Penerapan Analisis Gerombol pada Indikator dari Derajat Kesehatan Masyarakat di Provinsi Sumatera Utara Tahun 2013

PENERAPAN ANALISIS GEROMBOL PADA INDIKATOR

DARI DERAJAT KESEHATAN MASYARAKAT DI PROVINSI

SUMATERA UTARA TAHUN 2013

Skripsi ini diajukan sebagai

salah satu syarat untuk memperoleh gelar

Sarjana Kesehatan Masyarakat

OLEH

DESI RATNA SARI

101000030

FAKULTAS KESEHATAN MASYARAKAT

ABSTRAK

Indikator derajat kesehatan adalah skala yang dapat mengukur sehat atau sakitnya keadaan fungsi dan struktur jasmani, mental, sosial seseorang. Indikator derajat kesehatan masyarakat dapat diukur dengan menghitung morbiditas, mortalitas, kecacatan, kefatalan dan angka harapan hidup. Semakin rendah nilainya, menunjukkan bahwa derajat kesehatan meningkat dan sebaliknya. Penelitian ini dilakukan untuk menggerombolkan 33 Kabupaten/Kota di Provinsi Sumatera Utara berdasarkan 8 variabel mencakup angka kematian, angka kesakitan dan status gizi masyarakat yang nantinya akan menggambarkan derajat kesehatan masyarakatnya.

Penelitian ini adalah penelitian deskriptif. Penelitian ini dilaksanakan mulai bulan Agustus 2014 sampai Maret 2015. Populasi dan sampel dalam penelitian ini adalah seluruh data mortalitas, morbiditas dan status gizi di Dinas Kesehatan Provinsi Sumatera Utara Tahun 2013 yang terdiri dari 33 Kabupaten/Kota di Provinsi Sumatera Utara. Semua data dianalisis dengan analisis gerombol. Metode yang digunakan dalam penelitian ini adalah metode hirarki dan ukuran jarak antar gerombol menggunakan Average Linkage, yaitu rata-rata dari semua jarak atau pautan rataan.

Hasil analisis gerombol menunjukkan bahwa ada 3 gerombol Kabupaten/Kota berdasarkan mortalitas, morbiditas dan status gizi yang menggambarkan derajat kesehatan. Gerombol 1 terdiri dari Kabupaten/Kota Nias, Mandailing Natal, Tapanuli Selatan, Tapanuli Tengah, Tapanuli Utara, Toba Samosir, Labuhan Batu, Asahan, Simalungun, Dairi, Karo, Deli Serdang, Langkat, Nias Selartan, Humbang Hasudutan, Pakpak Barat, Samosir, Serdang Bedagai, Batu Bhara, Padang Lawas, Padang Lawas Utara, Labuhan Batu Selatan, Labuhan Batu Utara, Nias Utara, Sibolga, Pematang Siantar, Tebing Tinggi, Medan, Binjai, Padangsidempuan dan Gunung Sitoli. Gerombol 2 terdiri dari Kabupaten Nias Barat. Sedangkan Gerombol 3 terdiri dari Kota Tanjung Balai.

Maka dapat disimpulkan bahwa Provinsi Sumatera Utara memiliki derajat kesehatan baik berdasarkan hasil analisis gerombol. Dari 33 Kabupaten/Kota di Sumatera Utara terdapat 31 Kabupaten/Kota yang membentuk 1 gerombol dengan derajat kesehatan baik. Analisis gerombol ini dapat diterapkan ke kasus lain yang hasilnya dapat dimanfaatkan sebagai salah satu pertimbangan dalam merencanakan pembangunan kesehatan.

Kata kunci: Analisis Gerombol, Provinsi Sumatera Utara, Indikator Derajat Kesehatan

ABSTRACT

Health level indicators is a scale that can measure the healthy or unhealthy condition of the function and structure of the physical, mental, and social of a person. Community‟s health level indicators can be measured by computing the morbidity, mortality, disability, fatalities and life expectancy. The lower its values indicates that health level increased and vice versa. This research conducted to clusterize 33 districts/cities in North Sumatera Province based on 8 variables included mortality, morbidity and nutritional status of the community that will describe the health level of the community.

This research is descriptive research. This research was conducted from August 2014 until March 2015. The population and sample of this research were all data of mortality, morbidity and nutritional status in Sumatera Provincial Health Office in 2013 that consists of 33 districts/cities in Sumatera Province. All of data were analyzed using cluster analysis. Method used in this research is the method of hierarchy and distance measurement between clusters using Average Linkage, which is an average of all distances.

The results of the cluster analysis indicated that there were 3 clusters of district/city based on mortality, morbidity and nutritional status that described the health level. First cluster consisted of district/city Nias, Mandailing Natal, Tapanuli Selatan, Tapanuli Tengah, Tapanuli Utara, Toba Samosir, Labuhan Batu, Asahan, Simalungun, Dairi, Karo, Deli Serdang, Langkat, Nias Selatan, Humbang Hasudutan, Pakpak Bharat, Samosir, Serdang Bedagai, Batu Bara, Padang Lawas, Padang Lawas Utara, Labuhan Batu Selatan, Labuhan Batu Utara, Nias Utara, Sibolga, Pematang Siantar, Tebing Tinggi, Medan, Binjai, Padang Sidempuan and Gunung Sitoli. Second cluster consisted of district of Nias Barat. While third cluster consisted of city of Tanjung Balai.

It can be concluded that North Sumatera Province has a good health level based on results of the cluster analysis. From 33 districts/cities in North Sumatra Province there were 31 districts/cities which form one cluster with good health level. This cluster analysis can be applied to other cases where their results can be used as one of considerations in health development planning.

KATA PENGANTAR

Bismillahirrahmanirrahim,

Alhamdulillah puji syukur kehadirat Allah SWT yang telah memberikan

rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan tugas skripsi yang

berjudul : “ Penerapan Analisis Gerombol pada Indikator dari Derajat

Kesehatan Masyarakat di Provinsi Sumatera Utara Tahun 2013”. Shalawat dan salam kepada Nabi Muhammad SAW yang senantiasa tercurahkan pada

beliau yang telah menjadi teladan utama bagi umatnya.

Skripsi ini disusun untuk memenuhi salah satu syarat dalan memperoleh

Gelar Sarjana Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.

Skripsi ini penulis persembahkan kepada ayahanda Misdi dan ibunda

Almh.Tuminah yang telah membesarkan, mendidik, membimbing dengan penuh

kasih sayang dan tak henti mendoakan penulis hingga skripsi ini dapat

terselesaikan dengan baik. Semoga Allah memberikan kebahagiaan kepada

keduanya baik di dunia maupun di akhirat. Aaamiin.

Selama menulis skripsi ini, penulis banyak mendapat bimbingan dan

bantuan dari berbagai pihak. Oleh karena itu dalam kesempatan ini, penulis

mengucapkan terima kasih kepada:

1. Bapak Dr. Drs. Surya Utama, M.S selaku Dekan Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.

3. Ibu Dr. Ir. Erna Mutiara, M.Kes selaku Dosen Pembimbing Skripsi I dan Ibu Arnita, S.Si, M,Si selaku Dosen Pembimbing Skripsi II yang telah

memberikan bimbingan, arahan, ilmu, motivasi serta dukungannya kepada

penulis dalam menyelesaikan skripsi ini.

4. Ibu dr. Ria masniari Lubis, M.Si dan bapak Drs. Abdul Jalil A.A, M.Kes selaku Dosen Penguji yang telah meluangkan waktunya untuk memberikan

masukan dalam penyelesaian skripsi ini.

5. Ibu Eka lestari Mahyuni, S.K.M., M.Kes selaku Dosen Pembimbing Akademik penulis di Fakultas Kesehatan Masyarakat Universitas Sumatera

Utara.

6. Seluruh dosen dan staf Fakultas Kesehatan Masyarakat Universitas Sumatera Utara yang telah banyak memberikan ilmu dan bantuan selama penulis

menuntut ilmu di fakultas.

7. Pimpinan dan staf di Dinas Kesehatan Provinsi Sumatera Utara.

8. Untuk abang-abangku Suryadi, S.P, Junaidi, S.Pt, Doni Irawan dan kakak-kakak ipar Suryati, Suwanti, S.Pt yang selalu mendoakan dan menyemangati

penulis.

9. Untuk para keponakan yang selalu dirindukan Kaneisha Zahra, Malika Kaisah Inarah, Naeema Khansa Maliha, Khayla Adya Luthfiyah, Rames

Surhan, Nazmi Kharissa.

10. Untuk teman terdekat yang sering membantu, menyemangati, dan mendoakan Saddam Husein Siregar, Amd.

11. Untuk para kubui Dian Fifit Sundari, Effi janiarti, Entywe Habeahan, Ranika Harahap serta sahabat-sahabat di putih abu-abu Siska, Dina, Vamila, Zahara,

Indah, Hafiz Muharram, Daniansyah, Bang Rama yang selalu mendoakan dan

menyemangati penulis.

12. Sahabat-sahabat seperjuangan di Departemen Kependudukan dan

Biostatistika: Ade, Anggi, Evi, Destry, Ruri, Kak Cinta, Sarah, Eko, Ziad

yang sering membantu memberi masukan dan diskusi dalam penyelesaian

skripsi ini. Untuk teman-teman di FKM: Anis, Fitri, shella. Adek-adek kos

muslimah Asiah, Ika, Husnil, Hasbi, Maulida, Lia, Novi, Saprida, Paet.

Terima kasih atas dukungannya selama ini.

13. Semua pihak yang telah membantu dalam penyelesaian skripsi ini yang tidak bisa disebutkan satu-persatu.

Penulis menyadari bahwa tugas skripsi ini masih belum sempurna, oleh

karena itu kritik dan saran yang membangun sangat penulis harapkan untuk

perbaikan menuju yang lebih baik. Semoga Tugas Sarjana ini memberikan

manfaat bagi siapapun yang membacanya serta dapat menjadi referensi yang

bermanfaat bagi ilmu pengetahuan.

