Universitas Sumatera Utara ANALISIS REGRESI SPASIAL DENGAN MENGGUNAKAN PROGRAM
R PADA KASUS GIZI BURUK DI KOTA MEDAN TAHUN 2013
SKRIPSI
Oleh:
EVI SRIWAHYUNI NIM. 101000103
FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara ANALISIS REGRESI SPASIAL DENGAN MENGGUNAKAN PROGRAM
R PADA KASUS GIZI BURUK DI KOTA MEDAN TAHUN 2013
SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Kesehatan Masyarakat
Oleh:
EVI SRIWAHYUNI NIM. 101000103
FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara HALAMAN PERNYATAAN KEASLIAN SKRIPSI
Skripsi ini adalah hasil karya saya sendiri, semua sumber baik yang dikutip maupun dirujuk telah saya cantumkan sumbernya dengan benar. Jika di kemudian hari saya terbukti melakukan pelanggaran (plagiat) maka saya
bersedia diproses sesuai dengan hukum yang berlaku.
Nama : Evi Sriwahyuni
NIM : 101000103
Tanda Tangan :
Universitas Sumatera Utara ABSTRAK
Pemodelan kejadian balita gizi buruk dengan regresi linier yang bersifat umum belum tentu cocok diterapkan di Kota Medan karena setiap wilayah pasti memiliki karakteristik wilayah yang berbeda. Untuk itu diperlukan sebuah analisis yang memperhitungkan faktor spasial. Pemodelan bisa dilakukan dengan berbagai analisis dan berbagai software, namun penelitian ini menggunakan model Geographically Weighted Regression (GWR) dengan Program R.Penelitian ini bertujuan untuk mengaplikasikan regresi spasial pada kasus gizi buruk di Kota Medan Tahun 2013 dengan menggunakan Program R yang dapat diunggah gratis di internet.
Jenis penelitian ini adalah studi observasional analitik dengan rancangan penelitian cross sectional. Penelitian dilakukan bulan Februari hingga Desember 2014. Populasi dan sampel dalam penelitian ini adalah seluruh data balita yang tercatat di Dinas Kesehatan Kota Medan Januari – Desember 2012. Data yang ada dianalisis menggunakan analisis regresi spasial model Ordinary Least Square (OLS) dan Geographically Weighted Regression (GWR).
Hasil penelitian menunjukkan bahwa model yang fit
untukmenjelaskankejadianbalitagiziburuk di Kota Medan adalahOrdinary Least Square(p < 0,001). Faktor yang berpengaruh terhadap kejadian balita gizi buruk di Kota Medan adalah diare.
Disarankan kepadamasyarakat untuk siaga dan acuh jika anak mengalami
diare. Kepada petugaspuskesmas dan posyandudisarankan
untukmemberikanedukasitentangdiaredankepadapenelitiselanjutnyauntuk meneliti faktor-faktor lain yang mungkin berpengaruh seperti bayi berat lahir rendah (BBLR), pemeriksaan Antenatal Care (ANC), dan faktor lain selain seperti pendidikan, pengetahuan dan sosial.
Universitas Sumatera Utara ABSTRACT
Modelling of malnutrition among under five children with general linear regression was not suitable to be applied in Medan City because each region must have different regional characteristics. For that reason, it was needed an analysis which consider the spatial factor. The modelling can be done with some analysis and software, but, this research using Geographically Weighted Regression (GWR) model with R Program. The research aimed to aplicate the spatial regession for malnutrition among under five children case in Medan City 2013 using R Program that can be uploaded freely on internet.
The method of this research is analytical observational study with cross sectional design. This research was done in February to December 2014. The population and sample of this research was all under five children who was registered in Medan City Health Department in January to December 2012. All of data was analyzed using spatial regression with Ordinary Least Square (OLS) and Geographically Weighted Regression (GWR) model.
The result of this study showed that the fit model to describe the incident of malnutrition among under five children for each districts in Medan City was Ordinary Least Square(p < 0,001). The factor that affect the incident of malnutrition among under five children in Medan City was diarrhea.
It is recommended to community to standby and careful if their children get diarrhea. Public health center and posyandu officers are recommended to give education about diarrhea and for next researcher to researh the other factors that potential affect the malnutrition among under five children, for example, low birth weight infants, examination of Antenatal Care (ANC), and the other factors like education, knowledge and social.
Universitas Sumatera Utara KATA PENGANTAR
Puji syukur penulis panjatkan atas kehadirat Allah SWT yang telah
memberikan kemudahan dan keridhoan kepada penulis sehingga dapat
menyelesaikan skripsi ini dengan judul : “Analisis Regresi Spasial dengan Menggunakan Program R Pada Kasus Gizi Buruk di Kota Medan Tahun 2013”.
Selama proses penyusunan skripsi ini, penulis banyak mendapatkan
motivasi dan bantuan dari berbagai pihak baik secara moril maupun materil.
Untuk itu pada kesempatan ini penulis menyampaikan ucapan terima kasih yang
sebesar-besarnya kepada :
1. Bapak Dr. Drs. Surya Utama, M.S selaku Dekan Fakultas Kesehatan
Masyarakat Universitas Sumatera Utara.
2. Bapak Drs. Heru Santosa, M.S, Ph.D selaku Ketua Departemen
Kependudukan dan Biostatistika Fakultas Kesehatan Masyarakat
Universitas Sumatera Utara.
3. Ibu Dr. Ir. Erna Mutiara, M.Kes selaku Dosen Pembimbing I dan Ketua
Penguji yang telah banyak memberikan bimbingan, pengarahan dan
masukan sehingga skripsi ini dapat diselesaikan.
4. Ibu Maya Fitria, S.K.M, M.Kes selaku Dosen Pembimbing II dan Dosen
Penguji I yang telah memberikan waktu dan pikiran dalam memberikan
Universitas Sumatera Utara 5. Bapak Drs. Abdul Jalil Amri Arma, M.Kes selaku Dosen Penguji II yang
telah memberikan saran dan masukan untuk kesempurnaan penulisan skripsi
ini.
6. Ibu Dr. Ir. Zulhaida Lubis, M.Kes selaku Dosen Penguji III yang telah
memberikan saran dan masukan untuk kesempurnaan penulisan skripsi ini.
7. Bapak dr. M. Arifin Siregar, M.S selaku Dosen Penasihat Akademik.
8. Para Dosen dan Pegawai Fakultas Kesehatan Masyarakat Universitas
Sumatera Utara.
9. Ibu Drg. Hj. Usma Polita Nasution, M.Kes selaku Kepala Dinas Kesehatan
Kota Medan.
10. Bapak dr. Iman Surya selaku Kepala Bidang Bina Pelayanan Kesehatan di
Kantor Dinas Kesehatan Kota Medan beserta staf dan pegawai bagian
imunisasi, gizi dan penyakit balita.
11. Kepada Papa Tercinta Subroto Nyomo dan Ibok Tercinta Boini yang selalu
memberikan doa, semangat, nasihat, dukungan, motivasi, keoptimisan,
kesabaran dan kasih sayang yang tidak terhitung banyaknya. Kesabaran
kalian adalah semangat penulis untuk terus berusaha dan bersabar dalam
penulisan skripsi ini.
12. Kakakku, Nana Agustina, SE dan Adikku, Sakti Prabowo serta sahabat
hatiku Fahrizal Zulfi yang selalu berdoa dan memberikan dukungan serta
semangat dalam penulisan skripsi ini.
13. Sahabat seperjuangan, Dyah Ayu Wulandari SKM, Nurul Hidayah SKM,
Universitas Sumatera Utara SKM, Dian Fifit SKM, Effi Janiarti, Lestari S SKM terima kasih untuk
semangat dan motivasi yang kalian tularkan padaku.
14. Teman-teman terkasih di Ayo Dance Online, Randy Pratama, Ricky
Kurniawan, Ridho Oktav, Riko Setiawan, Kak Kebo (Kak Markus), Sapii
(Agung), Tommi, July Hung yang selalu siap menghibur saat jenuh
melanda.
15. Keluarga Pak Jamil di Langkat, Ibuk, Kak Deli, Om Endlo, Mi Toleng.
16. Senior-senior terhebatku, Kak Iska SKM, Kak Neni SKM, Kak Dilla SKM,
Kak Jehan SKM.
17. Teman-teman di FKM serta rekan-rekan peminatan Biostatistika dan
Informasi Kesehatan, Departemen Kependudukan dan Biostatistika FKM
USU.
Penulis menyadari skripsi ini masih banyak kekurangan dan kelemahan
serta masih diperlukan penyempurnaan, hal ini tidak terlepas dari keterbatasan
kemampuan, pengetahuan dan pengalaman yang penulis miliki. Semoga skripsi
ini bermanfaat bagi ilmu pengetahuan dan penelitian selanjutnya.
