Spatial and Temporal Analysis of Avian Influenza on Poultry Sector IV in Daerah Istimewa Yogyakarta Province
ANALISIS SPASIAL DAN TEMPORAL KASUS AVIAN
INFLUENZA PETERNAKAN UNGGAS SEKTOR IV DI
PROVINSI DAERAH ISTIMEWA YOGYAKARTA
PURNAMA MARTHA OKTAVIA SIMANJUNTAK
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa tesis berjudul Analisis Spasial dan
Temporal Kasus Avian Influenza Peternakan Unggas Sektor IVdi Provinsi Daerah
Istimewa Yogyakartaadalah benar karya saya denganarahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juli 2013
Purnama Martha Oktavia Simanjuntak
B251110061
RINGKASAN
PURNAMA MARTHA OKTAVIA SIMANJUNTAK. Analisis Spasial dan
Temporal Kasus Avian Influenza Peternakan Unggas Sektor IV di Provinsi Daerah
Istimewa Yogyakarta. Dibimbing oleh ETIH SUDARNIKA dan MUHAMMAD
NUR AIDI.
Penyakit Avian Influenza (AI) pada unggas telah terjadi di Indonesia selama
9 tahun (2003-2012) dan berpotensi menjadi pandemi bagi manusia.
ProvinsiDaerah Istimewa Yogyakarta(DIY)termasuk rawan penyebaran virus AI
bahkan pernah menjadi daerah dengan jumlah kejadian kasus AI pada unggas
yang tertinggi di Indonesia.
Penelitian ini bertujuan untuk mengetahui pusat konsentrasi kasus AI,
mengidentifikasi korelasi spasial dan pola kejadian kasus AI,mengidentifikasi
adanya hubungan antara jumlah populasi unggas dengan kasus AI, mengetahui
daerah-daerah yang menjadi hotspot dan mengetahui pola temporal kasus AI. Data
yang digunakan dalam penelitian merupakan data sekunder yang diperoleh dari
Participatory Disease Surveillance and Responsedan Dinas Peternakan dan
Kesehatan Hewan Provinsi DIY berupa jumlah kasus AI, titik koordinat GPS
daerah yang diteliti dan populasi unggas per kecamatan di Provinsi DIY pada
tahun 2009-2012. Analisis data dilakukan menggunakan metode mean spatial,
moran scatterplot, uji khi-kuadrat, dan ARIMA.Hasil penelitian diharapkan dapat
memberikan informasi mengenai penyakit AI bagi pemerintah pusat, pemerintah
daerah, maupun masyarakat sebagai bahan pertimbangan dalam menentukan
kebijakan pencegahan dan penanggulangan kasus AI di Provinsi DIY.
Pola spasial daerah yang menjadi pusat konsentrasi kasus AI secara umum
mengalami pergeseran setiap tahunnya di tingkat kabupaten/kota maupun di
tingkat provinsi ke daerah di dekatnya. Daerah yang muncul lebih dari satu kali
sebagai pusat kasus AI di Provinsi DIY adalah Kabupaten Bantul.Kabupaten
Gunung Kidul muncul satu kali sebagai pusat konsentrasi kasus AI. Daerah yang
menjadi pusat konsentrasi kasus AI perlu diwaspadai sebagai sumber penularan
AI.
Pola kejadian kasus AI di Provinsi DIY secara keseluruhan lebih sering
terjadi dalam bentuk pola gerombol. Pola gerombol ini terjadi pada tahun 2010,
tahun 2011, dan pada analisis selama empat tahun sekaligus. Pola acak hanya
ditemukan pada tahun 2009 dan tahun 2012.