Medan, April 2015

Penulis,

DAFTAR ISI

Halaman

HALAMAN PERNYATAAN KEASLIAN SKRIPSI ... i

HALAMAN PENGESAHAN ... ii

ABSTRAK ... iii

ABSTRACT ... iv

KATA PENGANTAR ... v

DAFTAR ISI ... viii

DAFTAR TABEL ... x

DAFTAR GAMBAR ... xi

RIWAYAT HIDUP ... xii

BAB I PENDAHULUAN 1.1 Latar Belakang ... 1

1.2 Perumusan Masalah ... 6

1.3 Tujuan Penelitian ... 7

1.3.1 Tujuan Umum ... 7

1.3.2 Tujuan Khusus ... 7

1.4 Manfaat Penelitian ... 7

BAB II TINJAUAN PUSTAKA 2.1 Analisis Gerombol ... 8

2.1.1 Pengertian Analisis Gerombol ... 8

2.1.2 Metode Analisis Gerombol ... 10

2.1.3 Jarak dalam Analisis Gerombol ... 14

2.1.4 Asumsi Analisis Gerombol ... 17

2.1.5 Melakukan Analisis Gerombol ... 17

2.2 Derajat Kesehatan ... 20

2.2.1 Pengertian Derajat Kesehatan ... 20

2.2.2 Indikator Derajat Kesehatan ... 22

2.3 Kerangka Konsep Penelitian ... 28

BAB III METODE PENELITIAN 3.1 Jenis Penelitian ... 29

3.2 Lokasi dan waktu penelitian... 29

3.3 Populasi dan Sampel ... 29

3.3.1 Populasi ... 29

3.3.2 Sampel ... 29

3.4 Metode Pengumpulan Data ... 30

3.5 Defenisi Operasional ... 30

BAB IV HASIL PENELITIAN

4.1 Gambaran Umum Provinsi Sumatera Utara ... 34

4.1.1 Letak Geografis ... 34

4.1.2 Kependudukan... 35

4.1.3 Umur ... 36

4.1.4 Pendidikan ... 36

4.2 Analisis Deskriptif (Univariat) ... 38

4.3 Analisis Gerombol ... 39

BAB V PEMBAHASAN 5.1 Indikator Derajat Kesehatan ... 49

5.1.1 Mortalitas ... 50

5.1.2 Morbiditas ... 50

5.1.3 Status Gizi ... 52

5.2 Analisis Gerombol ... 52

5.2.1 Gerombol1... 52

5.2.2 Gerombol 2... 53

5.2.3 Gerombol 3... 53

BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan ... 54

6.2 Saran ... 55

DAFTAR PUSTAKA ... 57 DAFTAR LAMPIRAN

DAFTAR TABEL

Tabel 2.1 Perbandingan Metode Hirarki, Non Hirarki, dan Two Step Cluster .. 13

Tabel 3.1 Aspek Pengukuran Derajat Kesehatan Masyarakat ... 29

Tabel 4.1 Karakteristik yang Mempengaruhi Derajat Kesehatan Masyarakat di

Provinsi Sumatera Utara Tahun 2013 ... 38

Tabel 4.2 Hasil Proses Gerombol dengan Metode Average Linkage ... 41

Tabel 4.3 Hasil ProsesPembentukan Gerombol Berdasarkan Jumlah Gerombol

yang Dibentuk ... 43

Tabel 4.3 Hasil Penggerombolan Analisis Gerombol Hirarki 33 Kabupaten/Kota

Berdasarkan Mortalitas, Morbiditas dan Status Gizi untuk Melihat

DAFTAR GAMBAR

Gambar 1.1 Klasifikasi Statistik Multivariat ... 2

Gambar 2.1 Kerangka Konsep Penerapan Analisis Gerombol Untuk

Melihat Derajat Kesehatan Masyarakat di Provinsi

Sumatera Utara Tahun 2013... 28

Gambar 4.1 Hasil Analisis Gerombol dengan Metode Average Linkage

DAFTAR RIWAYAT HIDUP

Nama : Desi Ratna Sari

Tempat Lahir : Pasar Miring Kec.Pagar Merbau

Tanggal lahir : 29 Desember 1992

Suku Bangsa : Jawa

Agama : Islam

Nama Ayah : Ayah Misdi

Suku Bangsa Ayah : Jawa

Nama Ibu : Ibu Almh.Tuminah

Suku Bangsa Ibu : Jawa

Pendidikan Formal

1. SD/Tamat tahun : SDN 101912/2004

2. SLTP/Tamat tahun : MTsN Lubuk Pakam/2007

3. SLTA/Tamat tahun : SMA Muhammadiyah-5 Lubuk Pakam/2010

4. Akademik/Tamatan tahun : Fakultas Kesehatan Masyarakat Universitas Sumatera Utara/2015

ABSTRAK

Indikator derajat kesehatan adalah skala yang dapat mengukur sehat atau sakitnya keadaan fungsi dan struktur jasmani, mental, sosial seseorang. Indikator derajat kesehatan masyarakat dapat diukur dengan menghitung morbiditas, mortalitas, kecacatan, kefatalan dan angka harapan hidup. Semakin rendah nilainya, menunjukkan bahwa derajat kesehatan meningkat dan sebaliknya. Penelitian ini dilakukan untuk menggerombolkan 33 Kabupaten/Kota di Provinsi Sumatera Utara berdasarkan 8 variabel mencakup angka kematian, angka kesakitan dan status gizi masyarakat yang nantinya akan menggambarkan derajat kesehatan masyarakatnya.

Penelitian ini adalah penelitian deskriptif. Penelitian ini dilaksanakan mulai bulan Agustus 2014 sampai Maret 2015. Populasi dan sampel dalam penelitian ini adalah seluruh data mortalitas, morbiditas dan status gizi di Dinas Kesehatan Provinsi Sumatera Utara Tahun 2013 yang terdiri dari 33 Kabupaten/Kota di Provinsi Sumatera Utara. Semua data dianalisis dengan analisis gerombol. Metode yang digunakan dalam penelitian ini adalah metode hirarki dan ukuran jarak antar gerombol menggunakan Average Linkage, yaitu rata-rata dari semua jarak atau pautan rataan.

Hasil analisis gerombol menunjukkan bahwa ada 3 gerombol Kabupaten/Kota berdasarkan mortalitas, morbiditas dan status gizi yang menggambarkan derajat kesehatan. Gerombol 1 terdiri dari Kabupaten/Kota Nias, Mandailing Natal, Tapanuli Selatan, Tapanuli Tengah, Tapanuli Utara, Toba Samosir, Labuhan Batu, Asahan, Simalungun, Dairi, Karo, Deli Serdang, Langkat, Nias Selartan, Humbang Hasudutan, Pakpak Barat, Samosir, Serdang Bedagai, Batu Bhara, Padang Lawas, Padang Lawas Utara, Labuhan Batu Selatan, Labuhan Batu Utara, Nias Utara, Sibolga, Pematang Siantar, Tebing Tinggi, Medan, Binjai, Padangsidempuan dan Gunung Sitoli. Gerombol 2 terdiri dari Kabupaten Nias Barat. Sedangkan Gerombol 3 terdiri dari Kota Tanjung Balai.

Maka dapat disimpulkan bahwa Provinsi Sumatera Utara memiliki derajat kesehatan baik berdasarkan hasil analisis gerombol. Dari 33 Kabupaten/Kota di Sumatera Utara terdapat 31 Kabupaten/Kota yang membentuk 1 gerombol dengan derajat kesehatan baik. Analisis gerombol ini dapat diterapkan ke kasus lain yang hasilnya dapat dimanfaatkan sebagai salah satu pertimbangan dalam merencanakan pembangunan kesehatan.

Kata kunci: Analisis Gerombol, Provinsi Sumatera Utara, Indikator Derajat Kesehatan

ABSTRACT

Health level indicators is a scale that can measure the healthy or unhealthy condition of the function and structure of the physical, mental, and social of a person. Community‟s health level indicators can be measured by computing the morbidity, mortality, disability, fatalities and life expectancy. The lower its values indicates that health level increased and vice versa. This research conducted to clusterize 33 districts/cities in North Sumatera Province based on 8 variables included mortality, morbidity and nutritional status of the community that will describe the health level of the community.

This research is descriptive research. This research was conducted from August 2014 until March 2015. The population and sample of this research were all data of mortality, morbidity and nutritional status in Sumatera Provincial Health Office in 2013 that consists of 33 districts/cities in Sumatera Province. All of data were analyzed using cluster analysis. Method used in this research is the method of hierarchy and distance measurement between clusters using Average Linkage, which is an average of all distances.

The results of the cluster analysis indicated that there were 3 clusters of district/city based on mortality, morbidity and nutritional status that described the health level. First cluster consisted of district/city Nias, Mandailing Natal, Tapanuli Selatan, Tapanuli Tengah, Tapanuli Utara, Toba Samosir, Labuhan Batu, Asahan, Simalungun, Dairi, Karo, Deli Serdang, Langkat, Nias Selatan, Humbang Hasudutan, Pakpak Bharat, Samosir, Serdang Bedagai, Batu Bara, Padang Lawas, Padang Lawas Utara, Labuhan Batu Selatan, Labuhan Batu Utara, Nias Utara, Sibolga, Pematang Siantar, Tebing Tinggi, Medan, Binjai, Padang Sidempuan and Gunung Sitoli. Second cluster consisted of district of Nias Barat. While third cluster consisted of city of Tanjung Balai.

It can be concluded that North Sumatera Province has a good health level based on results of the cluster analysis. From 33 districts/cities in North Sumatra Province there were 31 districts/cities which form one cluster with good health level. This cluster analysis can be applied to other cases where their results can be used as one of considerations in health development planning.

BAB I

PENDAHULUAN 1.1 Latar Belakang

Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada

hubungan satu variabel atau dua variabel saja, akan tetapi cenderung melibatkan

banyak variabel. Analisis tentang banyak variabel dikaji secara mendalam dalam

analisis multivariat (Nuningsih, 2010).

Analisis multivariat adalah metode-metode statistik yang mengolah

beberapa pengukuran menyangkut individu atau objek sekaligus. Teknik analisis

multivariat diklasifikasikan menjadi dua yaitu analisis dependensi/ketergantungan

dan analisis interdependensi/saling ketergantungan. Analisis dependensi bertujuan

untuk menerangkan atau memprediksi variabel tergantung dengan menggunakan

dua atau lebih variabel bebas, yang termasuk dalam klasifikasi ini ialah analisis

regresi multivariat, analisis diskriminan, analisis varians multivariat (Manova) dan

analisis korelasi kanonik. Sedangkan analisis interdependensi bertujuan untuk

memberikan makna terhadap seperangkat variabel atau membuat

kelompok-kelompok secara bersama-sama, yang termasuk dalam klasifikasi ini ialah analisis

faktor, analisis cluster/gerombol, dan multidimensional scaling (Narimawati,

Gambar 1.1 Klasifikasi Statistik Multivariat

Analisis faktor merupakan nama umum yang menunjukkan suatu kelas

prosedur, utamanya dipergunakan untuk mereduksi data atau meringkas dari

variabel yang banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel

yang lama diubah menjadi 4 atau 5 variabel baru yang disebut faktor dan masih

memuat sebagian besar informasi yang terkandung dalam variabel asli (original

variable). (Supranto, 2004).

Multidimensional Scaling (MDS) merupakan salah satu alat analisis

multivariat yang berhubungan dengan penempatan beberapa objek (produk, merk,

atau perusahaan) pada suatu peta multidimensional yang ditentukan oleh

konsumen berdasarkan proximities (nilai kedekatan) antara beberapa objek

tersebut. Analisis multidimensional scaling merupakan salah satu teknik peubah

ganda yang dapat digunakan untuk menentukan posisi suatu objek lainnya

berdasarkan penilaian kemiripannya. MDS digunakan untuk mengetahui

Analisis Multivariat

Metode Dependensi

Satu Variabel Tak Bebas - Anova dan Ancova - Regresi Berganda - Analisis Diskriminan - Analisis Konjoin

Lebih Dari satu Variabel Tak

Bebas - Manova dan Mancova - Korelasi Kanonikal Metode Interdependensi Fokus pada Variabel - Analisis faktor

Fokus Pada Objek - Analisis

Klaster/Gerombol -Multidimensional

hubungan interdepensi atau saling ketergantungan antar variabel atau data

(Supranto, 2010).

