pelanggan wanita pekerja seks tidak langsung (Rentang: 1,2-1,9 juta) .
• Oibandingkan dengan estimasi tahuI1 2009, estimasi pelanggan pekerja seks jauh Jebih besar pada tahlln 2012. Ini bisa menggambarkan terjadinya
peningkatan nyata dalam jumlah, yang dapat dianggap berasal dari ledakan ekonomi yang stabil di Indonesia , tetapi hal lainnya juga dikarenakan adanya sebagian revisi model.
• Perkiraan JlIllllah waria dan LSL pada estil11asi tahun 2012 (Rentang: 0,91,2 .iula) lebih besar dari pada estimasi tahun 2009, sebagian karena metode yang berbeda untuk memperkirakan populasi yang tidak datang ke tempat-tempat
Ul1111111 untuk bertemu pasangan. Namun, nilai ini sebagai persentase dari
total pendllduk laki-Iaki dewasa (1,6%) masih Jdllh lebih rendah dari jllmlah proporsional LSL di tempat lain di wilayah ini (2,05,0%).
• JUI111ah WPS (180.000260 .000) adalah hampir sama pada estimasi 201 2 dan 200<).
• Perkiraan jumlah penasun tahun 2012 (Rentang: 60.00080.000) juga tetap tidak berubah dari tahun 2009. Dan angka yang diperkirakan dari model regresi llntuk penasun konsisten dengan estimasi dari Badan Narkotika l'\asional (BNN).
Kegiatan ini memiliki sejllmlah keterbatasan : I) terkait dengan kualitas data pemetaan yang tidak diketahui; 2) proporsi populasi tersembunyi yang tidak diketahui, dan 3) keterbatasan jllmlah prediktor yang tersedia untuk mengembangkan model regresi. Keterbatasan ini akan dapat diatasi dengan memperkenalkan protokol pemetaan yang standar untuk digunakan di tingkat kabupaten/kota, memperkuat dokumentasi kegiatan pemetaan yang dilakllkan, dan mengumpulkan estimasi jumlah langsung dari berbagai kabllpaten,'kota yang tidak memiliki data sebellimnya untllk memvalidasi model regresi yang dikembangkan.
Sangatlah pentinguntuk menekankan bahwa hasil dari kegiatan ini adalah estimasi jlll11lah dan bukan angka secara tepat. Estimasi ini dianggap sebagai estimasi terbaik yang mungkin diperoleh saat ini dengan memandang informasi yang lersedia. l\I1eskipun demikian, estimasi ini tentunya tetap memiliki kemungkinan untuk l11engandung kesalahan akibat besaran dan arah yang tidak diketahlli. Mengingat variabilitas pada estimasi ini, Kementerian Kesehatan dan tim ahli estimasi merekomendasikan penggunaan estimasi jumlah langsllng, seperti yang diperoleh melalui pemetaan geografis, llntuk perencanaan, penganggaran, dan penentuan target cakupan program pada tingkat kabupaten/kota.
ESTIMASI JUMLAH POPULASI KUNCI TERDAMPAK (PKT) HIV
TAHUN 2012
I. Latar Belakang
Estimasi jllmlah popuJasi wanita pekerja seks (,I\TPS), waria, pengguna napza suntik (penaslIn), dan laki-Iaki yang berhubungan seks dengan laki-Jaki (LSL) merupakan faktor yang sangat penting lIntuk memahami potensi epidemi HIV di slIatll negara atall wilayah geografis. Estimasi jllmJah poplilasi kllnci terdampak (PKT) HIV adalah data penting untuk membantu program HIV IAIDS dalam mengalokasikan sumber daya yang efektif agar dapat merespon epidemi denga n lebih baik. Estimasi jumlah PKT tingkat nasional penting bagi pemodelan epidemi, termasuk memproyeksikan jumlah orang yang hidup dengan HI V dan AIDS I. Negara dengan vvilayah yang luas dan memiliki keanekaragaman ya ng kaya seperti Indonesia, memerlukan estimasi jumlah PKT di tingkat provinsi dan kota/kabupaten untllk mengetahui di mana poten si epidemi HIV terbe sar dan upaya yang lebih foklls dalam mengoptimalkan distribllsi sumber daya yang tersedia.
Estimasi jumlah PKT telah diakui oleh program penanggulangan AIDS nasional, mitra pembangunan, dan instansi teknis sebagai data penting yang dibutu hkan untuk menginformasikan epidemi HIV di Asia dan Pasifik. Namun, sebagian PKT bergerak dan tersembunyi sehingga estimasi jumlah langsung me njadi tantangan dan sllmber daya menjadi intensif. Di kebanyakan negara, estimasi jl1mlah PKT nasional sangat tergantllng pada ekstrapolasi jumlah data tersedia dari wilayah yang terbatas di Sl1atu negara. Melalui kerjasama intensif pemerintah, masya rakat sipil, akademisi dan mitra pembangunan internasional, Indonesia telah mengembangkan pendekatan mutakhir untuk mengekstrapolasi estimasi jumlah PKT tingkat nasional dan provinsi. Indonesia m111ai melakukan estimasi jumlah PKT pada tahun 2002 dan setelah itu metodologi terus diperbarui dan disempurnakan untuk estimasi tahun tahun 2004, 2006, 2009. Laporan ini merangkum metode dan hasil dari upaya terbaru yang dilakukan oleh Program Penanggulangan AIDS Nasional (PPAN) kementerian Kesehatan (Kemenkes) tahun 2012. Jumlah PKT yang di sajika n dalam laporan ini berada pad a tingkat nasional dan provinsi
Estimasi tahun 2012 memanfaatkan data epidemiologi, perilaku, dan sosio-demografis terbarll yang tersedia di negara ini.
Estimasi jumhlh orang den gan HIV / AIDS (OD HA) tahun 20 12 di saj ikan dalam lapora n "Estimasi dan Proyeksi H I V I A I DS eli Ind o nesia, Tahun 201 1· 20 16 (Kemenkes, 2013).
Estimasi Jumlah Populasi Kunc; Terdampak HIV Tahun 2012 I 1
II. Mctodc
2.1. Definisi Populasi Kunci Terdampak (PKT) HIV
Berikut ini definisi PKT yang digunakan dalam perhitungan estirnasi ini.c a. WPS Langsung adalah perempuan yang menjual seks sebagai pendapatan オエ。ョ セ 。@
mereka. Para perernpuan ini biasanya ditemukan di lokalisasi atau jalanan. b. WPS Tidak Langsung adalah perempuan yang bekerja di industri hibu ran sepert i
bar, bar karaoke, panti pijat atau salon, dan menjual seks untuk pendapatall tambahan.
c. Waria adalah laki-laki yang beralih menjadi perempuan. d. LSL adalah laki-laki yang berhubungan seks dengan laki-laki. e. Penasun adalah pengguna napza suntik.
f. Pelanggan WPS dan Waria adalah laki-laki yang membeli seks dari ViPS Jtau Waria.
2.2. Gambaran Umum Metodologi
Indonesia rnemiliki estimasi jumlah langsung dari pemetaan geograns di ban)",)k kabupaten/kota. Namun, karena banyaknya kabupaten/kota, tidak l11ungki n mengumpulkan data ini dari semua tempat untuk semua kelompok PKT. Untuk mengestimasi jumlah PKT di tingkat provinsi dan nasional, maka perl u ekstrapolasi dari daerah yang tersedia estimasi jumlah langsung ke daerah di mana tidak tersedia estimasi jumlah langsung.
Proses ekstrapolasi di Indonesia memanfaatkan survei rutin , yang diken al sebagai survei Potensi Oesa (POOES) di setiap desa di negara ini. Tujuan Ul11l1 l1l dari POOES adalah menggambarkan masyarakat lokal melalui dimensi sosiai, budaya, dan ekonomi. Oengan demikian, hal ini memungkinkan bagi progra m penanggulangan AIDS nasional untuk menambah jumlah variabel kunci yang terkait dengan kehadiran PKT dalam kuesioner POOES. Data POOES memberika n informasi dasar rinci yang tersedia di desa-desa di setiap kabllpaten / kota. Rincia n lebih lanjut tentang sumber data POOES diberikan dalam bagian beriklltn)'<1.
