Prediksi Jumlah Kasus Baru Kusta dengan Metode

Geographically Weighted Poisson Regression (GWPR)

Fitri Rachmillah Fadmi

STIKES Mandala WaluyaKendari
Alamat Korespondensi:
[email protected]
STIKES Mandala Waluya Kendari

ABSTRACT
Poisson regression was obtained from the Poisson distribution, which is a theoretical distribution associated with
a discrete random variable count, where each event follows the Poisson distribution. Leprosy data in Buton is
one example of the data count. The main problem of the Poisson regression is when applied to the spatial data,
the heterogeneity will occur. Spatial heterogeneity arises because of the condition of data in each location is not
the same, both in terms of geographical, socio-cultural and other things that lie behind them. One impact of the
emergence of spatial heterogeneity is regression parameters are varying spatially, so as to solve the problems
on data spatial, the spatial modellingis done. Spatial modeling is appropriate for use Geographically Weighted
Poisson Regression (GPWR). This study aims to determine the best models on the number of new cases of leprosy
in Buton District in 2013. Studies conducted a study of non-reactive or unobtrusive method. The experiment was
conducted in Buton in Southeast Sulawesi province May-June 2014. Units of analysis in this study is the data new
cases of leprosy in every district in Buton. The results showed Geographicaly Weighted Poisson Regression Model
(GWPR) yields the smallest AIC value, so the best modeling for the number of new cases of leprosy in Buton is
Geographicaly Weighted Poisson Regression Model (GWPR) than the model Poisson regression model.

Keywords: poisson regression, geographicaly weighted, leprosy

ABSTRAK
Regresi poisson diperoleh dari distribusi poisson, yaitu suatu distribusi teoritis yang berhubungan dengan
variabel acak diskrit yang berupa count, di mana setiap kejadian yang mengikuti distribusi poisson. Data Kusta di
Kabupaten Buton adalah salah satu contoh data count. Masalah utama dari regresi poisson adalah jika diterapkan
pada data spasial akan terjadi heterogenitas. Heterogenitas spasial muncul karena kondisi data di lokasi yang
satu dengan lokasi yang lain tidak sama, baik dari segi geografis, keadaan sosial-budaya maupun hal-hal lain
yang melatarbelakanginya. Salah satu dampak yang ditimbulkan dari munculnya heterogenitas spasial adalah
parameter regresi bervariasi secara spasial, sehingga untuk mengatasi permasalahan pada data spasial dilakukan
pemodelan spasial. Pemodelan spasial yang tepat untuk digunakan adalah Geographically Weighted Poisson
Regression (GPWR). Penelitian ini bertujuan untuk mengetahui model terbaik pada jumlah kasus baru kusta di
Kabupaten Buton Tahun 2013. Studi yang dilakukan merupakan studi non-reactive atau unobtrusive method.
Penelitian dilaksanakan di Kabupaten Buton Provinsi Sulawesi Tenggara pada bulan Mei - Juni tahun 2014. Unit
analisis dalam penelitian ini adalah data kasus baru kusta di tiap kecamatan di Kabupaten Buton. Hasil penelitian
menunjukkan model Geographicaly Weighted Poisson Regression (GWPR) menghasilkan nilai AIC yang paling
kecil, sehingga Pemodelan terbaik untuk jumlah kasus baru kusta di Kabupaten Buton adalah model Geographicaly
Weighted Poisson Regression (GWPR) dibandingkan model regresi poisson.

Kata kunci: regresi poisson, geographicaly weighted, kusta

PENDAHULUAN diskrit, continue, kategorik ataupun campuran

Regresi poisson adalah salah satu model (Qudratullah, 2013). Banyaknya kejadian yang
analisis regresi yang menjelaskan hubungan jarang terjadi atau sering disebut rare event
antara variabel respons Y yang berupa data merupakan salah satu contoh dari data diskrit.
diskrit dengan variabel prediktor berupa data Beberapa contoh rare event adalah jumlah kasus
baru di Kabupaten Buton.