Analisis klaster merupakan bagian depan (obverse) dari analisis faktor,

dimana mereduksi (memperkecil) banyaknya objek (responden) bukan banyaknya

variabel atau atribut responden, yaitu dengan mengelompokkan objek-objek

tersebut menjadi klaster, yang banyaknya lebih sedikit daripada banyaknya objek

asli yang diteliti, misalnya dari 50 responden, dikelompokkan hanya menjadi 5

klaster saja, di mana masing-masing klaster terdiri dari 10 orang saja (Supranto,

2004).

Analisis gerombol adalah statistik variabel ganda yang digunakan apabila

ada n buah individu atau objek yang mempunyai p variabel dan ingin

dikelompokkan ke dalam k gerombol berdasarkan sifat-sifat yang diamati

sehingga individu atau objek yang terletak dalam satu gerombol memiliki

kemiripan yang lebih besar dibandingkan dengan objek yang terletak dalam

gerombol lain. Berdasarkan penjelasan diatas maka analisis gerombol sesuai

dengan tujuan penelitian ini yang ingin mengelompokkan kabupaten/kota

berdasarkan persamaan mortalitas, morbiditas dan status gizi masyarakat yang

akan menunjukkan derajat kesehatan masyarakat di 33 kabupaten/kota di

Sumatera Utara.

Prinsip dasar dalam analisis gerombol adalah mengelompokkan objek

(observasi) pada suatu gerombol yang memiliki kemiripan sangat besar dengan

objek lain dalam gerombol yang sama, tetapi sangat tidak mirip dengan objek lain

mempunyai homogenitas (kesamaan) yang tinggi antar anggota dalam satu

gerombol dan heterogenitas (perbedaan) yang tinggi antar gerombol yang satu

dengan yang lainnya (Santoso, 2010).

Metode analisis gerombol dibedakan menjadi dua yaitu metode hirarki dan

metode tak berhirarki. Metode hirarki dibedakan menjadi dua yaitu metode

penggabungan (agglomerative) dan metode pemecahan (devisive). Dalam metode

berhirarki terdapat beberapa ukuran jarak antar gerombol, antara lain jarak

minimum atau pautan tunggal (single linkage), jarak maksimum atau pautan

lengkap (comlete linkage), jarak antar centroid atau pautan centroid (centroid

lingkage), median antara gerombol atau pautan median (median linkage), rata-rata

dari semua jarak atau pautan rataan (average linkage), serta metode Ward. Hasil

penggerombolan metode berhirarki secara umum membentuk diagram pohon atau

dendogram yang menggambarkan pengelompokan objek berdasarkan jarak.

Metode tak berhirarki bertujuan untuk mengelompokkan n objek ke dalam k

gerombol (k < n), di mana nilai k telah ditentukan sebelumnya. Metode tak

berhirarki yang banyak digunakan adalah K-Means Cluster dan Fuzzy C-Means.

Salah satu displin ilmu yang dipergunakan dalam analisis gerombol saat

ini adalah bidang kesehatan. Untuk mengetahui derajat kesehatan yang optimal

dapat dilihat melalui kualitas hidup masyarakatnya, baik angka mortalitas,

morbiditas dan status gizi. Untuk mortalitas ada tiga indikator, yaitu: angka

kematian bayi, angka kematian balita dan angka kematian ibu. Untuk indikator

morbiditas, yaitu: angka kesakitan penyakit menular dan tidak menular.

persentase kunjungan bayi, persentase BBLR ditangani, persentase Balita dengan

Gizi Buruk (Dinas Kesehatan Provinsi Sumatera Utara, 2013)

Angka kematian bayi hasil sensus penduduk 2010 berdasarkan

kabupaten/kota diketahui bahwa angka kematian bayi terendah adalah kota Medan

sebesar 14,7/1.000 kelahiran hidup dan yang tertinggi adalah kabupaten

mandailing natal dengan angka kematian bayi sebesar 45,7/1.000 kelahiran hidup.

Berdasarkan hasil sensus penduduk 2010, angka kematian ibu di Sumatera

Utara sebesar 328/100.000 kelahiran hidup. Angka ini masih cukup tinggi bila

dibandingkan dengan angka nasional hasil sensus penduduk 2010 sebesar

259/100.000 kelahiran hidup.

Pada Profil Kesehatan Provinsi Sumatera Utara tahun 2012, hasil cakupan

penemuan kasus baru TB paru BTA(+) yaitu 17.459 kasus atau 82,57%. Angka

ini mengalami peningkatan bila dibandingkan dengan tahun 2011 yaitu 76,57%

dan 2010 yaitu 68,86%.

Pada Profil Kesehatan Provinsi Sumatera Utara tahun 2012, terdapat

42.190 (3,70%) balita yang menderita gizi kurang, sedangkan yang menderita gizi

buruk sebanyak 1.208 (0,11%). Dibandingkan tahun 2011, persentase balita gizi

kurang sebesar 2,81%, artinya mengalami peningkatan sebesar 0,69% .

Jumlah kasus mortalitas, morbiditas dan status gizi setiap kabupaten/kota

di Provinsi Sumatera Utara memiliki nilai berbeda, itu berarti tingkat derajat

kesehatannya berbeda pula antar kabupaten/kota. Untuk mengetahui

kabupaten/kota mana yang berada dalam satu kelompok derajat kesehatan dapat

dengan derajat kesehatan berdasarkan mortalitas, morbiditas dan status gizi

memenuhi syarat untuk dianalisis dengan menggunakan analisis gerombol.

Dengan analisis gerombol akan terbentuk kelompok dengan kabupaten/kota mana

saja yang masuk dalam derajat kesehatan baik, derajat kesehatan sedang dan

derajat kesehatan rendah.

Dengan diketahuinya kelompok kabupaten/kota dengan derajat kesehatan

baik maka dapat dilakukan pemantauan untuk program kesehatannya agar terus

dapat mempertahankan dan meningkatkan derajat kesehatannya. Sedangkan

kelompok kabupaten/kota dengan derajat kesehatan sedang dan rendah diharapkan

dapat melakukan peningkatan program kesehatan agar dapat meningkatkan derajat

kesehatannya, baik dari mortalitas, morbiditas dan status gizinya. Karena Dengan

memperbaiki institusi-institusi kesehatan, dan dengan mengadakan

program-program baru, kita memang bisa membuat pelayanan kesehatan lebih merata dan

lebih efisien, tetapi potensi terbesar untuk memperbaiki derajat kesehatan

masyarakat terletak pada apa yang dibuat oleh masyarakat itu sendiri sehubungan

dengan kesehatan. Metode yang digunakan adalah metode hirarki dengan ukuran

jarak Euclidian (Tri, 2009).

1.2 Perumusan Masalah

Rumusan masalah pada penelitian ini adalah : bagaimana hasil penerapan

analisis gerombol dalam pembentukan kelompok berdasarkan mortalitas,

morbiditas dan status gizi di 33 kabupaten/kota di Provinsi Sumatera Utara tahun

1.3 Tujuan Penelitian 1.3.1 Tujuan Umum

Menerapkan analisis gerombol untuk menggambarkan derajat kesehatan

masyarakat berdasarkan mortalitas, morbiditas dan status gizi di 33

kabupaten/kota di Provinsi Sumatera Utara Tahun 2013.

1.3.2 Tujuan Khusus

1. Untuk mengetahui pengelompokkan kabupaten/kota di Provinsi Sumatera Utara berdasarkan angka mortalitas, morbiditas dan status gizi dari

gerombol-gerombol yang terbentuk.

2. Untuk mengetahui ada tidaknya perbedaan yang nyata (signifikan) antar kelompok yang terbentuk, dalam hal ini gerombol yang dihasilkan.

3. Melihat posisi masing-masing objek terhadap objek lainnya dari gerombol yang terbentuk.

1.4 Manfaat Penelitian

1. Sebagai bahan masukan bagi Dinas Kesehatan Provinsi Sumatera Utara untuk meningkatkan derajat kesehatan penduduk dalam merencanakan

pembangunan kesehatan berdasarkan hasil-hasil yang didapat.

2. Sebagai bahan masukan atau referensi bagi peneliti lain yang ingin melakukan penelitian yang berkaitan dengan analisis gerombol.

BAB II

TINJAUAN PUSTAKA 2.1 Analisis Gerombol

2.1.1 Pengertian Analisis Gerombol

Cluster atau gerombol dapat diartikan kelompok dengan demikian, pada

dasarnya analisis gerombol akan menghasilkan sejumlah gerombol (kelompok).

Analisis ini diawali dengan pemahaman bahwa sejumlah data tertentu sebenarnya

mempunyai kemiripan di antara anggotanya; karena itu, dimungkinkan untuk

mengelompokkan anggota-anggota yang mirip atau mempunyai karakteristik yang

serupa tersebut dalam satu atau lebih dari satu gerombol (Santoso, 2010).

Analisis gerombol melakukan sebuah usaha untuk menggabungkan

keadaan atau objek ke dalam suatu kelompok, dimana anggota kelompok itu tidak

diketahui sebelumnya untuk dianalisis. Dengan kata lain analisis gerombol

merupakan analisis statistik yang digunakan untuk mengelompokan n objek ke

dalam k buah kelompok, dengan setiap objek dalam kelompok memiliki

keragaman yang besar dibandingkan antar kelompok (Afifi & Clark, 1999).

Menurut Sharma (1996) yang dikutip dari Nuningsih (2010), analisis

gerombol merupakan salah satu teknik multivariat metode interdependensi (saling

ketergantungan). Oleh karena itu, dalam analisis gerombol tidak ada pembedaan

antara variabel bebas (independent variable) dan variabel terikat (dependent

variable).

Di dalam analisis gerombol hubungan interdependensi antara seluruh set

obyek (elemen) seperti orang, produk (barang), toko, perusahaan ke dalam

kelompok-kelompok yang relatif homogen berdasarkan pada suatu set variabel

yang dipertimbangkan untuk diteliti. Obyek di dalam setiap kelompok harus

relatif mirip/sama. Variabel-variabel pada kelompok ini harus jauh berbeda

dengan obyek dari kelompok lain. Jika digunakan cara seperti ini maka analisis

gerombol merupakan bagian depan dari analisis faktor, dimana mereduksi

(memperkecil) banyaknya obyek (responden) bukan banyaknya variabel atau

atribut responden, yaitu mengelompokkan obyek-obyek tersebut kedalam

kelompok yang banyaknya lebih sedikit dari banyaknya obyek asli yang diteliti,

misalnya dari 50 orang responden, dikelompokkan menjadi 5 kelompok dengan

setiap kelompok terdiri dari 10 orang.

Analisis gerombol merupakan suatu kelas teknik yang digunakan untuk

mengklasifikasikan obyek atau kasus (responden) ke dalam kelompok yang relatif

homogen yang dinamakan kelompok. Obyek dalam setiap kelompok cenderung

mirip satu sama lain dan berbeda jauh dengan obyek dari kelompok lainnya. Di

dalam penggerombolan setiap obyek hanya boleh masuk ke dalam satu kelompok

saja sehingga tidak terjadi tumpang tindih (overlapping atau interaction).

