Pengaruh CH terhadap MoMi

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