Terdapat korelasi spasial kasus AI yang positif maupun negatif di Provinsi
DIY. Daerah yang muncul lebih dari satu kali sebagai hotspot sehingga berpotensi
menjadi sumber penularan AIadalah Kecamatan Pakem, Kecamatan Samigaluh,
Kecamatan Kalasan, Kecamatan Umbulharjo, Kecamatan Pandak, Kecamatan
Patuk, Kecamatan Sentolo, Kecamatan Tempel, Ngaglik, Kecamatan Lendah,
Kecamatan Jetis, Kecamatan Sanden dan Kecamatan Sewon. Daerah muncul lebih
dari satu kali sebagai coldspot sehingga rawan tertular AI adalah Kecamatan
Girimulyo, Kecamatan Lendah, Kecamatan Moyudan, Kecamatan Prambanan,
Kecamatan Turi, Kecamatan Gedangsari, Kecamatan Purwosari, Kecamatan
Banguntapan, Kecamatan Pajangan, Kecamatan Imogiri, dan Kecamatan
Bambanglipuro.
Analisis dengan uji khi-kuadratterhadap hubungan antara jumlah populasi
dengan jumlah kasus AI di Provinsi DIY pada tahun 2009-2012 menunjukkan
adanya hubungan diantara kedua hal tersebut. Hal ini berarti keberadaan AI di
Provinsi DIY dipengaruhi oleh jumlah populasi unggas yang ada. Pengendalian
jumlah populasi unggas dapat memberikan pengaruh yang nyata terhadap
keberadaan penyakit AI.
Pola temporal kasus AI selama tahun 2009-2012 di Provinsi DIY diketahui
menggunakan model ARIMA(0,2,1). Pola temporal hasil analisis memperlihatkan
peningkatan kasus AI cenderung terjadi pada bulan Januari-Maret.
Kecenderungan waktu terjadinya kasus AI bertepatan dengan terjadinya musim
hujan.
Kata kunci:analisis spasial, analisis temporal,avian influenza, hotspot.
SUMMARY
PURNAMA MARTHA OKTAVIA SIMANJUNTAK. Spatial and Temporal
Analysis of Avian Influenza on Poultry Sector IV in Daerah Istimewa Yogyakarta
Province. Supervised byETIH SUDARNIKAandMUHAMMAD NUR AIDI.
Avian influenza (AI) disease on poultry has occurred in Indonesia for 9
years (2003-2012) and potentially became a pandemic for human. DIY province
was vulnerable in term of AI virus spreads, in fact it had ever became the highest
AI cases on poultry in Indonesia.
The objectives of this research are to located the center on AI cases, spatial
correlation and AI cases pattern identification, identifying the relationship
between poultry population and the number of AI cases, locate areas that become
hotspot and figure out AI cases temporal pattern. Data used in this research is a
secondary data from Participatory Disease Surveillance and Response (PDSR) and
Dinas Peternakan dan Kesehatan Hewan Provinsi DIY for number of AI cases,
GPS coordinate and poultry population of each sub-district in DIY province in
2009-2012. Mean spatial, moran scatterplot, Chi-Square test, and ARIMA are
used for data analysis. Result from this research is expected to provide
information regarding AI disease to the central government, regional government,
and public society as an advice for deciding the prevention policy and AI cases
treatment in DIY province.
Areas that become the center of AI cases generally moved every year at the
district or provincial level to the nearby area. Areas that become center of AI
cases more than once are Bantul district. Gunung Kidul district only once became
the center of AI cases. Area that became the center of AI cases needs to be aware
as a source of AI disease infection.
AI cases in DIY province generally in clustered pattern. Clustered pattern
was occurred in 2010, 2011 and four year analysis. Random pattern found in 2009
and 2012.