Ciri-ciri suatu gerombol yang baik yaitu mepunyai :

Homogenitas internal (within cluster); yaitu kesamaan antar anggota

dalam satu cluster. Setiap anggota kelompok atau gerombol homogen

mempunyai karakteristik tertentu. Hal ini berarti bahwa observasi dalam

setiap kelompok sama dengan observasi lain dalam satu kelompok yang

Heterogenitas external (between cluster); yaitu perbedaan. Setiap

kelompok seharusnya berbeda dari kelompok lain dengan karakteristik

yang sama. Hal ini berarti bahwa observasi dalam kelompok yang satu

seharusnya berbeda dari observasi dalam kelompok lain.

Adapun tujuan analisis gerombol adalah :

1. Mengetahui ada tidaknya perbedaan yang nyata (signifikan) antar kelompok yang terbentuk, dalam hal ini gerombol yang dihasilkan.

2. Melihat profil serta kecenderungan-kecenderungan dari masing-masing gerombol yang terbentuk.

3. Melihat posisi masing-masing objek terhadap objek lainnya dari gerombol yang terbentuk.

2.1.2 Metode Analisis Gerombol

Secara umum ada dua metode dalam analisis gerombol, yaitu;

1. Metode Hirarkis

Metode penggerombolan berhirarki digunakan jika banyaknya gerombol

yang akan dibentuk belum diketahui sebelumnya. Metode ini ditujukan untuk

ukuran data yang kecil (n < 500). Metode penggerombolan berhirarki ini

dibedakan menjadi dua yaitu metode penggabungan (agglomerative) dan metode

pemisah (divisive) (Hair et al,1998).

Metode agglomerative dimulai dengan n buah gerombol yang masing

masing beranggotakan satu objek. Kemudian dua gerombol yang paling dekat

digabungkan dan ditentukan kembali kedekatan antar gerombol yang baru. Proses

Metode devisive dimulai dengan satu gerombol yang anggotanya adalah seluruh

objek, kemudian objek-objek yang paling jauh dipisahkan dan membentuk

gerombol lain. Proses ini berlanjut sampau semua objek masing-masing

membentuk satu gerombol.

Dalam metode berhirarki terdapat beberapa ukuran jarak antar gerombol,

antara lain jarak minimum atau pautan tunggal (single linkage), jarak maksimum

atau pautan lengkap (comlete linkage), jarak antar centroid atau pautan centroid

(centroid lingkage), median antara gerombol atau pautan median (median

linkage), rata-rata dari semua jarak atau pautan rataan (average linkage), serta

metode Ward. Jenis peubah yang dapat digerombolkan dengan metode ini adalah

peubah kontinu (rasio dan interval) dan fungsi jarak yang sering digunakan dalam

metode berhirarki ini adalah jarak Euclidian atau jarak Mahalanobis.

2. Metode Non Hirarki

Metode penggerombolan non hirarki digunakan jika banyaknya gerombol

yang akan dibentuk sudah diketahui sebelumnya. Metode ini cocok digunakan

pada data yang berukuran besar (2000). Contoh dari metode non hirarki adalah

K-means. Langkah pertama dalam metode k-means yaitu menentukan besarnya k,

yaitu banyaknya gerombol. Pemilihan k dapat ditentukan secara subyektif

berdasarkan latar belakang bidang masing-masing. Fungsi jarak yang sering

digunakan adalah jarak Euclidian. Jenis peubah yang dapat digerombolkan dengan

metode ini adalah peubah kontinu (Hair et al,1998).

K-Means merupakan salah satu metode data clustering non hirarki yang

gerombol/cluster. Metode ini mempartisi data ke dalam gerombol sehingga data

yang memiliki karakteristik sama dikelompokkan ke dalam satu gerombol yang

sama. Dasar pengelompokan dalam metode ini adalah menempatkan objek

berdasarkan rata-rata (mean) gerombol terdekat (Jhonson & Wichern, 2007).

Algoritma K-Means memerlukan 3 komponen yaitu:

1. Jumlah Gerombol K

Seperti yang telah dijelaskan sebelumnya, K-Means merupakan bagian dari

metode non-hirarki sehingga dalam metode ini jumlah k terus harus

ditentukan terlebih dahulu. Jumlah gerombol k dapat ditentukan melalui

pendekatan metode hirarki. Namun perlu diperhatikan bahwa tidak terdapat

aturan khusus dalam menentukan jumlah gerombol k, terkadang jumlah

gerombol yang diinginkan tergantung pada subjektif seseorang.

2. Gerombol Awal

Gerombol awal yang dipilih berkaitan dengan penentuan pusat gerombol

awal (centroid awal). Dalam hal ini, terdapat beberapa pendapat dalam

memilih gerombol awal untuk metode K-Means sebagai berikut:

a. Pemilihan gerombol awal dapat ditentukan berdasarkan interval dari

jumlah setiap observasi.

b. Pemilihan gerombol awal dapat ditentukan melalui pendekatan salah satu

metode hirarki.

c. Pemilihan gerombol awal dapat secara acak dari semua observasi.

Oleh karena adanya pemilihan gerombol awal yang berada ini maka

3. Ukuran Jarak

Dalam hal ini, ukuran jarak digunakan untuk menempatkan observasi ke

dalam gerombol berdasarkan centroid terdekat. Ukuran jarak yang

digunakan dalam metode K-Means adalah jarak Euclidian.

Two Step Cluster

Two step Cluster adalah analisis penggerombolan yang dirancang untuk

menangani data dengan ukuran yang sangat besar. Analisis ini juga dapat

mengatasi masalah pengukuran dengan tipe data yang berbeda yaitu kontinu dan

katagorik. Fungsi jarak Euclidian atau jarak Log Likelihood (Bacher et al,2004).

Prosedur penggerombolan objek dalam Two Step Cluster ini dilakukan

melalui dua tahapan yaitu tahap pembentukan gerombol awal dan tahap

pembentukan gerombol optimal (Chiu et al,2001). Perbandingan antara metode

hirarki, non hirarki dan Two Step Cluster selengkapnya dapat dilihat pada Tabel

2.1.

Tabel 2.1 Perbandingan Metode Hirarki, Non Hirarki, dan Two Step Cluster Aspek yang

dibandingkan

Metode Hirarki Metode Non Hirarki

Two Step Cluster

Ukuran data Ukuran data

kecil

Untuk data

besar

Untuk data sangat besar

Jenis peubah Kontinu Kontinu Kontinu dan katagorik

Banyak gerombol Belum diketahui Sudah diketahui

Belum diketahui

Ukuran jarak Euclidian atau mahalanobis

Euclidian Euclidian atau Log

likehood

Asumsi sebaran Tidak ada asumsi Tidak ada asumsi

Peubah kontinu

menyebar normal

Peubah katagorik

menyebar multinominal

Antar peubahnya

Tabel 2.1 Lanjutan Aspek yang

dibandingkan

Metode Hirarki Metode Non Hirarki

Two Step Cluster

Metode Penggabungan

(agglomerative)

dan pemisahan

(devisice)

K-means Pembentukan CF Tree

Agglomerative Menentukan gerombol optimal

2.1.3 Jarak Dalam Analisis Gerombol

Jarak yang biasa digunakan dalam analisis penggerombolan diantaranya

(Johnson & Wichern, 2007) adalah :

a. Jarak Euclidian

Jarak Euclidian adalah jarak yang paling umum dan paling sering

digunakan dalam analisis gerombol. Jarak Euclidian antara dua titik dapat

terdefinisikan dengan jelas. Jarak digunakan adalah peubah kontinu.

Jarak Euclidian antara gerombol ke-i dan ke-j dari p peubah didefinisikan:

(2.1)

dengan :

d(i,j) = jarak antara objek i ke objek j

= nilai tengah pada gerombol ke-i

= nilai tengah pada gerombol ke-j

p = banyaknya peubah yang diamati

b. Jarak Mahalanobis

Jarak Mahalanobis sangat berguna dalam menghilangkan atau mengurangi

pada saat menentukan jarak, perlu juga dipertimbangkan ragam dan peragam.

Jarak Mahalanobis didefinisikan:

(2.2)

dengan :

d(i,j) = jarak antara objek i ke objek j

= nilai tengah pada gerombol ke-i

= nilai tengah pada gerombol ke-j

S-1 = matriks ragam peragam gabungan antara

c. Jarak Manhattan

Ukuran ini merupakan bentuk umum dari jarak Euclidian, fungsi jaraknya

didefinisikan:

(2.3)

dengan:

d(i,j) = jarak antara objek i ke objek j

= nilai tengah pada gerombol ke-i

= nilai tengah pada gerombol ke-j

p = banyaknya peubah yang diamati

d. Jarak Log Likehood

Jarak Log Likelihood dapat diterapkan untuk peubah kontinu maupun

kategorik. Asumsi yang ada pada jarak ini adalah peubah kontinu menyebar

normal, peubah kategorik menyebar multinomial dan antar peubahnya saling

tersebut sehingga metode ini masih dapat digunakan ketika terjadi pelanggaran

asumsi.

Jarak antara gerombol j dan s didefinisikan:

(2.4)

dengan :

(2.5)

(2.6)

(2.7)

(2.8)

Keterangan :

N = jumlah total observasi

= jumlah observasi di dalam gerombol j

= jumlah data di gerombol j untuk peubah kategorik ke-k dengan kategorik

ke-l

= ragam dugaan untuk peubah kontinu ke-k untuk keseluruhan observasi

= ragam dugaan untuk peubah kontinu ke-k dalam gerombol j

= jumlah total peubah kontinu

= jumlah total peubah kategorik

= jumlah kategorik untuk peubah kategorik ke-k

d(j,s) = jarak antara gerombol j dan s

Jarak Euclid dan jarak Manhattan digunakan jika antar peubah memiliki

satuan yang sama dan korelasi antar peubahnya tidak nyata. Sedangkan jika

satuan antar peubah tidak sama dapat menggunakan jarak Euclid maupun jarak

Manhattan yang telah ditransformasi ke dalam bentuk baku. Jika adanya korelasi

antar peubah yang nyata, jarak yang digunakan menggunakan jarak Mahalanobis

atau jika menggunakan jarak Euclid maka peubah asal ditransformasi

menggunakan analisis komponen utama (AKU).

2.1.4 Asumsi Analisis Gerombol

Asumsi yang harus dipenuhi pada analisis gerombol: (Santoso, 2010)

1. Sampel yang diambil benar-benar bisa mewakili populasi yang ada. Memang tidak ada ketentuan jumlah sampel yang representatif, namun tetaplah

diperlukan sejumlah sampel yang cukup besar agar proses clustering bisa

dilakukan dengan benar.

2. Multikolinearitas, yaitu kemungkinan adanya korelasi antar objek. Sebaiknya tidak ada atau seandainya ada, besar multikolinearitas tersebut tidaklah tinggi

(misal di atas 0,5). Jika sampai terjadi multikolinearitas, dianjurkan untuk

menghilangkan salah satu variabel dari dua variabel yang mempunyai

korelasi cukup besar.

2.1.5 Melakukan Analisis Gerombol

Analisis gerombol ini terdiri dari beberapa proses dasar, yaitu :

1. Merumuskan Masalah

Hal yang paling penting di dalam perumusan masalah analisis gerombol

(pembentukan gerombol). Pada dasarnya set variabel yang akan dipilih harus

menguraikan kemiripan antara objek, yang memang benar-benar relevan dengan

masalah riset pemasaran. Variabel harus dipilih berdasarkan penelitian

sebelumnya, teori atau suatu pertimbangan berkenaan dengan hipotesis yang akan

diuji.