14
 Fadmi, dkk., Prediksi Jumlah Kasus Baru Kusta dengan … 15

Masalah utama dari regresi poisson adalah kusta di Dinas Kesehatan Kabupaten Buton
jika diterapkan pada data spasial akan terjadi tahun 2013 dengan unit analisis adalah setiap
heterogenitas. Heterogenitas spasial muncul kecamatan di Kabupaten Buton Tahun 2013.
karena kondisi data di lokasi yang satu dengan Variabel respons dalam penelitian ini adalah
lokasi yang lain tidak sama, baik dari segi jumlah kasus baru kusta (Y), sedangkan variabel
geografis, keadaan sosial-budaya maupun hal lain prediktornya adalah persentase rumah tangga
yang melatarbelakanginya. Salah satu dampak menggunakan sumber air bersih (X1), persentase
yang ditimbulkan dari munculnya heterogenitas rumah tangga yang menggunakan jamban sehat
spasial adalah parameter regresi bervariasi secara (X2), persentase rumah tangga yang mencuci
spasial, sehingga untuk mengatasi permasalahan tangan (X 3), persentase rumah sehat (X 4),
pada data spasial dilakukan pemodelan spasial. persentase keluarga miskin (X5) dan persentase
Pemodelan spasial yang paling cocok adalah kepadatan penduduk (X6). Data yang digunakan
metode Geographically Weighted Poisson adalah data sekunder yang diperoleh dari Dinas
Regression (GWPR) karena merupakan bentuk Kesehatan Kabupaten Buton Provinsi Sulawesi
lokal dari regresi poisson dengan memperhatikan Tenggara Tahun 2013.
lokasi. Menurut Nakaya, dkk., (2005), GWPR
adalah salah satu metode statistika yang
HASIL PENELITIAN
merupakan pengembangan dari regresi poisson
dengan variabel respons Y menggunakan data Statistik Deskriptif Kasus Baru Kusta di
diskrit, namun yang membedakannya adalah Kabupaten Buton
metode ini memperhatikan pembobot berupa Deskripsi jumlah kasus baru kusta per
letak lintang dan letak bujur dari titik pengamatan kecamatan di Kabupaten Buton dan faktor yang
yang akan diamati. mempengaruhi menggunakan peta tematik.
Karakteristik yang berbeda seperti distribusi Gambar 1 menyajikan hasil analisis
geografis berdasarkan indikator kusta antar deskriptif menggunakan peta untuk jumlah kasus
wilayah akan menyebabkan kualitas kesehatan baru kusta. Kelompok arsir terang merupakan
yang berbeda pula pada tiap wilayahnya, oleh wilayah dengan kriteria rendah yakni dengan
karena itu kasus kusta di Kabupaten Buton perlu kisaran 0 sampai 3 penderita. Kelompok arsir
melibatkan aspek spasial sehingga didapatkan agak gelap merupakan wilayah dengan kisaran
model yang spesifik yang dapat dijadikan persentase 3 sampai 10 penderita. Kelompok
informasi untuk peningkatan kualitas kesehatan arsir gelap merupakan wilayah dengan kisaran
dan penanganan penyakit kusta yang terjadi 10 sampai 22 penderita.
di setiap wilayah di Kabupaten Buton melalui Gambar 2 menyajikan hasil analisis
pemodelan spasial Geographically Weighted deskriptif menggunakan peta untuk persentase
Poisson Regression (GWPR). rumah tangga yang menggunakan sumber
Penelitian ini bertujuan untuk mengetahui air bersih. Kelompok arsir terang merupakan
model terbaik kasus baru Kusta di tiap
Kecamatan di Kabupaten Buton dengan metode
Geographically Weighted Poisson Regression
(GWPR) dan faktor yang mempengaruhinya.

METODE PENELITIAN
Studi yang dilakukan merupakan studi
non-reactive atau unobtrusive method, dengan
menggunakan data sekunder (Poerwandi, 2005).
Studi penelitian dilaksanakan di Kabupaten Buton
Provinsi Sulawesi Tenggara yang dilaksanakan
pada bulan Mei–Juni 2014. Populasi dalam Gambar 1. Persebaran Jumlah Kasus Baru
penelitian ini adalah seluruh data kasus baru Kusta
16 Jurnal Biometrika dan Kependudukan, Vol. 4, No. 1 Juli 2015: 14–24

Gambar 2. Persebaran Persentase Rumah Gambar 4. Persebaran Persentase Rumah

Tangga Menggunakan Sumber Air Tangga yang Mencuci Tangan
Bersih

arsir terang merupakan wilayah dengan kriteria

wilayah dengan kriteria rendah yakni dengan rendah yakni dengan kisaran persentase 19,68%
kisaran persentase 19,079% sampai 52,245%. sampai 51,745%. Kelompok arsir agak gelap
Kelompok arsir agak gelap merupakan wilayah merupakan wilayah dengan kriteria sedang yakni
dengan kriteria sedang yakni dengan kisaran dengan kisaran persentase 51,745% sampai
persentase 52,245% sampai 47,519%. Kelompok 83,949%. Kelompok arsir gelap merupakan
arsir gelap merupakan wilayah dengan kriteria wilayah dengan kisaran persentase 83,949%
tinggi yakni dengan kisaran persentase 74,519% sampai 96,913%.
sampai 100%. Gambar 5 menyajikan hasil analisis
Gambar 3 menyajikan hasil analisis deskriptif menggunakan peta untuk persentase
deskriptif menggunakan peta untuk rumah tangga rumah sehat. Kelompok arsir terang merupakan
yang menggunakan jamban sehat. Kelompok wilayah dengan kisaran persentase 0 24,07%
arsir terang merupakan wilayah dengan kriteria sampai 41,20%. Kelompok arsir agak gelap
rendah yakni dengan kisaran persentase 22,88% merupakan wilayah dengan kisaran persentase
sampai 38,68%. Kelompok arsir agak gelap 41,20% sampai 56,97%. Kelompok arsir gelap
merupakan wilayah dengan kriteria sedang merupakan wilayah dengan kisaran persentase
yakni dengan kisaran persentase 38,68% sampai 56,97% sampai 92,65%.
57,53%. Kelompok arsir gelap merupakan Gambar 6 menyajikan hasil analisis
wilayah dengan kriteria tinggi arsir gelap dengan deskriptif menggunakan peta untuk persentase
kisaran persentase 57,33% sampai 77,96%. keluarga miskin. Kelompok arsir terang
Gambar 4 menyajikan hasil analisis merupakan wilayah dengan kriteria rendah yakni
deskriptif menggunakan peta untuk persentase dengan kisaran persentase 11,29% sampai 15,445.
rumah tangga yang mencuci tangan. Kelompok Kelompok arsir agak gelap merupakan wilayah

