Trend Analisis Dengan Metode Time Series Untuk Meramalkan Penderita Demam Berdarah Tahun 2010-2014 Berdasarkan Data Penderita Demam Berdarah Tahun 2005-2009 Di Provinsi Sumatera Utara

TREND ANALISIS DENGAN METODE TIME SERIES UNTUK MERAMALKAN PENDERITA DEMAM BERDARAH TAHUN 2010-2014 BERDASARKAN DATA PENDERITA DEMAM BERDARAH TAHUN

2005-2009 DI PROVINSI SUMATERA UTARA

OLEH

NIM 081000239 DEVINA SARAGI

FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SUMATERA UTARA

MEDAN 2011

ABSTRAK

Demam berdarah dengue adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes Aegypti. Penyakit ini menyerang semua orang dan menyebabkan kematian terutama pada anak serta menimbulkan wabah.

Penelitian ini bertujuan untuk mengetahui kecenderungan penderita demam berdarah berdasarkan data Kabupaten/Kota tahun 2005-2009 dan hasil peramalannya tahun 2010-2014.

Metode penelitan ini adalah deskriptif dengan menggunakan rangkaian berkala(time series). Lokasi penelitian di lakukan di Dinas Kesehatan Provinsi Sumatera Utara. Data yang dikumpulkan adalah data sekunder yaitu jumlah penderita demam berdarah di 25 Kabupaten/Kota yang ada di Provinsi Sumatera Utara tahun 2005-2009.

Hasil uji Regresi menunjukan bahwa 17 Kabupaten/Kota mempunyai nilai probabilitas >0.05 sehingga dilakukan peramalan satu tahun dengan menggunakan metode Double Exponential Smoothing. Sedangkan 8 Kabupaten/Kota nilai probabilitasnya <0.05 sehingga dilakukan peramalan lima tahun mendatang dengan menggunakan deret berkala dengan metode trend.

Saran, diharapkan kepada Dinas Kesehatan Provinsi Sumatera Utara agar menghimbau Dinas Kesehatan Kabupaten/Kota agar melengkapi pencatatan dan pelaporan sehingga program untuk penanggulangan demam berdarah berjalan dengan baik. Dan diharapkan kepada Dinas Kesehatan Provinsi Sumatera Utara agar memberikan pelatihan kepada Dinas Kabupaten/Kota terkait menangani bagian demam berdarah untuk meningkatkan Sumber Daya Manusia dalam menangani penanggulangan demam berdarah.

Kata Kunci : Demam berdarah, Time Series

ABSTRAC

Dengue hemorragic fever is a contagious disease becaused by Dengue virus and passed on by Aegepty mosquito bite. This disease attacks everyone and because death especially to children and thus creates plague.

This research purpose is to find outthe tendency of dengue hemorragic fever patient based on 2005-2009 City/Kabupaten’s data and forcast it for 2010-2014 period.

This research is using descriptive methode applying time series. The location of research was conducted in North Sumatera Province Health Departement. Collected data are secondary data which are the numbers of all dengue fever patients from 25 Cities/ Kabupaten in North Sumatera Province from 2005-2009 period.

Regretion test result shows that 17 cities/kabupaten have probability value >0.05 thus the forecast for the upcoming year was conducted by exponential smoothing method. Where as 8 other cities/kabupaten have <0.05 probability value there for the forcast of the five upcoming years was conductedon scale by using parabolic trend method.

Suggestion toward North Sumatera Utara Province Health Departement is to remind the City/Kabupaten Health Departement the importance of keeping track and records and updating it so that measurement step against DHF will run accordingly. Hopefully North Sumatera Province Health Departement will provide training programs for city Kabupaten Health Departement in order to face dengue hemoragic fever.

DAFTAR RIWAYAT HIDUP

Nama : DEVINA SARAGI

Tempat/ Tanggal Lahir : Pematangsiantar/ 17 Desember 1986

Agama : Kristen

Status Perkawinan : Belum Menikah

Nama Orang Tua : Anggiat Turnip

Anak ke : 2 (dua) dari 4 (Empat) orang bersaudara

Alamat : Jalan Bunga Mawar 13 Gang Aman No. 4 Pasar 5

Padang Bulan, Medan

Riwayat Pendidikan

Tahun 1992 - 1998 : SD Negeri No. 091704 Tinjowan

Tahun 2001 - 2004 : SMA Swasta St. Thomas 2 Medan

Tahun 2004 - 2007 : Akademi Keperawatan St. Elisabeth Medan

Tahun 2008 – 2011 : Fakultas Kesehatan Masyarakat USU Medan

KATA PENGANTAR

Puji syukur penulis ucapkan atas kehadirat Tuhan Yang Maha Esa karena atas berkat dan kasih karuniaNya penulis dapat menyelesaikan skripsi yang berjudul “Trend Analisis Dengan Metode Time Series Untuk Meramalkan Penderita Demam Berdarah Tahun 2010-2014 Berdasarkan Data Penderita Demam Berdarah Tahun 2005-2009 Di Provinsi Sumatera Utara”.

Dalam menyelesaikan skripsi ini penulis banyak mendapat bantuan, bimbingan, dan dukungan dari berbagai pihak. Karena itu sepantasnya penulis mengucapkan terima kasih kepada:

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

2. Bapak Drs. Heru Santosa, MS, Ph.D selaku Ketua Departemen Kependudukan dan Biostatistika sekaligus Dosen Pembimbing Skripsi I yang telah memberikan bimbingan, arahan, ilmu, motivasi, serta dukungannya kepada penulis dalam menyelesaikan skripsi ini..

3. Bapak Drs. Abdul Jalil A.A, M.Kes 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 Ibu Sri Rahayu Sanusi, SKM, M.Kes selaku dosen penguji yang telah meluangkan waktunya untuk memberikan masukan dalam penyelesaian skripsi ini.

5. Ibu Dr. Dra. Irnawati Marsaulina, MS selaku Dosen Pembimbing Akademik penulis di Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.

6. Seluruh Dosen dan staff Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.

7. Ayahanda (Anggiat Turnip) dan Ibunda (Veronika Manurung) yang tercinta, yang saya kasihi, terima kasih untuk dukungan material dan spiritual yang telah diberikan selama ini.

8. Untuk kakak, adikku, bou dan semua keluarga yang selalu menjadi semangat dan motivasi bagi penulis untuk menjadi yang terbaik.

9. Sahabat-sahabat terbaikku: Bang Ojahan Sinurat, Eva Damai, Elisabeth, Dino, Permina, Ririntis, Wanda Wita, Hotmian, Rosalina, Juli Feriwati, Jon Wirdani, Dumaris, Hotria, Minarni, Ibas Toto, Bernita, Anita, Jayanti, Cuan, Sri Anida yang selalu memberikan doa dan motivasi bagi penulis. Aku sayang dan sangat merindukan kalian semua (kapan kita ngumpul bareng lagi?).

10. Kawan-kawan dan kakak-kakak seperjuangan di Departemen Kependudukan dan Biostatistika : kak Juli, kak Corry, kak Tatik, Tria, Marito, Desmiati, Ismil, Vivi, Irma, Amy, kak Latifah yang selalu sama di kampus dengan topik ‘menunggu’ dan saling menyemangati dalam penyelesaian skripsi ini, buat yang belum selesai tetap semangat yah.

11. Teman – teman Ekstensi 2008 : bang Rafael, kak Cia, kak Renova, kak Nenny, kak Nurhayati, bang Ardian, bang Lukman, kak Lenny, kak Romaida, kak Frida dan semuanya yang tidak dapat disebutkan satu per satu yang saling menyemangati dalam penyelesaian skripsi ini.

12. Semua pihak yang telah membantu penyelesaian skripsi ini yang tidak bisa disebutkan satu persatu.

Kiranya Tuhan Yang Maha Kuasa akan membalas semua kebaikan dan bantuan yang telah penulis terima selama ini. Semoga Tuhan Yang Maha Kuasa melimpahkan berkat dan rahmatNya bagi kita semua. Akhir kata, penulis berharap semoga skripsi ini bermanfaat bagi para pembaca khususnya keluarga besar Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.