Medan, Desember 2014
Universitas Sumatera Utara DAFTAR ISI
HALAMAN PERNYATAAN KEASLIAN SKRIPSI ... i
HALAMAN PENGESAHAN ... ii
ABSTRAK ... . iii
ABSTRACT ... . iv
KATA PENGANTAR ... v
DAFTAR ISI ... . viii
DAFTAR TABEL ... . xi
DAFTAR GAMBAR ... xiii
DAFTAR RIWAYAT HIDUP ... xiv
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 5
1.3 Tujuan Penelitian ... 5
1.3.1 Tujuan Umum ... 5
1.3.2 Tujuan Khusus ... 5
1.4 Manfaat Penelitian ... 5
BAB II TINJAUAN PUSTAKA ... 6
2.1 Analisis Regresi ... 6
2.2 Regresi Spasial ... 7
2.2.1 Model Geographically Weighted Regression (GWR) ... 8
2.2.2 Model Spatial Lag Model (SLM) atau Spatial Autoregressive Model (SAR) ... 11
2.2.3 Model Structural Equation Model (SEM) ... 12
2.2.4 Model General Spatial Model atau Spatial Autoregressive Moving Average (SARMA) ... 14
2.2.5 Pemilihan Model ... 15
2.3 Program R .. . ... 16
2.3.1 Sejarah ... 16
2.3.2 Kelebihan dan Kekurangan Program R ... 17
2.5.2.1 Kelebihan Program R ... 17
2.5.2.2 Kekurangan Program R ... 18
2.3.3 Cara Memperoleh Program R ... 18
2.3.4 Analisis Regresi Spasial dalam Program R ... 20
2.3.5 Geographically Weighted Regression (GWR) dalam Program R ... 24
2.4 Gizi ... 26
2.5 Gizi Buruk ... ... 27
2.5.1 Penyebab Gizi Buruk ... 28
Universitas Sumatera Utara
2.6 Kerangka Konsep Penelitian ... 36
2.7 Hipotesis Penelitian ... 36
BAB III METODE PENELITIAN ... 37
3.1 Jenis dan Rancangan Penelitian ... 37
3.2 Lokasi dan Waktu Penelitian ... 37
3.3 Populasi dan Sampel ... 37
3.3.1 Populasi ... 37
3.3.2 Sampel ... 37
3.4 Metode Pengumpulan Data ... 38
3.4.1 Jenis Data ... 38
3.4.2 Cara Pengumpulan Data ... 38
3.5 Definisi Operasional Variabel ... 38
3.6 Aspek Pengukuran ... 39
3.7 Teknik Analisis Data ... 41
BAB IV HASIL PENELITIAN ... 44
4.1 Gambaran Umum Kota Medan ... 44
4.1.1 Geologi ... 44
4.1.2 Letak ... 44
4.1.3 Batas ... 44
4.1.4 Iklim ... 45
4.2 Distribusi Kejadian Gizi Buruk dan Faktor-Faktor yang Memengaruhinya ... 45
4.2.1 Gizi Buruk ... 45
4.2.2 ASI Eksklusif ... 47
4.2.3 Imunisasi Lengkap ... 48
4.2.4 Vitamin A ... 49
4.2.5 ISPA ... 50
4.2.6 Diare ... 51
4.2.7 Fasilitas Pelayanan Kesehatan ... 52
4.3 Titik Koordinat 21 Kecamatan di Kota Medan ... 53
4.4 Analisis Data ... 53
4.4.1 Identifikasi Pola Hubungan antara Balita Gizi Buruk dan Faktor-Faktor yang Memengaruhinya ... 53
4.4.2 Memeriksa Multikoleniaritas antara Variabel-Variabel Independen ... 56
4.4.3 Model Regresi Ordinary Least Square (OLS) Kejadian BalitaGizi Buruk ... 56
4.4.4 Uji Parameter Regresi Ordinary Least Square (OLS) ... 57
4.4.5 Model Geographically Weighted Regression (GWR) Balita Gizi Buruk ... 61
4.4.6 Pengujian Kesesuaian Model GWR ... 63
Universitas Sumatera Utara
BAB V PEMBAHASAN ... 66
5.1 Pengaruh ASI Eksklusif Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 66
5.2 Pengaruh Imunisasi Lengkap Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 67
5.3 Pengaruh Vitamin A Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 69
5.4 Pengaruh ISPA Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 69
5.5 Pengaruh Diare Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 71
5.6 Pengaruh Fasilitas Pelayanan Kesehatan Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 72
BAB VI KESIMPULAN DAN SARAN ... 74
6.1 Kesimpulan ... 74
6.2 Saran ... . 74
Universitas Sumatera Utara DAFTAR TABEL
Tabel 1.1 Jumlah Balita menurut Status Gizi dan Kecamatan di
Kota Medan Tahun 2012 ... 2
Tabel 2.1 Kategori dan Ambang Batas Status Gizi Anak berdasarkan Indeks ... 27
Tabel 4.1 Distribusi Balita yang Menderita Gizi Buruk di Kota Medan Tahun 2013 ... 46
Tabel 4.2 Distribusi Balita yang Memperoleh ASI Eksklusif di Kota Medan Tahun 2013... 47
Tabel 4.3 Distribusi Balita yang Memperoleh Imunisasi Lengkap di Kota Medan Tahun 2013 ... 48
Tabel 4.4 Distribusi Balita yang Memperoleh Vitamin A di Kota Medan Tahun 2013 ... 49
Tabel 4.5 Distribusi Balita yang Mengalami Penyakit Infeksi ISPA di Kota Medan Tahun 2013 ... 50
Tabel 4.6 Distribusi Balita yang Mengalami Penyakit Infeksi Diare di Kota Medan Tahun 2013 ... 51
Tabel 4.7 Distribusi Fasilitas Pelayanan Kesehatan di Kota Medan Tahun 2013 ... 52
Tabel 4.8 Titik Koordinat 21 Kecamatan di Kota Medan ... 53
Tabel 4.9 Nilai Variance Inflation Factors (VIF) OLS ... 56
Tabel 4.10 Estimasi Parameter, Nilai Statistik Uji T Model OLS ... 58
Tabel 4.11 Uji Homogenitas ... 59
Tabel 4.12 Nilai Variance Inflation Factors (VIF) GWR ... 61
Tabel 4.13 Nilai Bandwidth Tiap Kecamatan ... 62
Universitas Sumatera Utara Tabel 4.15 Nilai SSE, Uji F, dan P-value Model regresi OLS dan GWR ... 63
Tabel 4.16 Variabel yang Signifikan dalam Model GWR Tiap Kecamatan
Universitas Sumatera Utara DAFTAR GAMBAR
Gambar 2.1 Jendela dialog awal instalasi R dalam sistem operasi
Windows ... 19
Gambar 2.2 Icon R pada desktop ... 20
Gambar 2.3 Tampilan awal Program R ... 20
Gambar 2.4 Tampilan dari Load Package-spdep package ... 21
Gambar 2.5 Tampilan dari R-Console untuk spdep package ... 22
Gambar 2.6 Tampilan dari Load Package-Rcmdr package ... 23
Gambar 2.7 Tampilan Rcmdr untuk Rcmdr package ... 23
Gambar 2.8 Tampilan dari Load Package ... 25
Gambar 2.9 Tampilan dari Load Package pada spgwr package ... 25
Gambar 2.10 Faktor yang memengaruhi status gizi ... 29
Gambar 2.11 Kerangka Konsep ... 36
Gambar 4.1 Hasil Analisis Korelasi Pearson ... 54
Universitas Sumatera Utara DAFTAR RIWAYAT HIDUP
Nama : EVI SRIWAHYUNI
Tempat Lahir : Bah Lias Kec. Bandar Kab. Simalungun
Sumatera Utara
Tanggal Lahir : 29 Juni 1992
Suku Bangsa : Jawa
Agama : Islam
Nama Ayah : Subroto
Suku Bangsa Ayah : Jawa
Nama Ibu : Boini
Suku Bangsa Ibu : Jawa
Pendidikan Formal
1. SD/Tamat tahun : SD Negeri 1 No. 091644 Bandar/2000 – 2004
2. SLTP/Tamat tahun : SMP Negeri 1 Bandar/2004 – 2007
3. SLTA/Tamat tahun : SMA Negeri 1 Bandar/2007 – 2010
Universitas Sumatera Utara ABSTRAK
Pemodelan kejadian balita gizi buruk dengan regresi linier yang bersifat umum belum tentu cocok diterapkan di Kota Medan karena setiap wilayah pasti memiliki karakteristik wilayah yang berbeda. Untuk itu diperlukan sebuah analisis yang memperhitungkan faktor spasial. Pemodelan bisa dilakukan dengan berbagai analisis dan berbagai software, namun penelitian ini menggunakan model Geographically Weighted Regression (GWR) dengan Program R.Penelitian ini bertujuan untuk mengaplikasikan regresi spasial pada kasus gizi buruk di Kota Medan Tahun 2013 dengan menggunakan Program R yang dapat diunggah gratis di internet.