2 Secara 1I mll 111, defini si keloll1pok PKT yang digun akan okh I": cmcnl c ri an h:c.,ch atan Illcliput ) ,j,u]Sb \\"'lktll, yaitu orang rang terlibat dalal11 perilaku hcrisiko y,]ng Illcncntukan dalam 12 bulan Inakhir, il"hn i,) opcrasional PKT ini telah digunaka n dalam STKI'. Nal11ull . metodc yang digulJ akan ,blam c'"lim 'lSi JUJ U I,"]
PKT pad a laporan ini iebih tepat cli sebllt sebag,]i Il1cll1perkirakan jUl11lah keloll1pok f'K T セILャ、。@ lit ik ",lklu "sailt ini ", JUllllah sebenarn )'a indi\'idu yilng mell1enuhi dctini si PKT selama 12 buI:1ll1ebih tinggi dart jUll1lah indivicllll11emenuhi definisi pada satu waktu . karen,] perpUI ,]ran al'lll1i clalal11 popul ,]s i. yaitu ,IUIII I.Ii] Ph:T \·,1 n;.: meninggalkan suatu daerah atau berllenti terlibilt dalam perihtku berisiko <Ibn Ji g<lntik'llll>leh {»)"lllg ba nI.
Figllr 1 menunjukkan bngkah-Iangkah dari proses estimasi. Oi kabupaten/kota dengan estimasi ju m la h popu lasi berbasis pemetaan, model regresi dikembangkan ulltllk setiap kelompok PKT, menggunakan data Sensus dan data POOES sebagai variabel prediktor dan estimasi jumlah populasi berbasis pemetaan sebagai \'ariabel hasil. Konsllitasi panel ahli mengikutsertakan identihkasi var iabel prediktor yang paling masuk akal untllk setiap PKT di antara semua variabel yang ters ed ia melailli POOES dan data Sensus, serta untllk memilih estimasi jumlah berbasi s pemetaan ya ng paling dapat diandalkan untuk kabupatenl kota, terutam ,l di daerah dengan berbagai sumber data pemetaan. Kelompok kerja cstimasi juga mengall1bil bagian dalam meninjau pemetaan ya ng d apat diandalkan di setiap bbllpaten/kota,
Figur I. Alur kerja proses estimasi setiap kelompok PKT
Kesesuaian model regresi yangdihasilkan kemlldian digllnakan lIntuk kabupaten l kota yang tidak memiliki data pemetaan (menggunakan masing-masing hasil PO[) ES sebagai masukan ). Estimasi jumlah di tingkat kabupaten/kota kemudian dijumlahkan untuk memb en tuk perkiraan tingkat provinsi dan nasional .
Pendekatan model regresi untuk ekstrapolasi pertama kali secara resmi di gllnakan oleh Indonesia pada tahun 2009 . Estimasi jumlah ya ng dilakukan saat ini dibanglln atas pengaJam<lT1 estimasi sebelumnya, penyempurnakan model (blam hal pemiJihan sumber yang dapat diandalkan dari data pemetaan ya ng tersedia seb,lg,li vari<lbel d epe nden , pemilihan prediktor yang potensial, dan pertimbangan aSllmsi model regresi yang digunakan.
Meskipun ada banY,lk kekuatan cbri pendekatan peI110d ela n regrcsi y,m g digunakan, penting untuk I11en ge na li bahw,l keakuratan hasil sangat エ・イァ。ョエャャャャエ セ@
pada kualitas data yang digunakan untuk mengemb,1l1gkan m odel. [(elomp() k kerja estimasi yang terlibat dal am proses ini , men yimpulkan bahwa esti I11,hi jumlah popuJasi berbasis pemetaan ya ng berkualitas ditemu ka n tida k mer'l[,l. Untuk alasan ini dilakukan beberapa pen yesuaian te rma suk cialam ーイHIセ \NNGNNL@ melllpersiapkan data ya ng te rsedia untuk analisis regresi.
Estimasi jumlah berbasis pemetaan , yang menjadi dasar dari m ode l regresl, juga menjadi terbatas karen a hanya melllperkirakan jumJah PKT ya ng dap at ditemukan berkumpul di temp at-tempat umum. Hal ini lllenj ad i ma sa lah unt llk kelompok LSL dan Penasun ..' Kelompok LSL dan Penasun yang tid a k ditemukan di tempat-tempat umum membu at kontribusi besar untuk poten si epidemi H [\' di wilayah setempat dan penting dimaslikkan dalam perkira an jumlah dalam mengalokasikan sumber daya untuk layanan. Untuk mengata si masalah in i, diperlukan ekstrapolasi akhir dari estimasi jumlah yang meliputi penyesuaian
lebih lanjut untuk menjelaskan bagian tersembun yi kedua kel o mpok tersebut.
2.3. Langkah-langkah dalam proses estimasi
Bagian berikut menjelaska n se ti ap langkah secara lebih rinci . 2.3.1. Menyusun data estimasi berbasis pemetaan
Estimasi dinas kesehatan provinsi biasanya diperoleh bersama-sJm a dengan pemetaan untuk pengumpulan data surveilans sentinel;
• Estimasi Komi si Penanggulangan AIDS Provinsi (KPAP). Estimasi 1111 disediakan oleh KOllli si Penanggulangan AIDS Kabupaten!Kota (KPAD ) yang didukung oleh Global Fund. Estimasi tersebut diperoleh oleh KPA [) melalui kontak dengan para pemangku kepentingan kunci di kota! kabupaten ya ng llleminta estimasi jumlah populasi kllnci terdampak. Suatu pertemllan kon sensli s pemangku kepentingan untuk memveritlkasi angka estimasi dilakllkan di tingkat kabupaten! kot a. Kemudian, staf di kabupaten! kota pergi ke lapangan untuk mengkonfirmasi angka-angka tersebut melalui observasi. Pertemuan pem angkll kepentingan ked ua dilaksanakan untuk mencapai konsensus akhir. Meskipun demikian, dat a dari sumber tersebut tidak membedakan antara pekerja seks langsun g dan tidak langsung.
1 K<lrena keberad aa o pelanggan pada llfllLllllll )"<I, Illa ka ,ebagia n be,a l" \\'PS 1<lllgs lIng, \·'·PS li ,i.li, l<lil).!'lIilg ,
d'l o Wari 'l di Indon esia d apat ditl'lllllkan eli tt'lllpat-lt'lllpat ya ng dapal JiaK sl·' 1'1Ihlik '·,111).( dic,lklll' 1',ld.1 pellleta<ln jllmlah popub si kun (i.
e セエゥ ュ。ウゥ@ ー・ャQQ、。セIョ@ Hャセャイゥ@ l.. \] \',lllg lwkcIFl dengan PKT eli KOt,11 kabupaten yang ,1d ,1 di pr()\'illSi tcrscbut; Ini term,lsuk セ・ォゥlャイ@ 13<li>
Llbupaten pen erim,l dukllng,lll progr,ll1lli<1ri Club ,ll Fund for AIDS, ti G セL@ dan ;\1al,lri,1 (Ch\Tf'vI ). Scbag,li ー」ョ」イゥュセャ@ Ut,l111J dari pro)'ek C;F.\T;\,I,
PerkUl11plll ,ln J(c1u ,lrga Ikn,' nc1I1a 1ndoncsia (PKBl) telah n1l'bkllbn pCl11eLlan piセ@ I dl l1,ln)'ak kabllp,llcn / l>(ot;l dl wi/d yah kerj,l I11crcb; jMM L sエ ゥャQQLャセQ@ kCl11 enlcriaI1 I-.:cpari\\'is'llaan . Fstim,lsi untuk VVPSI. d,lll
\\ ' ]) S1[ .. eウエゥャQQLャセゥ@ illl 、ェ、Lャウセャイォ。ョ@ P,llbjumlah panti pijat di tingk;lt kOt,11
k<lhup,llt'I1.
P(' n1(:' 1<1,1I1 blok "-)TIW 20 I I. Dal,l ini tcrscdi,l di bbupaten / kota >',l ng t1l claks,1I1,\ k,1ll S]BP 2011 P,llb \\'PS termasuk pemetaan dan d,lH-M hOh[1()t sebaga i bdgi;1l1 lbri pellgembang,1ll kcr'1I1gb s,lmpiing Llntuk pd:crj,l セ、NZウ@ lan gsung d,1il tldak iangsullg.
label I l11 enlllljllkkalllumbh kabupaten / kot J ber(i<1s,lrk,ln j・ョャセ@ Slllllbcr data li,Ul PI-.:
r :
G iセャ「・ャ@ I. Rangklll11an data yang tersedia di tingkat kota/ kabupaten untuk estimasi jumlah
Dinkes I
Dinas
Provinsi/ BlokSTBP
Pariwisata KPAD
96 63 15 13
\VPSTL ilIセ@ l)(-) セ@ I 47 1:1
\Varia 1(9 96 93
T1'
TT
LSL
141 セ W@ i1 RTT
TT
Penasun 115 70 57
T1'
TT
IT Tid ,l k iャZイ セ」Z 、ゥ セャ@
2.3.2. Pemilihan dan pembersihan data
Pell1bersihan data dimulai dengan pemeriksaan lebih seksama terhadap data iUI11Jah PKT yang tersedia di tingkat kabupaten/kota. Tujuan dari pro ses pCl11bersihan data adalah untuk mengeluarbn data dengan kualitas rendah dan rn cmilih estimasi yang yang paling dapat diandalkan pada kabupaten/ kota dcngan beberapa sumber data.