2. Melakukan Proses Standarisasi Data jika Diperlukan

Jika data yang mempunyai perbedaan yang besar, misalnya untuk data

status gizi yang hanya dengan satuan puluhan (00), sedangkan data morbiditas

dengan satuan ratusan ribu (00.000), maka perbedaan ini akan membuat

perhitungan jarak tidak valid. Jika data mempunyai satuan yang berbeda secara

signifikan, pada data harus dilakukan proses standarisasi dengan mengubah data

yang ada ke Z-Score. Proses standarisasi menjadikan dua data dengan perbedaan

satuan yang lebar akan otomatis menjadi menyempit (Santoso, 2010).

3. Memilih Ukuran Jarak atau Similaritas

Oleh karena tujuan penggerombolan ialah untuk mengelompokkan objek

yang mirip dalam gerombol yang sama, maka beberapa ukuran diperlukan untuk

mengakses seberapa mirip atau berbeda objek-objek tersebut. Pendekatan yang

paling biasa ialah mengukur kemiripan dinyatakan dalam jarak (distance) antara

pasangan objek (Supranto, 2004).

Objek dengan jarak yang lebih pendek antara mereka akan lebih mirip satu

4. Memilih Suatu Prosedur Penggerombolan

Setelah data yang dianggap mempunyai satuan yang sangat berbeda

diseragamkan, dan metode gerombol ditentukan, langkah selanjutnya adalah

pengelompokan data, yang bisa dilakukan dengan dua metode:

1. Metode Hirarkis;

Memulai pengelompokan dengan dua atau lebih obyek yang mempunyai

kesamaan paling dekat. Kemudian diteruskan pada obyek yang lain dan

seterusnya hingga kelompok akan membentuk semacam „pohon‟ dimana

terdapat tingkatan (hirarki) yang jelas antar obyek, dari yang paling mirip

hingga yang paling tidak mirip. Alat yang membantu untuk memperjelas

proses hirarki ini disebut “dendogram”. 2. Metode Non-Hirarkis;

Dimulai dengan menentukan terlebih dahulu jumlah kelompok yang

diinginkan (dua, tiga, atau yang lain). Setelah jumlah kelompok

ditentukan, maka proses pengelompokkan dilakukan dengan tanpa

mengikuti proses hirarki. Metode ini biasa disebut “K-Means Cluster”. 5. Menentukan Banyaknya Gerombol

Isu pokok/utama dalam analisis gerombol ialah menentukan berapa

banyaknya gerombol. Sebetulnya tidak ada aturan yang baku untuk menentukan

berapa seharusnya banyaknya gerombol, namun demikian ada beberapa petunjuk,

a. Pertimbangan teoritis, konseptual, praktis, mungkin bisa diusulkan/disarankan untuk menentukan berapa banyaknya gerombol yang

sebenarnya.

b. Di dalam penggerombolan hirarki, jarak dimana gerombol digabungkan bisa dipergunakan sebagai kriteria. Atau dengan melihat dua tahap

dendogram yang terbentuk.

c. Di dalam penggerombolan non hirarki, rasio jumlah varian dalam gerombol dengan jumlah varian antar gerombol dapat diplotkan melawan

banyaknya gerombol. Titik pada mana suatu siku (an elbow) atau lekukan

tajam (a sharp bend) terjadi, menunjukkan banyaknya gerombol, di luar

titik ini, biasanya tidak berguna/tidak perlu.

d. Besarnya relatif gerombol seharusnya berguna/bermanfaat. 5. Melakukan Interpretasi Terhadap Gerombol yang Telah Terbentuk

Setelah sejumlah gerombol terbentuk dengan metode hierarki atau

nonhierarki, langkah selanjutnya adalah melakukan interpretasi terhadap

gerombol yang telah terbentuk, yang pada intinya memberi nama spesifik untuk

menggambarkan isi gerombol tersebut.

2.2 Derajat Kesehatan

2.2.1 Pengertian Derajat Kesehatan

Derajat kesehatan atau tingkat kesehatan atau status kesehatan adalah skala

yang dapat mengukur sehat atau sakitnya keadaan fungsi dan struktur jasmani

mental sosial seseorang. Derajat kesehatan kelompok individu merupakan hasil

Derajat kesehatan penduduk dapat diukur dengan menghitung morbiditas,

mortalitas, kecacatan, kefatalan dan angka harapan hidup. Semakin rendah

nilainya, menunjukkan bahwa derajat kesehatan meningkat dan sebaliknya (Sekar,

2013). Derajat kesehatan masyarakat yang optimal adalah tingkat kondisi

kesehatan yang tinggi dari setiap orang atau masyarakat dan harus selalu

diusahakan peningkatannya secara terus menerus.

Undang-undang kesehatan No.36 Tahun 2009 memberikan batasan:

kesehatan adalah keadaan sehat baik secara fisik, mental, spiritual maupun sosial

yang memungkinkan setiap orang untuk hidup produktif secara sosial dan

ekonomi. Sedangkan menurut Organisasi Kesehatan Dunia (WHO), kesehatan

adalah keadaan sempurna, baik fisik, mental maupun sosial, dan tidak hanya

bebas dari penyakit dan cacat.

Undang-undang RI No.36 Tahun 2009 tentang Kesehatan, pasal 17 ayat 1

menyebutkan bahawa pemerintah bartanggung jawab atas ketersediaan akses

terhadap informasi, edukasi dan fasilitas pelayanan kesehatan untuk

meningkatkan dan memelihara derajat kesehatan yang setinggi-tingginya. Pada

pasal 168 juga menyebutkan bahwa untuk menyelenggarakan upaya kesehatan

yang efektif dan efisien diperlukan informasi kesehatan yang dilakukan melalui

sistem informasi dan melalui kerjasama lintas sektor. Sedangkan pada pasal 169

disebutkan bahwa pemerintah memberikan kemudahan kepada masedryarakat

untuk memperoleh akses terhadap informasi kesehatan dalam upaya

2.2.2 Indikator Derajat Kesehatan

Indikator derajat kesehatan adalah ukuran yang digunakan untuk melihat

apakah derajat kesehatan masyarakat sudah optimal, yang dilihat dari unsur

kualitas hidup (Dinas Kesehatan Provinsi Sumatera Utara, 2013) yaitu:

1. Mortalitas (Angka kematian )

Gambaran perkembangan derajat kesehatan masyarakat dilihat dari

kejadian kematian dalam masyarakat dari waktu ke waktu. Disamping itu

kejadian kematian juga dapat digunakan sebagai indikator dalam penilaian

keberhasilan pelayanan kesehatan dan program pembangunan kesehatan

lainnya. Angka kematian pada umumnya dapat dihitung dengan

melakukan berbagai survei dan penelitian.

Peristiwa kematian pada dasarnya merupakan proses akumulasi akhir dari

berbagai penyebab kematian langsung maupun tidak langsung. Secara

umum kejadian kematian pada manusia berhubungan erat dengan

permasalahan kesehatan sebagai akibat dari gangguan penyakit atau akibat

dari proses interaksi berbagai faktor yang secara sendiri – sendiri atau bersama – sama mengakibatkan kematian dalam masyarakat.

Salah satu alat untuk menilai keberhasilan program pembangunan

kesehatan yang telah dilaksanakan selama ini adalah dengan melihat

perkembangan angka kematian dari tahun ke tahun. Besarnya tingkat

kematian dan penyakit penyebab utama kematian yang terjadi pada

a. Angka kematian bayi

Infact Mortality Rate atau angka kematian bayi (AKB) merupakan

indikator yang lazim digunakan untuk menetukan derajat kesehatan

masyarakat, baik pada tatanan provinsi ataupun nasional. Selain itu,

program pembangunan kesehatan di indonesia banyak melibatkan

pada upaya penurunan angka kematian bayi. Angka kematian bayi

merujuk kepada jumlah bayi yang meninggal pada fase antara

kelahiran bayi belum mencapai umur 1 tahun per 1000 kelahiran

hidup.

Dilihat Angka Kematian Bayi hasil Sensus Penduduk 2010

berdasarkan kabupaten/kota diketahui bahwa angka kematian bayi

terendah adalah kota medan sebesar 14,7/1.000 kelahiran hidup dan

yang tertinggi adalah Kabupaten Mandailing Natal dengan angka

kematian bayi 45,7/1.000 kelahiran hidup.

b. Angka kematian balita (AKABA)

Angka kematian balita menggambarkan peluang untuk meninggal

pada fase antara kelahiran dan sebelum umur 5 tahun.

Berdasarkan hasil Survei Demografi dan Kesehatan Indonesia tahun

2007 diperoleh angka kematian balita di Indonesia sebesar 44/1.000

c. Angka kematian ibu (AKI)

Angka kematian ibu mengacu pada jumlah wanita yang meninggal

dari suatu penyebab kematian terkait dengan gangguan kehamilan atau

penanganannya (tidak termasuk kecelakaan atau kasus insidentil)

selama kehamilan, melahirkan dan dalam masa nifas (42 hari setelah

melahirkan) tanpa memperhitungkan lama kehamilan per 100.000

kelahiran hidup.

Berdasarkan hasil Sensus Penduduk 2010, angka kematian ibu di

sumatera utara sebesar 328/100.000 kelahiran hidup, angka ini masih

cukup tinggi bila dibandingkan dengan angka nasional hasil Sensus

Penduduk 2010 sebesar 259/100.000 kelahiran hidup.

2. Morbiditas (angka kesakitan)

Tingkat kesakitan suatu negara juga mencerminkan situasi derajat

kesehatan masyarakat yang ada didalamnya. Berikut ini morbiditas

penyakit-penyakit menular dan tidak menular yang dapat mengambarkan

keadaan derajat kesehatan masyarakat:

a. Diare

Penyakit diare merupakan suatu masalah yang mendunia. Penyakit

diare jauh lebih banyak terdapat dinegara berkembang daripada

negara maju, yaitu 12,5 kali lebih banyak di dalm kasus mortalitas

Penyebab utama penyakit diare adalah infeksi bakteri atau virus.

Jalur masuk utama infeksi tersebut melalui feses manusia atau

binatang, makanan, air, dan kontak dengan manusia. Kondisi

lingkungan yang menjadi habitat atau pejamu untuk patogen tersebut

atau peningkatan kemungkinan kontak dengan penyebab tersebut

menjadi resiko utama penyakit ini. Sanitasi dan kebersihan rumah

tangga yang buruk, kurangnya air minum yang aman, dan pajanan

pada sampah padat (misalnya, melalui pengambilan sampah atau

akumulasi sampah dilingkungan) yang kemudian mangakibatkan

penyakit diare. Epidemik penyakit diare juga dapat terjadi sebagai

akibat dari kejadian polusi atau bencana alam besar, seperti banjir.

b. Pneumonia

Pneumonia sebenarnya bukan penyakit baru. American Lung

Association misalnya, menyebutkan hingga tahun 1936 pneumonia

menjadi penyebab kematian nomor satu di Amerika. Penggunaan

antibiotik membuat penyakit ini bisa dikontrol beberapa tahun

kemudian. Namun pada tahun 2000 kombinasi pneumonia dan

influenza kembali merajalela dan menyebabkan kematian ketujuh di

negara ini.

Pneumonia adalah infeksi yang menyebabkan paru-paru meradang.