Medan, Maret 2011 Penulis,

DAFTAR ISI

Halaman

Halaman Pengesahan ... i

Abstrak ... ii

Daftar Riwayat Hidup ... iv

Kata Pengantar ... v

Daftar Isi ... viii

Daftar Tabel ... xii

Daftar Gambar ... xiv

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 3

1.3.1 Tujuan Umum ... 3

1.3.2 Tujuan Khusus ... 4

1.4 Manfaat Penelitian ... 4

BAB II TINJAUAN PUSTAKA ... 5

2.1 Demam Berdarah... 5

2.1.1 Pengertian Demam Berdarah Dengue (DBD) ... 5

2.1.2 Penyebab DBD ... 5

2.1.3 Patogenesis dan Patofisiologi ... 6

2.1.4 Tanda dan Gejala... 6

2.1.5 Pentahapan Keparahan Demam Berdarah Dengue ... 7

2.1.6 Penatalaksanaan ... 8

2.1.7 Pencegahan ... 8

2.2 Peramalan... 11

2.2.1 Pengertian Peramalan ... 11

2.2.2 Kegunaan Peramalan ... 11

2.2.3 Jenis-jenis Peramalan ... 11

2.2.4 Pemilihan Teknik Peramalan ... 21

2.3 Alur Penelitian ... 22

BAB III METODE PENELITIAN ... 23

3.1 Jenis Penelitian ... 23

3.2 Lokasi dan Waktu Penelitian ... 23

3.3 Metode Pengumpulan Data ... 23

3.4 Populasi dan Sampel... 23

3.5 Definisi Operasional ... 24

BAB IV HASIL PENELITIAN ... 25

4.1 Gambaran Umum Provinsi Sumatera Utara ... 25

4.1.1 Letak Geografis ... 25

4.1.2 Kependudukan ... 26

4.1.3 Umur ... 26

4.1.4 Pendidikan ... 26

4.2 Jumlah penderita demam bedarah Tahun 2005-2009 dan hasil ramalannya tahun 2010-2014 ... 27

4.2.1 Penderita demam berdarah Provinsi Sumatera Utara ... 27

4.2.2 Penderita demam berdarah Kota Medan ... 29

4.2.3 Penderita demam berdarah Kota Tebing Tinggi ... 30

4.2.4 Penderita demam berdarah Kabupaten Deli Sedang ... 31

4.2.5 Penderita demam berdarah Kabupaten Langkat ... 32

4.2.6 Penderita demam berdarah Kabupaten Asahan ... 34

4.2.7 Penderita demam berdarah Kabupaten Labuhan Batu ... 35

4.2.8 Penderita demam berdarah Kabupaten Simalungun ... 36

4.2.9 Penderita demam berdarah Kabupaten Tapanuli Utara .. 38

4.2.10 Penderita demam berdarah Kabupaten Toba Samosir ... 39

4.2.12 Penderita demam berdarah Kabupaten Tapanuli

Selatan ... 41

4.2.13 Penderita demam berdarah Kabupaten Mandailing

Natal ... 43

4.2.14 Penderita demam berdarah Kabupaten Nias ... 44

4.2.15 Penderita demam berdarah Kabupaten Samosir ... 45

4.2.16 Penderita demam berdarah Kabupaten Padang Lawas Utara ... 47

4.2.17 Penderita demam berdarah Kota Sibolga ... 48

4.2.18 Penderita demam berdarah Kota Binjai ... 49

4.2.19 Penderita demam berdarah Kota Padang

Sidempuan ... 51

4.2.20 Penderita demam berdarah Kabupaten

Serdang Bedagai ... 53

4.2.21 Penderita demam berdarah Kabupaten Karo ... 54

4.2.22 Penderita demam berdarah Kota Pematang

Siantar ... 55

4.2.23 Penderita demam berdarah Kabupaten Dairi ... 57

4.2.24 Penderita demam berdarah Kabupaten Batu

4.2.25 Penderita demam berdarah Kabupaten

Padang Lawas ... 60

4.2.26 Penderita demam berdarah Kota Tanjung Balai ... 61

BAB V PEMBAHASAN ... 64

BAB VI KESIMPULAN DAN SARAN... 72

6.1 Kesimpulan ... 72

6.2 Saran ... 73

DAFTAR PUSTAKA

DAFTAR TABEL

Halaman

Tabel 4.1 Distribusi Penderita Demam Berdarah di Provinsi

Sumatera Utara ... 27 Tabel 4.2 Peramalan Jumlah Penderita Demam Berdarah di

Provinsi Sumatera Utara ... 28 Tabel 4.3 Distribusi Penderita Demam Berdarah di Kota Medan ... 29 Tabel 4.4 Distribusi Penderita Demam Berdarah di Kota Tebing Tinggi ... 30 Tabel 4.5 Distribusi Penderita Demam Berdarah di Kabupaten

Deli Serdang ... 31 Tabel 4.6 Distribusi Penderita Demam Berdarah di Kabupaten

Langkat... 33 Tabel 4.7 Distribusi Penderita Demam Berdarah di Kabupaten Asahan 34 Tabel 4.8 Distribusi Penderita Demam Berdarah di Kabupaten

Labuhan Batu ... 35 Tabel 4.9 Distribusi Penderita Demam Berdarah di Kabupaten

Simalungun... 37 Tabel 4.10 Distribusi Penderita Demam Berdarah di Kabupaten

Tapanuli Utara ... 38 Tabel 4.11 Distribusi Penderita Demam Berdarah di Kabupaten

Toba Samosir ... 39 Tabel 4.12 Distribusi Penderita Demam Berdarah di Kabupaten

Tapanuli Tengah ... 40 Tabel 4.13 Distribusi Penderita Demam Berdarah di Kabupaten Tapanuli Selatan ... 42 Tabel 4.14 Distribusi Penderita Demam Berdarah di Kabupaten

Mandailing Natal ... 43 Tabel 4.15 Distribusi Penderita Demam Berdarah di Kabupaten Nias .... 44 Tabel 4.16 Distribusi Penderita Demam Berdarah di Kabupaten

Samosir... 46 Tabel 4.17 Distribusi Penderita Demam Berdarah di Kabupaten

Padang Lawas Utara ... 47 Tabel 4.18 Distribusi Penderita Demam Berdarah di Kota Sibolga ... 48 Tabel 4.19 Distribusi Penderita Demam Berdarah di Kota Binjai ... 50 Tabel 4.20 Distribusi Penderita Demam Berdarah di Kota

Tabel 4.21 Peramalan Jumlah Penderita Demam Berdarah di Kota

Padang Sidempuan ... 52 Tabel 4.22 Distribusi Penderita Demam Berdarah di Kabupaten

Serdang Bedagai ... 53 Tabel 4.23 Peramalan Jumlah Penderita Demam Berdarah di

Kabupaten Serdang Bedagai ... 53 Tabel 4.24 Distribusi Penderita Demam Berdarah di Kabupaten Karo.... 54 Tabel 4.25 Peramalan Jumlah Penderita Demam Berdarah di Kabupaten Karo... 55 Tabel 4.26 Distribusi Penderita Demam Berdarah

di Kota Pematang Siantar ... 56 Tabel 4.27 Peramalan Jumlah Penderita Demam Berdarah di Kota

Pematang siantar ... 56 Tabel 4.28 Distribusi Penderita Demam Berdarah di Kabupaten Dairi ... 57 Tabel 4.29 Peramalan Jumlah Penderita Demam Berdarah di Kabupaten Dairi ... 58 Tabel 4.30 Distribusi Penderita Demam Berdarah di

Kabupaten Batu Bara ... 59 Tabel 4.31 Peramalan Jumlah Penderita Demam Berdarah di Kabupaten Batu Bara ... 59 Tabel 4.32 Distribusi Penderita Demam Berdarah di Kabupaten

Tabel 4.33 Peramalan Jumlah Penderita Demam Berdarah di Kabupaten Padang Lawas ... 61 Tabel 4.34 Distribusi Penderita Demam Berdarah

di Kota Tanjung Balai ... 62

Tabel 4.35 Peramalan Jumlah Penderita Demam Berdarah di

DAFTAR GAMBAR

Halaman

Gambar 2.1 Data Horisontal ... 14

Gambar 2.2 Data Musiman ... 14

Gambar 2.3 Bentuk Data Siklis ... 15

Gambar 2.4 Bentuk Data Trend ... 15

Gambar 4.1 Hasil Peramalan Provinsi Sumatera Utara dengan menggunakan Trend ... 28

Gambar 4.2 Hasil Peramalan Kota Medan dengan menggunakan Metode Exponential Smoothing ... 30

Gambar 4.3 Hasil Peramalan KotaTebing Tinggi dengan menggunakan Metode Exponential Smoothing ... 31

Gambar 4.4 Hasil Peramalan Kabupaten Deli Serdang dengan menggunakan Metode Exponential Smoothing ... 32

Gambar 4.5 Hasil Peramalan Kabupaten Langkat dengan menggunakan Metode Exponential Smoothing ... 34 Gambar 4.6 Hasil Peramalan Kabupaten Asahan dengan menggunakan Metode Exponential Smoothing ... 35 Gambar 4.7 Hasil Peramalan Kabupaten Labuhan Batu dengan

menggunakan Metode Exponential Smoothing ... 36 Gambar 4.8 Hasil Peramalan Kabupaten Simalungun dengan

menggunakan Metode Exponential Smoothing ... 37 Gambar 4.9 Hasil Peramalan Kabupaten Tapanuli Utara dengan

menggunakan Metode Exponential Smoothing ... 39 Gambar 4.10 Hasil Peramalan Kabupaten Toba Samosir dengan

menggunakan Metode Exponential Smoothing ... 40 Gambar 4.11 Hasil Peramalan KabupatenTapanuli Tengah dengan

menggunakan Metode Exponential Smoothing ... 41 Gambar 4.12 Hasil Peramalan Kabupaten Tapanuli Selatan dengan

menggunakan Metode Exponential Smoothing ... 43 Gambar 4.13 Hasil Peramalan Kabupaten Mandaling Natal dengan

menggunakan Metode Exponential Smoothing ... 44

Gambar 4.14 Hasil Peramalan Kabupaten Nias dengan menggunakan Metode Exponential Smoothing ... 45

Gambar 4.15 Hasil Peramalan Kabupaten Samosir dengan menggunakan Metode Exponential Smoothing ... 47

dengan menggunakan Metode Exponential Smoothing ... 48 Gambar 4.17 Hasil Peramalan Kota Sibolga dengan menggunakan Metode Exponential Smoothing ... 49 Gambar 4.18 Hasil Peramalan Kota Binjai dengan menggunakan Metode

Exponential Smoothing ... 51 Gambar 4.19 Hasil Peramalan Kota Padang Sidempuan dengan

menggunakan Trend ... 52 Gambar 4.2 Hasil Peramalan Kabupaten Serdang Bedagai dengan

menggunakan Trend ... 54 Gambar 4.21 Hasil Peramalan Kabupaten Karo dengan menggunakan

Trend ... 55 Gambar 4.22 Hasil Peramalan Kota Pematang Siantar dengan

menggunakan Trend ... 57 Gambar 4.23 Hasil Peramalan Kabupaten Dairi dengan menggunakan

Trend ... 58 Gambar 4.24 Hasil Peramalan Kabupaten Batu Bara dengan

menggunakan Trend ... 60 Gambar 4.25 Hasil Peramalan Kabupaten Padang Lawas dengan

menggunakan Trend ... 61 Gambar 4.26 Hasil Peramalan Kota Tanjung Balai

ABSTRAK

Demam berdarah dengue adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes Aegypti. Penyakit ini menyerang semua orang dan menyebabkan kematian terutama pada anak serta menimbulkan wabah.

Penelitian ini bertujuan untuk mengetahui kecenderungan penderita demam berdarah berdasarkan data Kabupaten/Kota tahun 2005-2009 dan hasil peramalannya tahun 2010-2014.

Metode penelitan ini adalah deskriptif dengan menggunakan rangkaian berkala(time series). Lokasi penelitian di lakukan di Dinas Kesehatan Provinsi Sumatera Utara. Data yang dikumpulkan adalah data sekunder yaitu jumlah penderita demam berdarah di 25 Kabupaten/Kota yang ada di Provinsi Sumatera Utara tahun 2005-2009.