Pemilihan dan pembersihan data di/akukan sejak tanggal 22 hingga 31 Mei
2012 dan melibatkan panel ahli dari Kemenkes , SUM I/FHI dan WHO, bersama
I ェI\Qエ@ セ|@ kl1tang .illln!.1h \\'ps iJng'lIng d<ll) || Gセ ャイゥ@ \ャ@ ya ng Icrscdi ,l lh I)inas Snsia i. H<llllllll dilla ini didas,nkiln
f'"d 'l .illllli<1h ーciQ\Qョァォ。ーセQiQ@ IJKT lidn 、ゥゥQャQァァjセ G@ lilidk rl' f'rcscI1IaliC lhlri nlil)'orita s PKT.
dengan para ahli statistik nasional, ahli epidemiologi dan konsliitan intern'lsional. Proses ini melibatkan penyisihan estimasi jumlah PKT tingkat kota/bblipatl'Il yang tidak dapat diandalkan dari data set (yaitu nilai -nilai yang jauh herada Ji luar nilai-nilai yang diharapkan atau norma -norma regional yang maslik ak al). Untuk menghindari pembersihan data yang berlebihan sebelum data tersebut disisihkan, kelompok kerja estimasi harus mencapai konsensLls bahwa sLla tli data tersebut tidak dapat diandalkan atau tidak mungkin. Contoh dari data yang tidak dapat diandalkan adalah angka yang tanpa terdllga sangat tinggi (misalnya, di sebuah kabupaten terdapat :2:5% jumlah perempuan sebagai pekerja seks. Atau terdapat :2: 1% jllmlah laki-Iaki sebaga i waria). Sedangkan nilai yang tak terduga sangat rendah mi sa lnya di seb uah wilayah perkotaan besar, terdapat 0% perempllan yang menjadi pekerja seks. Atau terdapat 0% laki-laki sebagai LSL. Jika nilai tertentu dianggap tidak dapat diandalkan, sLlatu bagian kosong dimasukkan ke dalam basis data di tempat nilai ya ng tidak dapat diandal kan tersebut. Perhatian khusus diberikan pada proses mengedit selisih antara nilai nor dan nilai yang hilang atau kosong.
Setelah nilai yang tidak dapat diandalkan telah dihaplls, panel ahli ya ng memil ih nilai estimasi jumlah yang digunakan dalam pemodelan regresi llntllk kabllpatenl kota di mana berbagai su mber data ya ng エ・イウ・、ゥ。N セ@ Kelompok kerja estimasi menggunakan rangkaian aturan pengambilan keputllsan sebagai berikllt :
• Jika suatu kabupaten/kota memiliki pemetaan blok STBP, nilai ini sebagai estimasi yang paling dapat diandalkan;
• Jika tidak tersedia pemetaan STBP, maka estimasi LSM diteril11<.1.
• Jika tidak terdapat estimasi LSM tersedia, maka nilai dari Dinkes Pt'()\'. digllnakan ;
• Jika tidak terdap at nilai Dinkes Provo tersedia, maka nilai KPAP digllnakan ; • Dalam sejumlah kasus, data dari Kementerian Kepariwisataan dipertimbangkan
(jika tidak ada lagi data yang tersedia).
-. Ini ada la h pe rbt'daan ya ng Il yata bagaimana nwdel rcgrc,i dikclllb"llgkan pad a tahllil 2 ()()'). I'ad'l c,tilll.l'l
sc belllmn Y,l, se llllla es tilllas i jllllliah PKT dari sellllla slIlllhcr data :'allg tersedia ciigllllabil dalalll Illud ei. Sc bagai cotltoh , .iika satu kahupatcn / kota l11el11i1iki l'IllP<lt nil<li cstilllasi )1Il11Jah Jari l'111!,<lt '; lIlllhe'!' \'a ng berbed'l . I1ldka kabupatcn / kot<l tersebut dilllaslIkbn d<ll<llll Illodel enlpat kali. kCllllldi<ln QャャB@ ウ ゥョ ァ Mョ Q\ ャ セ ゥョァ@
nilai dima slIkkan se bagai reblll<ln indep enden . Pendek,ltan ini dapat bi,,, t'slillla,i karcn ,l IlH' lllllngkillKaIl kabupal e ll /ko ta d ell g"n hcrbagai ,> ulllber data ya llg lidak I'l'Ol'orsiollal mCIllI' t' llga r lihi h<lsi l regl"',i dibandin gkan d e ll g'l ll bbupalen / knta yang nll' l1\iliki slIlllbcr dal 'l !cbill scd ikil. Scia in illl , pendekalall ini rnel<lngga r asuInsi indcpend e n yang dibuluilkan o leh model rcg resi. scbagai pcrkiraan )umlal1 dar i bl'l'ba g,li sllmber )" ,ng tid a k inu cpcndcn karena mercka mcm),crkirakiln pllplliasi yang sama di dac rah tl' rIL' lllu.
L nluk Ill enghindari J)1<\ sa l.lh ini , melndologi dillb"h untuk proses e's limasi jll 111 lah PKT sa al ini .
Pada akhir proses ini, kabupaten/kota yang memiliki data PKT bervariasi berdasarkan sub populasinya, mulai dari 24% kabupaten/kota yang merniliki data Penasun sampai 52% kabupaten/kota yang memiliki data WPSTL dan Waria, seperti yang dipaparkan dalam tabel 2.
Tabel 2. Jumlah dan persentase kabupatenlkota yang memiliki data pemetaan yang dapat digunakan, berdasarkan PKT
...
.
.
Persentase Kabupaten/KotaWP L 251 51 %
WPSTL 260 52 %
Waria 259 52%
LSL 144 29%
Pena un 119 24%
2.3.3. Pemilihan prediktor
Variabel prediktor dipilih dari survei PODES 2011" dan sensus populasi 2010, yang diidentifikasi melalui konsultasi dengan panel ahli.!
Variabel prediktor terpilih diyakini berkorelasi atau mempengaruhi jumlah kelompok PKT tertentu. Sebagai contoh, kabupaten/kota dengan keg iatan pertambangan yang tinggi akan menarik kehadiran WPS tetapi tidak a kan menarik kehadiran LSL, atau warnet berkorelasi dengan LSL karena banyak LSL menggunakan chat room di internet sebagai media komunikasi di antara me reka, tetapi warnet tidak akan berkorelasi dengan WPS. Tabel 3 menunjukkan daftar prediktor terpilih untuk setiap PKT.
(, SUI·vei Podes dilakukan setiap tiga tahun diantMa kepab deS'l, rnncka dirnint'l untuk nWllgbrakte risasi desa n1creka berdasarkan dimensi sosial-ekonorni-buday,1. O'lt'l ini kemudian digdbullgkan di tingbt
kabup'ltcn/kotd sehingga dapat menunjukbll proporsi desa di dacrah itu yang I11cmiliki ォ。イ。ォエセイゥウエゥォ@
tntentu. Desa 'lc1alah tingk'lI terendah pel11crinlahan di lndoncsid. Data Podes dikul11pulkan dari sckitar 68.000 desa d i 1ndonesi,1.
Keclu'l d'1t'lset dikumpulkall dan dikelol'l olch Baclan Pusat St.Histik (BPS).
Tabel 3. Daftar prediktor untuk setiap PKT
Prediktor berdasarkan
I
WPSLI
WPSTLI
WariaI
LSLI
Penasun kabupaten/kotaJlIll1Ldl desa dCllg<lll loK.alis'lsi
hcroperasi c1i daCl"<lh ters ehul \ Jll III Llil des,) dcng<lll sl,llus urh,)I)
HセI」イォHIャ。。ョ@ ) \ ,,; \: \ \
JlIml,)h desa dcngall 「ゥ@ ッウォッセI@
ィ」イッセI・イ。ウゥ@ di d<lerah tersebll l \ \ \ \
/lIll1lah des,) dengail disko tik
hcroperasi di dat'rah terseblll 'oj -V \ \
Jllll1lah desa dc ngan tempat bil;"II'
bcroperas i di daef,)h te rs eblll \ \ \ \
Jllllliah desa de ngan warnl'l
heroperasi di da erah terse blll \ 'Ii \: \
jlllllhlll desa yan g lll e ner il1l ,l
laporan perkmaan \ ' \!