There was a positive or negative of spatial correlation of AI cases in DIY
province. Areas that became hotspot more than once and potentially became
center of AI disease spread are Pakem sub-district, Samigaluh sub-district,
Kalasan sub-district, Umbulharjo sub-district, Pandak sub-district, Patuk subdistrict, Sentolo sub-district, Tempel sub-district, Ngaglik sub-district, Lendah
sub-district, Jetis sub-district, Sanden sub-district and Sewon sub-district. Areas
that became coldspot more than once and potentially vulnerable to AI disease are
Girimulyo sub-district, Lendah sub-district, Moyudan sub-district, Prambanan
sub-district, Turi sub-district, Gedangsari sub-district, Purwosari sub-district,
Banguntapan sub-district, Pajangan sub-district, Imogiri sub-district and
Bambanglipuro sub-district
Chi-Square analysis show the correlation between poultry population and
number of AI cases in DIY province in 2009-2012. This mean that AI cases DIY
province was affected by number of poultry population. Poultry population
control can affected the AI cases.
ARIMA (0,2,1) model was used to identify AI cases temporal pattern in
2009-2012. Temporal pattern shows the increasing trend of AI cases in JanuaryMarch. Timing of AI cases coincided with the rainy season.
Keyword:avian influenza, hotspot, spatial analysis, temporal analysis
© Hak Cipta Milik IPB, Tahun 2013
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan
IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apa pun tanpa izin IPB
ANALISIS SPASIAL DAN TEMPORAL KASUS AVIAN
INFLUENZA PETERNAKAN UNGGAS SEKTOR IV DI
PROVINSI DAERAH ISTIMEWA YOGYAKARTA
PURNAMA MARTHA OKTAVIA SIMANJUNTAK
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains
pada
Program Studi Kesehatan Masyarakat Veteriner
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Penguji pada Ujian Tertutup: Prof Dr drh I Wayan Teguh Wibawan, MS
l
udul Tesis : Analisis Spasial dan Temporal Kasus Avian Influenza Petemakan
Unggas Sehor IV eli Provinsi Daerah Istimewa Y ogyakarta
ama
: Purnama Martha Oktavia Simanjuntak
{
: B251 110061
Disetujui oleh
Komisi Pembimbing
Dr If Etih Sudamika, MSi
Ketua
Dr Ie Muhammad Nur Aidi, MS
Anggota
Diketahui oleh
Ketua Program Studi
Kesehatan Masyarakat Veteriner
Dr med vet drb D enny Widaya Lukman, MSi
Tanggal Ujian: 23 Juli 2013
Tanggal Lulus:
2 1 PlUG 2013
Judul Tesis :Analisis Spasial dan Temporal Kasus Avian Influenza Peternakan
Unggas Sektor IV di Provinsi Daerah Istimewa Yogyakarta
Nama
: Purnama Martha Oktavia Simanjuntak
NIM
: B251110061
Disetujui oleh
Komisi Pembimbing
Dr Ir Etih Sudarnika, MSi
Ketua
Dr Ir Muhammad Nur Aidi, MS
Anggota
Diketahui oleh
Ketua Program Studi
Kesehatan MasyarakatVeteriner
Dekan Sekolah Pascasarjana
Drmed vet drh Denny Widaya Lukman, MSi
Dr Ir Dahrul Syah, MScAgr
Tanggal Ujian: 23 Juli 2013
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Allah atas segala karuniaNya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam
penelitian yang dilaksanakan sejak bulan Maret 2013 ini ialah Avian Influenza,
dengan judul Analisis Spasial dan Temporal Kasus Avian Influenza Peternakan
Unggas Sektor IV di Provinsi Daerah Istimewa Yogyakarta.