Jenis penelitian ini adalah studi observasional analitik dengan rancangan penelitian cross sectional. Penelitian dilakukan bulan Februari hingga Desember 2014. Populasi dan sampel dalam penelitian ini adalah seluruh data balita yang tercatat di Dinas Kesehatan Kota Medan Januari – Desember 2012. Data yang ada dianalisis menggunakan analisis regresi spasial model Ordinary Least Square (OLS) dan Geographically Weighted Regression (GWR).
Hasil penelitian menunjukkan bahwa model yang fit
untukmenjelaskankejadianbalitagiziburuk di Kota Medan adalahOrdinary Least Square(p < 0,001). Faktor yang berpengaruh terhadap kejadian balita gizi buruk di Kota Medan adalah diare.
Disarankan kepadamasyarakat untuk siaga dan acuh jika anak mengalami
diare. Kepada petugaspuskesmas dan posyandudisarankan
untukmemberikanedukasitentangdiaredankepadapenelitiselanjutnyauntuk meneliti faktor-faktor lain yang mungkin berpengaruh seperti bayi berat lahir rendah (BBLR), pemeriksaan Antenatal Care (ANC), dan faktor lain selain seperti pendidikan, pengetahuan dan sosial.
Universitas Sumatera Utara ABSTRACT
Modelling of malnutrition among under five children with general linear regression was not suitable to be applied in Medan City because each region must have different regional characteristics. For that reason, it was needed an analysis which consider the spatial factor. The modelling can be done with some analysis and software, but, this research using Geographically Weighted Regression (GWR) model with R Program. The research aimed to aplicate the spatial regession for malnutrition among under five children case in Medan City 2013 using R Program that can be uploaded freely on internet.
The method of this research is analytical observational study with cross sectional design. This research was done in February to December 2014. The population and sample of this research was all under five children who was registered in Medan City Health Department in January to December 2012. All of data was analyzed using spatial regression with Ordinary Least Square (OLS) and Geographically Weighted Regression (GWR) model.
The result of this study showed that the fit model to describe the incident of malnutrition among under five children for each districts in Medan City was Ordinary Least Square(p < 0,001). The factor that affect the incident of malnutrition among under five children in Medan City was diarrhea.
It is recommended to community to standby and careful if their children get diarrhea. Public health center and posyandu officers are recommended to give education about diarrhea and for next researcher to researh the other factors that potential affect the malnutrition among under five children, for example, low birth weight infants, examination of Antenatal Care (ANC), and the other factors like education, knowledge and social.
Universitas Sumatera Utara BAB I
PENDAHULUAN 1.1 Latar Belakang
Menurut laporan World Health Organization (WHO) pada tahun 2012
sebanyak 6,6 juta anak dibawah usia 5 tahun meninggal dunia, hampir 18.000
kematian per hari. Kematian anak dibawah 5 tahun tertinggi masih di wilayah
Afrika yaitu 95 kematian per 1000 kelahiran hidup, sekitar 8 kali lebih tinggi
daripada wilayah Eropa yaitu 12 kematian per 1000 kelahiran hidup. Selain itu,
kesenjangan tingginya kematian balita antara negara dengan penghasilan tinggi
dan rendah masih tetap besar. Kematian balita tahun 2012 di negara dengan
penghasilan rendah mencapai 82 kematian per 1000 kelahiran hidup, sekitar 3 kali
lebih tinggi daripada negara dengan penghasilan tinggi yaitu 6 kematian per 1000
kelahiran hidup.
Indonesia dihadapkan dengan persoalan gizi buruk yang merupakan salah
satu persoalan utama dalam pembangunan manusia. Berdasarkan Riset Kesehatan
Dasar (Riskesdas) tahun 2013, di Indonesia sebesar 13,90% balita dengan gizi
kurang, menurun dari hasil Riskesdas 2010 yaitu sebesar 17,90% balita. Namun
terjadi peningkatan pada kejadian gizi buruk yaitu sebesar 5,70% balita pada
Riskesdas 2013 dari 4,90% balita pada Riskesdas 2010. Angka tersebut masih
jauh dari target MDG’s 2015 yaitu sebesar 15,50% untuk prevalensi gizi kurang
dan 3,60% untuk prevalensi gizi buruk.
Pada tahun 2009 terdapat sebesar 0,52% (911) balita dengan gizi buruk dan
3,21% (5.676) balita dengan gizi kurang di kota Medan (Pemko Medan, 2012).
Universitas Sumatera Utara tahun 2011 menjadi 124 balita (Dinkes Kota Medan, 2012). Berdasarkan data
Dinkes Kota Medan, kasus gizi buruk di kota Medan tetap pada tahun 2012 yaitu
sebesar 0,077% (124) balita. Namun meningkat pada Mei 2013 yaitu sebesar
0,087% (138) balita (Dinkes Kota Medan, 2013). Dinas Kesehatan Provinsi
Sumatera Utara mencatat bahwa sepanjang tahun 2012 terdapat sebanyak 746
kasus gizi buruk di wilayah Sumatera Utara, dan Kota Medan sebagai pemegang
kasus tertinggi. Prevalensi balita menurut status gizi di Kota Medan berdasarkan
Profil Dinas Kesehatan Kota Medan 2013 dapat dilihat pada Tabel 1.1 berikut :
Tabel 1.1 Jumlah Balita menurut Status Gizi dan Kecamatan di Kota Medan Tahun 2012
Kecamatan Gizi Lebih Gizi Baik Gizi Kurang Gizi Buruk
Medan Tuntungan - - 55 2
Medan Johor - - 29 7
Medan Amplas - - 32 0
Medan Denai - - 101 10
Medan Area - - 47 6
Medan Kota - - 24 4
Medan Maimun - - 60 4
Medan Polonia - - 80 2
Medan Baru - - 40 4
Medan Selayang - - 39 2
Medan Sunggal - - 40 9
Medan Helvetia - - 68 13
Medan Petisah - - 54 3
Medan Barat - - 67 4
Medan Timur - - 55 3
Medan Perjuangan - - 99 6
Medan Tembung - - 85 10
Medan Deli - - 72 12
Medan Labuhan - - 107 11
Medan Marelan - - 63 5
Medan Belawan - - 150 7
Jumlah - - 1.367 124
Universitas Sumatera Utara Adapun faktor-faktor yang dipilih sebagai faktor yang memengaruhi gizi
buruk di Kota Medan adalah ASI eksklusif, imunisasi lengkap, vitamin A, infeksi
saluran pernapasan akut (ISPA), diare dan fasilitas pelayanan kesehatan.
Faktor-faktor tersebut dipilih berdasarkan Faktor-faktor yang memengaruhi gizi buruk menurut
UNICEF dan berdasarkan ketersediaan data di Dinas Kesehatan Kota Medan.
Kasus gizi buruk yang terjadi di Kota Medan tersebar tidak secara merata di
21 kecamatan yang ada di Kota Medan. Oleh karena itu, lingkungan atau kondisi
geografis daerah sangat mungkin memengaruhi terjadinya gizi buruk. Ini berarti
bahwa, kasus gizi buruk sudah memenuhi syarat untuk dianalisis dengan
menggunakan analisis regresi spasial. Regresi spasial adalah suatu analisis yang
digunakan untuk memodelkan suatu data yang memiliki informasi ruang atau
spasial. Menurut Anselin (1988) jika dalam analisis pada kasus yang memiliki
informasi spasial menggunakan analisis regresi sederhana maka akan terjadi
pelanggaran terhadap asumsi seperti nilai sisa berkolerasi dengan yang lain dan
varian tidak konstan. Jika dalam analisis, informasi ruang atau spasial diabaikan
pada data yang memiliki informasi ruang atau spasial, maka koefisien regresi akan
bias atau tidak konsisten, R2 berlebihan, dan kesimpulan yang ditarik tidak tepat
karena model analisis yang digunakan tidak akurat. Beberapa model yang telah
berkembang adalah Geographically Weighted Regression (GWR) dengan
pendekatan titik, Spatial Autoregressive Model (SAR), Spatial Error Model
(SEM), dan Spatial Autoregressive Moving Average (SARMA) dengan
Universitas Sumatera Utara Diperlukan suatu metode pemodelan statistik dengan memperhitungkan
informasi spasial dengan menggunakan pendekatan titik koordinat lattitude dan
longitude. Sehingga model yang akan digunakan dalam penelitian ini adalah
model Geographically Weighted Regression (GWR) yang akan menghasilkan
dugaan parameter model regresi untuk setiap lokasi (per kecamatan).