Jllllliah des a yang menerill1a laporan kaslls penyalahgul1aan napza
\ \
JUIllIah desa )'ang l11en er il11a
laporan kcgial<Jn anak jalanan \ セ@ \ \ \
Jumlah desa d e ngan hotel
beroperasi di da e rah lers eblll セ@ セ@ \ \'
)lll11lah desa c1 enga n motel beroperasi di daerah tersebllt
I
\j セ@ セ@ '\j I
jumlah desa dengan kegiatan indll stri pertambahangan
I
'Ii "j -J \j \/
jUllllah desa dengan kegiatan
indllstri manllfaktur セ@ "j セ@ ,j \ i
JUIllIah c1esa dengan keg iata n
indust ri perd aga ngan ,j ..J 0 If \;
Jumlah desa den ga n kegiatan
industri perglldangan .,,;
'v
v
,.) \JlIl11lah desa dengan kegiatan
indu stri jasa .,,; ..J ..J
I
'Ii
V
jllmlah pria usia subllr (15 - 49
tahun) \/ \
jUl11lah perellljJuan usia subur (I c;
49 tahun) \1 ..J ..J ..J
Catatan: Kota k yang diwarnai lllel1ggall1barkan l)rediktor ),ang terll1asllk dalam ll10del regresi final dari setia p PKT,
[image:19.508.59.445.66.605.2]ャIイッhGォセQ@ illl1llah poplliasi 2012 lIntuk setiap kabupaten/kota (total, perenlpuan usia I:; tLJ l,lhull, 1,lki -laki 15-,+<) t<lhull) dimdsukkan se bagai variabel predikto r,
セ c 「\Qァ L ャゥ@ dacrah perkotaan Y,1I1g lebi h bcsar se ring dik,lItkan dengan konsentrasi yang Icbih bcsar dari PKT Proyd;.si populasi didasarkan p,lda Sensus Penduduk l,llllll1 2() I() dengan 1l1t' l1lperh JIll ngk'l n ,I ngka pertul11 bu ha n popula si tah u nan .
2.3.4. Mengembangkan model regresi untuk setiap kelompok PKT
I<cgrcsi linear diglln<lkal1 sebaga i model awal dalam ,malisis. Regres i linier merllpabn suatll pendek,l tan lerhacLlp pemodcl<ln hubungan antar var iabe l terika l kontin)'L1 y eLm sat u atau lebih vari abel penjelas yang dinamakan x.
Dalam regresi linier, dat,l dimodelkan dengan menggunakan fungsi-fungsi prediklor linier. Dari data-d ata ya ng tersedia a!<.an mengh asi lkan model parameter yang ebpal memp rediksi data di kabupaten / kota yang belum ada datan)'a. Re gresi linier p,lling se rin g me ngac u pada suatu m ode l dimana rcrata kondisional )' unluk nilai x tertentu m erupakan ftll1gsi paralel dari x.
:'vlodel regresi linier meng<lmbiI bentuk:
)' = (/ + Ii/X + /).X . + /) X . + ... + /) X . + e
, / I _ _I i 'I !/ i/l ( , )
[)imana:
)' = jumlah populasi Y<1I1gdiprediksi untuk kota/kabupaten(i)
"
= perpotongan regresi
= koen sien regresi yang tidak terstand ardi sas i (es timasi)
= nilai variabel atau prediktor bebas terka it untuk kotal kabupaten terseb ut (i)
('
</, = kesalahal1 residual untuk kota / kabupaten (i ).
13eberapa asul11si haru s dipenuhi sebelum menjalankan model regresi. Pertama , skab pengukuran untuk variabel terikat dan prediktor merupakan interval atau rasio. Oleh karena itu , sebagian besar variabel prediktor yang digunakan ditransformasi menjadi bentuk proporsi (Iihat Tabel 3). Kedua, asumsi normalitas, untuk se ti ap nilai prediktor, nilai vari abe l terikat didistribusi secara normal den ga n rerata sama dengan flYX dan varian konstanta, ayx A2. Ketiga,
asumsi lin ea ritas, nilai variabel terikat merup aka n fungsi linier dari nilai
prediktor. Asumsi ini dikonfirmasi dengan membuat plot nilai prediksi yang tidak terstandardisasi pada prediktor. Keempat, asumsi homosedastisitas, untllk setiap nilai prediktor, nilai variabel terikat didistribusi secara normal dan varian konstan untuk semua nilai varia bel prediktor. Asumsi ini dikonfirmasi dengan membuat plot residual terstandardisasi pada prediktor.
Diagnostik regresi diperiksa untuk setiap prediktor untuk mengkonfirmasi bahwa asumsi regresi tidak dilanggar. Kelompok kerja estimasi menemukan bahwa model regresi linier merupakan metode anal isis paling sesuai untllk populasi WPSL, WPSTL , Waria dan LSL. Meskipun demikian, regresi binomial negatif menghasilkan kecocokan paling baik untuk populasi Penasun karena
reratanya lebih kecil dari vari a nnya (fl <o A2) dan data tersebar tidak merata.
Model regresi binomial negatif mengambil bentuk:
Where:
Y(i)
=
ukuran populasi yang diprediksi untllk kabupaten / kota (i)e = fungsi eksponensial
=
perpotongan=
koefisien regresi (estimasi)=
nilai variabel atau prediktor bebas terkait untukkabupaten/kota (i).
Semua prediktor diuji secara univariat. Variabel yang bermakna secara statistik dalam analisis univariat dimasukkan ke dalam regresi multivariabel. Pendekata n
forward and backward regressions dijajagi untuk menemukan model yang palin g
sesuai. Plot sebaran regresi (scatter plot) digunakan untuk memeriksa pencil a n
(outlier) data secara visual. Outlier ekstrim kemudian disisihkan dari analisis
untuk memperbaiki kecocokan model (model fitness). Model yang paling cocok
untuk setiap PKT dimasukkan ke dalam daftar pada Tabel 4 di bawah .
Tabel4. Model regresi untuk setiap PKT
Model Regresi
y = セN V@ - 290. I( Pro p_ ur ba n ) + 4845.2( Prop_ biosko p) + H02.7( l' rop_d iskolik)
+ 304.9( Prop_ bill iar t) + 9. 3.8( Pro p_ na rkolik) + 476 ')( Pro p_ana k_jalanan) I 1 035.3 ( Prop_ indu slri) + 0.00 1 (=_ lak i-lakUlsia_subur)
WPSTL Y = 26.6 + 467G.I (Prop_bioskop) + 64HA (Prop_d is kol ik) + 410. 7( Pro p_ bi lli a rd ) 1
O.0004 ( =_ 1.lki -Iaki _usia_subur)
Waria Y
=
2004 - 63 .7(P ro p_urban) + 853.3( Pro iJ_bios kop) + 19-L6(Prop_ bi li iard)I 11 4.5( Prop _ana k_jalanan) + 58 .9 ( Pro p_ hotcl) + L 7.7( Prop_illdlls tr i) +
IS7.8( Pro p_ jasfI) + 0.0002( ;1 _ laki- lakUlsifl _slI bur )
LSL Y
=
-24 .1 + 4603.6(Prop_bioskop) + 4 10. 7( Prop_ w,Hn et) - ih W NTHpイ ッ ー ⦅ゥ ョ 、 ャQ セ エ@ イゥ@ I@ +n.oo 1(= _ laki-laki_ usi.l _subur)
PW I D Y = e(3.8 0.0.)( Anakja lanan) I0.1 (Pcrdagangan) + OA( Pe rguda nga n ) IO.04( lasa)
Calalan:
Prop_urban : proporsi desa dengan status urban
Prop_ bioskop : proporsi desa dengan bioskop beroperasi di suatu kabupaten / kota
Prop_diskotik : proporsi desa dengan diskotik di se buah kabupaten/kota
Prop_ billiard : proporsi desa dengan tempat bilya r di se buah kabupaten/kota
Prop_"arko tik : proporsi desa dengan laporan ka sus narkoba di sebuah kabupatenikota Prop_anakjal anan : proporsi desa dengan laporan kegiatan ana" jalanan eli sebllah
kabll pa tenl kota
Prop_i ndu stri : proporsi desa deng<ln indllstri mallllfaktur eli sebuah kabupaten/kota
Prop_hotel : proporsi desa dengan hotel beropera si di se bu ah kabllpaten / kota
Propjasa : proporsi des" dengan kegiatan industri ja s,1 di se bllah kabupaten / kota IJrop_w;lrn et : proporsi desa dengan warnet beropera si eli sLlatll kabupatcn / kota :; J aki-bki_u sia subur : Jllllllah laki-Iaki lIsia 15-49 tahun di SeblI<lh kabupaten/ kota Anakjalanan : jUllllah desa deng<lll laporan kegiatall ,1I1<lk jalanan
Perdagangan : jumlah desa dengan kegiatan industr y pe rdagangan
Perguclan gan : jumlah desa dengan kegiatan industri pergud a ngan
),I sa : jllllliah desa with kegiatan industri jasa
Ukurall-ukura n keseslIaian (goodness of/it), R2, dipaparkan dalam tabel 5 berdasarkan
PKT. Ukurall'lIk uran keseslIaiall (goodness offit) Illengukllr seberapa baik
variabel-variabel prediktor dalam menjelaskan memprediksi hasil akhir yang teramati.