Penulis menyampaikan terima kasih kepada IbuDr Ir Etih Sudarnika, MSi,
dan Bapak Dr Ir Muhammad Nur Aidi, MS,selaku pembimbing yang telah banyak
memberi saran dan masukan. Penulis juga menyampaikan penghargaan
kepadaBapak drhSyafrison Idris, MSi (Direktorat Keswan Kementan),Ibu Siwi,
Bapak Dhoto, Bapak Romli, Ibu Kurir dan Bapak Tri dari LDCC Provinsi
DIYyang telah membantu selama pengumpulan data dan literatur, serta Badan
Pengembangan Sumber Daya Manusia Kementerian Pertanian Republik Indonesia
yang telah memberikan kesempatan melalui beasiswa yang diberikan agar penulis
dapat menempuh studi S2. Ungkapan terima kasih juga disampaikan kepadaDr
med vet drh Denny Widaya Lukman, MSi, selaku Ketua Program Studi Kesehatan
Masyarakat Veteriner. Tidak lupa disampaikan terimakasih kepadaseluruh
karyawan dan dosen FKH IPB dan FMIPA IPB, orang tua, suami serta seluruh
keluargayang telah memberikan dukungan dalam menyelesaikan tesis.
Semoga karya ilmiah ini dapat bermanfaat.
Bogor,Juli2013
Purnama Martha Oktavia Simanjuntak
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
v
1 PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Manfaat Penelitian
Hipotesis
1
1
2
2
2
2 TINJAUAN PUSTAKA
Surveilans
Analisis Spasial
Asosiasi Spasial
Morans Scatterplot
Hotspot
ARIMA
3
3
3
4
4
5
5
3 METODE PENELITIAN
Waktu dan Tempat Penelitian
Pengumpulan Data
Kerangka Konsep Penelitian
Analisis Data
7
7
7
7
8
4 HASIL DAN PEMBAHASAN
Pusat Konsentrasi Kasus AI
Pola Kejadian Kasus AI
Korelasi Spasial dan Hotspot Area
Hubungan Antara Jumlah Populasi Unggas dan Kasus AI
Pola Temporal
Faktor Risiko AI
10
10
16
18
23
27
33
5 SIMPULAN DAN SARAN
Simpulan
Saran
35
35
36
DAFTAR PUSTAKA
37
LAMPIRAN
39
RIWAYAT HIDUP
43
DAFTAR TABEL
1
2
3
4
5
6
7
8
Tabel 1 Titik koordinat pusat konsentrasi kasus AI di Provinsi DIY
tahun 2009-2012
Tabel 2 Nilai Z hitung dan pola kejadian AI di Provinsi DIY tahun
2009-2012
Tabel 3 Distribusi frekuensi kecamatan yang terkena AI
Tabel 4 Distribusi frekuensi populasi unggas setiap kecamatan
Tabel 5 Hasil uji khi kuadrat antara jumlah populasi unggas dan
kejadian kasus AI di Provinsi DIY pada tahun 2009
Tabel 6 Hasil uji t terhadap masing-masing model ARIMA
Tabel 7 Nilai koefisien ARIMA(0,2,1)
Tabel 8 Prediksi kejadian kasus AI di Provinsi DIY pada tahun 2013
11
17
24
24
25
31
32
33
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Autokorelasi spasial dengan pola visual seperti papan catur (a)
autokorelasi spasial positif, (b) autokorelasi spasial negatif, (c) tidak
terdapat autokorelasi spasial.
Kerangka konsep penelitian
Pusat konsentrasi kasus AI di Provinsi DIY tahun 2009-2012
(Kecamatan Pleret, Kecamatan Banguntapan, Kecamatan Patuk, dan
Kecamatan Sewon).
Pusat konsentrasi kasus AI di Kabupaten Bantul tahun 2009-2012
(Kecamatan Jetis, Kecamatan Bantul, dan Kecamatan Pleret).
Pusat konsentrasi kasus AI di Kabupaten Gunung Kidul tahun 20092012 (Kecamatan Playen, Kecamatan Wonosari, Kecamatan Paliyan,
dan Kecamatan Saptosari.
Pusat konsentrasi kasus AI di Kabupaten Kulon Progo tahun 20092012 (Kecamatan Pengasih, Kecamatan Wates, dan Kecamatan
Sentolo).
Pusat Konsentrasi Kasus AI di Kabupaten Sleman tahun 2009-2012
(Kecamatan Mlati dan Kecamatan Sleman).