Geographically Weighted Regression (GWR) adalah model regresi yang
dikembangkan oleh Fotheringham, dkk (2002) merupakan salah satu
pengembangan model regresi OLS dengan mempertimbangkan spasial (lokasi)
yang digunakan untuk mengatasi masalah heterogenitas spasial yang disebabkan
oleh kondisi lokasi yang satu dengan lokasi lain tidak sama. Model ini merupakan
model regresi linier yang menghasilkan dugaan parameter model regresi yang
bersifat lokal untuk setiap lokasi atau titik dimana data tersebut diperoleh atau
dikumpulkan.
Perangkat lunak (software) yang dapat digunakan untuk melakukan analisis
regresi spasial diantaranya adalah MATLAB, Octave, R, ArcView, S-plus dan
OpenGeoDa. Octave, R dan OpenGeoDa merupakan software yang dapat diunduh
secara gratis. MATLAB, Octave dan R merupakan software yang berbasis
command line sehingga dituntut lebih dalam kemampuan menyusun atau
membuat syntax dan macro. Dalam analisis ini, software yang akan digunakan
adalah R dengan alasan untuk memperkenalkan sistem Command Line Interface
(CLI) tidak hanya sistem Grapical User Interface (GUI) seperti yang ada dalam
SPSS, menghasilkan output yang mudah dipahami, bersifat multiplatform yang
Universitas Sumatera Utara untuk LINUX, mudah diperoleh karena dapat diunduh secara gratis tidak seperti
MATLAB yang sangat mahal.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, maka yang menjadi rumusan masalah
dalam penelitian ini adalah bagaimana penerapan analisis regresi spasial dengan
menggunakan Program R pada kasus gizi buruk di Kota Medan tahun 2013.
1.3 Tujuan Penelitian 1.3.1 Tujuan Umum
Tujuan dari penelitian ini adalah untuk mengaplikasikan regresi spasial pada
kasus gizi buruk di Kota Medan tahun 2013 dengan menggunakan Program R.
1.3.2 Tujuan Khusus
1. Menganalisis pengaruh ASI eksklusif, imunisasi lengkap, vitamin A, infeksi
saluran pernafasan akut (ISPA), diare dan fasilitas pelayanan kesehatan
terhadap kejadian gizi buruk di Kota Medan.
2. Menentukan model yang fit antara model yang diperoleh dari hasil analisis
Ordinary Least Square (OLS) dan Geographically Weighted Regression
(GWR) untuk kasus gizi buruk di Kota Medan.
1.4 Manfaat Penelitian
1. Model kasus gizi buruk yang diperoleh dapat digunakan untuk membuat suatu
prediksi, antisipasi dan langkah awal yang dapat dilakukan untuk mengurangi
kasus gizi buruk di Kota Medan guna mencapai target MDG’s tahun 2015.
2. Sebagai bahan masukan atau referensi bagi peneliti lain yang ingin melakukan
Universitas Sumatera Utara BAB II
TINJAUAN PUSTAKA 2.1 Analisis Regresi
Analisis regresi adalah analisis yang digunakan untuk mendapatkan
hubungan matematis antara satu variabel dependen (y) dan satu atau lebih variabel
independen (x). Menurut Draper dan Smith (1992) dikatakan bahwa hubungan
antara satu variabel dependen dengan satu atau lebih variabel independen dapat
dinyatakan dalam model regresi linier. Secara umum hubungan tersebut dapat
dinyatakan sebagai berikut :
(2.1)
dimana
y = variabel dependen
, , … = parameter yang tidak diketahui
X = variabel independen
= error regresi
Jika dilakukan pengamatan sebanyak n, maka model pengamatan ke-i
adalah:
(2.2)
i = 1,2,3,...,n
Jika disederhanakan (Ordinary Least Square (OLS)) menjadi
(2.3)
dimana
Universitas Sumatera Utara = vektor koefisien parameter regresi yang berukuran (k+1)x1
= error regresi
2.2 Regresi Spasial
Regresi spasial adalah suatu analisis yang digunakan untuk memodelkan
suatu data yang memiliki informasi ruang atau spasial. Beberapa model yang telah
berkembang adalah Geographically Weighted Regression (GWR), Spatial
Autoregressive Model (SAR), Spatial Error Model (SEM) dan Spatial
Autoregressive Moving Average (SARMA). Model umum regresi spasial
dinyatakan dalam persamaan Anselin (1988) :
(2.4)
(2.5)
~ 0, (2.6)
dimana
y = matriks variabel dependen yang berukuran (n x 1)
X = matriks variabel independen berukuran (n x (k+1))
= vektor koefisien parameter regresi yang berukuran (k+1)x1
! = koefisien autoregresi lag spasial
" = koefisien autoregresi lag pada error yang bernilai |"$|% 1$
' = vektor error yang diasumsikan ada autokorelasi berukuran n x 1
= vektor error yang berukuran n x 1, yang berdistribusi normal
dengan =-mean nol dan varians
W = matriks pembobot spasial yang berukuran n x n
Universitas Sumatera Utara k = jumlah variabel independen (k = 1, 2, ...dst)
I = matriks identitas dengan ukuran n x n
Terdapat empat model yang dapat dibentuk dari model umum regresi yaitu:
1. Geographically Weighted Regression (GWR)
(
)
(
)
0
1
,
,
p
i i i k i i ik i
k
y
β
u v
β
u v x
ε
=
=
+
∑
+
2. Spatial Lag Model (SLM) atau Spasial Autogressive Model (SAR)
Jika ! ( 0, " 0 maka persamaan (2.4) menjadi:
(2.8)
3. Spatial Error Model (SEM)
Jika ! 0, " ( 0 maka persamaan (2.4) menjadi:
(2.9)
4. General Spatial Model atau Spatial Autoregressive Moving Average (SARMA)
Jika ! ( 0, " ( 0 maka persamaan (2.4) menjadi:
, (2.10)
2.2.1 Model Geographically Weighted Regression (GWR)
Model Geographically Weighted Regression (GWR) adalah model regresi
yang pertama kali diperkenalkan oleh Fotheringham pada tahun 1967 yang
merupakan salah satu pengembangan model regresi OLS dengan
mempertimbangkan spasial atau lokasi (Maulani, 2013). Model ini merupakan
model regresi linier yang menghasilkan dugaan parameter model regresi yang
bersifat lokal untuk setiap lokasi atau titik dimana data tersebut diperoleh atau
dikumpulkan. Model GWR dapat ditulis sebagai berikut :
Universitas Sumatera Utara
(
)
(
)
0 1,
,
pi i i k i i ik i
k
y
β
u v
β
u v
x
ε
=
=
+
∑
+
dimana:
i
y
: Nilai observasi variabel respon untuk lokasi ke-i(
u
i,
v
i)
: Menyatakan titik koordinat (longitude, latitude) lokasi i(
,
)
k
u v
i iβ
: Koefisien regresi variabel prediktor ke- k untuk lokasi ke-iEstimasi parameter di suatu titik (ui ,vi) akan lebih dipengaruhi oleh
titik-titik yang dekat dengan lokasi (ui ,vi) daripada titik-titik yang lebih jauh.
Pemilihan pembobot spasial digunakan untuk menentukan besarnya pembobot
masing-masing lokasi yang berbeda. Salah satu cara yang digunakan untuk
menentukan besarnya pembobot adalah dengan fungsi kernel. Pembobot yang
terbentuk dengan menggunakan fungsi kernel ini adalah fungsi jarak Gaussian
(Gaussian Distance Function), fungsi Exponential, fungsi Bisquare, dan fungsi
kernel Tricube. Fungsi pembobot yang digunakan pada penelitian ini adalah
fungsi jarak Gaussian.
(
)
(
)
− = 2 2 1 exp,v d h
u
wj i i ij
dengan
(
) (
2)
2j i j i
ij u u v v
d = − + − adalah jarak euclidian antara lokasi
(
ui,vi)
kelokasi
(
uj,vj)
dan h adalah parameter non negatif yang diketahui dan biasanyadisebut parameter penghalus (bandwidth).
Bandwidth dapat dianggap sebagai radius dari suatu lingkaran, sehingga
sebuah titik yang berada dalam radius lingkaran dianggap masih memiliki
pengaruh. Di dalam pembentukan sebuah model GWR, bandwidth berperan
sangat penting karena akan berpengaruh pada ketepatan model terhadap data, (2.11)
Universitas Sumatera Utara yaitu mengatur varians dan bias dari model (Lestari, 2011). Ada beberapa metode
yang digunakan untuk memilih bandwidth optimum, salah satu diantaranya adalah
metode Cross Validation (CV) sebagai berikut :
( )
(
)
21
ˆ ( )
ni i
i
CV h
y
y
≠h
=
=
∑
−
Dengan
y
≠i( )
h
adalah nilai penaksiry
i dimana pengamatan di lokasi(
u
i,
v
i)
dihilangkan dari proses estimasi. Untuk mendapatkan nilaih
yangoptimal maka diperoleh dari
h
yang menghasilkan nilai Cross Validation (CV)minimum.