Tabel 5. Ukuran kesesuaian (goodness of fit)
Rkuadrat WPS!. 0.6 59 WPS!L 0. 521
Wa ri a 0.735
l.SL 0.435
PcnaslIn 0.706
[image:22.507.73.453.65.452.2]2.3.5. Menyesuaikan estimasi jumlah PKT di tingkat provinsi dan nasional
Model regresi akhir untuk setiap PKT kemudian diterapkan di setiap kabupate nl kota yang tidak memiliki data pemelaan, ya itu menggunakan nilai dari PODES sebagai masukan, rumus regresi digun akan untuk menghasilkan prediksi estil11asi JUl11lah PKT tingkat kabupaten/kota. Se t data ini kemudian digabungk<ln dengan set data estil11<lsi populasi kabupaten / kota yang memiliki data pemetaan. Set data gabungan ini mencerminkan es tima si jumlah poplllasi untuk PKT di setiap kabupaten / kota di Indonesia . Es timasi dari masing-masing kabupatc nl kota kemudian dijumlahkan llntuk mendapatkan estimasi jumlah PKT tingkat provinsi dan na siona!.
2.4. Menyesuaikan estimasi ulltuk subpopulasi LSL dan penasun yang
tersembunyi
Estimasi jumlah PKT selanjutnya disesuaikan dengan memperhitllngkan sub poplllasi tersembunyi dari LSL dan PWID, yaitu mereka yang tidak teratur pergi ke tempat-tempat umum untuk bertemu dengan pasangannya atau bersosialisasi dengan PKT lainnya . Diasllmsikan bahwa perkiraan pemetaan yang ada termaslik bagian dari populasi yang paling mungkin untuk dapat diakses dengan intervensi, yaitu orang-orang yang tercakup oleh upaya penjangkauan LSM. Pada estimasi jumlah PKT tahun 2009, faktor inflasi yang diterapkan untuk sem ua kabllpaten /ko ta ad alah 6 kali dari jumlah yang diperkirakan dari mod el regresi.
Untuk estimasi jumlah PKT 2012, data dari STBP digunakan untuk mengembangkan faktor inflasi untuk LSL & penasun. Meskipun pemetaan terbatas dengan proporsi penduduk yang datang ke tempat-tempat llmum , akan tetapi STBP PKT pad a penasun dan LSL menggunakan metodologi pengambil an respondent driven sampling llntuk merekrut responden dan dianggap lebih mewakili bagian tersemb un yi populasi ini. Berdasarkan alasan ini , prediksi dan estimasi jumlah berbasis pemetaan meningkat propors in ya untuk LSL dan penasun pada STBP dari mereka yang melaporkan TIDAK dihubungi o leh petugas penjangkauan dalam 12 bulan terakhir.K Persentase tid ak memaparkan
intervensi yang berasal dari STBP PKT tahun 2009 dan 20 II , karcna sur 'lei dilaksanakan di wilayah berbeda pada dua survei tersebut. Lokasi STBP 2011 dianggap daerah dengan epidemi HIV lebih berat, sedangkan lo kasi STBP 2009 epidemi HIV sedang.
" Pcrtal1yaal1 spesifik da ri STBP - untuk LSI.: Apabh Anda pcrnab kontak dengal1 I'ctugas l"I"1I1g"11 ,1.11.1111 12 bulan temkhir' - untllk PenaSlJn: AP'lbh And'l pt'rnah kontak dCl1gan pctll g'1S I"p angan'
Karena setiap lokasi STBP memiliki nilai yang berbeda untuk persentase paparan intervensi, oleh karena itu perlu mencocokkan kabupaten/kota yang melaksan a kan STBP dan tidak melaksanakan STBP. Untuk keperluan perencanaan kegiatan GFATM, Kemenkes dan mitra-mitranya telah mengkategorikan kabupaten/kota sesuai dengan level epidemi, yaitu Kategori A untuk kabupaten/kota de ngan epidemi berat, Kategori B untuk kabupaten/kota dengan epidemi sedang, dan Kategori C untuk kabupaten/kota dengan epidemi rendah dan juga daerah dengan tingkat cakupan pencegahan イ・ョ、。ィNセ@ Kategori GFATM juga disesuaikan dengan kabupaten/kota yang ikut dalam putaran STBP yang berbeda, yaitu 23
dari 71 kabupaten/kota Kategori A adalah lokasi STBP PKT 2011, sementara 9
kabupaten Kategori B adalah lokasi STBP PKT 2009. Penyesuaian lebih lanjut dilakukan dengan cara berikut ini:
• Kabupaten/kota dengan data STBP - estimasi langsung dari data STBP • Jika di kabupaten/kota tidak dilakukan STBP, namun di kabupaten/kota
lainnya di satu provinsi melakukan STBP, maka kabupaten/kota terebut menggunakan nilai rata-rata estimasi kabupaten/kota dari provinsi yang rnenjalankan STEP.
• Kabupaten/kota GFATM Kategori A- disesuaikan dengan nilai rata-rata dari estimasi kota/kabupaten STBP 20 II
• Kabupaten/kota GFATM Kategori B - disesuaikan dengan nilai rata-rata dari estimasi kota/kabupaten STBP 2009
• Kabupaten/kota GFATM Kategori C - disesuaikan dengan menggandakan faktor inflasi yang digunakan untuk kabupaten/kota kategori B.III
Faktor inflasi aktual yang diterapkan untuk setiap PKT dan kategori kabupatenl kota ditunjukkan pada Tabel 6.
'J Katcgori CFAT,\j juga )11ClllCrIl1inbn kctib kahupatcn/kot,l hlTaua dalam tahapan progran1, kahu palcnl
kota/provinsi dcnganlingbl epidcmi yang lehih herat harus Ichih uiprioritasbn untuk la),anan. I(ab upatenl kota katcgori A d ipi Iihunt 1I k uSlIlan C F putaran 8 dan tcrmasu k 71 kahup,lIcnl kota di 12 prol'insi (SlIJ1latcrd
Gtara, Riau, l":cpuldll'1J1 iZiau, SUJ1lalcra Selatan, DKI jakartd, j,l1\'a Iiaral, jalq Tengah, jal\'a TiIDUI', Bali, Sulawesi ScJat'lIl, Papua d'lIl P'lPll'l f),mlt Papua). Enam plllllh lima kahupaten/kota merupakan kdt egori 13, )',lIlg dipilih hcr<ldsdrk'lIl beb'1Il pen)'akit >"lng tinggi (diant'lra non k,ltegori J.:.;Jbllpaten A yang tersis'l) dan kapasitas untuk mcl,lkukdn program. Kabup,lten/kota btegori C dipilih diludl' c1,lri 12 prol'in St awal. dengan t()ku.s p'lll'l d'lcr,lh di m,1[Ja infeksi HIV telah c1idiagnosis di 21 provinsi II'linn),a. Sch,lgian bcsar kabupakn/kol'l Il'l"sch ul pcrlu pcningkat,1J1 kdpasitas tambdh,1Il sebcluIll program dapat dimulai.
III Pcnyt'suai'lil ini did,ls<nkan pdd,l alasdll bahwa PKT di kabupatL'n/kot'l dengan beban terendal-. lehih tcrscmhllnyi/kurang llntuk Icrjangbu program. l..:'lren'l tidak ad'l STBP <Ii k,lbupaten/kota/provinsi dengan beb'lIl rend'li1, m,lk'l pnlu untuk nlt'nerapkan penyesuaian dari kabupdten/kot,l dengan bcban nwdcral yang tcrm,lsllk d,d,lm SIB!' セPPYN@
Table 6. Faktor inflasi pada LSL dan Penasun
Faktor inflasi Penasun
Kabllpaten/kota GFATM :; kali 1.21 kali
kategori A
Kabupatcn/kota Hセヲatm@ 5.9 kali 1.44 kali
katcgori B
Kabllpaten / kota ,FATM 11.8 ka li 2.RR kali
kat egori C
2.5. Mengestimasi jumlah pelanggan WPS dan Waria
Karena pemetaan dianggap bllkan met ode yang layak lIntuk menges timasi jUl11lah poplliasi pelanggan WPS dan Waria, maka digunakanlah metode alternatiflainnya, yaitll didasarkan pada:
1. JlIl11lah estimasi WPS dan Waria;
2. JlImlah pelanggan komersial selama suatll periode rujuizan tertentu yang diukllr pada STBP 2009 dan 2011;
3. Jumlah hari kerja per bulan dan bulan kerja pada tahun sebelumnya untuk WPS dan Waria; dan
4. Jumlah Waria dan WPS yang dikunjungi selama 12 bulan sebellimnya ya ng dillkllr pada pria (pelanggan) dalam kategori pekerjaan tertentll.
