16
1 0 0 0 1 0 0
1 0 9 9
9 5 9 0
8 0 7 0
6 0 5 0
4 0 3 0
2 0 1 0
5 1
C H - T h r e s h o l d P
e rc
e n
t
4 . 6 4 0 0 . 5 1 7 4
- 1 2 . 0 6 2 8
0 . 2 6 6 5 . 1 8 6
0 . 3 4 1 3 - 1 0 . 1 1
2 5 0 . 2 0 2
L o c S c a l e
T h r e s h N
A D P
C H 1 C H 2
V a r i a b l e 3 - P a r a m e t e r L o g l o g i s t i c - 9 5
C I
P l o t P e l u a n g C H d e n g a n j e d a w a k t u n - 2 p a d a k e j a d i a n R i n g a n d a n s e d a n g
1 0 0 0 1 0 0
1 0
9 9 9 5
9 0 8 0
7 0 6 0
5 0 4 0
3 0 2 0
1 0 5
1
C H - T h r e s h o ld P
e r
c e
n t
4 . 7 2 9 0 . 5 2 0 3
- 1 3 . 2 6 2 8
5 . 2 9 5 0 . 3 4 1 9
- 2 7 . 5 6 2 7
L o c S c a le
T h r e s h N
C H 1 C H 2
V a r ia b le
3 - P a r a m e t e r L o g lo g i s t i c - 9 5 C I
P lo t p e lu a n g C H t a n p a j e d a w a k t u u n t u k k e j a d ia n R in g a n d a n S e d a n g
1 0 0 0 0 1 0 0 0
1 0 0 1 0
9 9 9 5
9 0 8 0
7 0 6 0
5 0 4 0
3 0 2 0
1 0 5
1
C H - T h r e s h o ld P
e rc
e n
t
4 . 6 8 2 0 . 3 7 9 0
- 2 6 . 7 3 2 8
0 . 3 3 9 4 . 9 1 2
0 . 5 2 9 7 6 1 . 4 3
2 6 0 . 4 4 7
L o c S c a le
T h r e s h N
A D P
C H 1 C H 2
V a r i a b l e 3 - P a r a m e t e r Lo g l o g i s t i c - 9 5 C I
P lo t p e l u a n g d e n g a n j e d a w a k t u n - 1 u n t u k k e j a d ia n r in g a n d a n s e d a n g
Ket RH
T CH
e
a
e
s
vpd Malaria 0.212
0.164 0.11 0.283 0.169 -0.199
Klinis 0.106
0.214 0.408 0.03 0.202 0.132
Pada batasan CH 25 mm, Kecamatan Kotabumi memiliki jumlah kasus malaria
paling banyak terjadi pada hujan 1 bulanan, namun berdasarkan jumlah bulan yang
terdapat kasus malaria, proporsi kejadian kasus terhadap periode kejadian hujan yang
ditentukan semakin besar seiring dengan semakin kecilnya jumlah kasus malaria klinis
yang lebih besar dari 0 dengan CH berindeks 1. Pada penelitian ini, nilai proporsi yang
dihitung sampai dengan hujan selama 7 bulan berturut-turut, nilai proporsinya sebesar 89.
Pada batasan CH 25 mm, Kecamatan Kalianda memiliki jumlah kasus malaria
paling banyak terjadi pada hujan 1 bulanan, namun berdasarkan jumlah bulan yang
terdapat kasus malaria, proporsi kejadian kasus terhadap periode kejadian hujan yang
ditentukan, nilai proporsi tertinggi sebesar 93 terjadi jika indeks 1 terjadi setelah tiga
bulan berturut-turut.
Pada kedua kecamatan tersebut jumlah kasus malaria terbanyak terjadi pada hujan 1
bulanan, hal tersebut dikarenakan waktu yang dibutuhkan nyamuk dari mulai perindukan
hingga penularan nyamuk adalah sekitar 33 hari yaitu waktu perindukan 14 hari, siklus
gonotropik 9 hari dan penularan nyamuk 10 hari sehingga totalnya selama 33 hari atau
dapat di katakan 1 – 2 bulan. Jenis vektor nyamuk yang ditemukan di Lampung adalah
An. sundaicus Depkes RI 1985.
4.5 Analisis Pengaruh Unsur Iklim Pada Kabupaten Lampung Selatan Faktor
Lingkungan Fisik. Analisis pengaruh unsur iklim terhadap
jumlah kasus malaria klinis dilakukan hanya pada sampel kasus di Kabupaten Lampung
Selatan. Hal tersebut dikarenakan unsur iklim suhu dan kelembaban hanya ada dari satu titik
stasiun saja yaitu stasiun Masgar di Lampung Selatan. Unsur iklim yang dianalisis adalah
kelembaban RH, suhu T, curah hujan CH, tekanan uap jenuh e
s
, tekanan uap aktual e
a
dan defisit tekanan uap air vpd. Masing-masing unsur iklim ini memiliki
pengaruh yang saling terkait satu sama lain. Tabel 11 Nilai koefisien korelasi dan P-value
Keterangan : Baris 1 : koefisien korelasi Baris 2 : nilai uji p
Keenam unsur iklim tersebut yang memiliki nilai koefisien korelasi linier nyata
p 0.05 adalah e
a
pada jeda waktu 1 bulan sebelum kasus Tabel 11.