Hasil uji Regresi menunjukan bahwa 17 Kabupaten/Kota mempunyai nilai probabilitas >0.05 sehingga dilakukan peramalan satu tahun dengan menggunakan metode Double Exponential Smoothing. Sedangkan 8 Kabupaten/Kota nilai probabilitasnya <0.05 sehingga dilakukan peramalan lima tahun mendatang dengan menggunakan deret berkala dengan metode trend.

Saran, diharapkan kepada Dinas Kesehatan Provinsi Sumatera Utara agar menghimbau Dinas Kesehatan Kabupaten/Kota agar melengkapi pencatatan dan pelaporan sehingga program untuk penanggulangan demam berdarah berjalan dengan baik. Dan diharapkan kepada Dinas Kesehatan Provinsi Sumatera Utara agar memberikan pelatihan kepada Dinas Kabupaten/Kota terkait menangani bagian demam berdarah untuk meningkatkan Sumber Daya Manusia dalam menangani penanggulangan demam berdarah.

Kata Kunci : Demam berdarah, Time Series

ABSTRAC

Dengue hemorragic fever is a contagious disease becaused by Dengue virus and passed on by Aegepty mosquito bite. This disease attacks everyone and because death especially to children and thus creates plague.

This research purpose is to find outthe tendency of dengue hemorragic fever patient based on 2005-2009 City/Kabupaten’s data and forcast it for 2010-2014 period.

This research is using descriptive methode applying time series. The location of research was conducted in North Sumatera Province Health Departement. Collected data are secondary data which are the numbers of all dengue fever patients from 25 Cities/ Kabupaten in North Sumatera Province from 2005-2009 period.

Regretion test result shows that 17 cities/kabupaten have probability value >0.05 thus the forecast for the upcoming year was conducted by exponential smoothing method. Where as 8 other cities/kabupaten have <0.05 probability value there for the forcast of the five upcoming years was conductedon scale by using parabolic trend method.

Suggestion toward North Sumatera Utara Province Health Departement is to remind the City/Kabupaten Health Departement the importance of keeping track and records and updating it so that measurement step against DHF will run accordingly. Hopefully North Sumatera Province Health Departement will provide training programs for city Kabupaten Health Departement in order to face dengue hemoragic fever.

BAB I PENDAHULUAN

1.1Latar Belakang

Dengue yang disebabkan virus disebarkan oleh nyamuk Aedes (Stegomyia).

Selama dua dekade terakhir, frekuensi kasus dan epidemik penyakit demam dengue (dengue fever), demam berdarah (dengue haemorragic fever) dan sindrome syok dengue (dengue shock syndrome) menunjukan peningkatan yang dramatis di seluruh dunia, disertai dengan peningkatan insiden penyakit tersebut.. The World Health

Report 1996 menyatakan bahwa kemunculan kembali penyakit infeksius merupakan

suatu peringatan bahwa kemajuan yang telah diraih sampai sejauh ini terhadap keamanan dunia dalam hal kesehatan dan kemakmuran sia-sia belaka. (WHO, 2004)

Endemik Demam Dengue pertama dilaporkan terjadi secara simultan pada tahun 1779 – 1780 di Asia, Afrika, Amerika Utara. Hal ini menunjukan bahwa virus

dari 200 tahun. Pandemik global mulai terjadi di Asia Tenggara sesudah perang dunia kedua dan lebih meningkat selang 20 tahun terakhir ini. Di Asia Tenggara epidemik DBD pertama terjadi pada tahun 1950-an. Namun sejak tahun 1975 penyakit ini menjadi salah satu penyebab masuknya kerumah sakit dan kematian terutama pada anak-anak. Pada tahun 1980-an perkembangan DBD yang kedua di Asia mulai terjadi saat Sri Lanka, India, dan Kepulauan Maldive mengalami epidemik DBD pertama. (Sembel, 2009).

Di Indonesia sejak dilaporkannya kasus Demam Berdarah Dengue (DBD) pada tahun 1968 terjadi kecenderungan peningkatan insiden.(Soegijanto, 2004). Asia menempati urutan pertama dalam jumlah penderita Demam Berdarah di tiap tahunnya. Sementara itu, terhitung sejak tahun 1968 hingga tahun 2009. World

Health Organization (WHO) mencatat negara Indonesia sebagai negara dengan kasus

Demam Berdarah tertinggi di Asia Tenggara. Dari jumlah keseluruhan kasus tersebut, sekitar 95% terjadi pada anak di bawah 15 thn. (Sembel, 2009)

Penyakit demam berdarah telah menyebar luas keseluruh wilayah Provinsi Sumatera Utara sebagai Kejadian Luar Biasa (KLB) dengan angka kesakitan dan kematian yang relatif tinggi. Berdasarkan KLB wilayah provinsi Sumatera Utara dapat diklasifikasikan sebagai berikut :

a. Daerah endemis DBD : Kota Medan, Deli Serdang, Binjai, Langkat, Asahan, Tebing Tinggi, Pematang Siantar dan Kabupaten Karo.

b. Daerah Sporadis DBD : Kota Sibolga, Tanjung Balai, Kabupaten Simalungun, Tapanuli Utara, Toba Samosir, Dairi, Tapanuli Tengah, Mandailing Natal, Padang Sidempuan, Tapanuli Selatan, Labuhan Batu, Humbang Hasundutan, Pak-Pak Bharat, Serdang Bedagai dan Samosir.

c. Daerah Potensial/ Bebas DBD : Kabupaten Nias dan Nias Selatan.

Berdasarkan Profil Dinas Kesehatan Provinsi Sumatera Utara Tahun 2010 jumlah kasus demam berdarah di seluruh provinsi sumatera utara pada tahun 2006 sebanyak 2251 kasus yang ditangani sebanyak 2251 kasus (100%), pada tahun 2007 sebanyak 4529 kasus yang ditangani sebanyak 4514 (99,67%), pada tahun 2008 sebanyak 4401 kasus yang ditangani sebanyak 4372 (99,34%), dan pada tahun 2009 sebanyak 4737 kasus yang ditangani sebanyak 4722 (99,68%).

Berdasarkan data-data demam berdarah tahun 2005-2009 penulis ingin meneliti kecenderungan serta peramalan penderita penyakit demam berdarah tahun 2010-2014 di Provinsi Sumatera Utara yang berguna dalam membuat perencanaan program pencegahan meningkatnya penderita demam berdarah yang dapat berkontribusi terhadap angka kesakitan dan kematian.

1.2Rumusan Masalah

Tingginya jumlah penderita demam berdarah sehingga ingin diketahui trend dan peramalan jumlah penderita demam berdarah lima tahun mendatang dalam

membuat perencanaan program khususnya bagian pengendalian masalah kesehatan untuk menyusun kebijakan penanggulangan demam berdarah.

1.3Tujuan Penelitian 1.3.1 Tujuan Umum

Untuk mengetahui gambaran kecenderungan penderita demam berdarah tahun 2005 -2009 dan meramalkan penderita demam berdarah tahun 2010-2014 di Provinsi Sumatera Utara.

1.3.2 Tujuan Khusus

Untuk mengetahui kecenderungan penderita demam berdarah berdasarkan Kabupaten/Kota tahun 2005-2009 dan hasil ramalannya tahun 2010-2014

1.4 Manfaat Penelitian

1. Dapat dijadikan bahan masukan bagi Dinas Kesehatan Provinsi Sumatera Utara khususnya bagian pengendalian masalah kesehatan dalam membuat perencanaan program untuk menyusun kebijakan penanggulangan demam berdarah.

BAB II

TINJAUAN PUSTAKA

2.1 Demam Berdarah

2.1.1 Pengertian Demam Berdarah Dengue (DBD)

Demam Berdarah Dengue adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes aegypti (Soegijanto, 2004). Demam Berdarah Dengue adalah penyakit demam yang diikuti pandarahan dibawah kulit, selaput hidung dan lambung yang disebabkan oleh virus yang ditularkan melalui nyamuk Aedes Aegypti. Penyakit ini menyerang semua orang dan menyebabkan kematian, terutama pada anak serta sering menimbulkan wabah. (Irianto, 2009)

2.1.2 Penyebab Demam Berdarah Dengue (DBD)

Penyakit infeksi virus dengue adalah penyakit yang disebabkan oleh virus dengue I, II, III dan IV yang ditularkan oleh nyamuk Aedes aegypti dan Aedes

albocpitus. Jika nyamuk menggigit orang dengan demam berdarah, maka virus dengue masuk ke tubuh nyamuk bersama darah yang dihisapnya. Didalam tubuh

nyamuk virus berkembang biak dan menyebar keseluruh tubuh bagian nyamuk, dan sebagian berada di kelenjar air liur. Selanjutnya waktu nyamuk menggigit orang lain, air liur bersama virus dengue dilepaskan terlebih dahulu agar darah yang akan dihisap tidak membeku, dan pada saat inilah virus dengue ditularkan ke orang lain. (Soegijanto, 2004)

2.1.3 Patogenesis dan Patofisiologi

Patogenesis DHF (Dengue Hemorragic Fever) tidak begitu dipahami, tetapi ada dua perubahan patofisiologik yang terjadi :

1. Meningkatnya permeabilitas pembuluh darah mengakibatkan kebocoran plasma,

hipovolemia, dan syok. DHF memiliki ciri yang unik karena kebocoran plasma

khusus ke arah rongga pleura dan peritoneum, selain itu periode kebocoran cukup singkat (24-48 jam).

2. Hemostatis abnormal terjadi akibat vaskulopati, trombositopenia, sehingga terjadi

2.1.4 Tanda dan Gejala 1. Gejala klinis

a. Demam tinggi mendadak, tanpa sebab yang jelas berlangsung selama 2-7 hari

b. Terdapat Manifestasi perdarahan termasuk uji terniquet positif, peteki,

ekimosis, epistaksis, perdarahan gusi, hematemesis, melena.

c. Pembesaran hati

d. Perembesan plasma, yang ditandai secara klinis adanya acites dan efusi

pleura sampai terjadinya renjatan (ditandai nadi cepat dan lemah serta

penurunan tekanan nadi, hipotensi, kaki dan tangan dingin, kulit lembap dan pasien tampak gelisah.