Pengujian kesesuaian model (goodness of fit) dilakukan dengan menguji
kesesuaian dari koefisien parameter secara serentak, yaitu dengan
mengkombinasikan uji regresi linier dengan model untuk data spasial. Hipotesis
yang digunakan sebagai berikut :
(
)
0
H :
β
k u vi, i =β
k untuk setiap k=0,1, 2, , , dan p i=1, 2, ,n(tidak ada perbedaan yang signifikan antara model regresi global dan GWR)
1
H :Paling sedikit ada satu βk
(
u vi, i)
≠βk, k=0,1, 2, ,p(ada perbedaan yang signifikan antara model regresi global dan GWR).
Statistik uji:
( )
( ) (
0 1)
2 2 1 1 − − = p n H SSE H SSE Fhitung δ δ (2.14)
Jika hipotesis null () ) adalah benar berdasarkan data yang diberikan, maka
Universitas Sumatera Utara SSE() )/SSE() ) akan mendekati satu, sebaliknya jika ) tidak benar maka
nilainya cenderung mengecil (Leung et. al., 2000 dalam Lestari, 2011)
menghasilkan nilai yang relatif kecil, maka dapat dikatakan bahwa hipotesis
alternatif lebih cocok digunakan. Dengan kata lain model GWR mempunyai
goodness of fit yang lebih baik dari pada model regresi global.
Adapun pengujian signifikansi parameter model pada setiap lokasi
dilakukan dengan menguji parameter secara parsial. Hipotesisnya adalah sebagai
berikut :
(
)
0
H :
β
k u vi, i =0(
,
)
0
:
1 k
u
iv
i≠
H
β
dengan k =1, 2, ,pStatistik uji yang digunakan :
ˆ ( , )
ˆ
k i i hit kku v
T
c
β
σ
=
Tolak ) jika, |*+ ,| - ./
0; 23 0/2
0
2.2.2 Model Spatial Lag Model (SLM) atau Spatial Autoregressive Model (SAR)
Spatial Autoregressive Model (SAR) disebut juga Spatial Lag Model (SLM)
adalah salah satu model spasial dengan pendekatan area dengan memperhitungkan
pengaruh spasial lag pada variabel dependen saja. Model ini dinamakan Mixed
Regressive – Autoregressive karena mengkombinasikan regresi biasa dengan
model regresi spasial lag pada variabel dependen (Anselin, 1988). Model spasial
Universitas Sumatera Utara mengasumsikan bahwa proses autoregressive hanya pada variabel respon. Model
umum SAR dapat dilihat pada Persamaan (2.8).
Model ini adalah pengembangan dari model autoregressive order pertama,
dimana variabel respon selain dipengaruhi oleh lag variabel respon itu sendiri juga
dipengaruhi oleh variabel prediktor. Proses autoregressive juga memiliki
kesamaan dengan analisis deret waktu seperti pada model spasial autoregressive
order pertama. Perkembangan dari model SAR itu sendiri adalah model SAC dan
SARMA (Anselin, 1998). Menurut Anselin (1988), untuk mengetahui model SAR
ini konsisten, maka dikembangkan model estimasi parameter dengan maximum
likelihood.
2.2.3 Model Structural Equation Model (SEM)
Spatial Error Model (SEM) merupakan model spasial error dimana pada
error terdapat korelasi spasial, model ini dikembangkan oleh Anselin (1988).
Model spasial error terbentuk apabila W= 0 dan ρ= 0, sehingga model ini
mengasumsikan bahwa proses autoregressive hanya pada error model. Model
umum SEM dapat dilihat pada Persamaan (2.9).
Structural Equation Model (SEM) merupakan salah satu analisis multivariat
yang dapat menganalisis hubungan variabel secara kompleks. Analisis ini pada
umumnya digunakan untuk penelitian-penelitian yang menggunakan banyak
variabel (Nawangsari, 2011). Menurut Ghozali (2008), SEM adalah sebuah
evolusi dari model persamaan berganda yang dikembangkan dari prinsip
Universitas Sumatera Utara sosiologi, SEM telah muncul sebagai bagian integral dari penelitian manajerial
akademik.
SEM terdiri dari 2 bagian yaitu model variabel laten dan model pengukuran
(Ghozali, 2008). Bagian pertama yaitu model variabel laten (latent variable
model) mengadaptasi model persamaan simultan pada ekonometri. Jika pada
ekonometri semua variabelnya merupakan beberapa variabel terukur/teramati
(measured/ observed variables), maka pada model ini beberapa variabel
merupakan variabel laten (latent variables) yang tidak terukur secara langsung).
Sedangkan bagian kedua yang dikenal dengan model pengukuran (measurement
model), menggambarkan beberapa indikator atau beberapa variabel terukur
sebagai efek atau refleksi dari variabel latennya. Kedua bagian model ini
merupakan jawaban terhadap 2 permasalahan dasar pembuatan kesimpulan ilmiah
dalam ilmu sosial dan perilaku. Untuk permasalahan pertama yang berkaitan
dengan masalah pengukuran dapat dijawab dengan model pengukuran, sedangkan
permasalahan kedua yang berkaitan dengan hubungan kausal dapat dijawab
menggunakan model variabel laten.
Dalam praktiknya, SEM merupakan gabungan dari dua metode statistika
yang terpisah yang melibatkan analisis faktor (factor analysis) yang
dikembangkan dipsikologi dan psikometri dan model persamaan simultan
(simultaneous equation modelling) yang dikembangkan di ekonometrika.
Hair, Babin, Anderson, dan Tatham cit Ghozali (2008) menunjukkan
perbedaan antara teknik SEM dengan teknik regresi dan multivariate lainnya,
Universitas Sumatera Utara 1. Estimasi terhadap multiple interrelated dependence relationships yang istilah
sederhananya adalah susunan beberapa persamaan regresi berganda yang
terpisahkan tetapi saling berkaitan. Susunan persamaan ini dispesifikasikan
dalam bentuk model structural dan diestimasi oleh SEM secara simultan.
2. Kemampuan untuk menunjukkan beberapa konsep tidak teramati (unobserved
concepts) serta beberapa hubungan yang ada di dalamnya, dan perhitungan
terhadap beberapa kesalahan pengukuran dalam proses estimasi. SEM
menyajikan konsep tidak teramati melalui penggunaan beberapa variabel laten.
Pendekatan beberapa variabel teramati terhadap suatu konsep jarang dapat
dilakukan dengan sempurna dan hampir selalu ada kesalahannya. Beberapa
kesalahan pendekatan ini sering dikenal sebagai kesalahan pengukuran
(measurement errors) dan dapat diestimasi menggunakan beberapa fasilitas
yang ada pada SEM.
2.2.4 Model General Spatial Model atau Spatial Autoregressive Moving Average (SARMA)
Spatial Autoregressive Moving Average (SARMA) merupakan salah satu
model spasial dengan pendekatan area dengan memperhitungkan pengaruh spasial
lag pada variabel dependen dan independen (Anselin 1988). Model terbentuk
apabila ! ( 0, " ( 0. Model umum SARMA dapat dilihat pada Persamaan (2.10).
Model Spatial Autoregressive Moving Average (SARMA) analog dengan
analisis spasial yang dikenal dengan ARMA (Autoregressive Moving Average)
yang dikembangkan untuk model time-series. Sedangkan ARMA berhubungan
Universitas Sumatera Utara Keuntungan dari SARMA adalah bahwa skala spasial dapat dimodelkan secara
jelas.
2.2.5 Pemilihan Model
Anselin (1998) membedakan efek spasial menjadi dua bagian yaitu
dependensi spasial dan heterogenitas spasial. Dependensi spasial ditunjukkan
dengan kemiripan sifat untuk lokasi yang saling berdekatan, sedangkan
heterogenitas spasial ditunjukkan oleh perbedaan sifat antara satu lokasi dengan
lokasi lainnya. Dependensi spasial terjadi pada daerah yang memiliki kedekatan
lokasi sehingga terjadi interaksi spasial pada daerah tersebut. Sedangkan
heterogenitas spasial terjadi pada lokasi-lokasi yang berbeda-beda.
Salah satu dampak yang ditimbulkan karena munculnya heterogenitas
spasial adalah parameter regresi bervariasi secara spasial. Pada regresi global
diasumsikan bahwa nilai duga parameter regresi akan konstan, artinya parameter
regresi sama untuk setiap titik di dalam wilayah penelitian. Bila terjadi
heterogenitas spasial pada parameter regresi, maka regresi global menjadi kurang
mampu dalam menjelaskan fenomena data yang sebenarnya (Anselin, 1988).