Pusat Konsentrasi Kasus AI di Kota Yogyakarta tahun 2009-2012
(Kecamatan Mergangsan, Kecamatan Gondomanan, dan Kecamatan
Umbulharjo).
Ilustrasi pola penyakit (a) tahun x, (b) tahun y, (c) tahun x+tahun y.
Peta tematik berdasarkan plot pencaran Moran kasus AI tahun 2009
di Provinsi DIY
Peta tematik berdasarkan plot pencaran Moran kasus AI tahun 2010
di Provinsi DIY
Peta tematik berdasarkan plot pencaran Moran kasus AI tahun 2011
di Provinsi DIY
Peta tematik berdasarkan plot pencaran Moran kasus AI tahun 2012
di Provinsi DIY
Peta distribusi frekuensi kecamatan yang terkena AI di Provinsi DIY
tahun 2009
4
8
12
12
13
14
14
15
18
19
20
21
22
25
15
16
17
18
19
20
21
22
23
24
Peta distribusi frekuensi kecamatan yang terkena AI di Provinsi DIY
tahun 2010
Peta distribusi frekuensi kecamatan yang terkena AI di Provinsi DIY
tahun 2011
Peta distribusi frekuensi kecamatan yang terkena AI di Provinsi DIY
tahun 2012
Plot data aktual kejadian AI bulanan di Provinsi DIY tahun 20092012
Nilai fungsi autokorelasi dari data aktual kasus AI di Provinsi DIY
tahun 2009-2012 pada tingkat kepercayaan 95%
Nilai fungsi autokorelasi parsial dari data aktual kasus AI di Provinsi
DIY tahun 2009-2012 pada tingkat kepercayaan 95%
Plot data kejadian AI bulanan di Provinsi DIY tahun 2009-2012
hasil penurunankedua
Nilai fungsi autokorelasi dari penurunankedua terhadap data aktual
kasus AI di Provinsi DIY tahun 2009-2012 pada tingkat kepercayaan
95%
Nilai fungsi autokorelasi parsial dari penurunankedua terhadap data
aktual kasus AI di Provinsi DIY tahun 2009-2012 pada tingkat
kepercayaan 95%
Plot data aktual dan prediksi kejadian kasus AI berikutnya dengan
model terbaik ARIMA(0,2,1)
26
26
27
28
28
29
30
30
31
32
DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8
Lampiran 1 Titik koordinat GPS dan jumlah unggas di Kabupaten
Kulon Progo
Lampiran 2 Titik koordinat GPS dan jumlah unggas di Kabupaten
Sleman
Lampiran 3 Titik koordinat GPS dan jumlah unggas di Kabupaten
Gunung Kidul
Lampiran 4 Titik koordinat GPS dan jumlah unggas di Kota
Yogyakarta
Lampiran 5 Titik koordinat GPS dan jumlah unggas di Kabupaten
Bantul
Lampiran 6 Plot data kejadian AI bulanan di Provinsi DIY tahun
2009-2012 hasil penurunanpertama
Lampiran 7 Nilai fungsi autokorelasi dari penurunanpertama
terhadap data aktual kasus AI di Provinsi DIY tahun 2009-2012 pada
tingkat kepercayaan 95%
Lampiran 8 Nilai fungsi autokorelasi parsial dari penurunanpertama
terhadap data aktual kasus AI di Provinsi DIY tahun 2009-2012 pada
tingkat kepercayaan 95%
39
39
40
40
41
41
42
42
1 PENDAHULUAN
Latar Belakang
Penyakit avian influenza(AI) H5N1 pada unggas telah terjadi di Indonesia
selama 9 tahun (2003-2012). AI merupakan penyakit yang sangat mematikan bagi
manusia, baik yang bersentuhan langsung dengan unggas yang terinfeksi maupun
yang tidak mempunyai riwayat sedikitpun bersentuhan langsung dengan unggas
yang terinfeksi AI. Berbagai upaya pencegahan yang dilakukan oleh pemerintah
belum efektif untuk mengatasi jatuhnya korban dari penyakit AI ini, serta
ditambah kurangnya partisipasi masyarakat untuk melakukan tindakan
pencegahan terhadap penyebaran penyakit AI (Ditkeswan 2005).