Gambar 3. Persebaran Persentase Rumah

Tangga Menggunakan Jamban Gambar 5. Persebaran Persentase Rumah
Sehat Sehat di Setiap Kecamatan
 Fadmi, dkk., Prediksi Jumlah Kasus Baru Kusta dengan … 17

Gambar 6. Persebaran Persentase Keluarga

Miskin di Setiap Kecamatan
Gambar 8. Pola Hubungan Jumlah Kasus
Baru Kusta dan Faktor yang
Memengaruhinya
dengan kriteria sedang yakni dengan kisaran
persentase 15,44% sampai 19,37%. Kelompok
arsir gelap merupakan wilayah dengan kriteria
tinggi yakni dengan kisaran persentase 19,34% Variabel prediktor yang berpola acak adalah
sampai 25,17%. persentase rumah tangga yang menggunakan
Gambar 7 menyajikan hasil analisis sumber air bersih (X1), persentase rumah tangga
deskriptif menggunakan peta untuk persentase yang mencuci tangan (X3). Variabel prediktor
kepadatan penduduk. Kelompok arsir terang yang memiliki hubungan linier positif adalah
merupakan wilayah dengan kriteria rendah yakni persentase rumah tangga yang menggunakan
dengan kisaran persentase 3109% Kelompok jamban sehat (X2) dan persentase rumah sehat
arsir agak gelap merupakan wilayah dengan (X4). Variabel prediktor yang memiliki pola
kisaran persentase 20680% Kelompok arsir gelap hubungan linier negatif adalah persentase
merupakan wilayah dengan kisaran persentase keluarga miskin (X5) dan persentase kepadatan
55850%. penduduk (X6).

Identifikasi Pola Hubungan Antar Variabel Identifikasi Kondisi

Gambar 8 menyajikan hasil identifikasi pola Pemeriksaan multikolineritas perlu dilakukan
hubungan antar variabel prediktor berdasarkan untuk mengetahui apakah terdapat korelasi antar
scatterplot. Pola hubungan antara jumlah kasus variabel prediktor yang diduga mempengaruhi
baru kusta di kabupaten Buton dengan faktor terjadinya kasus baru kusta di Kabupaten Buton
yang mempengaruhinya ada yang berpola linier sebagai langkah sebelum pembentukan model.
(baik positif maupun negatif) dan sebagian ada Tabel 1 menyajikan hasil pemeriksaan
yang berpola acak. multikolineritas berdasarkan nilai VIF.

Pemodelan Regresi Poisson

Data jumlah kasus baru kusta dan faktor
yang mempengaruhinya dimodelkan dengan
menggunakan regresi poisson untuk mengetahui
hubungan antara variabel respons dengan variabel
prediktor.
Tabel 2 menyajikan hasil uji parsial model
regresi poisson data jumlah kasus baru kusta di
Kabupaten Buton.
Gambar 7. Persebaran Persentase Kepadatan
Penduduk
18 Jurnal Biometrika dan Kependudukan, Vol. 4, No. 1 Juli 2015: 14–24

Tabel 1. Nilai VIF Variabel Prediktor

Variabel X1 X2 X3 X4 X5 X6
VIF 3,826 2,126 3,646 1,236 1,270 1,185

Tabel 2. Uji Parsial Model Regresi Poisson untuk kasus baru kusta di Kabupaten Buton Tahun 2013
Parameter Estimasi SE Z P-value
β0 1.759 1.084 1.623 0.10461
β1 1.978.10-2 1.279e-02 1.546 0.12200
β2 1.451.10-3 1.219e-02 0.119 0.90524
β3 -1.875.10-2 9.030e-03 -2.076 0.03789 *
β4 2.131.10-2 7.631e-03 2.793 0.00523 **
β5 -8.593.10-2 3.690-02 -2.329 0.01988 *
β6 -3.613.10-5 1.239e-05 2.917 0.00354 **

Asumsi Analisis Spasial

Pengujian secara serentak pada model
regresi poisson memperoleh nilai devians atau Pengujian aspek data spasial pada pemodelan
GWPR meliputi pengujian depensi spasial dan
D( ) sebesar 68,951443. Nilai devians tersebut
pengujian heterogenitas spasial. Pengujian
dibandingkan dengan nilai chi-square pada
dependensi spasial menggunakan statistik uji
taraf signifikan 5% dan derajat bebasnya sesuai
Morans’ I dan pengujian heterogenitas spasial
dengan banyaknya parameter (X2(0.05;6)) sebesar
menggunakan statistik uji Breusch-Pagan.
12,5196.
Tabel 3 menyajikan hasil pengujian
Nilai D( ) > X 2 (0.05;6) , maka dapat Morans’I yang mengidentifikasi bahwa tidak
disimpulkan bahwa paling tidak ada satu terdapat dependensi spasial dan hasil pengujian
parameter yang berpengaruh terhadap model. Breusch-Pagan yang menunjukkan bahwa
Pengujian secara parsial pada model regresi terdapat heterogenitas spasial pada jumlah kasus
poisson adalah untuk mengetahui pengaruh baru kusta di Kabupaten Buton, dengan demikian
yang diberikan setiap variabel prediktor tersebut metode regresi spasial titik yaitu metode
berdasarkan hasil estimasi parameter. Hasil Geographically Weighted Poisson Regression
pengujian parsial pada model regresi poisson bisa digunakan untuk analisa selanjutnya.
memperoleh 4 parameter yang signifikan
terhadap model dengan pvalue < α yaitu β3, β4, Uji Kesesuaian Model
β5 dan β6, sehingga model regresi poisson adalah Uji kesesuaian model digunakan untuk
sebagai berikut: mengetahui apakah terdapat perbedaan antara
= exp(-1.875.10-2X3 + 2.131.10-2X4 – 8.593.10-
2X – 3.613.10-5X )
5 6
Tabel 3. Pengujian Asumsi Analisis Spasial
= -1.875.10-2X3 + 2.131.10-2X4 – 8.593.10-
2X – 3.613.10-5X Pengujian p-value
5 6
Moran’s I 0,1673860
Variabel prediktor yang berpengaruh secara Breusch-Pagan 0,0000011
signifikan terhadap jumlah kasus baru kusta di
Kabupaten Buton yaitu persentase rumah tangga
yang mencuci tangan (X3), persentase rumah Tabel 4. Uji Kesesuaian Model GWPR
sehat (X4), persentase keluarga miskin (X5) dan Model Devians DF Devians/DF
persentase kepadatan penduduk (X6). Global 68,951 14 4,925
GWR 63,310 13,417 4,719
 Fadmi, dkk., Prediksi Jumlah Kasus Baru Kusta dengan … 19

