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
(2)
(3)
(4)
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
(5)
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.
(6)
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.
(7)
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.
(8)
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,
(9)
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
(10)
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
(11)
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
(12)
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
(13)
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
(14)
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
(15)
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.
(16)
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,
(17)
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
(18)
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
(19)
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.
(20)
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
(21)
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
(22)
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.
(23)
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
(24)
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
(25)
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
(26)
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
(27)
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
(28)
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
(29)
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
(30)
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
(31)
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
(32)
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
(33)
(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
(34)
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,
(35)
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
(36)
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
(37)
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
(38)
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
(39)
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
(40)
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.
(41)
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
(42)
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
(43)
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
(44)
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
(45)
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.
(46)
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
(47)
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.
(48)
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.
(49)
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
(50)
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
(51)
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
(52)
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
(53)
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,
(54)
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
(55)
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
(56)
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
(57)
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
(58)
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
(59)
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
(60)
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
(61)
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.
(62)
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
(63)
Kabupaten Serdang Bedagai sampai dengan Kabupaten Nias Selatan (Sesuai
urutan dalam dendogram). Gerombol 2 beranggotakan Kabupaten Nias Barat
(64)
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
(65)
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
(1)
Average Linkage (Between Groups)
Agglomeration ScheduleStage
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
(2)
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
(3)
(4)
(5)
(6)