Brundson, Fotheringham dan Charlton (1998) mengembangkan sebuah
metode untuk menganalisis data apabila terjadi heterogenitas spasial yang
kemudian diberi nama Geographically Weighted Regression (GWR). Pada GWR,
parameter regresi diasumsikan bervariasi secara spasial. Melalui GWR akan dapat
diketahui variasi spasial dalam nilai duga parameter, sehingga akan dihasilkan
Universitas Sumatera Utara Dalam penelitian kasus gizi buruk ini, kondisi lokasi yang satu tidak selalu
sama dengan kondisi yang lain, mungkin karena faktor geografis (spatial
variation), keadaan sosial budaya maupun hal-hal lain yang melatarbelakangi
kondisi lokasi yang diamati, sehingga model penentuan kasus gizi buruk yang
bersifat global tidaklah cocok digunakan karena munculnya heterogenitas spasial.
Karena adanya perbedaan sifat antara satu lokasi dengan lokasi yang lain maka
model yang digunakan adalah Geographically Weighted Regression (GWR) yang
akan menghasilkan dugaan parameter model regresi yang berbeda di tiap lokasi
(per kecamatan).
2.3 Program R
Secara umum ada dua macam kelompok paket software statistik untuk
keperluan analisis data, yaitu kelompok software komersil dan kelompok software
statistik open source. Beberapa contoh sofware statistik komersil yang popular di
Indonesia adalah SPSS, MINITAB, Eviews, SAS, dan S-plus. Sedangkan contoh
dari freeware statistik antara lain adalah R, Open Stats, SalStat, Vista, Supermix,
dan lain-lain (Suhartono, 2008).
Software statistik yang komersil mensyaratkan lisensi dengan harga yang
cukup mahal untuk ukuran sebagian besar pengguna di Indonesia. Dengan
demikian, salah satu alternatif penyelesaian dari mahalnya lisensi tersebut adalah
melalui penggunaan freeware statistik, khususnya R.
2.3.1 Sejarah
R dalam versi terakhirnya yaitu R 3.1.2 for Windows (52 megabytes, 32/64
Universitas Sumatera Utara data statistik yang komplet sebagai hasil dari kolaborasi penelitian berbagai ahli
statistik di seluruh dunia. Versi awal dari R dibuat pada tahun 1992 di Universitas
Auckland, New Zealand oleh Ross Ihaka dan Robert Gentleman. Paket statistik R
bersifat multiplatforms, dengan file instalasi binary/file tar tersedia untuk sistem
operasi Windows, Mac OS, Mac OS X, Linux, Free BSD, NetBSD, irix, Solaris,
AIX, dan HPUX.
2.3.2 Kelebihan dan Kekurangan Program R 2.3.2.1 Kelebihan Program R
Beberapa kelebihan Program R (Didi, 2012) adalah sebagai berikut:
1. Free, user dapat meng-copy dan meng-install program ini secara bebas tanpa
perlu membayar lisensinya.
2. Multiplatform, yaitu dapat di-install dan digunakan baik pada sistem operasi
Windows, UNIX/LINUX maupun Macintosh. Untuk sistem operasi
UNIX/LINUX dan Macintosh diperlukan sedikit penyesuaian.
3. Programmable, user dapat memprogramkan metode baru atau
mengembangkan modifikasi dari fungsi-fungsi analisa statistika yang sudah
ada dalam R. Dan juga dikarenakan berbasis analisa statistika pemrograman
dalam membuat paket ini jauh lebih mudah karena sudah ditunjang beberapa
program dasar statistik yang telah ada.
4. Lengkap dan terdiri dari koleksi tools statistik yang terintegrasi untuk analisis
data, diantaranya mulai statistik deskriptif, fungsi probabilitas, berbagai macam
Universitas Sumatera Utara 5. Mempunyai kemampuan menampilkan grafis yang sangat baik dan lengkap
sehingga sangat memudahkan bagi kita untuk menampilkan bentuk-bentuk
grafiks sesuai yang diinginkan dan mudah dibaca.
2.3.2.2 Kekurangan Program R
Selain memiliki kelebihan, Program R juga memiliki beberapa kekurangan
(Didi, 2012) yaitu:
1. R dibangun dalam versi CLI (Command Line Interface) yang banyak
menggunakan syntax-syntax dalam pemrograman sehingga user tidak begitu
akrab bagi user yang biasa menggunakan software dengan Point Click & GUI.
Namun saat ini hal tersebut sudah mulai dapat teratasi dengan versi R-GUI
yakni R-Commander walaupun masih belum memiliki tools yang lengkap
namun sudah cukup powerfull untuk pengguna pemula.
2. Missing Statistical Function, walaupun analisa statistik dalam R sudah cukup
lengkap, belum semua metode statistika telah diimplementasikan di dalam R.
3. Bahasa berbasis analisa matriks. Bahasa R sangat baik untuk melakukan
programming berbasis matriks. Sehingga sangat cocok dan powerfull untuk
pemrograman dibidang multivariat namun cukup rumit digunakan bagi pemula.
2.3.3 Cara Memperoleh Program R
R dapat diperoleh di situs http://www.r-project.org/ atau
http://cran.r-project. org/. Pada server CRAN ini dapat didownload file instalasi binary dan
source code dari R-base system dalam sistem operasi Windows (semua versi),
beberapa jenis distro linux dan Macintosh. R versi terakhir adalah R 3.1.2 for
Universitas Sumatera Utara didownload, lakukan peng-install-an. Langkah-langkah instalasi dapat dilakukan
sebagai berikut :
• Double click file R-3.1.2-win yang telah didownload, maka akan muncul
[image:37.612.142.508.217.499.2]jendela dialog seperti pada Gambar 2.1
Gambar 2.1 Jendela dialog awal instalasi R dalam sistem operasi Windows
Setelah itu lanjutkan instalasi dengan mengikuti wizard dan menggunakan
pilihan default instalasi.
• Klik finish jika instalasi telah selesai. Jika proses instalasi berjalan dengan
sukses, maka akan muncul icon R pada desktop dan start menu seperti pada
Universitas Sumatera Utara Gambar 2.2 Icon R pada desktop
• Setelah instalasi berhasil, lakukan pengecekan apakah program R dapat
berjalan dengan baik. Double click pada icon R, maka tampilan R yang muncul
adalah :
Gambar 2.3 Tampilan awal Program R
2.3.4 Analisis Regresi Spasial dalam Program R
Selain membutuhkan R, paket yang dibutuhkan untuk pelaksanaan analisis
regresi spasial adalah spdep package. Spdep dikembangkan oleh Roger Bivand
dan teman-temannya (Anselin, 2003). Versi terakhir dari spdep adalah spdep
[image:38.612.151.488.321.557.2]Universitas Sumatera Utara Untuk instalasi paket spdep, dapat dilakukan manual dari spdep.zip file
yang telah didownload, atau dapat juga meng-install paket spdep langsung dari
program R (Anselin, 2003) yaitu dengan cara sebagai berikut:
1. Buka program R yang telah di-install
2. Pada menu Package, pilih Install package
Jika spdep.zip file telah didownload sebelumnya, maka lebih mudah
meng-install dengan cara :
Pilih menu Package, kemudian pilih Install Package from local zip file.
Untuk memastikan bahwa paket spdep telah berhasil di-install dan telah
[image:39.612.266.384.355.614.2]dapat digunakan, pada menu Package pilih Load Package, maka akan muncul :
Gambar 2.4 Tampilan dari Load Package-spdep package
Setelah memilih spdep, klik OK. Maka tampilan yang akan muncul dapat
Universitas Sumatera Utara Gambar 2.5 Tampilan dari R-Console untuk spdep package
Dalam menjalankan beberapa fungsi dalam analisis ini dibantu dengan
Rcmdr package. Rcmdr memiliki sistem Grapical User Interface (GUI) seperti
dalam SPSS. Namun perintah dalam Rcmdr sangat terbatas, Rcmdr belum
memiliki tools yang lengkap untuk melakukan analisis.