Tabel 5. Uji Parsial Model Geographically Weighted Poisson Regression (GWPR) untuk kasus baru
kusta di Kabupaten Buton Tahun 2013
Parameter Estimasi SE Z P-value
β0 1,758866 1,083799 1.622871 0.10461
β1 0,019775 0,012788 1.546408 0.12200
β2 0,001451 0.012192 0.119044 0.90524
β3 -0,018747 0.009030 -2.076015 0.03789
β4 0,021310 0.007631 2.792549 0.00523
β5 -0,085925 0.036901 -2.328549 0.01988
β6 0,000036 0.000012 -2.916503 0.00354

model regresi poisson dan GWPR. Pengujian terhadap model dengan pvalue < α yaitu β3, β4, β5
ini menggunakan statistik uji Fhitung. Nilai Fhitung dan β6, sehingga model persamaan GWPR adalah
dibandingkan dengan nilai Ftabel dengan taraf sebagai berikut:
signifikan (α) sebesar 5%. = exp(-0,018747X 3 + 0,021310X 4 –
Tabel 4 menyajikan hasil perhitungan 0,085925X5 + 0,000036X6)
statistik untuk menguji kesesuaian model regresi
poisson dan GWPR. Hasil perbandingan Defians/ = -0,018747X 3 + 0,021310X 4 –
DF antara model 1 dan 2 mengartikan bahwa 0,085925X5 + 0,000036X6
tidak ada perbedaan model regresi poisson Variabel prediktor yang berpengaruh secara
dengan GWPR pada taraf signifikansi 5%. signifikan terhadap jumlah kasus baru kusta di
Kabupaten Buton yaitu persentase rumah tangga
Model Geographically Weighted Poisson yang mencuci tangan (X3), persentase rumah
Regression (GWPR) sehat (X4), persentase keluarga miskin (X5) dan
Metode GWPR adalah metode yang persentase kepadatan penduduk (X6). Artinya,
memperhatikan pembobot untuk masing-masing peningkatan dan penurunan jumlah kasus baru
lokasi, dengan menentukan terlebih dahulu letak kusta ditentukan oleh peningkatan sebesar 1%
geografis dari setiap kecamatan di Kabupaten dari setiap variabel prediktor. Misalnya, jika pada
Buton. Pengujian parameter dari model GWPR persentase rumah tangga yang mencuci tangan
terdiri dari dua cara yaitu secara serentak dan (X3) bertambah 1%, maka akan menurunkan
parsial. jumlah kasus baru kusta sebesar 0,018747
Tabel 5 menyajikan hasil uji parsial dengan syarat variabel lainnya konstan dan jika
model GWPR data jumlah kasus baru kusta di persentase kepadatan (X6), penduduk bertambah
Kabupaten Buton. Pengujian parameter model 1% maka akan meningkatkan jumlah kasus baru
GWPR secara serentak memperoleh nilai devians kusta di Kabupaten Buton.
(D( )) sebesar 63,310060 yang kemudian
Perbandingan Model Regresi Poisson dan
dibandingkan dengan nilai chi-square pada taraf
model GWPR
signifikan 5% dan derajat bebasnya sesuai dengan
banyaknya parameter (X2(0.05;6)) sebesar 12,5196. Perbandingan model Regresi Poisson dan
Nilai D ( ) > X2(0.05;6), maka dapat disimpulkan model GWPR bertujuan untuk memperoleh
bahwa paling tidak ada satu parameter yang model terbaik yang dapat diterapkan dalam kasus
berpengaruh terhadap model. jumlah kasus baru kusta berdasarkan nilai AIC
Pengujian parsial parameter model GWPR terkecil.
bertujuan untuk mengetahui variabel mana saja Tabel 6 menyajikan perbandingan nilai AIC
yang berpengaruh secara signifikan terhadap pada model regresi poisson dan GWPR. Nilai
model. Hasil pengujian parsial pada model AIC terkecil terdapat pada model GWPR. Hal
GWPR memperoleh 4 parameter yang signifikan ini menunjukkan bahwa model GWPR lebih baik
20 Jurnal Biometrika dan Kependudukan, Vol. 4, No. 1 Juli 2015: 14–24