2. Tanda klinis

a. Trombositopenia (kurang dari 100.000/ υL).

b. Hemokonsentrasi, dapat dilihat peningkatan hematokrit 20% atau lebih,

menurut standar umur dan jenis kelamin. (Soegijanto, 2006)

DHF diklasifikasikan menjadi empat tingkatan keparahan, dimana derajat III dan IV dianggap DSS. Adanya trombositopenia dengan disertai hemokonsentrasi membedakan derajat I dan II DHF dari DF.

1. Derajat I

Demam disertai gejala-gejala umum yang tidak khas dan manifestasi perdarahan spontan satu-satunya adalah uji tourniket positif atau mudah memar.

2. Derajat II

Gejala-gejala derajat I, disertai gejala-gejala perdarahan kulit spontan atau manifestasi perdarahan yang lebih berat.

3. Derajat III

Didapatkan kegagalan sirkulasi, yaitu nadi cepat dan lemah, tekanan nadi menyempit (< 20 mmHg), hipotensi, sianosis disekitar mulut, kulit dingin dan lembab, gelisah.

4. Derajat IV

Syok berat (profound shock), nadi tidak dapat diraba dan tekanan darah tidak terukur. (WHO, 1998)

2.1.6 Penatalaksanaan

Berdasarkan kenyataannya di masyarakat penatalaksanaan kasus DBD dibagi menjadi 2, yaitu:

1. Kasus DBD yang memungkinkan untuk berobat jalan

2. Kasus DBD yang dianjurkan rawat tinggal yakni : kasus DBD derajat I dan II, kasus DBD derajat III dan IV, kasus DBD dengan penyulit. (Soegijanto,2006)

2.1.7 Pencegahan

Sampai saat ini belum ada vaksin yang efektif untuk mencegah penyakit

dengue.Vaksin virus dengue sedang dikembangkan di Thailand, tetapi masih

membutuhkan volunter manusia untuk uji coba. Adapun program pengendalian

Ae.aegepti yang terjangkau dan tahan lama adalah:

1. Manajemen Lingkungan

a. Modifikasi lingkungan : pengubahan fisik habitat larva yang tahan lama b. Manipulasi lingkungan : pengubahan sementara habitat vektor yang

memerlukan pengaturan wadah yang penting dan yang tidak penting serta manajemen atau pemusnahan tempat perkembangbiakan alami nyamuk. c. Perubahan habitasi atau perilaku manusia dimana merupakan upaya untuk

mengurangi kontak antara manusia dan vektor.

2. Perlindungan diri

a. Pakaian pelindung, pakaian mengurangi resiko tergigit nyamuk jika pakaian itu cukup tebal atau longgar.

b. Tikar, obat nyamuk bakar, aerosol. Produk insektisida untuk konsumsi rumah tangga sudah banyak dipakai untuk perlindungan diri terhadap nyamuk.

c. Penolak serangga, merupakan sarana perlindungan diri terhadap nyamuk dan serangga yang umum digunakan.

d. Insektisida untuk kelambu dan korden, kelambu yang diberi insektisida kegunaannya sangat terbatas dalam program pengendalian penyakit dengue karna spesies vektor menggigit disiang hari.

3. Pengendalian biologis

a. Ikan, ikan pemakan larva (Gambusia affinis dan Poecilia reticulata) sudah semakin banyak digunakan untuk mengendalikan Ae.stephensi dan

Ae.aegypti di kumpulan air yang banyak atau di kontainer air yang besar di

negara-negara Asia Tenggara.

b. Bakteri, ada dua spesies bakteri penghasil endotoksin yaitu Bacillus

thuringiensis serotipe H-14 dan Bacillus sphaericus adalah agens yang

efektif untuk mengendalikan nyamuk.

c. Siklopoids, peran pemangsa yang dimainkan oleh copepod crustacea

(sejenis udang-udangan) ternyata dapat mempengaruhi 99,3% angka kematian larva nyamuk Aedes.

d. Perangkap telur autosidal, perangkap yang diterapkan pemerintah Singapura menunjukan hasil yang memuaskan sebagai alat pengendali dalam pemberantasan nyamuk Ae.aegypti.

4. Pengendalian kimiawi :

a. Pemberian larvasida kimiawi, biasanya terbatas pada wadah air yang digunakan di rumah tangga yang tidak dapat dihancurkan, dimusnahkan, ataupun dikelola.

b. Pengasapan wilayah, metode ini melibatkan pengasapan droplet-droplet kecil insektisida ke dalam udara untuk membunuh nyamuk dewasa.

5. Memberikan penyuluhan tentang 3M Plus

Metode yang di gunakan untuk mencegah Demam Berdarah adalah Pemberantasan Sarang Nyamuk (PSN) melalui 3M Plus (Menguras, Menutup dan Mengubur) Plus menabur larvasida dapat mencegah / memberantas nyamuk Aedes berkembang biak. Angka Bebas Jentik (ABJ) sebagai tolok ukur upaya pemberantasan vektor melalui Pemberantassan Sarang Nyamuk (PSN). Pendekatan Demam Berdarah yang berwawasan kepedulian masyarakat merupakan salah satu alternatif pendekatan baru (Depkes Lingkungan RI, 2006)

2.2 Peramalan

2.2.1 Pengertian Peramalan

Peramalan adalah upaya memperkirakan nila-nilai respon yang menjadi perhatian dimasa depan.(Sugiarto dan Harijono, 2000)

Kegunaan peramalan untuk memprediksi masa depan berdasarkan data yang dimiliki. (Baroroh, 2008).

Analisis terhadap masa lampau penting karena hal ini akan memberikan kesempatan pada pengusaha untuk membuat ramalan yang lebih akurat untuk aktivitas yang akan datang. Disamping itu juga akan meningkatkan keefektipan dari grup data yang berbeda atau data yang sama dari periode yang berbeda. Hasil dari analisa runut waktu bahkan meningkatkan efisiensi dalam mengambil keputusan. (Kustituanto, 1998).

2.2.3 Jenis-jenis Peramalan

Secara garis besarnya peramalan dibedakan menjadi peramalan kualitatif dan peramalan kuantitatif.

1. Peramalan kualitatif, yaitu peramalan yang didasarkan pada pengamatan kejadian-kejadian dimasa sebelumnya yang digabungkan dengan instuisi maupun ketajaman perasaan si peramal dalam menghasilkan suatu informasi yang diperkirakan bakal terjadi di masa yang datang. Data historis yang ada menjadi tidak begitu penting dalam teknik ini. Pada umumnya hasil peramalan kualitatif juga berbentuk informasi kualitatif walaupun tidak selalu demikian. Peramalan kualitatif terdiri dari dua yaitu metode eksplanatoris dan metode normatif.

2. Peramalan kuantitatif, yaitu peramalan yang menggunakan data kuantitatif yang diperoleh dari pengamatan nilai-nilai sebelumnya dengan ditunjang beberapa

informasi kuantitaif maupun kualitatif. Teknik peramalan kuantitatif sangat mengandalkan pada data historis yang dimiliki. Hasil peramalan kuantitatif secara relatif lebih disukai karena memberikan pandangan yang lebih nyata dan lebih objektif dalam besaran nilai hasil peramalannya. (Sugiarto dan Harijono, 2000)

Peramalan kuantitatif ini dipergunakan bila kondisi berikut dipenuhi : a. Adanya informasi tentang masa lalu

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data

c. Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus bersambung sampai ke masa depan dan kondisi ini disebut asumsi yang konstan (assumption of constancy).

Teknik kuantitatif ini biasanya dikelompokan menjadi dua yakni metode Instuisi (Intuitive method) dan metode kuantitatif formal yang didasarkan pada prinsip statistik. Metode instuisi menggunakan horisontal, musiman atau penyelidikan trend yang didasarkan pada pengalaman empiris yang sangat luas. Metode kuantitatif formal ini dapat dikelompokan ke dalam dua jenis peramalan yaitu : regresi (causal) models dan time series. (Manurung, 1990)

1. Regresi (causal) models

Model regresi mempunyai asumsi bahwa dalam meramalkan masa datang dengan menggunakan variabel lain yang mempunyai hubungan penyebab dengan variabel yang diramalkan. Variabel yang ingin diramalkan disebut dengan variabel

dependen sedangkan variabel yang lain disebut variabel independen. Yang termasuk dalam teknik ini adalah teknik regresi sederhana, regresi berganda dan model input output. (Manurung, 1990)

2. Time Series

Time series adalah peramalan di masa datang didasarkan pada nilai sebuah

variabel masa lalu atau kesalahan yang dilakukan sebelumnya. (Manurung, 1990)

Time series (data berkala) juga dapat diartikan sebagai kumpulan data statistik

yang merupakan hasil pengamatan setiap interval waktu tertentu. (Santoso, 2003)

Tujuan time series adalah meneliti pola data yang digunakan untuk memprakirakan dan melakukan ekstrapolasi (perhitungan / pemrakiraan) di masa yang akan datang. Tahapan yang penting dalam pemilihan metode time series yang tepat yaitu membuat asumsi terhadap jenis bentuk data dan metode yang paling tepat tersebut diuji terhadap data tersebut.

a. Bentuk data

1. Bentuk data horisontal / stasioner / ireguler

Gerakan ireguler disebabkan oleh faktor-faktor kebetulan atau faktor yang tidak terduga sebelumnya. Gerakan ireguler ini biasanya muncul dalam jangka pendek dan mengakibatkan terjadinya variasi dalam deret berkala.

Gambar 2.1 Data horisontal

2. Bentuk data musiman / Seasonal

Bentuk data musiman terjadi bila seriesnya dipengaruhi oleh faktor musiman (contoh: minggua n, bulanan, tahunan).

Gambar 2.2 Data Musiman 3. Bentuk data siklis

Pada prinsipnya gerakan siklis adalah gerakan disekitar garis trend, apakah gerakan tersebut naik atau turun. Gerakan ini berlangsung lebih pendek dari trend bisa teratur dengan pola tertentu atau tanpa pola.