4.5.1 Pengaruh CH terhadap MoMi
Analisis peluang kejadian dilakukan pada data iklim yang telah dikelompokkan dan
disesuaikan pada kejadian CH 1 ringan dan CH 2 sedang dengan menggunakan batasan
Depkes yaitu untuk kejadian 1 ringan adalah 0.83 dan kejadian 2 sedang adalah 2.495
terhadap CH.
a
b
c Gambar 10 Plot peluang a CH tanpa jeda,
b jeda waktu n-1 dan c jeda waktu n-2
Bentuk sebaran pada CH dengan tanpa jeda waktu dan jeda waktu 1 bulan sebelum
kasus, seluruhnya adalah 3 parameter log logistik. Sebaran tersebut dipilih karena
memiliki nilai AD terkecil Gambar 10 dan
17
CH Ringan
Sedang mm
20 8.678
1.491 a
40 19.013
4.055 CH n-0
60 30.23
8.277 80
40.795 14.142
100 50.025
21.337 200
77.159 59.59
300 87.614
81.059 400
92.335 90.319
500 94.811
94.521 20
9.879 -
40 21.913
- 60
35.916 -
b 80
49.212 2.281
CH n-1 100
60.389 8.49
200 87.616
50.916 300
94.886 74.311
400 97.405
84.852 500
98.494 90.128
20 9.406
0.54 40
20.947 2.35
60 33.186
6.05 c
80 44.364
11.84 CH n-2
100 53.832
19.46 200
80.001 61.61
300 89.407
13.39 400
93.525 91.93
500 95.648
95.57 Peluang
Unsur Jeda
Bentuk Koefisien
Iklim Waktu
Garis Trend Determinasi R
2
CH Tanpa Jeda
Linier 0.1
mm Jeda waktu n-1
Linier 0.19
Jeda waktu n-2 Polynomial
0.23
gambar Lampiran 5. Kejadian 3 berat tidak diikutsertakan karena jumlah datanya hanya
sedikit. Pada periode tanpa jeda waktu antara
CH dengan MoMi ; 90 kejadian ringan maupun sedang terjadi pada CH 400 mm per
bulan, tetapi 75 kejadian ringan terjadi pada CH 200 mm dan kejadian sedang baru
terjadi pada CH 300 mm per bulan Tabel 12. Berdasarkan kejadian hujan pada selang
waktu 0 – 2 bulan sebelum kasus Tabel 12, memperlihatkan bahwa kejadian sedang
mempunyai peluang besar terjadi jika CH relatif besar dibandingkan dengan kejadian
ringan.
Tabel 12 a Peluang kejadian CH tanpa jeda waktu b jeda waktu n-1, c jeda
waktu n-2 terhadap kejadian MoMi ringan dan sedang.
CH berpengaruh sangat lemah dan tidak nyata terhadap kasus malaria r = 0.11; p
0.0.5. Menggunakan data CH tanpa jeda waktu, serta jeda waktu 1 dan 2 bulan sebelum
kasus yang dihubungkan dengan kejadian MoMi, menghasilkan nilai-nilai koefisien
determinasi R
2
seperti pada Tabel 12 dengan nilai masing-masing sebesar 0.10, 0.19 dan
0.23 Tabel 13. Tabel
13 Nilai koefisien determinasi persamaan trend hubungan CH
terhadap MoMi
CH dibulan yang sama dengan kasus dapat menjelaskan MoMi yang terjadi sebesar
10 dan 19 dan 23 MoMi yang terjadi dapat dijelaskan dengan variabilitas CH 1 dan
2 bulan sebelum kasus, atau besarnya pengaruh CH dibulan yang sama dengan
kasus, serta 1 dan 2 bulan sebelum kasus terhadap MoMi masing-masing sebesar 10,
19 dan 23 sedangkan sisanya masing- masing 90, 81 dan 77 dijelaskan oleh
faktor lain di luar variabel CH Tabel 13.
Berdasarkan trend hubungan, secara linier CH tidak berpengaruh tetapi dengan
polinomial dapat mejelaskan pengaruh CH dengan lebih baik. Persamaan trend terbaik
adalah CH 2 bulan sebelum kasus dengan persamaannya adalah y = -0.0161x
2
+ 0.3426x – 0.5854. Grafik hasil uji regresi terdapat
pada gambar Lampiran 6.
4.5.2 Pengaruh e