Tabel 6. Nilai AIC Model juga tingginya persentase keluarga miskin dan
kepadatan penduduk.
Model AIC
Persentase rumah tangga yang menggunakan
Regresi Poisson 150, 34
GWPR 78,043191 sumber air bersih, menggunakan jamban sehat
dan yang mencuci tangan merupakan bagian
dari indikator rumah tangga yang berperilaku
dan tepat digunakan dalam menganalisis jumlah hidup bersih dan sehat (PHBS). Pencapaian
kasus baru kusta dibandingkan menggunakan rumah tangga ber-PHBS tahun 2013 berdasarkan
model GPR. Keputusan Menteri Kesehatan No. 1114/Menkes/
SK/VIII/2005 tentang Standar Pelayanan
Minimal (SPM) Bidang Kesehatan Kabupaten/
PEMBAHASAN Kota adalah 65% (Depkes, 2006). Rumah
Penyakit kusta adalah penyakit menular, tangga menggunakan air bersih adalah rumah
menahun dan disebabkan oleh kuman kusta tangga yang melakukan upaya perilaku hidup
(Mycbacterium Leprae) yang menyerang saraf bersih dengan menggunakan air bersih untuk
tepi kulit, dan jaringan tubuh lainnya keculi kebutuhan sehari-hari, baik untuk dikonsumsi
susunan saraf pusat yang terutama didapatkan maupun tidak dikonsumsi. Rata-rata persentase
pada daerah tropis dan subtropis yang udaranya rumah tangga yang menggunakan sumber air
panas dan lembab pada lingkungan hidup yang bersih di Kabupaten Buton sebesar 65,77%. Hal
tidak sehat (Soedarto, 2009). ini menandakan bahwa secara umum persentase
Hasi analisis deskriptif menunjukkan bahwa rumah tangga yang menggunakan sumber air
rata-rata jumlah kasus baru kusta di Kabupaten bersih di Kabupaten Buton sudah cukup baik
Buton tahun 2013 sebesar 3,333 yang artinya karena telah mencapai target nasional, di mana
setiap 100 penduduk terdapat kurang lebih 3 sebagian besar kecamatan terklasifikasi dengan
penderita kusta. kriteria sedang yang terdiri dari 8 kecamatan
Berdasarkan analisis deskriptif menggunakan yakni Talaga Raya, Kadatua, Batauga,
peta yang terdiri dari 3 kelompok menunjukkan Sampolawa, Kapontori, Lasalimu, Siontapina
bahwa Kecamatan Pasarwajo yang berkisar 10 dan Wolowa. Hal ini juga menandakan bahwa
sampai 22 penderita. Kecamatan Pasarwajo setiap 100 penduduk yang menderita kusta 65
adalah satu-satunya kecamatan di Kabupaten rumah tangga diantaranya menggunakan sumber
Buton yang jumlah kasus barunya tinggi. Hal air bersih.
ini dapat diketahui karena sebagian besar Rumah tangga menggunakan jamban sehat
jumlah kasus baru kusta terklasifikasi dengan adalah rumah tangga yang ‘melakukan upaya
kriteria rendah yang tersebar di 14 kecamatan perilaku hidup bersih dengan menggunakan
yakni kecamatan Talaga Raya, Mawasangka, jamban yang sehat. Rata-rata persentase
Mawasangka Tengah, Lakudo, Sangia Wambulu, tumah tangga yang menggunakan jamban
Batauga, Kapontori, Lasalimu, Lasalimu Selatan, sehat di Kabupaten Buton sebesar 45,36%.
Siontapina, Wolowa, Wabula, Kadatua dan Hal ini menandakan bahwa persentase rumah
Siompu Barat. Tingginya jumlah kasus baru tangga yang menggunakan jamban sehat di
kusta di kabupaten Buton diduga karena beberapa Kabupaten Buton masih rendah karena masih
faktor yang berkaitan dengan perilaku hidup belum mencapai target nasional, di mana
bersih dan sehat, kondisi fisok rumah, sosial berdasarkan analisis deskriptif menggunakan peta
ekonomi dan masalah kependudukan. menunjukkan bahwa sebagian besar kecamatan
Faktor yang mempengaruhi tingginya jumlah terklasifikasi dengan kriteria rendah yang terdiri
kasus baru kusta di kabupaten Buton adalah yang dari 10 kecamatan yakni Kapontori, Lasalimu,
berkaitan dengan perilaku hidup bersih dan sehat, Batauga, Batu Atas, Lapandewa, Sampolawa,
kondisi fisik rumah, sosial ekonomi dan masalah Siompu Barat, Gu, Lakudo, Sangia Wambulu.
kependudukan diantaranya rendahnya persentase Hal ini juga menandakan bahwa setiap 100
rumah tangga yang menggunakan sumber air penduduk yang menderita kusta, 45 rumah tangga
bersih, jamban, mencuci tangan, rumah sehat, diantaranya menggunakan jamban sehat.
 Fadmi, dkk., Prediksi Jumlah Kasus Baru Kusta dengan … 21