Rumus berikut ini digunakan:
# peJanggan WPS =
l#
WPS " Rata-rata pelanggan / hari " rata-rata hari kerja/ bulan "rata-rata bulan kerja / tahun* (I % pelanggan asing])1 Rata-rata. # WPS tahun lalu di kalangan pelangganRumus yang sama digunakan untuk mengestimasi jumlah pelanggan Waria. PeJanggan asing lIntuk WPS dan Waria disisihkan karena pelanggan jenis ini disisihkan dari sampellaki-laki berisiko tinggi pada STBP 2009 dan 2011. Karena pelanggan asing hanya mencakup 0,44% dari pelanggan yang dilaporkan WPS pada STBP 2011, maka dianggap proporsi pelanggan asing ini dapat diabaikan.
[image:25.508.68.439.68.196.2]2.6. Mengestimasi ketepatan estimasi jumlah populasi
Akibat dari sifat metode yang digunakan dalam pemetaan ukuran poplliasi PKT, tidak terdapat kesalahan pengambilan sampel yang terkait dengan estimasi jumJah
P[(T di kabllpaten/kota yang memi.liki data pemetaan. Untuk dapat menghitllng
ketepatan estimasi jllmlah PKT di setiap kabupaten/kota, diasumsikan bahwa hitllngan pemetaan mengaJami kesalahan pengukuran acak (random measurement error). Oleh karena itll, diasumsikan bahwa jllmlah hitungan pemetaan yang digllnakan dalam pembaharuan estimasi jllmlah PKT 2012 sebanding dengan sampeJ dari distribusi pengambilan sam pel aeak dan memberikan justifikasi untuk estimasi varians sebagai varians llnsur di antara estimasi jumlah PKT dan prediksi hitungan yang d ihasilkan melalui regresi.
Perhitllngan dengan interval keyakinan atall Confidence Interval (CI) 95% untuk estimasi jumlah poplllasi nasional dan populasi adalah sebagai berikut:
(x)
Dimana:
(i)-x)21(n-l)
x(i) = estimasi jumlah di kabllpaten/kota (i)
x = rerata jumlah di kabupaten/kota
n = jumlah kabupaten/ kota
Interpretasi CI adalah sebagai berikut. Ukuran sesungguhnya dari poplllasi PKT terkait kemungkinan berada dalam kisaran yang dinyatakan oleh CI dengan kepastian sebesar 95%. Estimasi poin menllnjukkan estimasi jumlah terbaik atau yang paling mllngkin namun tidaklah mungkin untuk menentukan probabilitas bahwa estimasi poin merupakan ukuran populasi sebenarnya, hanya saja bahwa angka tersebut merupakan jumlah yang paling mllngkin yang berada dalam jumJah populasi yang tercakup dalam CI.
Ill. Hasil
Tabel 7 merangkum hasil pembaharuan estimasi jumJah pada tingkat nasiona\. Perkiraan jumlah tingkat provinsi disajikan pada Lampiran I dan perkiraan jumlah tingkat kabupaten/kota disajikan pada Lampiran II. Hal ini dimaksudkan sebagai referensi untuk menunjukkan bagaimana estimasi tingkat provinsi dihitung. (Estimasi jumlah tingkat kabupaten/kota dari model regresi tidak dimaksudkan untuk digunakan oleh kabupaten/kota sebagai perencanaan, penganggaran ataupun penetapan target. Keterbatasan data ini diberikan secara lebih terperin c i di bagian IV. Diskusi)
Estimasi total PKT berkisar berkisar 7,4-10,2 juta dengan estimasi terbaik sekitar 8,8 juta. Pelanggan WPSL memiliki jumlah populasi tertinggi 5,3 juta, diikuti oleh pelanggan WPSTL (1,5 juta).
Tabel7. Rangkuman Estimasi yang telah Diperbaharui. 2012: Jumlah Populasi Kunci Terdampak Nasional
Estimasi Jumlah Populasi Kunci Terdampak HIV Populasi Kunci
Estimasi Poin Estimasi Rendah Estimasi Tinggi
Wi-> L 124.996 105.996 14 3.996
WPSTL 104.860 81.382 128. 338
Pelanggan WP
L
5.229.686 4.434.943 ).024.444Pelanggan WPSTL 1.517. 858 1.1 77.982 1.857.729
Waria 37.998 33.828 42.172
Pelanggan Waria 597.062 531.541 662.65 7
L L
1.095.970 962.251 1.22 9.670Penasun 74.326 6 1.901 88.320
Figur 2 hingga 5, memperlihatkan kecenderungan jumlah populasi FSW, Wari a , LSL dan Penasun berdasarkan waktu. Secara keseluruhan, terdapat peningkat an kecenderungan jumlah populasi Waria dan LSL. Terdapat pula peningkat an jumlah Waria secara bermakna antara tahun 2002 dan 2009, tetapi tidak terdap at peningkatan bermakna dari tahun 2009 dan 2012. LSL juga memperlihatka n pola serupa dengan peningkatan bermakna dari tahun 2004 ke tahul1 2009. Kecenderungan WPS memperlihatkan pola yang stabil tanpa peningkat an atau penurunan jumlah populasi yang besar selama sepuluh tahun terakh ir. Di sisi lain, Penasun memperlihatkan pola yang menurun. Terdapat penurun a n bermakna dari tahun 2006 ke 2012 tetapi tidak dari tahun 2009 ke 2012.
Figl.lr 2. Estimasi Jl.lmlah Wanita Pekerja Seks pad a Tahl.ln 20022011
300,000
278 ,160 272,844
258,007
250,000 240,923
233 ,039
221,190 214 ,056
200,000 193,234 199,648
177 ,963 164,080
158,373 150,000
100,000
50,000
°
2002 2004 2006 2009Estimasi Tinggi Estimasi Rendah Estimasi Pain
Figur 3. Estimasi Jl.lmlah I.Intuk Waria pada Tahun 20022011
60,000
50,000 51,235
40,000
35, 300
32,065 30,000
28,130 25,836
21,415 21,589
20,000 20,960
14 , 712 16,995
10,000 11,272
7,831
°
2002 2004 2006 2009Estimasi Tinggi Estimasi Rendah Estimasi Pain
272,334
229,856
187,378
2011
I 42,172 37,998 33 ,828
2011
Figur 4. Estimasi Jumlah untuk LSL pada tahun 20022011
2, 000,000
1,800,000
1,727,613 1,600,000
1,400,000 1, 3 58, 527
1,200,000 1,152,309 1,149,270
1,000,000
800,000 766,800
695,026
600,000 557,004
400,000 54,0 31 384 , 320 423 ,729
200,000 38,844
23,65 7
o
2002 2004 2006 2009
Es tima si Tinggi Estima si Rendah Estimasi Pain
Figur 5. Estimasi Jwnlah untuk Penasun pada Tahun 20022011
300,000
250,000 247,800
219, 130
200,000 195, 597
190,460 201,131
150,000 159,723 143,726
100,000
12 3, 849
111,889 105, 784
80,053 73 ,663
50,000
0
2002 2004 2006 2009
Estim as i Tinggi Estimasi Rendah Estima si Pain
1,229,670 1
?, 095,97 0
96 2,251
2011
88, 32 0
74 , 326 61 ,901
2011
-I\'. Pembaha ...an
Metode yang digunakan untuk menghasilkan perkiraan jumlah PKT HI V di Indonesia merupakan yang paling inovatif dan luas, serta pendekatan ekstrapolasi data telah digunakan secara global. Sumber daya dan usaha yang diinvestasikan oJeh Kemenkes dan para pemangku kepentingan dalam proses ini merupakan komitmen yang kuat untuk perencanaan berbasis bukti dan alokasi sumber d aya untllk strategi penanggulangan AIDS nasional.
Hasil estimasi jumlah PKT tingkat nasional tahun 2012 teJah disesuaikan dan diperiksa bersama-sama dengan para pemangku kepentingan sebagai bagian dari proses verifikasi yang dilaksanakan oleh Kemenkes. Para pemangku kepenti ngan pada umumnya menganggap estimasi yang telah direvisi ini dapat dianda lkan. Estimasi nasionaJ yang telah disesuaikan ini juga konsisten dengan pola negara Asia dengan epidemi HIV terkonsentrasi lainnya terkait proporsi PKT di populasi (tabel 8) . Kelompok LSL merupakan satu-satunya PKT yang berbeda den gan pol a PKT Asia. PopuJasi LSL, meskipun teJah menerima penyesuaian besar untuk mencakup sub-populasi tersembunyi, memiliki proporsi yang lebih rendah secara bermakna dibandingkan dengan populasi LSL di negara-negara Asia lain.