Gambar 2.3 Bentuk Data Siklis

Trend atau bisa juga disebut trend sekuler adalah kecenderungan data untuk jangka panjang, apakah meningkat, tetap atau menurun.

Gambar 2.4 Bentuk Data Trend b. Metode-metode Time Series

Metode pemrakiraan dengan model time series dapat dijadikan dasar untuk memprakirakan kejadian masa mendatang melalui serangkaian data historis. Metode time series yang sering dipergunakan yaitu Metode Penghalusan (Smoothing Method) dan Metode Dekomposisi (Decomposition Method). (Manurung, 1990)

1. Metode Penghalusan (Smoothing Method)

Metode smoothing (metode pelicinan) merupakan teknik meramal dengan cara mengambil rata-rata dari nilai beberapa periode yang lalu untuk menaksir nilai pada periode yang akan datang. Yang termasuk dalam teknik ini adalah metode

Metode rata-rata bergerak (Moving Averages) adalah upaya untuk memuluskan data sebuah time series sehingga faktor siklis, musiman dan random bisa dihilangkan atau diminimalisasi dampaknya sehingga akhirnya didapat sebuah trend data. Adanya faktor siklis dan musiman membuat data sebuah time series berfluktuasi atau jika ditampilkan dalam sebuah grafik data akan tampak bergelombang. Dengan melakukan rata-rata bergerak maka diharapkan data hasil moving averege tersebut menjadi lebih smooth sehingga fluktuasi data akan bisa dikurangi. Pada prinsipnya

moving averege adalah menghitung rata-rata data untuk n periode yang saling

sambung-menyambung antar data time series. (Santoso, 2003)

Keterangan :

n = jumlah perioda

dt = demand pada bulan ke t

• Exponential Smothing berusaha untuk memperbaiki suatu prakiraan

berdasarkan pengalaman-pengalaman baru secara terus menerus. (Setiadi, 2003). Metode exponential smoothing merupakan pengembangan dari metode moving averege. Metode pemulusan eksponensial terkadang lebih efisien dibandingkan dengan moving averege dalam kaitannya dengan kemampuannya untuk mengitung sebuah nilai pemulusan untuk setiap

n

d

MA

n

1 t

t

n

∑

₌

pengukuran respon. Dua metode dalam exponential smoothing diantaranya

single exponential smoothing dan double exponential smoothing. Single exponensial bobot yang diberikan pada data yang ada adalah sebesar α untuk

data terbaru , α(1- α) untuk data yang lama, α(1- α)2 untuk data yang lebih

lama dan seterusnya. Besarnya α adalah antara 0-1. Semakin mendekati 1 berarti data terbaru lebih diperhatikan. Secara matematis forcast adalah :

Keterangan:

Ft+1 = Ramalan untuk periode berikutnya

Dt = Demand aktual pada periode t

Ft = Peramalan yg ditentukan sebelumnya untuk periode t

a = Faktor bobot

Pada metode Single exponensial smoothing proses penentuan ramalan dimulai dengan menentukan besarnya alpha secara trial dan error sampai ditemukan α yang menghasilkan forecast error terkecil. (Gitosudarmo dan Najmudin, 2001)

t t

t

D

F

Didalam metode Double Exponential Smoothing dilakukan proses smoothing (pemulusan) dua kali. Untuk mempermudah perhitungan, ikutilah tahapan-tahapan berikut ini :

1. Carilah besarnya nilai smoothing yang pertama, yaitu dengan rumus

S’t= aXt+(1-a) S’t−1

2. Carilah besarnya nilai smoothing yang kedua, dengan memperhatikan besarnya nilai smoothing pertama yaitu dengan rumus

S” _t= aS’_t+(1-a) S’’_t−1

3. Carilah besarnya nilai a_tdengan menggunakan rumus

a_t = 2S’_t+ S” _t

4. Carilah besarnya nilai b_t dengan menggunakan rumus

b_t = α α −

1 (S’t-S’’t)

5. Lakukanlah perhitungan forecastnya dengan memasukkan besarnya nilai a_t dan bt sehingga diperoleh

F_t+m = a_t+ b_{t (m)}

Besarnya α antara 0 sampai dengan 1 dicari dengan trial dan error.

(Setiadi, 2003) 2. Dekomposisi

Tujuan analisis dekomposisi adalah mengekstrak komponen deret waktu menjadi sub-sub pola, bukan pola dasar. Keuntungan melakukan dekomposisi ini antara lain adalah adanya ramalan jangka panjang (trend) dan ramalan jangka pendek (musim). (Sugiarto dan Harijono,2000)

Metode ini digunakan dengan terlebih dahulu membagi atau melakukan pemecahan kedalam 4 pola, yaitu : Trend (T), Fluktuasi Musim (M), Fluktuasi Siklis (S) dan perubahan yang bersifat Random (R). Masing-masing pola tersebut diketahui nilainya dulu, kemudian bersama-sama menentukan besarnya forcast atau proyeksi dimasa yang akan datang. Secara matematis proyeksi (X) pada waktu yang akan datang adalah (Gitosudarmo dan Najmudin, 2001).

Persamaan pendekatan dekomposisi :

X = T x M x S x R Dimana :

R = nilai deret berkala pada periode

T = komponen Trend pada periode

S = komponen siklus pada periode

Et = komponen kesalahan

a. Trend adalah rata-rata perubahan dalam jangka panjang. Trend menggambarkan perilaku data dalam jangka panjang yang dapat meningkat, menurun atau konstan. Bila data yang ada menunjukan kenaikan maka trend tersebut menunjukan trend positif, bila menunjukan penurunan maka trend tersebut menunjukan trend negatif. Ada beberapa metode yang bisa digunakan untuk menentukan trend yaitu trend linier, trend parabolik, dan trend exponential.

1. Trend Linier

Yang dimaksud dengan trend linier adalah merupakan model persamaan garis lurus yang berbentuk berdasarkan titik-titik diagram pencar dari data selama kurun waktu tertentu. Model trend biasa digunakan untuk memprediksi suatu persoalan (membuat ramalan jangka panjang), adapun bentuk umum dari model

trend linier ini dinyatakan dengan persamaan Yt = a + bx

Yt = Nilai trend untuk setiap unit x

x = Unit waktu tertentu

a = intercept ( nilai trend Yt pada saat x = 0)

(Supangat, 2008)

2. Trend Parabolik

Trend parabolik adalah trend yang nilai variabel tak bebasnya naik atau turun tidak secara linier atau terjadi secara parabola bila datanya dibuat scatter diagramnya. (Manurung, 1990). Persamaan parabolik tersebut secara berikut :

Y = a + bX + cX2

1. ∑Y = n.a + c∑X2 2. ∑XY = b∑X2

3. ∑X2

Y = a∑X2 + c∑X4

Untuk mencari nilai a dan c menggunakan persamaan (1) dan (3), sedangkan nilai b menggunakan persamaan (2).

b. Variasi Musiman

Variasi atau gelombang musim merupakan variasi pasang surut yang terulang kembali dalam waktu tidak lebih dari satu tahun. Metode yang bisa digunakan

adalah metode rata-rata sederhana, metode persentase terhadap trend dan metode persentase terhadap rata-rata bergerak.

c. Variasi Siklis

Variasi siklis merupakan perubahan sesuatu hal yang berulang kembali lebih dari satu tahun. Variasi siklis dinyatakan dalam bentuk indeks siklis .

d. Variasi Random

Variasi random merupakan perubahan suatu hal yang dapat terjadi secara tiba-tiba dan sukar diperkirakan. (Gitosudarmo dan Najmudin, 2001)

2.2.4 Pemilihan Teknik Peramlan

Pemilihan teknik peramalan yang akan digunakan dipengaruhi oleh 4 aspek, yaitu pola atau karakteristik data, jangka waktu, biaya dan tingkat akurasi yang diinginkan.

Pola atau karakteristik data merupakan aspek utama yang sangat berpengaruh terhadap pemilihan teknik peramalan. Suatu data yang memiliki pola trend (naik turun) akan lebih tepat bila di-forecast dengan teknik dekomposisi. Sedangkan data yang memiliki pola fluktuatif akan lebih tepat bila di-forecast dengan teknik

smoothing.

2.3Alur Penelitian

Penderita Penyakit Demam Berdarah Dengue Tahun 2005-2009

Kecenderungan

BAB III

METODE PENELITIAN

3.1Jenis Penelitian

Metode penelitian deskriptif (merupakan prosedur untuk membuat ikhtisar, menata, membuat grafik, dan secara umum menggambarkan informasi kuantitatif) dengan menggunakan rangkaian berkala (time series). (Murti, 1997)

3.2Lokasi dan Waktu Penelitian

Lokasi penelitian di lakukan di Dinas Kesehatan Provinsi Sumatera Utara sejak bulan Oktober-Desember 2010.

3.3Metode Pengumpulan Data

Data yang dikumpulkan adalah data sekunder yaitu jumlah penderita penyakit demam berdarah di Dinas Kesehatan Provinsi Sumatera Utara tahun 2005 sampai dengan 2009.

Populasi dan Sampel adalah data penderita penyakit demam berdarah dari tahun 2005 sampai dengan 2009 di Dinas Kesehatan Provinsi Sumatera Utara.

3.5Defenisi Operasional

1. Penderita penyakit demam berdarah

Adalah jumlah penderita yang tercatat pada laporan pada tahun 2005-2009. 2. Faktor Trend

Pemilihan trend yang akan digunakan dipengaruhi oleh 4 aspek, yaitu pola atau karakteristik data, jangka waktu, biaya dan tingkat akurasi yang diinginkan.

3.6Analisa Data

Data yang telah dikumpulkan kemudian dilakukan uji regresi untuk melihat hubungan signifikan antara waktu dengan jumlah penderita demam berdarah. Hubungan signifikan tersebut dinyatakan dengan nilai probabilitas <0,05. Terhadap data yang ada hubungan signifikan (Sig<0.05) data diramalkan selama 5 tahun kedepan dengan menggunakan analisis time series dengan menghitung nilai trend. Sedangkan data yang tidak terdapat hubungan signifikan (>0.05) data hanya diramalkan satu tahun kedepan dengan metode double exponential smoothing dimana alpha yang digunakan adalah yang memiliki nilai Mean Squared error terkecil. Data dan hasil disajikan dalam bentuk tabel dan grafik.