Rumah tangga menggunakan mencuci Keluarga miskin adalah seseorang

tangan adalah rumah tangga yang melakukan atau kepala keluarga yang sama sekali tidak
upaya perilaku hidup bersih dengan rajin mencuci mempunyai sumber mata pencaharian dan atau
tangan sebelum atau sesudah makan atau setelah tidak mempunyai kemampuan untuk memenuhi
melakukan aktivitas yang berhubungan dengan kebutuhan pokok atau orang yang mempunyai
kebersihan tangan. Rata-rata persentase rumah sumber mata pencaharian akan tetapi tidak dapat
tangga yang mencuci tangan di Kabupaten memenuhi kebutuhan pokok keluarga yang
Buton sebesar 59,72%. Hal ini menandakan layak bagi kemanusiaan. Rata-rata persentase
bahwa persentase rumah tangga yang mencuci keluarga miskin di Kabupaten Buton sebesar
tangan di Kabupaten Buton masih rendah karena 17,13%. Hal ini menandakan bahwa setiap 100
masih belum mencapai target nasional, di mana penduduk yang menderita kusta, 17 keluarga
berdasarkan analisis deskriptif menggunakan adalah keluarga miskin. Hasil dari analisis
peta menunjukkan bahwa sebagian besar deskriptif menggunakan peta menunjukkan
kecamatan terklasifikasi dengan kriteria rendah bahwa sebagian besar persentase keluarga miskin
yang terdiri dari 12 kecamatan yakni Lasalimu terklasifikasi dengan kriteria rendah yang terdiri
Selatan, Wabula, Batauga, Batu Atas, Kadatua, dari 9 kecamatan yakni kecamatan Kapontori,
Lapandewa, Sampolawa, Siompu, Siompu Pasarwajo, Wolowa, Batu Atas, Sampolawa,
Barat, Mawasangka, Mawasangka Timur, Siompu Barat, Mawasangka, Mawasangka
Talaga Raya. Hal ini juga menandakan bahwa Tengah, Talaga Raya. Namun sebagian kecamatan
setiap 100 penduduk yang menderita kusta, 59 lainnya didominasi dengan kriteria tinggi yang
rumah tangga diantaranya adalah rumah tangga terdiri dari 7 kecamatan yakni kecamatan
yang berperilaku hidup bersih dengan mencuci Mawasangka Timur, Lakudo, Sangia Wambulu,
tangan. Lasalimu Selatan, Batauga, Lapandewa.
Rumah sehat adalah bangunan rumah tinggal Kepadatan penduduk adalah jumlah
yang memenuhi syarat kesehatan yakni memiliki penduduk per satuan luas di setiap wilayah
jamban yang sehat, tempat pembuangan sampah, kecamatan di Kabupaten Buton. Rata-rata
sarana air bersih, saluran pembuangan air limbah persentase kepadatan penduduk di Kabupaten
(SPAL), ventilasi baik, kepadatan hunian yang Buton sebesar 25944,6%. Hal ini menandakan
sesuai dan lantai rumah yang tidak dari tanah. bahwa setiap 100 penduduk yang berjumlah
Persentase keluarga yang menghuni rumah sehat 277.006 jiwa yang menderita kusta, 25.944 jiwa
merupakan salah satu indikator Indonesia Sehat adalah wilayah dengan penduduk yang padat.
2010 dan target Millenium Development Goals Hasil dari analisis deskriptif menggunakan peta
(MDGs) tahun 2015. Target rumah sehat yang menunjukkan bahwa sebagian besar persentase
akan dicapai dalam Indonesia Sehat 2010 telah kepadatan penduduk terklasifikasi dengan kriteria
ditentukan sebesar 80% (Depkes, 2004). rendah yang terdiri dari 17 kecamatan yakni
Rata-rata persentase rumah sehat di kecamatan Kapontori, Lasalimu, Lasalimu
Kabupaten Buton sebesar 55,56%. Hal ini Selatan, Pasarwajo, Siontapina, Wabula, Wolowa,
menandakan bahwa setiap 100 penduduk Batauga, Batu Atas, Lapandewa, Sampolawa,
yang menderita kusta, 55 rumah diantaranya Gu, Lakudo, Mawasangka, Mawasangka Tengah,
adalah rumah yang memenuhi syarat kesehatan, Mawasangka Timur, Talaga Raya.
dengan demikian persentase rumah sehat di Analisis regresi poisson adalah salah
Kabupaten Buton masih rendah karena berada satu metode regresi yang digunakan untuk
di bawah target nasional. Hal ini juga dijelaskan menganalisis data yang variabel responsnya
berdasarkan analisis deskriptif menggunakan berupa data diskrit. Asumsi yang harus terpenuhi
peta menunjukkan bahwa sebagian besar pada regresi poisson, yaitu nilai antara varians
persentase rumah sehat terklasifikasi dengan dan mean dari variabel respons tersebut sama
kriteria sedang yang terdiri dari 9 kecamatan atau equidispersi (Myers et al., 2010). Namun
yakni kecamatan Lasalimu, Lasalimu Selatan, dalam kenyataan di lapangan sering terjadi
Batu Atas, Sampolawa, Siompu, Gu, Lakudo, pelanggaran asumsi tersebut, di mana nilai
Mawasangka Tengah, Mawasangka Timur. variansnya lebih besar dari nilai mean yang
22 Jurnal Biometrika dan Kependudukan, Vol. 4, No. 1 Juli 2015: 14–24