Tabel8. Perbandingan Estimasi Jumlah Indonesia 2012 sebagai Persentase dari Populasi Total berdasarkan dengan Norma Umum Regional Asia
Estimasi 2012 Pola Regional
0.35% (0.28% -- 0.41 %) 0.2 - 0.8%
Pelan ggan WP 10.09% (8.40 - 11.79%) 1.0 - 20.0%
L L
1.64% (1.44 - 1.84%) 2.0 - 5.0%Waria 0.06% (0.05 - 0.06%) Tidak Berlaku
Pena un 0.11 % (0.09 - 0.1 3%) 0.0 - 0.7%
5umber data regional: University of Hawaii. East-West Center. JuJi 201 2
Beberapa perubahan bermakna dilakukan terhadap metode estimasi jumlah yang digunakan pada tahun 2012. Metode regresi yang diperkenaJkan pada
tahun 2009 dianggap sebagai pendekatan metodologis inovatif.
Penyempurnaan-penyempurnaan yang telah dilakukan dipaparkan di bawah ini:
• Alihalih menggunakan asumsi apriori untuk distribusi estimasi populasi tertentu (misalnya distribusi Poisson seperti pada tahun 2009), kelompok kerja estimasi mengekspJorasi model regresi paling sesuai untuk setiap PKT. Setelah memeriksa aSllmsi model, ditemukan bahwa regresi dengan metode kuadrat
terkecil biasa (ordinary least squares) merupakan model regresi paling cocok
untuk sebagian besa r PKT (WPS langsung dan tidak langsung, Waria, dan LSL). Hanya populasi Penasun yang menggunakan regresi binomial negatif;
Dengan I11cnggunakan hilLing pCl11etaan llinggal per kabupatell/kottl sebdg,li variabel terikat verslis beberapa hilling per kabupaten/kola (sepcrti padel t,1I1L1 11
20(9) untuk menghindari bias di kabupaten/kota dengall banyak cslil11clS i
JUl111ah PKT;
• Pel11bersihan data yang lebih ketat dan ekstensif sebelul11 rnenjalankan rcgrcsl. Hitungan pemetaan yang tidak dapat diandalkan dan titik-titik data ekstrim disisihkan sehingga menghasilbn kecocokan model regresi yang lebih baik.
• Secara sistema tis menangani isu sub-populasi tersembunyi untuk populasi LSI, dan Penasun. Meskipun faktor-faktor yang dimasukkan dalarn penyesuaian masih jauh dar i ideal, pengabaian terhadap faktor-faktor ini abn mengarah pada estimasi yang terlalu rendah dengan selisih yang besar. Lebih jauh lagi, meskipun penyesuaian agresif telah dilakukan untuk populasi LSL, propor, i estimasi populasi LSL masih lebih rendah secara bermakna dib,1l1dingkan dengan pola yang saat ini ditel11ukan di negara-negara Asia lain.
Estil11asi poin Penasun pada tahun 2012 l11el11perlihatkan penurunan tapl11 dibandingkan dengan estil11asi poin pad a tahun 2009. Grallk ini juga beraLl,l dalam kisaran estil11asi jUl11lah PenasLin dari Badan Narkotika Nasio n;)l (BNN) yang menggunakan sumber data berbeda d,1l1 metode estil11asi y,1I1 g juga berbeda. Estimasi ini juga konsisten dengan bukti anekdotal yang l11enunjukkan kecenderungan substitLlsi metamfetamin oral untLik suntibn heroin di kalangan pecandu narkoba yang terus berlangsung. Penurunan ini ju g,l mungkin disebabkan karena lebih sedikit individu yang menggunakan narko bcl suntik atau angka kematian yang lebih tinggi di kalangan Penasun. Meski puI1 demikian, hasil dari kegiatan estimasi saat ini hanls diinterpretasikan secara hati-hati. Interval keyakinan dari estimasi saat ini saling bertumpuk dengan hasil estimasi sebelumnya di tabun 2009 yang menunjukbn tidak ada perbedaan atau penurunan bermakna di kalangan Penasun.
Terdapat peningkatan bermakna dalam jumlah populasi pelanggan pekeria seks dibandingkan dengan estimasi pada tahun 2009. Peningkatan bermaknd ini mungkin disebabkan oleh ledakan ekonomi Indonesia yang stabil sehingga menyebabkan sejumlah besar migrasi pada populasi dalam tahun-tahun terakhir. Meskipun demikian, peningkatan ini juga disebabkan 01eh metode estil11dSi yang Jebih baik karena memperhitungkan parameter-parameter periJaku yang lebill rinci untuk WPS dan pelanggan mereka. Estimasi yang telah direvisi ini sepbl dengan estimasi proporsi Jaki-Iaki di populasi umum yang terlibat dengw pekerja seks daJam 12 bulan terakhir di negara-negara Asia lain.
\lctlllk estimasi PKT yang digunakan t)ada tahun 2012 telah dilakukan dengan 1l1ctode yang lebih disempurnakan dibandingk,1J1 dengan kegiatan sebelumnya, 11<lI1111n sejllmlah keterbatasan penting masih ditemui seperti:
Estimasi jllml'lh PKT dari kabupaten/kota yang memiliki data pemetaan mcrupakan vari,lbel dependen lltama yang diglln<1k<ln dalam reg resi tetapi metode yang digunakan 11l1tuk memperoleh estim,lsi tersebut tidak terdokumentasi dengan baik sehingga kualitasnya ticlak diketahui.
Di,lSlll11sikan bahwa estimasijlll11lah PKT dari kabupaten/kota hanya mencakllp b,lgian yang terlihat/tilbk tersembunyi dari popuJasi tetapi karena metodenY,l tidak terstandardisasi atau didokumentasikan dengan baik, tidak diketahui dengan pasti sub-set populasi apa yang diwakili oleh data-data tcrsebllt.
Kabupaten/kota yang memiliki data pemetaan mewakili kabupaten/kota dengan jum lah PKT yang lebih tinggi. Kabupaten/kota tersebut sangat mungkin memilki program sehingga mereka melakukan pengambilan data pemet;lan. Estimasi jumlah dari kabupaten/kota lainnya diprediksi melalui regresi. Kabupaten/kota tanpa data pemetaan ini kemungkinan memiliki PKT dalam jUl11lah kecil. Kekuatan atau power dari model untuk memprediksi jumlah poplliasi di bbllpaten/kota semacam ini mllngkin terbatas karena lebih sedikit kabupaten/kota dari kategori ini yang dimasukbn ke dalam model.
PODES memiliki jumlah variabel "prediktor" terbatas. Data tambahan yang tersedia llntuk semua kabupaten/kota akan dapat meningkatkan keakuratan prediksi.
I\:eterbatasan ini dapat diatasi karena Indonesia ,lkan mempersiapbn estimasi berikutnya dan memperbaiki metodologi yang digunabn selanju tn ya. Rekomendasi untuk tindak lanjut meliputi:
Pengembangan dan penerapan protokol standar untuk melakukan pem etaan PKT di tingbt bbupaten/kota. Protokol ini akan memperkenalkan standar kuaJitas minimum dan aJat bantu untuk rnengelola dan mendokumentasikan proses sehingga hasilnya memiliki manfaat yang lebih besar baik bagi para perencana program lokal dan dap,lt digunakan untuk estimasi jumlah PKT tingkat provinsi atau nasional di masa depan.
Analisis lebih lanjut dari prediktor dimasukkan dalam model regresi yang terbaik dan sesuai, untuk menentukan bagaimana dapat ditampilkan di kabupaten/kota dan dengan sumber data, hasil, dan periode waktu yar:g berbeda.
• Validasi model regresi yang terbaik dan sesuai pada daerah dengan jumlah PKT keeil. Hal ini akan memerlukan pemetaan PKT pada daerah terpilih di mana estimasi jumlah langsung tidak tersedia sebelumnya. Hasil pemetaan berdasarkan estimasi kemudian dapat dibandingkan dengan nilai prediksi yang dihasilkan dari model regresi .
Metodologi untuk estimasi jumlah pad a tingkat nasional dan provinsi yang disajikan dalam laporan ini digambarkan sebagai metode estimasi jumlah tidc.k langsung. Pada tingkat ini (yaitu tingkat provinsi dan nasional), jenis pendekatan ekstrapolasi coeok dan praktis untuk memperkirakan kebutuhan sumber daya yang lebih tinggi, namun harus diakui bahwa untuk pereneanaan, penganggaran, penetapan target, dan perkiraan jumlah PKT tingkat kabupaten/kota harus didasarkan pada data lokal yang diperoleh seeara langsung, misalnya estimasi jumlah berbasis pemetaan.