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 1° - 4° Lintang Utara, dan 98° - 100° Bujur Timur. Sebelah Utara berbatasan dengan Provinsi Nanggroe Aceh Darussalam (NAD), sebelah Timur dengan Negara Malaysia dan selat Malaka, sebelah Selatan berbatasan dengan Provinsi Riau dan Sumatera Barat, dan disebelah Barat berbatasan dengan Samudra Hindia.

Luas daratan Provinsi Sumatera Utara adalah 71680,68 km² sebagian besar berada didaratan pulau Sumatera dan sebagian kecil di Pulau Nias, pulau-pulau Batu, serta beberapa 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 dengan luas 6620,70 km² atau sekitar 9,24% dari total luas Sumatera Utara, diikuti Kabupaten Langkat dengan luas 6263,29 km² (8,74%) kemudian kabupaten Simalungun dengan luas 4386,60 km² (6,09%). Sedangkan luas daerah terkecil adalah Kota Sibolga dengan luas 10,77 km² (0,02%) dari total luas wilayah Sumatera Utara. Berdasarkan kondisi letak dan kondisi alam, Sumatera Utara dibagi dalam 3 (tiga) kelompok wilayah yaitu Pantai Barat, Dataran Tinggi dan Pantai Timur. Secara administratif, Sumatera Utara pada tahun 2009 memiliki 33Kab/ Kota yaitu 8 Kota dan 25 Kabupaten.(Dinkes Pemprovsu, 2009)

4.1.2 Kependudukan

Sumatera Utara merupakan Provinsi keempat yang terbesar jumlah penduduknya di Indonesia setelah Jawa Timur, Jawa Barat dan Jawa Tengah. Berdasarkan Badan Pusat Statistik Provinsi Sumatera Utara pada tahun 2009 tercatat sebesar 13.248.386 jiwa dengan tingkat kepadatan penduduk sebesar 184,83 per km².

Penduduk laki-laki di Sumatera Utara lebih sedikit dibandingkan perempuan, berdasarkan sex ratio jumlah penduduk Sumatera Utara pada tahun 2009 berjenis kelamin perempuan sebanyak 6.654.268 jiwa dan laki-laki 6.594.118 jiwa, berarti sex

ratio sebesar 99,10%.(Dinkes Pemprovsu, 2009)

4.1.3 Umur

Komposisi penduduk Sumatera utara menurut kelompok umur menunjukan bahwa penduduk yang berusia muda (0-14) sebesar 32,65% yang berusia produktif (15-64tahun) sebesar 62,8% dan yang berusia tua (>65tahun) sebesar 4,55%. Dengan demikian maka Angka Beban Tanggungan (Dependency Ratio) penduduk Sumatera Utara tahun 2009 sebesar 59,23%. Angka ini mengalami kenaikan dibandingkan tahun 2008 sebesar 55,53%.(Dinkes Pemprovsu, 2009)

4.1.4 Pendidikan

Dari hasil survei Angkatan Kerja Nasional bulan Agustus 2008 dapat dilihat tingkat pendidikan angkatan kerja berumur 15 tahun keatas di Sumatera Utara yang tidak pernah sekolah 1,95%, tidak tamat SD 10,81%, tamat SD 27,90% , tamat SMP

menggambarkan bahwa tingkat pendidikan angkatan kerja di Sumatera Utara sebagian besar masih berpendidikan SD kebawah. Kemampuan membaca dan menulis tercermin dari Angka Melek Huruf yaitu persentase penduduk usia 10 tahun keatas yang dapat membaca dan menulis huruf latin dan huruf lainnya. Kondisi tahun 2008 persentase penduduk Sumatera Utara yang melek huruf 97,08%. Persentase penduduk berumur 10 tahun keatas yang melek huruf per Kab/ Kota tahun 2009 tidak bergambar dengan jelas karena datanya tidak lengkap.(Dinkes Pemprovsu, 2009)

4.2 Jumlah penderita demam berdarah Tahun 2005-2009 dan hasil ramalannya tahun 2010-2014

4.2.1 Penderita demam berdarah Provinsi Sumatera Utara

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.1 Distribusi penderita demam berdarah di Provinsi Sumatera Utara

Tahun Sumatera Utara

2005 5268

2006 2324

2007 4487

2008 4857

2009 5239

Jumlah 22175

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.021(<0.05). Artinya ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah dapat diramalkan dengan menggunakan

metode trend dengan persamaan Y = 3740.8+(247.5)X+(347.1)X². Persamaan tersebut dimaksudkan untuk meramal jumlah penderita demam berdarah tahun 2010-2014 di Provinsi Sumatera Utara. Hasil perhitungannya menunjukan peningkatan tiap tahunnya seperti terlihat pada tabel berikut :

Tabel 4.2 Peramalan jumlah penderita demam berdarah di Provinsi Sumatera Utara

Tahun Hasil peramalan

2010 7607

2011 10284

2012 13655

2013 17721

2014 22481

Jumlah 71748

Peramalan jumlah penderita demam berdarah di Provinsi Sumatera Utara terjadi peningkatan setiap tahunnya. Seperti terlihat di gambar berikut ini :

Gambar 4.1 Hasil peramalan Provinsi Sumatera Utara dengan menggunakan metode trend

0 5000 10000 15000 20000 25000

4.2.2 Penderita demam berdarah Kota Medan

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.3 Distribusi penderita demam berdarah di Kota Medan

Tahun Medan

2005 1923

2006 1376

2007 1927

2008 1703

2009 1949

Jumlah 8878

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.423(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.6 karena memiliki nilai squared error yang paling kecil. dimana at = 1827.198 dan bt = (-0.73026) maka didapat persamaan Ft + m = 1911.079 + (68.84928)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 1980 penderita. Peramalan jumlah penderita demam berdarah di Kota Medan terjadi peningkatan. Seperti terlihat di gambar berikut ini :

Gambar 4.2 Hasil peramalan Kota Medan dengan menggunakan metode exponential smoothing

4.2.3 Penderita demam berdarah Kota Tebing Tinggi

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.4 Distribusi penderita demam berdarah di Kota Tebing Tinggi

Tahun Tebing Tinggi

2005 326

2006 66

2007 392

2008 170

2009 205

Jumlah 1159

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.957(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan

0 500 1000 1500 2000 2500

memiliki nilai error yang paling kecil. dimana at = 199.6688 dan bt = (-18.9648) maka didapat persamaan Ft + m = 199.6688 + (-18.9648)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 180 penderita.

Peramalan jumlah penderita demam berdarah di Kota Tebing Tinggi terjadi penurunan. Seperti terlihat di gambar berikut ini :

Gambar 4.3 Hasil peramalan Kota Tebing Tinggi dengan menggunakan metode exponential smoothing

4.2.4 Penderita demam berdarah Kabupaten Deli Serdang

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.5 Distribusi penderita demam berdarah di Kabupaten Deli Serdang

Tahun Deli Serdang

2005 483

2006 199

2007 296

2008 325

2009 458

Jumlah 1761

0 50 100 150 200 250 300 350 400 450

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.703(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena memiliki nilai error yang paling kecil. dimana at = 413.0625 dan bt = (23.1875) maka didapat persamaan Ft + m = 413.0625 + (23.1875)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 436 penderita

Peramalan jumlah penderita demam berdarah di Kabupaten Deli Serdang terjadi penurunan. Seperti terlihat di gambar berikut ini :

Gambar 4.4 Hasil peramalan Kabupaten Deli Serdang dengan menggunakan metode exponential smoothing

4.2.5 Penderita demam berdarah Kabupaten Langkat

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

0 100 200 300 400 500 600

Tabel 4.6 Distribusi penderita demam berdarah di Kabupaten Langkat

Tahun Langkat

2005 98

2006 39

2007 92

2008 199

2009 96

Jumlah 524

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.150(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena memiliki nilai error yang paling kecil. dimana at = 121.375 dan bt = (3.5625) maka didapat persamaan Ft + m = 121.375 + (3.5625)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 125 penderita.

Peramalan jumlah penderita demam berdarah di Kabupaten Langkat terjadi peningkatan. Seperti terlihat di gambar berikut ini :

Gambar 4.5 Hasil peramalan Kabupaten Langkat dengan menggunakan metode exponential smoothing

4.2.6 Penderita demam berdarah Kabupaten Asahan

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.7 Distribusi penderita demam berdarah di Kabupaten Asahan

Tahun Asahan

2005 75

2006 38

2007 72

2008 66

2009 95

Jumlah 346

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.665(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena

0 50 100 150 200 250

memiliki nilai error yang paling kecil. dimana at = 87.5625 dan bt = (7.5) maka didapat persamaan Ft + m = 87.5625 + (7.5)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 95 penderita.