dinamakan overdispersi atau nilai variansnya teori kesehatan, menurut Budiarto dan Dewi
lebih kecil dari nilai mean yang dinamakan (2003), kepadatan penduduk merupakan dampak
underdispersi (Wang dan Famoye, 1997). dari revolusi industri yang menimbulkan
Hasil analisis pada pemodelan regresi berbagai permasalahan sosial dan kesehatan
poisson menunjukkan bahwa variabel prediktor yang mengakibatkan timbulnya daerah kumuh
yang berpengaruh secara signifikan terhadap dan perumahan, sanitasi, pembuangan sampah
jumlah kasus baru kusta di Kabupaten Buton yang memicu peningkatan penularan penyakit,
sebanyak 4 variabel yaitu persentase rumah demikian halnya untuk penyakit kusta. Hasil
tangga yang mencuci tangan (X3), persentase penelitian oleh Ginting (2005) berdasarkan
rumah sehat (X4), persentase keluarga miskin pola spasial demografi mengemukakan bahwa
(X5) dan persentase kepadatan penduduk (X6). penyebaran kusta banyak terdapat di daerah
Model GWPR merupakan bentuk lokal dari dengan kepadatan penduduk. Hal ini berarti
regresi poisson yang menghasilkan penaksir penularan penyakit kusta lebih mudah terjadi
parameter model yang bersifat lokal untuk pada kondisi wilayah dengan kepadatan
setiap titik atau lokasi di mana data tersebut penduduk.
dikumpulkan, dengan mengasumsikan bahwa data Variabel yang tidak sesuai dengan teori
berdistribusi poisson. Menurut Fotheringhem, terjadi pada persentase keluarga miskin (X5),
dkk (2002) model GWPR dikembangkan dari di mana peningkatan keluarga miskin akan
metode GWR yaitu suatu teknik yang membawa menurunkan jumlah kasus baru kusta di
kerangka dari model regresi sederhana menjadi Kabupaten Buton . Hal ini tidak sesuai dengan
model regresi yang terboboti. Dalam model teori, karena peningkatan keluarga miskin akan
GWPR, variabel respons y diprediksi oleh menyebabkan pemenuhan gizi menjadi sulit
variabel prediktor yang masing-masing koefisien terjangkau sehingga berdampak pada kekurangan
regresinya bergantung pada lokasi di mana data gizi. Kekurangan gizi akan menyebabkan daya
tersebut diamati. tahan tubuh menjadi lebih rentan sehingga mudah
Hasil analisis pemodelan Geographicaly terpapar oleh agent penyakit yang salah satunya
Weighted Poisson Regression (GWPR) adalah penyakit kusta. Teori kesehatan juga
menghasilkan variabel prediktor yang didukung oleh penelitian dari Winarsih (2011)
berpengaruh secara signifikan terhadap jumlah yang menyebutkan bahwa kemiskinan memiliki
kasus baru kusta di Kabupaten Buton yaitu pengaruh terhadap kejadian kusta sebesar 3,188
persentase rumah tangga yang mencuci tangan kali. Namun hal ini bisa saja terjadi, jika ada
(X3), persentase rumah sehat (X4), persentase upaya dari para penderita kusta khususnya berasal
keluarga miskin (X5) dan persentase kepadatan dari keluarga miskin untuk mau memeriksakan
penduduk (X6). diri dan berobat secara teratur serta upaya
Persamaan pemodelan GWPR menunjukkan pencarian penderita oleh para tenaga kesehatan
bahwa persentase rumah tangga yang mencuci lebih mengutamakan keluarga dengan tingkat
tangan (X3) yang meningkat akan menurunkan sosial ekonomi yang rendah.
jumlah kasus baru kusta di Kabupaten Buton. Variabel yang juga tidak sesuai dengan teori
Hal ini telah sesuai dengan teori kesehatan yang terjadi pada persentase rumah sehat (X4), di mana
menurut Djauzi (2009) bahwa mencuci tangan peningkatan rumah sehat akan meningkatkan
merupakan salah satu cara untuk menghindari jumlah kasus baru kusta di Kabupaten Buton. Hal
penularan penyakit. Hasil penelitian Winarsih ini tidak sesuai dengan teori, karena rumah yang
(2010) juga mengungkapkan bahwa personal sehat merupakan rumah yang memenuhi syarat
hygiene yang salah satunya adalah kebiasaan kesehatan sehingga diharapkan penghuninya
mencuci tangan memiliki pengaruh untuk terhindar dari bibit penyakit salah satunya adalah
menyebabkan kejadian kusta. kusta, seperti yang diungkapkan oleh Rismawati
Persentase kepadatan penduduk pada (2012) pada hasil penelitiannya bahwa sanitasi
pemodelan GWPR yang meningkat akan rumah yang buruk akan menyebabkan kejadian
menambah jumlah kasus baru kusta di kusta khususnya jenis multibasiler. Hal ini berarti
Kabupaten Buton. Hal ini telah sesuai dengan peningkatan jumlah kasus baru kusta dapat terjadi
 Fadmi, dkk., Prediksi Jumlah Kasus Baru Kusta dengan … 23