Terakhir, kelompok kerja estimasi ingin mengulang kembali pernyataan bah wa hasil yang dipresentasikan dalam laporan ini tepat menggambarkan judullaporan ini yaitu: estimasi. Estimasi dalam laporan ini dianggap sebagai estimasi paling baik yang dapat diberikan dengan informasi yang tersedia saat ini, tetapi tetap saja terdapat kemungkinan adanya kesalahan akibat besaran dan arah yang tidak diketahui dan harus diinterpretasikan dan digunakan sesuai dengan pemahaman tersebut.
Lampiran 1. Estimasi jumlah populasi kunci terdampak (PKT) HIV menurut provinsi
I. Wanita pekerja seks langsung
Rendah
N :\f) 2 .1 7") I.R Sl 2 .'; () ()
SUllla t ra U ta r,1 ').0-'2 7.677 I O.3H7
Sum a t ra Bara t 3. 0 X<J 2.h2h 3 , "';::.
Ri a u セNィ ᄋ l@ J.()l) 7 ᄋ iN@ i セy@
lamhi 3.1.)37 .t .) ·Ii> 1. 52 X
Sum a tra ehlta n 3 .7"'0 3.1 79 ·DO I
bセ G iQBォ ャャャャゥ@ I .D S I .O:;() I .·120
L IIllp ung 1. 17 2 l)l) () I .J-Ill
" cp. Ba l1 g ka Ik litLl llg IX I I(l l) ;SJ
I\.c p ul a u a n R iml II ,):; 1.0 I () 1.3 7'"
Dl(1 ja k a rt ,1 1.; .. W 5 13 .()X6 l i .7()4
jawa Ba rat I H. I O() I .390 20. H21
1<1\\' a TC ll ga h 13 .105 I 1.1 14 15. I K6
[) I Yogy akar ta 1.9 45 1.6 . 3 1.13 7
I,lwa 'Tilll llr I "' ) D I 12.3 56 17 .306
Han ten 2 .7l)H 2. 3 78 .UIK
Ba li 3 .J7R 2 .X 7 1 N セNッ kZ[@
Li s a Tc n ggara Barat 2.IlH8 2.455 .U21
N usa TCl1 gga nt 'l'i mur 7.24. 6. 15 R iU3 2
Ka lim a ntan Ba rat 1.490 1.267 1.7 14
Ka limantan Tc n gn h 1. 69 5 l A -I I ) ,)·19
Ka limantan Sel a ta n 845 7 11) 971
1, ,, lilll,lntan Till1ur 1.0"'1 RR5 I. 11.)7
uluwcs i ta ra 1. 3 15 1.11 R 1.5 12
Sula wcs i Tcn g ah I.)R 3 K36 ) U (l
Su la we s i Sd a t,1Il 1.()46 1.399 1.1'1')3
Sula wc s i Te n gg,lra 9I3 7 76 1.0 : 0
G oro nt a lo 486 4 13 . S9
Sula we si Barat 344 21.)2 3':16
la luku 1.233 1.04/) 1.4 1H
M aluku U tara 5 35 'I SS 6 1')
Pa pua Ba ra t 777 66U X94
Pa pu a 2 .1 9 Y 1.86':1 2 .') 2':1
t>
Grand Total 124.996 105.996 143.996
11. Pelanggan wanita pekerja seks langsung
セャiャQャNャ@ ャ@ イ N@ Q@ l lta ra 17 1.l)H I 11)7.77R
SlIlll .ll r.ll :ar,1I
R i.IU );II 11 hi
SlIlll.11 r .1 Sd,llall
Ikng kll iu
1..1I11I' Ullg
/(c'I' Il.l ngka Iklil ll llg
KCl'uhlll,11l Ri,lll
I ) 1, I )ak.lrl<l
).1\\'<1 Baml
).11\. 1 TL'ng.li1
1) 1 yHIァセ@ ,lkMI.1
I<I 1\.1 I i Illll I'
I\.111lL' 1l
I : .tl i
:\m,1 I·Cll gg,II.1 11.lI"<lt
セャィ 、@ iャGャ@ ャ セァセ QャG@ L@|@ I i I1 HI r
1":, lI i 111 .1111 .1II IC'll g ,tll
1,,1II1n.l lll'1I1 Scl ,II ,1Il
1, .lIil l l ,III !.111 I i lllll l
"UL1\\ ni l ' t .1I ,I
Sul.lI\ L" I I C'll g:l h
"ULI\\L", j o"L'I.l I .l1l
"IIL\I\l"1 I l ' Jlgl!Jr a ( lonllll,tlil
"UI.II \ l"1 1: ,11 .11
,\ I,lilll-li
\1.,lukli Ll.tr.1
1'.11'1'1 H.1r,11
["'I 'l1 ,1
Grand Total
I I () . l) I :;
U6.·I;:iH /30.21 3 11.3 12 JX .:5X 12l)O:l 'J62.2xy
X26 ..IH
II R. 11 6
607.J )
17.101 19
IHJ ..'7X
.1.1 セGZIャI@
(,(I.HI, I
6.1 ..,01-\
l)() ] ) .1 I ,(,()3
I LlH. 1セ\I@
I :: ...J セ@ I
;(l.nn-Il).21 () .12 . !JI' 5.229.686 II ,,':IHl) ャ I セ N Yᄋ QQ@ I IO.6X3
;2 .9 I I
H. ": II
\() .1 72
X 17 l) 1(1
セ HIR NS@ lO
Nセ x@ 1.1 79
:; 1.6 セR@
I , ().O II
201b'J I
MMャ Saセ M Q@
7 h .7 1h
I I ,
,(i"
'\I I O() JJ I.tn.'
!11 . l l)l)
IX. II I
W.02Y
4.434.943
Q@ R ZM NUセR@
136,';l27'
11 2. 5 12
1+l).7..J 7
:iO.<) <) 3
11.372
11 . 1·1<)
11).3·1I
.I 06 .h3 2
1). 0. 1<)('
XI R, ·I )()
: /.99_ 2·17. 107
2 11 /I,
27 2.H7)
61.32·1
il l). <)<)()
I () , ;"<)2
1:>,H3
I0 .., x<)
12 1. 10()
.\7 70{) 20.069 I UO:; 63,Ol)() 22 .()l) 2 )73(H H1.2 15 6.024.444
III. Wanita pekerja seks tidak Jangsung
Rendah
NAD
Su matra Utara
SlIl11,ltra Barat
Riau
Jamb i
um alra Selatan
Bcng kulll
Lampung
Kcp. Ban gka Belitll ng
Kepu ltlu a n Riau
DKI Jaka rta
Jawa Bara t
Jawa 'Il' ngah
01 Yogyaka rta
Jawa Til11ur
Banten
Ba li
Nusa Tenggara Barat
usa Tenggara Til11ur
Kaliman tan Barat
Ka lim a ntan Te nga h
Kalimantan Selata n
Ka lima ntan Til11l1r
Sula v,esi Utam
Su lawesi Tengah
ulawe i Sela tan
Su lawesi Ten ggara
G oron ta lo
Su lawesi Barat
Maluku
Ma luku Utara
Papua Barat
Papua
Grand Total
Y2 ':>
5. 11 6
2.1 97
2.785
1.641
1. 7 19
1.403 845 472 1.3 12 23.286 10.876 10.0 23 706 10.557 1.365 3.404 4.5 70 6.4 _7 1.07 1 2. 150 1.4 76 75 ':> 1.360 776 1.627 1'()96 373 299 1.082 635 87 1 1.592 104.860
725 I. 133
.990 0.242
1. 7 14 2. 6!{O
2.172 3.398
1.280 2.002
1.34 1 2.097
1.094 1.7 12
659 1.031
36!{ 576
1.023 1.601
18.1 63 28A09
8 .483 13.269
7.818 12. 228
55 1 86 1
8.23-1 12 .880
1.065 1.665
2.702 4.22 6
3. 156 ..984
5. 01 3 7.841
835 1.307
1. 677 2. 623
l.l 5 1 1. 80 1
59 2 926
1.061 1.659
60 S <)·17
1.269 1.9H5
855 I..B7
29 1 455
233
36-844 1.320
495 775
679 1.063
1.242 1.<)4 2
81.382 128.338
I
Estimasi Jumlal7 Populasi Kunci Terdampak HIV Tal7un 2012III. Wanita pekerja seks tidak Jangsung
Rendah
NAD
Su matra Utara
SlIl11,ltra Barat
Riau
Jamb i
um alra Selatan
Bcng kulll
Lampung
Kcp. Ban gka Belitll ng
Kepu ltlu a n Riau
DKI Jaka rta
Jawa Bara t
Jawa 'Il' ngah
01 Yogyaka rta
Jawa Til11ur
Banten
Ba li
Nusa Tenggara Barat
usa Tenggara Til11ur
Kaliman tan Barat
Ka lim a ntan Te nga h
Kalimantan Selata n
Ka lima ntan Til11l1r
Sula v,esi Utam
Su lawesi Tengah
ulawe i Sela tan