Kantung-kantung kemampuan menyerap oksigen menjadi kurang.

Gara-gara inilah, selain penyebaran infeksi ke seluruh tubuh, penderita

pneumonia bisa meninggal.

Pneumonia merupakan masalah kesehatan di dunia karena angka

kematiannya tinggi, tidak saja di negara berkembang tetapi juga di

negara maju seperti Amerika Serikat, Kanada, dan negara-negara

Eropa. Di indonesia, pneumonia merupakan penyebab kematian

nomor tiga setelah kardiovaskuler dan tuberkulosis. Faktor sosial

ekonomi yang rendah mempertinggi angka kematian.

c. TB paru

Penyakit tuberkulosis (TB) dapat menyerang manusia mulai dari

usia anak sampai dewasa dengan perbandingan yang hampir sama

antara laki-laki dan permpuan. Penyakit ini biasanya banyak

ditemukan pada pasien yang tinggal di daerah dengan tingkat

kepadatan tinggi sehingga masuknya cahaya matahari ke dalam

rumah sangat minim.

Tuberkulosis paru-paru merupakan penyakit infeksi yang menyerang

parenkim paru-paru yang disebabkan oleh Mycobacterium

tuberculosis. Penyakit ini dapat juga menyebar ke bagian tubuh lain

seperti meningen, ginjal, tulang dan nodus limfe.

Diseluruh kasus tuberkulosis, sebesar 11% dialami oleh anak-anak di

3. Status gizi

Untuk status gizi telah disepakati indikatornya, yaitu:

a. Persentasi BBLR

WHO pada tahun 1961 menyatakan bahwa semua bayi baru lahir

yang berat badannya kurang atau sama dengan 2500 gram disebut

low birth weight infant (bayi berat badan lahir rendah, BBLR)

(dalam Surasmi, 2002)

Cakupan berat bayi lahir rendah yang ditangani adalah berat bayi

yang kurang dari 2500gram yang ditangani di sarana pelayanan

kesehatan sesuai tatalaksana berat bayi lahir rendah di suatu wilayah

kerja pada kurun waktu tertentu.

b. Persentase balita dengan Gizi Buruk

Cakupan balita gizi buruk mendapat perawatan yaitu jumlah balita

gizi buruk yang ditangani di sarana pelayanan kesehatan sesuai

tatalaksana gizi buruk di suatu wilayah kerja pada kurun waktu

2.3 Kerangka Konsep Penelitian

Adapun kerangka konsep penelitian yang akan dilakukan adalah :

Gambar 2.1 Kerangka Konsep Penerapan Analisis Gerombol Untuk Melihat Derajat Kesehatan Masyarakat di Provinsi Sumatera Utara Tahun

2013

Variabel Mortalitas

AKB AKABA AKI

Morbiditas

Angka Diare Angka Pneumonia Angka TB paru

Status Gizi

Persentase BBLR

Persentase balita dengan gizi buruk

BAB III

METODE PENELITIAN 3.1 Jenis Penelitian

Penelitian ini adalah penelitian deskriptif karena merupakan prosedur

untuk membuat gambaran yang digunakan dalam program pelayanan kesehatan

(Notoatmodjo, 2010). Penelitian ini akan menggambarkan derajat kesehatan

masyarakat berdasarkan mortalitas, morbiditas dan status gizi menurut data Dinas

Kesehatan di Provinsi Sumatera Utara Tahun 2013.

3.2 Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di Dinas Kesehatan Provinsi Sumatera Utara yang

dilaksanakan mulai bulan Agustus 2014 sampai Maret 2015.

3.3 Populasi dan Sampel 3.3.1 Populasi

Populasi penelitian adalah seluruh data mortalitas, morbiditas dan status

gizi masyarakat yang ada di Dinas Kesehatan Provinsi Sumatera Utara Tahun

2013.

3.3.2 Sampel

Sampel dalam penelitian ini sama dengan populasi, yaitu seluruh data

mortalitas, morbiditas dan status gizi di Dinas Kesehatan Provinsi Sumatera

Utara Tahun 2013 yang terdiri dari 33 Kabupaten/Kota di Provinsi Sumatera

3.4 Metode Pengumpulan Data

Data yang dikumpulkan adalah data sekunder yaitu data profil kesehatan

tahun 2013 yang diperoleh dari Dinas Kesehatan Provinsi Sumatera Utara.

3.5 Definisi Operasional

1. Angka kematian bayi adalah kematian yang terjadi pada bayi sebelum

mencapai usia satu tahun per 1.000 kelahiran hidup.

2. Angka kematian balita adalah kematian yang terjadi pada anak sebelum

mencapai usia lima tahun per 1.000 jumlah balita.

3. Angka kematian ibu adalah kematian yang terjadi pada ibu karena peristiwa

kehamilan, persalinan, dan masa nifas per 100.000 kelahiran hidup.

4. Morbiditas diare adalah perbandingan jumlah kasus diare yang ada di Provinsi

Sumatera Utara pada tahun 2013 per 1000 jumlah penduduk.

5. Morbiditas Pneumonia adalah perbandingan jumlah kasus pneumonia yang ada di Provinsi Sumatera Utara pada tahun 2013 per 1000 jumlah penduduk.

6. Morbiditas TB paru adalah perbandingan jumlah kasus TB paru yang ada di Provinsi Sumatera Utara pada tahun 2013 per 1000 jumlah penduduk.

7. Persentase BBLR adalah perbandingan jumlah BBLR di Provinsi Sumatera Utara tahun 2013 per kelahiran hidup.

8. Persentase balita dengan gizi buruk adalah perbandingan jumlah balita dengan gizi buruk di Provinsi Sumatera Utara tahun 2013 per jumlah balita.

3.6 Aspek Pengukuran

Tabel 3.1 Aspek Pengukuran Derajat Kesehatan Masyarakat

Variabel Skala Ukur

Angka kematian bayi Rasio

Angka kematian balita Rasio

Angka kematian ibu Rasio

Angka diare Rasio

Angka pneumonia Rasio

Angka TB paru Rasio

Persentase BBLR Rasio

Persentase balita dengan gizi buruk Rasio

3.7 Analisis Data

Analisis data dilakukan untuk menyederhanakan data agar lebih mudah dibaca

dan diinterpretasikan. Tahap analisis data meliputi :

1. Analisis deskriptif (Univariat)

Analisis univariat bertujuan untuk menjelaskan/mendeskripsikan karakteristik

masing-masing variabel yang diteliti. Dalam penelitian ini menggunakan data

numerik maka akan menampilkan nilai minimum, maximum, nilai mean dan

standar deviasi dari masing-masing.

2. Melakukan standarisasi dengan Z-Score.

3. Analisis Multivariat

Tiga prosedur dipakai pada analisis gerombol dengan metode hirarki ini, yaitu

mengukur kesamaan, pembentukan gerombol, dan menetapkan jumlah gerombol.

a. Mengukur kesamaan

Mengukur kesamaan ialah menentukan matrik jarak antar data yang

ruang multivariabel, atau berdasarkan korelasi antar objek. Jarak antar

objek disebut sebagai jarak Euklidean.

(3.1)

dengan :

d(i,j) = jarak antara objek i ke objek j

= nilai tengah pada gerombol ke-i

= nilai tengah pada gerombol ke-j

p = banyaknya peubah yang diamati

b. Pembentukan gerombol

Pembentukan gerombol mengacu kepada aturan sederhana, yaitu

mengenali jarak terkecil atau jarak terdekat objek kemudian gabungkan

dua data ini ke dalam satu gerombol. Mulai dari langkah tiap objek dalam

hal ini kabupaten/kota masing-masing sebagai gerombol yang berbeda,

kemudian menggabungkan dua kabupaten/kota yang paling dekat jaraknya

pada satu masa hingga diperoleh seluruh kabupaten/kota berada pada satu

gerombol yang sama. Proses ini disebut sebagai prosedur hirarki karena

bergerak dari gerombol yang beranggotakan hanya satu objek hingga

gerombol beranggotakan seluruh objek. Cara ini juga dinamakan

aglomerasi karena menggabungkan gerombol yang ada.

c. Menetapkan jumlah gerombol

Cara untuk menentukan banyaknya jumlah gerombol ialah dengan

menggunakan dendogram. Dendogram harus dibaca dari kiri ke kanan.

bersama. Posisi garis pada skala menunjukkan jarak (distance), pada mana

gerombol digabung.

d. Melakukan interpretasi terhadap gerombol yang terbentuk

Memberikan nama spesifik untuk menggambarkan isi gerombol tersebut.

BAB IV

HASIL PENELITIAN

4.1 Gambaran Umum Provinsi Sumatera Utara

4.1.1 Letak Geografis

Provinsi Sumatera Utara berada dibagian barat Indonesia, terletak pada

garis Lintang Utara, dan Bujur Timur. Sebelah Utara

berbatasan dengan Provinsi Nanggroe Aceh Darussalam (NAD), sebelah Timur

dengan Negara Malaysia di selat Malaka, sebelah Selatan berbatasan dengan

Provinsi Riau dan Sumatera Barat, dan di sebelah Barat berbatasan dengan

Samudera Hindia.

Luas daratan Provinsi Sumatera Utara adalah 71.680,68 sebagian

besar berada di daratan Pulau Sumatera dan sebagian kecil di Pulau Nias,

pulau-pulau Batu, serta beberapa pulau-pulau kecil baik dibagian barat maupun bagian timur

pantai Pulau Sumatera. Berdasarkan luas daerah menurut kabupaten/kota di

Sumatera Utara, luas daerah terbesar adalah Kabupaten Mandailing Natal dan luas

6.620,70 atau sekitar 9,24% dari total luas Sumatera Utara, diikuti

Kabupaten Langkat dengan luas 6.263,29 (8,74%) kemudian Kabupaten

Simalungun dengan luas 4.386,60 atau sekitar 6,09%. Sedangkan luas daerah

terkecil adalah kota Sibolga dengan luas 10,77 atau 0,02% dari total luas

Utara dibagi 3 (tiga) kelompok wilayah yaitu Pantai Barat, Daratan Tinggi dan

Pantai Timur.

Provinsi Sumatera Utara tergolong ke dalam daerah beriklim tropis,

Kisaran suhu antara , mempunyai musim kemarau (Juni s/d

September) dan musim hujan (November s/d Maret), diantara kedua musim itu

diselingi oleh musim pancaroba. Secara administratif, Sumatera Utara pada tahun

2013 memiliki 33 Kab/Kota yaitu 8 kota dan 25 Kabupaten.

4.1.2 Kependudukan

Sumatera Utara merupakan Provinsi keempat yang terbesar jumlah

penduduknya di Indonesia setelah Jawa Timur, Jawa Barat dan Jawa Tengah.

Berdasarkan Data dari BPS Provinsi Sumatera Utara, jumlah penduduk Sumatera

Utara tahun 2013 tercatat sebesar 13.326.307 jiwa dengan tingkat kepadatan

penduduk sebesar 186 per .