jika kondisi rumah tidak sehat. Namun hal ini Poisson Regression (GWPR) yang diperoleh
bisa saja terjadi jika ketidakteraturan minum adalah = -0,018747X3 + 0,021310X4 –
obat penderita kusta atau pemeriksaan kontak 0,085925X5 + 0,000036X6. Model terbaik untuk
secara periodik kepada masyarakat oleh petugas jumlah kasus baru kusta di Kabupaten Buton
kesehatan kurang efektif. . adalah model Geographicaly Weighted Poisson
Perbandingan Model GPR dan GWPR Regression (GWPR).
untuk mengetahui model terbaik dilakukan
menggunakan metode AIC. Metode AIC dan Saran
adalah metode yang digunakan untuk memilih
Penelitian lebih lanjut hendaknya sampel
model regresi terbaik yang ditemukan oleh
yang digunakan sampai ke level lebih kecil
Akaike (Grasa, 1989). Menurut Widarjono
(desa atau wilayah puskesmas) sehingga mampu
(2007), metode yang dapat digunakan untuk
mempertajam analisis spasialnya. Variabel-
mendapatkan model terbaik, salah satunya
variabel yang digunakan pun hendaknya
adalah dengan metode Akaike’s Information
memasukkan unsur sosial budaya yang bersifat
Criterion (AIC), di mana model regresi terbaik
lokal, sehingga hasil akhir yang diharapkan
adalah model regresi yang mempunyai nilai AIC
mampu menerangkan kondisi lokal daerah
terkecil.
tersebut.
Perbandingan nilai AIC pada model
Generalized Poisson Regression (GPR) dan
Geographicaly Weighted Poisson Regression DAFTAR PUSTAKA
(GWPR) untuk jumlah kasus baru kusta di Ardiyanti, S., T., Purhadi. 2009. Pemodelan
Kabupaten Buton adalah dengan melihat nilai Angka Kematian Bayi dengan Pendekatan
AIC terkecil dari setiap model, dengan tujuan Geographically Weighted Poisson Regression
untuk mendapatkan model terbaik untuk jumlah (GWPR) di Provinsi Jawa Timur. ITS.
kasus baru kusta di Kabupaten Buton. Hasil Surabaya. Skripsi. FMIPA-ITS.
dari perbandingan tersebut diperoleh nilai AIC Budiarto, E., Dewi, A. 2003. Pengantar
terkecil pada model Geographicaly Weighted Epidemiologi Edisi 2. Penerbit Buku
Poisson Regression (GWPR), sehingga model Kedokteran EGC. Jakarta.
yang terbaik untuk jumlah kasus baru kusta di Departemen Kesehatan Republik Indonesia. 2004.
Kabupaten Buton adalah model Geographicaly Indikator Indonesia Sehat 2010. Depkes RI.
Weighted Poisson Regression (GWPR). Jakarta.
Perbandingan antara model regresi Poisson Departemen Kesehatan Republik Indonesia. 2006.
dan model GWPR juga dilakukan oleh Ardiyanti Pusat Promosi Kesehatan, Perilaku Hidup
dan Purhadi (2009) untuk mengetahui model Bersih dan Sehat di Rumah Tangga. Jakarta.
mana yang lebih baik diterapkan untuk kasus Djauzi, R. 2009. Raih Kembali Kesehatan.
Jumlah Kematian Bayi di propinsi Jawa Timur, Penerbit Buku Kompas. Jakarta.
juga membandingkan nilai AIC (Akaike’s Fotheringham C., Brundson., A.S. Charlton. M.
Information Criterion) dari kedua model tersebut. 2002. Geographically Weighted Regression:
Hasil perbandingan keduanya, model GWPR the analysis of spatially varying relationship.
lebih baik digunakan untuk menganalisis data John Wiley and Sons Ltd. England.
Angka Kematian Bayi (AKB) di Propinsi Jawa Ginting, E., MP. 2005. Analisis Spasial Penyakit
Timur dibandingkan dengan regresi Poisson Kusta Berbasis Lingkungan di Kabupaten
Gresik Tahun 2004–2005. FKM UI. Jakarta.
SIMPULAN DAN SARAN Grasa, A.A. 1989. Econometric Model Selection:
A New Approach. Kluwer.
Simpulan
Nakaya, T., Fotheringham., A.S., Brudson, C.,
Model regresi poisson yang diperoleh (2005). Geographically Weight Poisson
= -1.875.10-2X3 + 2.131.10-2X4 – 8.593.10-2X5 Regression for Disease Association Mapping.
– 3.613.10-5X6. Model Geographicaly Weighted Statistics in Medicine 2005, 24,2695–
2717,Wiley Interscience.
24 Jurnal Biometrika dan Kependudukan, Vol. 4, No. 1 Juli 2015: 14–24

Myers, R.H., Montgomery., D.C., Vining., G.G., Soedarto. 2009. Penyakit Menular di Indonesia.
Robinson, T.J. 2010. Generalized Linier CV Sagung Seto. Jakarta.
Models with Aplications in Engineering and Wang, W., Famoye., F. 1997. Modeling Household
the Sciences. Canada: A John Wiley & Sons, Fertility Decision with Generalized Poisson
Inc., Publication. Regression. Journal of Population Economics,
Poerwandi, K. 2005. Pendekatan Kualitatif 10, 3, 273–283. http://www.jstor.org diakses
untuk Penelitian Perilaku Manusia. Fakultas pada tanggal 1 Juli 2014.
Psikologi UI. Jakarta. Widarjono, A., 2007. Ekonometrika Teori dan
Qudratullah, M.F. 2013. Analisis Regresi Terapan. Aplikasi untuk Ekonomi dan Bisnis. Ekonisia,
C.V Andi Offset. Yogyakarta. Yogyakarta.
Rismawati. 2013. Hubungan antara Sanitasi Winarsih. 2011. Analisis Spasial Faktor Risiko
Rumah dan Personal Hygiene dengan Kejadian Kejadian Penyakit Kusta di Kabupaten
Kusta Multibasiler. Unnes Journal of Public Jepara. FKM Universitas Muhammadiyah
Health 2 (1) (2013), Hal 6–8. Semarang. Semarang.