Rcmdr package versi terakhir adalah versi 2.1-1 yang dirilis pada 4
September 2014. Rcmdr package dapat didownload di
http://cran.r-project.org/web/packages/ Rcmdr/index.html. Setelah selesai men-download
Rcmdr package, download juga package suggest yang tersedia agar function yang
diperlukan dapat berjalan dengan baik dan tidak terjadi error. Kemudian lakukan
instalasi Rcmdr package dengan cara yang sama saat melakukan instalasi spdep
package. Untuk memastikan bahwa paket Rcmdr telah berhasil di-install dan telah
Universitas Sumatera Utara Gambar 2.6 Tampilan dari Load Package-Rcmdr package
Setelah memilih Rcmdr, klik OK. Maka tampilan yang akan muncul dapat
dilihat pada Gambar 2.7 sebagai berikut:
[image:41.612.194.445.424.681.2]Universitas Sumatera Utara 2.3.5 Geographically Weighted Regression (GWR) dalam Program R
Fungsi untuk menjalankan GWR dalam R didasarkan atas ketentuan oleh
Chris Brunsdon, Martin Charlton dan Stewart Fortheringham
(http://gwr.nuim.ie/). Paket untuk GWR berbeda dengan paket untuk analisis
spasial pada umumnya. Untuk menjalankan GWR dalam R, perlu melakukan
peng-install-an pada Package spgwr. Versi terbaru Package spgwr adalah versi
0.6-24 per 16 September 2013. Langkah-langkah untuk men-download paket
adalah sebagai berikut :
1. Buka link berikut untuk men-download Package spgwr,
http://cran.r-project.org/web/packages/spgwr/index.html. Download paket sesuai
Operating System laptop atau komputer yang digunakan (Windows, OS)
2. Dalam link tersebut terdapat Package Suggests yang harus didownload
untuk melengkapi perintah syntax yang akan digunakan dalam proses
analisis. Package Suggests yang tertera adalah spdep, parallel, snow dan
maptools. Download seluruh paket, lakukan seperti langkah 1. Dalam
masing-masing paket, terdapat Package Suggests. Download seluruhnya
seperti langkah 1.
3. Apabila seluruh paket sudah didownload, lakukan peng-install-an dengan
cara pilih menu Package, kemudian pilih Install Package from local zip file.
Install seluruh paket yang sudah didonwload.
Untuk memastikan bahwa paket spgwr telah berhasil di-install dan telah
dapat digunakan, pada menu Package pilih Load Package, maka akan
Universitas Sumatera Utara Gambar 2.8 Tampilan dari Load Package
Setelah memilih spgwr, klik OK. Maka tampilan yang akan muncul dapat
dilihat pada Gambar 2.9 sebagai berikut:
[image:43.612.177.461.430.671.2]Universitas Sumatera Utara 2.4 Gizi
Gizi berasal dari bahasa Arab Al Gizzai yang artinya makanan dan
manfaatnya untuk kesehatan, sari makanan yang bermanfaat untuk kesehatan.
Kata ‘Gizi’ dikenal di Indonesia sejak tahun 1950-an sebagai terjemahan dari kata
Nutrition, suatu istilah bahasa Inggris yang berarti hubungan antara makanan dan
kesehatan. Oleh Lembaga Bahasa Indonesia Fakultas Sastra Universitas
Indonesia, pada tahun 1950-an ditawarkan terjemahan nutrition dengan
menggunakan akar bahasa Arab Al Gizzai.
Gizi adalah suatu proses organisme menggunakan makanan yang
dikonsumsi secara normal melalui pencernaan, absorbsi, transportasi,
penyimpanan, metabolisme dan pengeluaran zat-zat yang tidak digunakan untuk
mempertahankan kehidupan, pertumbuhan dan fungsi normal dari organ-organ
serta menghasilkan energi (Supariasa, dkk. 2002).
Gizi menurut Harry Oxorn dan William R.Forte adalah memiliki
pemahaman yang luas. Gizi bukan hanya sekedar membahas mengenai jenis
makanan serta manfaat yang bisa diakibatkan pada tubuh manusia. Namun, gizi
juga membahas tentang proses mendapatkan dan pengolahan serta pertimbangan
yang perlu dilakukan dalam upaya menciptakan kestabilan kesehatan.
Status gizi adalah ekspresi dari keadaan keseimbangan dalam bentuk
variabel tertentu atau perwujudan dari nutriture dalam bentuk variabel tertentu.
Almatsier (2004) menyatakan bahwa status gizi merupakan keadaan tubuh sebagai
Universitas Sumatera Utara Gizi baik adalah keadaan gizi seseorang terjadi karena seimbangnya jumlah
asupan (intake) zat gizi dan jumlah yang dibutuhkan (required) oleh tubuh yang
ditandai dengan berat badan menurut umur (BB/U) yang berada pada ≥ -2 SD
sampai 2 SD tabel baku WHO-NCHS (Depkes RI, 2006).
Apabila asupan gizi berlebih dari jumlah yang dibutuhkan maka akan
menyebabkan gizi lebih (over nutrition). Apabila asupan gizi kurang dari jumlah
yang dibutuhkan maka akan menyebabkan gizi kurang (under nutrition).
Indonesia kini sedang dihadapi kedua masalah yang disebut dengan masalah gizi
ganda, yaitu gizi lebih dan gizi kurang.
2.5 Gizi Buruk
Gizi buruk (severe malnutrition) menurut daftar istilah dan pengertian
Kemenkes RI 2010 adalah status gizi yang didasarkan pada indeks Berat Badan
menurut Umur (BB/U) yang merupakan padanan istilah underweight (gizi kurang)
dan severely underweight (gizi buruk). Keterangan kategori dan ambang batas
status gizi anak berdasarkan indeks terlampir pada Kemenkes RI Nomor:
[image:45.612.115.522.550.694.2]1995/MENKES/SK/XII/2010 yaitu sebagai berikut :
Tabel 2.1 Kategori dan Ambang Batas Status Gizi Anak berdasarkan Indeks
No Indeks Kategori
Status Gizi
Ambang Batas (Z-Score) 1
Berat Badan menurut Umur (BB/U)
Anak Umur 0-60 Bulan
Gizi buruk < -3 SD
Gizi kurang -3 SD sampai dengan < -2 SD
Gizi baik -2 SD sampai dengan 2 SD
Gizi lebih > 2 SD
2 Panjang Badan menurut Umur (PB/U) atau
Tinggi Badan menurut Umur (TB/U)
Anak Umur 0-60 Bulan
Sangat Pendek < -3 SD
Pendek -3 SD sampai dengan < -2 SD
Normal -2 SD sampai dengan 2 SD
Universitas Sumatera Utara Tabel 2.1 Lanjutan
No Indeks Kategori
Status Gizi
Ambang Batas (Z-Score) 3 Berat Badan menurut Panjang
Badan (BB/PB) atau Berat Badan menurut Tinggi
Badan (BB/TB) Anak Umur 0-60 Bulan
Sangat Kurus < -3 SD
Kurus -3 SD sampai dengan < -2 SD
Normal -2 SD sampai dengan 2 SD
Gemuk > 2 SD
4
Indeks Massa Tubuh menurut Umur (IMT/U) Anak Umur 0-60 Bulan
Sangat Kurus < -3 SD
Kurus -3 SD sampai dengan < -2 SD
Normal -2 SD sampai dengan 2 SD
Gemuk > 2 SD
5
Indeks Massa Tubuh menurut Umur (IMT/U) Anak Umur 5-18 Tahun
Sangat Kurus < -3 SD
Kurus -3 SD sampai dengan < -2 SD
Normal -2 SD sampai dengan 2 SD
Gemuk >1 SD sampai dengan 2 SD
Obesitas > 2 SD
Sumber : Kemenkes RI, 2011
2.5.1 Penyebab Gizi Buruk
Penyebab gizi buruk dapat dilihat dari berbagai faktor yang dapat
mengakibatkan terjadinya kasus gizi buruk. Menurut UNICEF (1998) ada dua
penyebab langsung yang memengaruhi status gizi yaitu:
1. Kurangnya asupan gizi dari makanan. Hal ini disebabkan terbatasnya jumlah
makanan yang dikonsumsi atau makanan yang tidak memenuhi unsur gizi yang
dibutuhkan karena alasan sosial dan ekonomi yaitu kemiskinan.
2. Akibat terjadinya penyakit yang mengakibatkan infeksi. Hal ini disebabkan
oleh rusaknya beberapa fungsi organ tubuh sehingga tidak bisa menyerap
zat-zat makanan secara baik.
Timbulnya KEP tidak hanya karena makanan yang kurang tetapi juga
karena penyakit. Anak yang mendapat makanan yang cukup baik tetapi sering
Universitas Sumatera Utara Begitu pula pada anak yang makanannya tidak cukup baik kuantitas dan
kualitasnya yang akan menyebabkan daya tahan tubuh melemah.