Tingkat kepadatan penduduk yang tinggi didominasi oleh daerah

perkotaan. Kota yang memiliki kepadatan penduduk tertinggi adalah Kota Medan

sebesar 8.009 jiwa per , disusul oleh Kota Sibolga dengan kepadatan

penduduk yaitu 7.983 jiwa per dan Kota Tebing Tinggi dengan kepadatan

penduduk yaitu 3.877 jiwa per . Daerah dengan kepadatan penduduk terendah

yaitu kabupaten Pak-Pak Barat yaitu 34 jiwa per , disusul dengan Kabupaten

Samosir yaitu 50 jiwa per dan disusul Kabupaten Padang Lawas yaitu 59

Jumlah penduduk laki-laki di Sumatera Utara lebih sedikit dibandingkan

dengan penduduk perempuan. Jumlah penduduk perempuan sebanyak 6.678.117

jiwa dan laki-laki 6.648.190 jiwa, dengan ratio sebesar 99,55%. Bila dilihat

berdasarkan rata-rata banyaknya anggota keluarga di Sumatera Utara pada tahun

2013 adalah sebesar 4,21 (yang berarti rata-rata pada setiap keluarga terdiri dari

4-5 anggota keluarga). Kabupaten yang rata-rata jumlah anggota keluarganya paling

banyak adalah Kabupaten Nias Barat yaitu 5,00 dan yang paling sedikit adalah

Kabupaten karo yaitu 3,64 orang.

4.1.3 Umur

Komposisi penduduk Sumatera Utara menurut kelompok umur,

menunjukkan bahwa penduduk yang berusia muda (0-14 tahun) sebesar 32,35%,

yang berusia produktif (15-64 tahun) sebesar 63,78% dan yang berusia tua (>65

tahun) sebesar 3,86%. Dengan demikian maka Angka Beban Tanggungan

(Dependency Ratio) penduduk Sumatera Utara tahun 2013 sebesar 56,78%.

Angka ini mengalami penurunan sebesar 0,01% bila dibandingkan dengan tahun

2012 sebesar 56,77% (Dinas Kesehatan Provinsi Sumatera Utara, 2014).

4.1.4 Pendidikan

Kondisi pendidikan merupakan salah satu indikator yang sering ditelaah

dalam mengukur tingkat pembangunan manusia suatu negara. Peningkatan

kualitas dan partisipasi sekolah penduduk tentunya harus diimbangi dengan

penyediaan sarana fisik pendidikan maupun tenaga guru yang memadai. Di

tahun 2013 ada sebanyak 9.432 unit dengan jumlah guru 122.128 orang, murid

sebanyak 1.518.184 orang sehingga rasio murid SD terhadap sekolah sebesar 161

murid/sekolah. Jumlah sekolah lanjutan tingkat pertama (SLTP)/Madrasah

Tsanawiyah ada sebanyak 2.357 sekolah dengan jumlah guru 57.563 orang dan

jumlah murid ada sebanyak 552.761 orang, dan ratio murid SLTP terhadap

sekolah sebesar 235 per sekolah. Pada tahun yang sama jumlah sekolah lanjutan

tingkat atas (SLTA)/Madrasah Aliyah ada sebanyak 868 sekolah dengan jumlah

guru 17.509 orang dan jumlah murid 233.916 dengan ratio murid terdapat sekolah

sebesar 269 murid/sekolah. Jumlah sekolah menengah kejuruan (SMK) ada

sebanyak 828 unit dengan jumlah guru 14.178 orang dan jumlah murid 228.809

orang, dengan ratio murid terhadap sekolah sebesar 276 murid/sekolah.

Sedangkan jumlah perguruan tinggi swasta pada tahun 2013 ada sebanyak 253

PTS, yang terdiri dari 31 universitas, 86 sekolah tinggi, 4 institut, 118 akademi

dan 14 politeknik dengan jumlah dosen 6.340 orang (dosen tetap dan tidak tetap)

dengan jumlah mahasiswa sebanyak 244.947 orang. Ratio mahasiswa terhadap

dosen sebesar 38,58 (Dinas Kesehatan Provinsi Sumatera Utara, 2014).

Kemampuan membaca dan menulis tercermin dari angka melek huruf

yaitu penduduk usia 10 tahun keatas yang dapat membaca dan menulis huruf latin

dan huruf lainnya. Pada tahun 2013, persentase penduduk Sumatera Utara yang

melek huruf 97,84%, dimana persentase laki-laki lebih tinggi dari perempuan

yaitu 98,31% dan 95,93%. Persentase penduduk berumur 10 tahun keatas yang

85,38% sedangkan yang tertinggi adalah Kabupaten Tapanuli Selatan sebesar

99,88% (Dinas Kesehatan Provinsi Sumatera Utara, 2014).

4.2 Analisis Deskriptif (Univariat)

Analisis univariat bartujuan untuk menjelaskan/mendeskripsikan

karakteristik masing-masing variabel yang diteliti. Bentuknya tergantung dari

jenis datanya. Untuk data katagorik hanya dapat menjelaskan angka/nilai jumlah

dan persentase masing-masing kelompok. Sedangkan untuk data numerik

digunakan niali mean, median, standar deviasi dan lain-lain.

Indikator derajat kesehatan diperoleh berdasarkan analisis deskriptif

terlihat pada tabel berikut ini:

Tabel 4.1 Indikator Derajat Kesehatan Masyarakat di Provinsi Sumatera Utara Tahun 2013

Variabel Minimum Maksimum Rataan Standar

Deviasi

Angka kematian bayi 0,69 71,94 11,19 12,31

Angka kematian balita

0,15 5,31 1,73 1,28

Angka kematian ibu 0,00 1678,66 190,23 286,88

Angka diare 21,36 21,40 21,39 0,00

Angka pneumonia 6,31 15,16 12,19 1,84

Angka TB/Paru 0,23 2,27 1,15 0,43

Bayi berat lahir rendah

0,00 4,58 0,69 1,03

Gizi buruk 0,00 0,31 0,11 0,08

Dilihat dari Tabel 4.1 diatas, untuk mortalitas terbesar ada pada angka

kematian ibu yaitu dengan rata-rata sebesar 190,23 per 100.000 kelahiran hidup,

Sedangkan angka kematian bayi memiliki rata-rata 11,19 per 1000 kelahiran

hidup, standar deviasinya 12,31 dengan nilai minimum 0,69 dan maksimum 71,94

dan mortalitas untuk angka kematian balita memiliki rata-rata 12,80 per 1000

jumlah balita, standar deviasinya 14,28 dengan nilai minimum 0,69 dan

maksimum 81,53. Sedangkan Untuk morbiditas terbesar ada pada angka diare,

pneumonia dan terendah ada pada angka TB/paru. Rata-rata angka diare sebesar

21,40, standar deviasinya 0,00 dengan nilai minimum 21,36 dan maksimum

21,40. Rata-rata angka pneumonia sebesar 12,19, standar deviasinya 1,84 dengan

nilai minimum 6,31 dan maksimum 15,16. Rata-rata angka TB/paru sebesar 1,15

standar deviasinya 0,43 dengan nilai minimum 0,23 dan maksimum 2,27. Untuk

status gizinya terdapat rata-rata bayi berat lahir rendah sebesar 0,69, standar

deviasinya 1,03 dengan nilai minimum 0,00 dan maksimum 4,58 sedangkan untuk

rata-rata gizi buruk sebesar 0,11, standar deviasinya 0,08 dengan nilai minimum

0,00 dan maksimum 0,31.

4.3 Analisis Gerombol

Analisis gerombol bertujuan untuk mengelompokkan objek pada suatu

gerombol yang memiliki kemiripan sangat besar dengan objek lain dalam

gerombol yang sama, tetapi sangat tidak mirip dengan objek lain pada gerombol

yang berbeda. Metode analisis gerombol yang digunakan adalah metode hirarki

yang bertujuan untuk mengelompokkan dimana metode dimulai pengelompokkan

dengan dua atau lebih objek yang mempunyai kesamaan paling dekat, demikian

hirarki tersebut. Pembuatan analisis gerombol dengan metode hirarki dalam

penelitian ini menggunakan metode average linkage. Metode average linkage ini

mengelompokkan objek berdasarkan jarak rata-rata yang didapat dengan

Tabel 4.2 Hasil Proses Gerombol dengan Metode Average Linkage

Tahap Kombinasi Gerombol Koefisien

Tahap Gerombol

Pertama Kali Muncul Tahap

Selanjutnya

Gerombol 1 Gerombol 2 Gerombol 1 Gerombol 2

1 18 26 ,414 0 0 11

2 9 12 ,497 0 0 9

3 20 21 ,503 0 0 10

4 11 23 ,540 0 0 12

5 3 6 ,652 0 0 8

6 5 15 ,698 0 0 8

7 30 31 ,895 0 0 9

8 3 5 ,964 5 6 11

9 9 30 1,081 2 7 14

10 20 24 1,512 3 0 19

11 3 18 1,581 8 1 18

12 7 11 1,606 0 4 22

13 8 29 1,765 0 0 18

14 9 32 1,807 9 0 17

15 17 22 1,876 0 0 21

16 2 4 2,182 0 0 23

17 9 13 2,303 14 0 25

18 3 8 2,771 11 13 21

19 1 20 2,961 0 10 24

20 19 33 3,025 0 0 29

21 3 17 3,399 18 15 22

22 3 7 3,415 21 12 25

23 2 16 3,936 16 0 27

24 1 10 4,667 19 0 26

25 3 9 5,230 22 17 26

26 1 3 6,823 24 25 28

27 2 28 7,164 23 0 28

28 1 2 9,979 26 27 29

29 1 19 16,728 28 20 30

30 1 14 19,408 29 0 31

31 1 25 70,243 30 0 32

Dilihat dari Tabel 4.2 di atas, merupakan hasil proses gerombol dengan

metode Average Linkage atau Between Group Linkage. Setelah hasil jarak antara

variabel diukur dengan jarak euclidean, maka dilakukan pengelompokkan, yang

dilakukan secara bertingkat.

Tahap 1 : terbentuk 1 gerombol yang beranggotakan objek 18 (Serdang

Bedagai) dan objek 26 (Sibolga) dengan jarak 0,414. Karena proses

aglomerasi dimulai dari 2 objek yang terdekat, maka jarak tersebut adalah

yang terdekat dari sekian kombinasi jarak 33 objek (Kabupaten/kota) yang

ada. Selanjutnya dapat dilihat di kolom tahap selanjutnya, terlihat angka 11.

Hal ini berarti gerombol selanjutnya dilakukan dengan melihat tahap 11.

Baris ke-11 (tahap 11) terlihat objek 3 (Tapanuli Selatan) dengan objek 18

(Serdang Bedagai). Dengan demikian, sekarang gerombol terdiri dari 3 objek

yaitu Serdang Bedagai, Sibolga dan Tapanuli Selatan. Sedangkan jarak

sebesar 1,581 merupakan jarak rata-rata objek terakhir (Tapanuli Selatan)

yang bergabung dengan 2 objek sebelumnya (Serdang Bedagai dan Sibolga).

Tahap 2 : terjadi pembentukan gerombol objek 9 (Simalungun) dan objek 12

(Deli Serdang) berjarak 0,497, yang kemudian lanjut ke tahap9.

Demikian seterusnya dari tahap 3 dilanjutkan ke tahap 4, sampai ke tahap

terakhir.