Peramalan jumlah penderita demam berdarah di Kabupaten Asahan mengalami jumlah yang tetap. Seperti terlihat di gambar berikut ini :

Gambar 4.6 Hasil peramalan Kabupaten Asahan dengan menggunakan metode exponential smoothing

4.2.7 Penderita demam berdarah Kabupaten Labuhan Batu

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut

Tabel 4.8 Distribusi penderita demam berdarah di Kabupaten Labuhan Batu

Tahun Labuhan Batu

2005 71

2006 6

2007 63

2008 47

2009 8

Jumlah 195

0 20 40 60 80 100

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.366(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena memiliki nilai error yang paling kecil. dimana at = 17.25 dan bt = (-11.1875) maka didapat persamaan Ft + m = 17.25+ (-11.1875)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 6 penderita

Peramalan jumlah penderita demam berdarah di Kabupaten Labuhan Batu terjadi penurunan. Seperti terlihat di gambar berikut ini :

Gambar 4.7 Hasil peramalan Kabupaten Labuhan Batu dengan menggunakan metode exponential smoothing

4.2.8 Penderita demam berdarah Kabupaten Simalungun

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

0 10 20 30 40 50 60 70 80

Tabel 4.9 Distribusi penderita demam berdarah di Kabupaten Simalungun

Tahun Simalungun

2005 189

2006 72

2007 231

2008 397

2009 307

Jumlah 1196

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.803(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena memiliki nilai error yang paling kecil. dimana at = 332.125 dan bt = (34.1875) maka didapat persamaan Ft + m = 332.125 + (34.1875)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 366 penderita

Peramalan jumlah penderita demam berdarah di Kabupaten Simalungun terjadi peningkatan. Seperti terlihat di gambar berikut ini :

Gambar 4.8 Hasil peramalan Kabupaten Simalungun dengan menggunakan metode exponential smoothing

0 100 200 300 400 500

4.2.9 Penderita demam berdarah Kabupaten Tapanuli Utara

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.10 Distribusi penderita demam berdarah di Kabupaten Tapanuli Utara

Tahun Tapanuli Utara

2005 0

2006 8

2007 17

2008 25

2009 16

Jumlah 66

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.087(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.4 karena memiliki nilai error yang paling kecil. dimana at = 19.67488 dan bt = (2.75712) maka didapat persamaan Ft + m = 19.67488 + (2.75712)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 22 penderita.

Peramalan jumlah penderita demam berdarah di Kabupaten Tapanuli Utara terjadi peningkatan. Seperti terlihat di gambar berikut ini :

Gambar 4.9 Hasil Peramalan Kabupaten Tapanuli Utara dengan menggunakan metode exponential smoothing

4.2.10 Penderita demam berdarah Kabupaten Toba Samosir

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.11 Distribusi penderita demam berdarah di Kabupaten Toba Samosir

Tahun Toba Samosir

2005 27

2006 17

2007 17

2008 19

2009 25

Jumlah 105

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.854(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena

0 5 10 15 20 25 30

memiliki nilai error yang paling kecil. dimana at = 22.875 dan bt = (0.75) maka didapat persamaan Ft + m = 22.875 + (0.75)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 24 penderita

Peramalan jumlah penderita demam berdarah di Kabupaten Toba Samosir terjadi penurunan. Seperti terlihat di gambar berikut ini :

Gambar 4.10 Hasil peramalan Kabupaten Toba Samosir dengan menggunakan metode exponential smoothing

4.2.11 Penderita demam berdarah Kabupaten Tapanuli Tengah

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.12 Distribusi penderita demam berdarah di Kabupaten Tapanuli Tengah

Tahun Tapanuli Tengah

2005 0

2006 10

2007 8

2008 8

2009 22

Jumlah 48

0 5 10 15 20 25 30

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.073(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.4 karena memiliki nilai error yang paling kecil. dimana at = 17.6512 dan bt = (3.2768) maka didapat persamaan Ft + m = 17.6512+ (3.2768)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 21 penderita.

Peramalan jumlah penderita demam berdarah di Kabupaten Tapanuli Tengah terjadi penurunan. Seperti terlihat di gambar berikut ini :

Gambar 4.11 Hasil peramalan Kabupaten Tapanuli Tengah dengan menggunakan metode exponential smoothing

4.2.12 Penderita demam berdarah Kabupaten Tapanuli Selatan

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

0 5 10 15 20 25

Tabel 4.13 Distribusi penderita demam berdarah di Kabupaten Tapanuli Selatan

Tahun Tapanuli Selatan

2005 2

2006 0

2007 11

2008 3

2009 6

Jumlah 22

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.178(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.6 karena memiliki nilai error yang paling kecil. dimana at = 5.75552 dan bt = (0.49248) maka didapat persamaan Ft + m = 5.75552 + (0.49248)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 6 penderita.

Peramalan jumlah penderita demam berdarah di Kabupaten Tapanuli Selatan adalah tetap. Seperti terlihat di gambar berikut ini :

Gambar 4.12 Hasil peramalan Kabupaten Tapanuli Selatan dengan menggunakan metode exponential smoothing

4.2.13 Penderita demam berdarah Kabupaten Mandailing Natal

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.14 Distribusi penderita demam berdarah di Kabupaten Mandailing Natal

Tahun Mandailing Natal

2005 0

2006 0

2007 0

2008 9

2009 0

Jumlah 9

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.174(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena

0 2 4 6 8 10 12

memiliki nilai error yang paling kecil. dimana at = 2.25 dan bt = (0) maka didapat persamaan Ft + m = 2.25+ (0)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 2 penderita.

Peramalan jumlah penderita demam berdarah di Kabupaten Mandailing Natal adalah tetap. Seperti terlihat di gambar berikut ini

Gambar 4.13 Hasil peramalan Kabupaten Mandailing Natal dengan menggunakan metode exponential smoothing

4.2.14 Penderita demam berdarah Kabupaten Nias

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.15 Distribusi penderita demam berdarah di Kabupaten Nias

Tahun Nias

2005 0

2006 2

2007 0

2008 2

2009 19

Jumlah 23

0 2 4 6 8 10

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.166(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena memiliki nilai error yang paling kecil. dimana at = 14.75 dan bt = (4.625) maka di dapat persamaan Ft + m = 14.75 + (4.625)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 19 penderita.

Peramalan jumlah penderita demam berdarah di Kabupaten Nias adalah tetap. Seperti terlihat di gambar berikut ini

Gambar 4.14 Hasil peramalan Kabupaten Nias dengan menggunakan metode exponential smoothing

4.2.15 Penderita demam berdarah Kabupaten Samosir

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

0 5 10 15 20

Tabel 4.16 Distribusi penderita demam berdarah di Kabupaten Samosir

Tahun Samosir

2005 19

2006 0

2007 13

2008 15

2009 23

Jumlah 70

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.509(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena memiliki nilai error yang paling kecil. dimana at = 20.625 dan bt = (2.5625) maka di dapat persamaan Ft + m = 20.625 + (2.5625)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 23 penderita

Peramalan jumlah penderita demam berdarah di Kabupaten Samosir adalah tetap. Seperti terlihat di gambar berikut ini :

Gambar 4.15 Hasil peramalan Kabupaten Samosir dengan menggunakan metode exponential smoothing

4.2.16 Penderita demam berdarah Kabupaten Padang Lawas Utara

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.17 Distribusi penderita demam berdarah di Kabupaten Padang Lawas Utara

Tahun Padang Lawas Utara

2005 0

2006 0

2007 0

2008 2

2009 0

Jumlah 2

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.677(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan

0 5 10 15 20 25

menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena memiliki nilai error yang paling kecil. dimana at = 0.5 dan bt = (0) maka di dapat persamaan Ft + m = 0.5+ (0)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 1 penderita.

Peramalan jumlah penderita demam berdarah di Kabupaten Padang Lawas Utara mengalami peningkatan. Seperti terlihat di gambar berikut ini :

Gambar 4.16 Hasil peramalan Kabupaten Padang Lawas Utara dengan menggunakan metode exponential smoothing

4.2.17 Penderita demam berdarah Kota Sibolga

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.18 Distribusi penderita demam berdarah di Kota Sibolga

Tahun Sibolga

2005 252

2006 326

2007 411

2008 474

2009 614

Jumlah 2077

0 0,5 1 1,5 2 2,5

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.311(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.4 karena memiliki nilai error yang paling kecil. dimana at = 568.4902 dan bt = (59.41375) maka di dapat persamaan Ft + m = 568.4902 + (59.41375)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak 628 penderita.

Peramalan jumlah penderita demam berdarah di Kota Sibolga mengalami peningkatan. Seperti terlihat di gambar berikut ini :

Gambar 4.17 Hasil peramalan Kota Sibolga dengan menggunakan metode exponential smoothing

4.2.18 Penderita demam berdarah Kota Binjai

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

0 100 200 300 400 500 600 700

Tabel 4.19 Distribusi penderita demam berdarah di Kota Binjai

Tahun Binjai

2005 1465

2006 29

2007 107

2008 257

2009 142

Jumlah 2000

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.146(>0.05). Artinya tidak ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah diramalkan dengan menggunakan metode exponential smoothing. Peramalan metode exponential smoothing dengan menggunakan persamaan Ft+m = at +bt(m). Nilai alpha yang digunakan 0.5 karena memiliki nilai error yang paling kecil. dimana at = 85.875 dan bt = (-156.125) maka di dapat persamaan Ft + m = 85.875+ (-156.125)m. Maka hasil ramalan untuk tahun 2010 adalah sebanyak -70.25penderita. Negatif menyatakan bahwa tidak ada penambahan atau penurunan penderita di Kota Binjai.

Peramalan jumlah penderita demam berdarah di Kota Binjai tidak mengalami peningkatan. Seperti terlihat di gambar berikut ini :

Gambar 4.18 Hasil peramalan Kota Binjai dengan menggunakan metode exponential smoothing

4.2.19 Penderita demam berdarah Kota Padang Sidempuan

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.20 Distribusi penderita demam berdarah di Kota Padang Sidempuan

Tahun Padang Sidempuan

2005 35

2006 6

2007 10

2008 10

2009 9

Jumlah 75

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.043(<0.05). Artinya ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah dapat diramalkan dengan menggunakan metode trend dengan persamaan Y= 6.6+(-4.8)X+(3.7)X². Persamaan tersebut

0 200 400 600 800 1000 1200 1400 1600

dimaksudkan untuk meramal jumlah penderita demam berdarah tahun 2010-2014 di Kabupaten Padang Sidempuan. Hasil perhitungannya menunjukan peningkatan setiap tahunnya seperti terlihat pada tabel 4.21

Tabel 4.21 Peramalan jumlah penderita demam berdarah di Kota Padang Sidempuan

Tahun Hasil Peramalan

2010 25

2011 47

2012 75

2013 111

2014 154

Jumlah 412

Peramalan jumlah penderita demam berdarah di Kota Padang Sidempuan terjadi peningkatan setiap tahunnya. Seperti terlihat di gambar berikut ini :

Gambar 4.19 Hasil peramalan Kota Padang Sidempuan dengan menggunakan metode Trend

0 20 40 60 80 100 120 140 160 180

4.2.20 Penderita demam berdarah Kabupaten Serdang Bedagai

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

Tabel 4.22 Distribusi penderita demam berdarah di Kabupaten Serdang Bedagai

Tahun Serdang Bedagai

2005 34

2006 21

2007 67

2008 37

2009 86

Jumlah 245

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.045<0.05). Artinya ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah dapat diramalkan dengan menggunakan metode trend dengan persamaan Y= 42.2+(12)X+(3.4)X². Persamaan tersebut dimaksudkan untuk meramal jumlah penderita demam berdarah tahun 2010-2014 di Kabupaten Serdang Bedagai. Hasil perhitungannya menunjukan peningkatan setiap tahunnya seperti terlihat pada tabel 4.23.