Faktor-faktor yang memengaruhi status gizi menurut UNICEF dirangkum
dalam Gambar 2.10 sebagai berikut:
Faktor Memengaruhi Status Gizi Status Gizi
Asupan zat gizi Penyakit Infeksi
Kemiskinan, Tingkat Pendidikan Rendah, Ketersediaan Pangan Menurun, Kesempatan Kerja Rendah
Krisis Ekonomi dan Politik
[image:47.612.134.515.225.498.2]Sumber: UNICEF (1988) dengan penyesuaian
Gambar 2.10 Faktor yang memengaruhi status gizi
Faktor tidak langsung yang memengaruhi status gizi menurut UNICEF
yaitu:
1. Faktor ketidaktersediaan pangan yang bergizi dan terjangkau oleh masyarakat;
2. Perilaku dan budaya dalam pengolahan pangan dan pengasuhan anak;
3. Pengelolaan yang buruk dan perawatan kesehatan yang tidak memadai.
Penyebab Langsung Penyebab Tidak Langsung Pelayanan/fasilitas kesehatan Perwatan anak
dan ibu hamil Ketersediaan pangan RT Masalah Utama Akar Masalah Ketersediaan pangan RT Perawatan anak dan ibu hamil
Penyebab Tidak Langsung
Universitas Sumatera Utara Penjelasan Gambar 2.10 dapat dilihat sebagai berikut:
a. Asupan zat gizi balita
Pemberian makanan bergizi dalam jumlah yang cukup pada masa balita
mendapat perhatian serius agar anak tidak mengalami kurang gizi. Menurut
Sulaeman (2003), masa penyapihan (peralihan antara penyusuan dan makanan
dewasa) menyebabkan konsumsi ASI berkurang sehingga diperlukan makanan
tambahan untuk memenuhi kebutuhan gizi anak khususnya energi dan protein.
Menurut Supariasa, dkk (2002) diperlukan suatu standar kecukupan untuk
menilai tingkat konsumsi makanan anak yaitu Angka Kecukupan Gizi (AKG) atau
Recommended Dietary Allowance (RDA). Berdasarkan Widyakarya Nasional
Pangan dan Gizi (2004), klasifikasi tingkat konsumsi dibagi menjadi 5 yaitu
sebagai berikut:
1. Kelebihan apabila > 120% AKG
2. Normal apabila 90-119% AKG
3. Defisit tingkat ringan apabila 80-89% AKG
4. Defisit tingkat sedang apabila 70-79% AKG
5. Defisit tingkat berat apabila < 70% AKG
b. Penyakit infeksi
Penyakit infeksi yang menyerang anak dapat menyebabkan gizi anak mejadi
buruk. Memburuknya keadaan gizi anak akibat penyakit infeksi dapat
menyebabkan nafsu makan anak menurun, sehingga pasokan zat gizi berkurang,
Universitas Sumatera Utara Diare merupakan penyebab utama kesakitan dan kematian pada anak di
negara-negara berkembang (Sumantri, 1994). Penyebab utama kematian yang
disebabkan oleh diare adalah dehidrasi sebagai akibat kehilangan cairan dan
elektrolit dalam tubuh. Selain penyakit diare, penyakit infeksi lainnya pada balita
yang cukup tinggi adalah ISPA.
c. Pengetahuan
Faktor pendidikan dan pengetahuan yang rendah dari seorang ibu akan
pentingnya pemberian makanan bergizi dan seimbang kepada anaknya dapat
dikaitkan dengan permasalahan KEP. Hal ini juga tidak dapat dipisahkan dengan
faktor perilaku, seperti yang ditemukan di Sulawesi Selatan tentang anggapan
bahwa banyak makan ikan dapat menyebabkan kecacingan. Menurut Hadju
(1999), pandangan yang salah terhadap jenis makanan tertentu dapat
menyebabkan ibu tidak mau mengkonsumsi dan juga tidak memberikannya pada
anaknya.
d. Ketahanan pangan
Ketahanan pangan adalah kemampuan keluarga untuk memenuhi kebutuhan
pangan seluruh anggota keluarganya dalam jumlah yang cukup baik kualitas
maupun kuantitas gizinya (Ayu, 2008). Ketahanan pangan terkait dengan
ketersediaan pangan baik dari hasil pasar, produksi sendiri, maupun sumber lain,
harga pangan dan daya beli keluarga, serta pengetahuan akan gizi dan kesehatan.
e. Pola asuh
Menurut Hamzah (2000), pola pengasuhan anak adalah pengasuhan anak
Universitas Sumatera Utara pengasuhan bermain. Menurut Hurlock (1993) peran pengasuh serta interaksi
yang terjadi antara pengasuh dan anak menjadi sangat penting, karena
perkembangan anak secara umum termasuk dominasi dan perkembangan kognitif
banyak ditentukan oleh pola pengasuhan dan peran pengasuh. Hal yang termasuk
dalam pola pengasuhan anak (Ayu, 2008) adalah:
1. Pengasuhan makanan anak
Ibu menyiapkan kebutuhan pangan/gizi sejak prenatal, neo-natal berupa
pemberian ASI, menyiapkan MP-ASI dan dukungan emosional pada anak.
2. Pengasuhan perawatan dasar anak
Pengawasan perawatan dasar anak adalah pemenuhan kebutuhan anak yang
dilakukan oleh ibu untuk mengatasi kejadian diare, ISPA, pemberian imunisasi,
pemberian vitamin A, membuat oralit, serta memberikan pelega tenggorokan
dan mengatasi demam pada anak.
3. Pengasuhan higiene perorangan anak dan kesehatan lingkungan
Difokuskan kepada kemampuan ibu dalam menjaga kebersihan anak,
kebersihan tempat anak banyak menghabiskan waktu, dan mencegah anak
mengalami luka.
f. Pelayanan kesehatan dan kesehatan lingkungan
Adalah tersedianya pelayanan kesehatan dasar dan air bersih yang dapat
dijangkau oleh setiap keluarga yang membutuhkan. Diharapkan dapat melakukan
tindakan pencegahan penyakit serta pemeliharaan kesehatan seperti pemeriksaan
Universitas Sumatera Utara posyandu, puskesmas, rumah sakit, praktek bidan maupun dokter serta persediaan
air bersih.
Menurut Ikatan Dokter Anak Indonesia (IDAI) dalam Ayu (2008), ada
3 faktor penyebab gizi buruk pada anak dan balita, yaitu:
1. Keluarga miskin;
2. Ketidaktahuan orang tua atas pemberian gizi yang baik bagi anak;
3. Faktor penyakit bawaan pada anak, seperti: jantung, TBC, HIV/AIDS, saluran
pernapasan dan diare (IDAI, 2007).
2.5.2 Gejala Klinis KEP Berat atau Gizi Buruk
Gejala klinis pada KEP ringan dan sedang adalah tubuh anak terlihat kurus.
Sedangkan gejala klinis untuk KEP berat atau gizi buruk adalah dibagi menjadi
marasmus, kwashiorkor, dan marasmus-kwashiorkor.
1. Marasmus
Kata “marasmus” berasal dari bahasa Yunani yang berarti kurus kering.
Tubuh penderita marasmus hanya terlihat “tulang dan kulit”. The Wellcome Trust
Working Patty pada tahun 1970 mendefinisikan marasmus dengan kriteria berat
badan menurut usia yang berada di bawah 70% dari standar internasional.
Marasmus merupakan adaptasi fisiologis terhadap keterbatasan energi dari
makanan. Pada keadaan ini terjadi pengurangan secara nyata jumlah jaringan
lemak dan subkutan disamping terdapat pula atrofi jaringan viseral. Penderita
marasmus akan membatasi aktivitas fisiknya dan memiliki laju metabolisme serta
pergantian protein yang menurun dalam upaya untuk menghemat nutrien. Jika
Universitas Sumatera Utara infeksi dan memiliki kemungkinan yang lebih besar untuk meninggal atau
mengalami disabilitas karena infeksi. Adapun tanda-tanda klinis yang ditimbulkan
adalah:
a. keterlambatan pertumbuhan yang parah
b. kurus kering hampir tidak ada lemak di bawah kulit
c. perut cekung
d. rambut jarang dan tipis
e. kulit keriput, jaringan lemak subkutis sangat sedikit sampai tidak ada (terlihat
seperti memakai celana longgar/baggy)
f. wajah seperti orang tua
g. cengeng dan rewel
h. sering disertai penyakit infeksi (kronis berulang, diare)
2. Kwashiorkor
Kata “kwashiorkor” berasal dari bahasa Ghana yang berarti penyakit yang
terjadi ketika bayi berikutnya lahir. Kwashiorkor pertama kali dikenal di Afrika
Barat pada tahun 1930-an di antara anak-anak yang disapih (penghentian
pemberian ASI) dan pada mulanya dianggap sebagai keadaan defisiensi air susu.
Kemudian, para pakar mengemukakan bahwa kwashiorkor merupakan keadaan
defisiensi protein dari makanan, akan tetapi bukti yang ada menunjukkan bahwa
hipotesis ini masih kurang kuat. Sejumlah data yang terbaru menunjukkan bahwa
kwashiorkor dapat terjadi karena kehilangan antioksidan yang menyertai
defisiensi energi dari makanan. The Wellcome Trust Working Patty pada tahun
Universitas Sumatera Utara kriteria berat badan menurut usia yang berada di bawah 80% dari standar
internasional. Adapun tanda-tanda klinis yang ditimbulkan adalah:
a. edema seluruh tubuh, terutama pada kedua punggung kaki
b. wajah membulat dan sembab
c.