Proses aglomerasi ini bersifat kompleks, khususnya perhitungan koefisien

yang melibatkan sekian banyak objek dan terus bertambah. Proses aglomerasi

pada akhirnya akan menyatukan semua objek menjadi satu gerombol. Hanya saja

anggotanya, tergantung jumlah gerombol yang dibentuk. Perincian jumlah

gerombol dengan anggota yang terbentuk dapat dilihat pada tabel berikut ini:

Tabel 4.3 Hasil Proses Pembentukan Gerombol Berdasarkan Jumlah Gerombol yang Dibentuk

Kabupaten/Kota 4 Gerombol 3 Gerombol 2 Gerombol

1:Nias _{1 1 1}

2:Mandailing Natal _{1 1 1}

3:Tapanuli Selatan _{1 1 1}

4:Tapanuli Tengah _{1 1 1}

5:Tapanuli Utara _{1 1 1}

6:Toba Samosir _{1 1 1}

7:Labuhan Batu _{1 1 1}

8:Asahan _{1 1 1}

9:Simalungun _{1 1 1}

10:Dairi _{1 1 1}

11:Karo _{1 1 1}

12:Deli Serdang _{1 1 1}

13:Langkat _{1 1 1}

14:Nias Selatan _{2 1 1}

15:Humbang Hasudutan _{1 1 1}

16:Pakpak Bharat _{1 1 1}

17:Samosir _{1 1 1}

18:Serdang Bedagai _{1 1 1}

19:Batu Bara _{1 1 1}

20:Padang Lawas _{1 1 1}

21:Padang Lawas Utara _{1 1 1}

22:Labuhan Batu Selatan _{1 1 1}

23:Labuhan Batu Utara _{1 1 1}

24:Nias Utara _{1 1 1}

25:Nias Barat _{3 2 1}

26:Sibolga _{1 1 1}

27:Tanjungbalai _{4 3 2}

28:Pematang Siantar _{1 1 1}

29:Tebing Tinggi _{1 1 1}

Tabel 4.3 Lanjutan

Kabupaten/Kota 4 Gerombol 3 Gerombol 2 Gerombol

31:Binjai _{1 1 1}

32:Padangsidempuan _{1 1 1}

33:Gunungsitoli _{1 1 1}

Terlihat pada Tabel 4.3 diatas, proses penggerombollan berdasarkan

gerombol yang ingin dibentuk. Pada pembentukan 3 gerombol, gerombol ke 2

terdiri dari Kabupaten Nias Barat dan gerombol ke 3 terdiri dari Kota Tanjung

Balai. Sedangkan pada pembentukan 2 gerombol Kabupaten Nias Barat Masuk

kedalam gerombol 1 dan Kota Tanjung Balai masuk kedalam gerombol 2, namun

pada pembentukan 4 gerombol Kota Tanjung Balai menjadi anggota gerombol 4,

Kabupaten Nias Barat masuk kedalam gerombol 3 dan Kabupaten Nias Selatan

Tabel 4.4 Hasil Penggerombolan Analisis Gerombol Hirarki 33 Kabupaten/kota Berdasarkan Mortalitas, Morbiditas dan Status Gizi untuk

Melihat Derajat Kesehatan

Gerombol Kode Kabupaten/Kota

1 1 Nias

2 Mandailing Natal

3 Tapanuli Selatan

4 Tapanuli Tengah

5 Tapanuli Utara

6 Toba Samosir

7 8

Labuhan Batu Asahan

9 Simalungun

10 Dairi

11 12 13 Karo Deli Serdang Langkat

14 Nias Selatan

15 Humbang Hasudutan

16 Pakpak Bharat

17 Samosir

18 19

Serdang Bedagai Batu Bara

20 Padang Lawas

21 Padang Lawas Utara

22 Labuhan Batu Selatan

23 Labuhan Batu Utara

24 Nias Utara

26 Sibolga

28 Pematang Siantar

29 30

Tebing Tinggi Medan

31 Binjai

32 Padang Sidempuan

33 Gunung Sitoli

2 25 Nias Barat

3 27 Tanjung Balai

Berdasarkan Tabel 4.4 diatas dapat dilihat bahwa anggota Kabupaten/Kota

1. Gerombol 1 terdiri dari Kabupaten Nias, Mandailing Natal, Tapanuli Selatan, Tapanuli Tengah, Tapanuli Utara, Toba Samosir, Labuhan

Batu, Asahan, Simalungun, Dairi, Karo, Deli Serdang, Langkat, Nias

Selatan, Humbang Hasudutan, Pakpak Bharat, Samosir, Serdang

Bedagai, Batu Bara, Padang Lawas, Padang Lawas Utara, Labuhan Batu

Selatan, Labuhan Batu Utara, Nias Utara, sibolga, Pematang Siantar,

Tebing Tinggi, Medan, Binjai, Padangsidempuan, Gunung Sitoli.

2. Gerombol 2 terdiri dari Kabupaten Nias Barat 3. Gerombol 3 terdiri dari Kota Tanjung Balai.

Gambar 4.1 Hasil Analisis Gerombol dengan Metode Average linkage berdasarkan 33 Kabupaten/kota

Berdasarkan Gambar 4.1 diatas dapat dilihat anggota gerombol yang ada

berdasarkan berapa gerombol yang seharusnya dibentuk. Terlihat dalam

Kabupaten Serdang Bedagai sampai dengan Kabupaten Nias Selatan (Sesuai

urutan dalam dendogram). Gerombol 2 beranggotakan Kabupaten Nias Barat

BAB V

PEMBAHASAN

5.1 Indikator Derajat Kesehatan

5.1.1 Mortalitas

Angka kematian bayi memiliki nilai rata-rata sebesar 11,19 per 1000

kelahiran hidup dengan angka tertinggi 71,94 kematian bayi dan angka kematian

bayi terendah adalah 0,69. Sedangkan angka kematian bayi di Provinsi Sumatera

Barat pada tahun 2012 memiliki rata-rata 12,49 per 1000 kelahiran hidup (Dinas

Kesehatan Provinsi Sumatera Barat, 2013) dan untuk Provinsi DKI Jakarta

memiliki rata-rata 10,59 per 1000 kelahiran hidup (Dinas Kesehatan Provinsi DKI

Jakarta, 2013). Itu berarti angka kematian bayi di Provinsi Sumatera Utara lebih

tinggi jika dibandingkan dengan Provinsi DKI Jakarta tetapi masih lebih rendah

jika dibandingkan dengan Provinsi Sumatera Barat.

Berdasarkan hasil Riskesdas yang dilaksanakan Departemen Kesehatan

pada tahun 2007 menunjukkan bahwa penyebab kematian terbanyak pada

kelompok bayi 0-6 hari didominasi oleh gangguan/kelainan pernafasan (35,9%),

prematuritas (32,4%) dan sepsis (12%). Untuk penyebab umum kematian utama

kematian bayi pada kelompok 7-28 hari yaitu sepsis (20,5%), malformasi

kongenital (18,1%) dan pnemonia (15,4%). Dan penyebab utama kematian bayi

pada kelompok 29 hari-11bulan yaitu diare (31,4%), pneumonia (23,8%) dan

komplikasi kehamilan dan kelahiran (17,5%), ketuban pecah dini dan pendarahan

anterpartum masing-masing (12,7%).

Angka kematian balita menggambarkan peluang untuk meninggal pada

fase antara kelahiran dan sebelum umur 5 tahun. Berdasarkan data profil

kesehatan tahun 2013, angka kematian balita memiliki rata-rata sebesar 1,733 per

1000 jumlah balita dengan angka kematian tertinggi adalah 5,31 dan terendah

0,15 kematian balita. Pada tahun 2012 di Provinsi Sumatera Selatan angka

kematian balita memiliki rata-rata 1,07 per 1000 jumlah balita sedangkan untuk

Provinsi DKI Jakarta angka kematian balita memiliki rata-rata 1,89 per 1000

jumlah balita. Itu berarti angka kematian balita di Provinsi DKI Jakarta lebih

tinggi dibandingkan dengan angka kematian balita di Provinsi Sumatera Utara dan

Sumatera Selatan.

Angka kematian ibu memiliki rata-rata 190,23 per 100.000 kelahiran hidup

dengan angka kematian tertinggi adalah 1678,66 dan terendah 0,00. Pada tahun

2012 di Provinsi Sumatera Barat rata-rata angka kematian ibu adalah 130,99 per

100.000 kelahiran hidup sedangkan di Sumatera Selatan hanya 97,95 per 100.000

kelahiran hidup. Itu berarti Angka Kematian ibu lebih tinggi terjadi di Provinsi

Sumatera Utara jika dibandingkan dengan Provinsi Sumatera Selatan dan DKI

Jakarta.

5.1.2 Morbiditas

Pada tahun 2013, jumlah kasus diare yang dilaporkan adalah 285.183

Average Linkage (Between Groups)

Agglomeration Schedule

Stage

Cluster Combined

Coefficients

Stage Cluster First Appears

Next Stage Cluster 1 Cluster 2 Cluster 1 Cluster 2

1 18 26 ,414 0 0 11

2 9 12 ,497 0 0 9

3 20 21 ,503 0 0 10

4 11 23 ,540 0 0 12

5 3 6 ,652 0 0 8

6 5 15 ,698 0 0 8

7 30 31 ,895 0 0 9

8 3 5 ,964 5 6 11

9 9 30 1,081 2 7 14

10 20 24 1,512 3 0 19

11 3 18 1,581 8 1 18

12 7 11 1,606 0 4 22

13 8 29 1,765 0 0 18

14 9 32 1,807 9 0 17

15 17 22 1,876 0 0 21

16 2 4 2,182 0 0 23

17 9 13 2,303 14 0 25

18 3 8 2,771 11 13 21

19 1 20 2,961 0 10 24

20 19 33 3,025 0 0 29

21 3 17 3,399 18 15 22

22 3 7 3,415 21 12 25

23 2 16 3,936 16 0 27

24 1 10 4,667 19 0 26

25 3 9 5,230 22 17 26

26 1 3 6,823 24 25 28

27 2 28 7,164 23 0 28

28 1 2 9,979 26 27 29

29 1 19 16,728 28 20 30

30 1 14 19,408 29 0 31

31 1 25 70,243 30 0 32

Cluster Membership

Case 4 Clusters 3 Clusters 2 Clusters 1:nias 1 1 1 2:mandailing natal 1 1 1 3:tapanuli selatan 1 1 1 4:tapanuli tengah 1 1 1 5:tapanuli utara 1 1 1 6:toba samosir 1 1 1 7:labuhan batu 1 1 1 8:asahan 1 1 1 9:simalungun 1 1 1 10:dairi 1 1 1 11:karo 1 1 1 12:deli serdang 1 1 1 13:langkat 1 1 1 14:nias selatan 2 1 1 15:humbang hasudutan 1 1 1 16:pakpak bharat 1 1 1 17:samosir 1 1 1 18:serdang bedagai 1 1 1 19:batu bara 1 1 1 20:padang lawas 1 1 1 21:padang lawas utara 1 1 1 22:labuhan batu selatan 1 1 1 23:labuhan batu utara 1 1 1 24:nias utara 1 1 1 25:nias barat 3 2 1 26:sibolga 1 1 1 27:tanjungbalai 4 3 2 28:pematang siantar 1 1 1 29:tebing tinggi 1 1 1 30:medan 1 1 1 31:binjai 1 1 1 32:padangsidempuan 1 1 1