Tabel 4.23 Peramalan jumlah penderita demam berdarah di Kabupaten Serdang Bedagai

Tahun Hasil Peramalan

2010 109

2011 145

2012 187

2013 237

2014 293

Peramalan jumlah penderita demam berdarah di Kabupaten Serdang Bedagai terjadi peningkatan setiap tahunnya. Seperti terlihat di gambar berikut ini :

Gambar 4.20 Hasil peramalan Kabupaten Serdang Bedagai dengan menggunakan metode Trend

4.2.21 Penderita demam berdarah Kabupaten Karo

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut

Tabel 4.24 Distribusi penderita demam berdarah di Kabupaten Karo

Tahun Karo

2005 28

2006 20

2007 70

2008 74

2009 108

Jumlah 300

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.019(<0.05). Artinya ada hubungan secara linier antara waktu dengan jumlah

0 50 100 150 200 250 300 350

metode trend dengan persamaan Y = 54.6 + 21.4X+(2.7)X². Persamaan tersebut dimaksudkan untuk meramal jumlah penderita demam berdarah tahun 2010-2014 di Kabupaten Karo. Hasil perhitungannya menunjukan peningkatan setiap tahunnya seperti terlihat pada tabel 4.25

Tabel 4.25 Peramalan jumlah penderita demam berdarah di Kabupaten Karo

Tahun Hasil Peramalan

2010 143

2011 183

2012 229

2013 280

2014 336

Jumlah 1171

Peramalan jumlah penderita demam berdarah di Kabupaten Karo terjadi peningkatan setiap tahunnya. Seperti terlihat di gambar berikut ini

Gambar 4.21 Hasil peramalan Kabupaten Karo dengan menggunakan metode Trend

4.2.22 Penderita demam berdarah Kota Pematang Siantar

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut :

0 50 100 150 200 250 300 350 400

Tabel 4.26 Distribusi penderita demam berdarah di Kota Pematang Siantar

Tahun Pematang Siantar

2005 229

2006 75

2007 652

2008 510

2009 598

Jumlah 2064

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.006(<0.05). Artinya ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah dapat diramalkan dengan menggunakan metode trend dengan persamaan Y = 379.2 +(117.3)X+(-16.8)X². Persamaan tersebut dimaksudkan untuk meramal jumlah penderita demam berdarah tahun 2010-2014 di Kota Pematang Siantar. Hasil perhitungannya menunjukan penurunan setiap tahunnya seperti terlihat pada tabel 4.27

Tabel 4.27 Peramalan jumlah penderita demam berdarah di Kota Pematang Siantar

Tahun Hasil Peramalan

2010 580

2011 580

2012 546

2013 478

2014 377

Jumlah 2561

Peramalan jumlah penderita demam berdarah di Kota Pematang Siantar terjadi penurunan setiap tahunnya. Seperti terlihat di gambar berikut ini :

Gambar 4.22 Hasil peramalan Kota Pematang Siantar dengan menggunakan metode Trend

4.2.23 Penderita demam berdarah Kabupaten Dairi

Dari laporan seksi P3B2 diketahui jumlah penderita demam berdarah tahun 2005-2009 terlihat pada tabel berikut.

Tabel 4.28 Distribusi penderita demam berdarah di Kabupaten Dairi

Tahun Dairi

2005 0

2006 1

2007 5

2008 10

2009 59

Jumlah 75

Berdasarkan hasil uji regresi linier, diperoleh nilai signifikannya sebesar 0.015<0.05). Artinya ada hubungan secara linier antara waktu dengan jumlah penderita, maka jumlah demam berdarah dapat diramalkan dengan menggunakan metode trend dengan persamaan Y = 1.2+(12.7)X+(6.9)X². Persamaan tersebut dimaksudkan untuk meramal jumlah penderita demam berdarah tahun 2010-2014 di

0 100 200 300 400 500 600 700

2006 29 172.6 301.84 43.36 -1163.16 -1119.8 1148.8 1148.8 1319741

2007 107 113.56 132.388 94.732 -169.452 -74.72 181.72 181.72 33022.16

2008 257 242.656 231.6292 253.6828 99.2412 352.924 -95.924 95.924 9201.414 2009 142 152.0656 160.022 144.1092 -71.6072 72.502 69.498 69.498 4829.972 Jumlah 2000 2145.882 2290.879 535.884 -1304.98 -769.094 1304.094 1495.942 1366795

Mean absolute error =

4

942

.

1495

= 373.8 Mean square error =

4

1366795

=

341698.7

Data Penderita Demam Berdarah di Kota Padang sidempuan

Tahun Y X XY X² X²Y X⁴

2005 35 -2 -70 4 140 16

2006 6 -1 -6 1 6 1

2007 10 0 0 0 0 0

2008 10 1 10 1 10 1

2009 9 2 18 4 36 16

Jumlah 70 0 -48 10 192 34

Dari data diatas dapat diketahui persamaan Trend Y= 6.6+(-4.8)X+(3.7)X².

Ramalan Jumlah Penderita Demam Berdarah di Kota Padang Sidempuan

Tahun Hasil Peramalan

2010 25

2011 47

2012 75

2013 111

2014 154

Jumlah 412

Lampiran 2.40

2005 34 -2 -68 4 136 16

2006 21 -1 -21 1 21 1

2007 67 0 0 0 0 0

2008 37 1 37 1 37 1

2009 86 2 172 4 344 16

Jumlah 245 0 120 10 538 34

Dari data diatas dapat diketahui persamaan Trend Y= 42.2+(12)X+(3.4)X².

Ramalan Jumlah Penderita Demam Berdarah di Kabupaten Serdang Bedagai

Tahun Hasil Peramalan

2010 109

2011 145

2012 187

2013 237

2014 293

Jumlah 971

Data Penderita Demam Berdarah di Kabupaten Karo

Tahun Y X XY X² X²Y X⁴

2005 28 -2 -56 4 112 16

2006 20 -1 -20 1 20 1

2007 70 0 0 0 0 0

2008 74 1 74 1 74 1

2009 108 2 216 4 432 16

Jumlah 300 0 214 10 638 34

Dari data diatas dapat diketahui persamaan Trend Y = 54.6 + (21.4)X+(2.7)X²

Tahun Hasil Peramalan

2010 143

2011 183

2012 229

2013 280

2014 336

Jumlah 1171

Data Penderita Demam Berdarah di Kota Pematang Siantar

Tahun Y X XY X² X²Y X⁴

2005 229 -2 -458 4 916 16

2006 75 -1 -75 1 75 1

2007 652 0 0 0 0 0

2008 510 1 510 1 510 1

2009 598 2 1196 4 2392 16

Jumlah 2064 0 1173 10 3893 34

Lampiran 2.41

Dari data diatas dapat diketahui persamaan Trend Y = 54.6 + (21.4)X+(2.7)X²

Ramalan Jumlah Penderita Demam Berdarah di Kota Pematang Siantar

Tahun Hasil Peramalan

2010 580

2011 580

2012 546

2013 478

2014 377

Jumlah 2561

Data Penderita Demam Berdarah di Kabupaten Dairi

Tahun Y X XY X² X²Y X⁴

2007 5 0 0 0 0 0

2008 10 1 10 1 10 1

2009 59 2 118 4 236 16

Jumlah 75 0 127 10 247 34

Dari data diatas dapat diketahui persamaan Trend Y = 54.6 + (21.4)X+(2.7)X²

Ramalan Jumlah Penderita Demam Berdarah di Kabupaten Dairi

Tahun Hasil Peramalan

2010 101

2011 162

2012 237

2013 340

2014 445

Jumlah 1285

Data Penderita Demam Berdarah di Kabupaten Batu Bara

Tahun Y X XY X² X²Y X⁴

2005 0 -2 0 4 0 16

2006 0 -1 0 1 0 1

2007 0 0 0 0 0 0

2008 47 1 47 1 47 1

2009 92 2 184 4 368 16

Jumlah 139 0 231 10 415 34

Dari data diatas dapat diketahui persamaan Trend Y= 8.4+(23.1)X+(9.7)X²

Lampiran 2.42

Tahun Hasil Peramalan

2010 165

2011 256

2012 366

2013 496

2014 645

Jumlah 1928

Data Penderita Demam Berdarah di Kabupaten Padang Lawas

Tahun Y X XY X² X²Y X⁴

2005 0 -2 0 4 0 16

2006 0 -1 0 1 0 1

2007 0 0 0 0 0 0

2008 0 1 0 1 0 1

2009 4 2 8 4 16 16

Jumlah 4 0 8 10 16 34

Dari data diatas dapat diketahui persamaan Trend Y= -0.4+0.8(X)+0.6(X²)

Ramalan Jumlah Penderita Demam Berdarah di Kabupaten Padang Lawas

Tahun Hasil Peramalan

2010 7

2011 12

2012 19

2013 26

2014 35

Jumlah 99

2005 12 -2 -24 4 48 16

2006 13 -1 -13 1 13 1

2007 26 0 0 0 0 0

2008 448 1 448 1 448 1

2009 298 2 596 4 1192 16

Jumlah 797 0 1007 10 1701 34

Dari data diatas dapat diketahui persamaan Trend Y= -0.4+0.8(X)+0.6(X²)

Lampiran 2.43

Ramalan Jumlah Penderita Demam Berdarah di Kota Tanjung Balai

Tahun Hasil Peramalan

2010 243

2011 306

2012 384

2013 478

2014 587