Strategi surveilans untuk mendeteksi adanya virus AI H5N1 pada unggas
dan burung-burung liar telah dilakukan beberapa negara untuk mengatasi penyakit
ini. Surveilans epidemiologi ini merupakan upaya kewaspadaan dini kejadian AI
sekaligus kewaspadaan dini pandemik influenza beserta faktor-faktor yang
mempengaruhinya. Surveilans epidemiologi bermanfaat untuk meningkatkan
sikap tanggap kesiapsiagaan, upaya-upaya dan tindakan penanggulangan yang
cepat dan tepat dalam melakukan deteksi awal terjadinya AI. Analisis spasial
dapat menjadi salah satu metode dalam surveilans yang sangat bermanfaat dalam
memberikan informasi yang menjelaskan lokasi atau letak, menjelaskan suatu
kecenderungan (tren), menjelaskan tentang pola kejadian, serta pemodelan.
Provinsi Daerah Istimewa Yogyakarta (DIY) terletak di bagian selatan
Pulau
Jawabagian
tengah
dan
berbatasan
denganProvinsi
Jawa
TengahdanSamudera Hindia. Provinsi DIY yang memiliki luas 3.185,80 km2
terdiri atas 1 kotamadya dan 4 kabupaten, yang terbagi lagi menjadi 78 kecamatan
dan 438 desa/kelurahan (BPPD Provinsi DIY 2010). Provinsi DIY termasuk
rawan penyebaran virus AI, terbukti setiap tahun terdapat laporan kasus unggas
mati mendadak dan dinyatakan positif AI. Pemerintah di Provinsi DIY telah
meningkatkan kewaspadaan dini terhadap serangan AI karena merebaknya kasus
di sejumlah daerah. Provinsi DIY menjadi daerah dengan kasus AI tertinggi pada
tahun 2011 yaitu sebanyak 141.6 per 1000 desa berdasarkan laporan Participatory
Disease Surveillance and Response (PDSR) (UPPAI 2012).
Permasalahan yang akan dibahas dalam penelitian ini adalah penyebaran
kasus AI di Provinsi DIY di berbagai kecamatan dengan jumlah kasus yang
bervariasi. Suatu daerah dengan kasus AI yang tinggi diduga berpengaruh
terhadap kejadian AI di daerah sekitarnya. Jumlah populasi unggas dalam suatu
daerah juga menjadi faktor yang mungkin berpengaruh terhadap kejadian AI.
Informasi yang tepat mengenai daerah yang menjadi pusat terjadinya kasus AI,
kemungkinan pergeseran pusat daerah kasus AI yang terjadi setiap tahunnya,
waktu puncak terjadinya kasus AI (pola temporal), serta pola kejadian kasus AI
akan dapat membantu pemerintah maupun masyarakat untuk menerapkan strategi
terbaik dalam pengendalian dan pemberantasan penyakit AI di Provinsi DIY.
Salah satu studi dalam surveilans yang dapat digunakan untuk
mengidentifikasi dan menganalisis pola kejadian berdasarkan waktu dan tempat
adalah analisis spasial dan temporal. Analisis tersebut telah banyak digunakan
2
untuk pengendalian penyakit seperti malaria, demam berdarah, Aujeszky’s
disease,dan Neospora caninum. Analisis spasial dan temporal dapat memberikan
informasi yang lengkap mengenai korelasi spasial yang terjadi, pemetaan
penyakit, waktu,dan pola kejadian penyakit.
Tujuan Penelitian
Tujuan dari penelitian ini adalah (1) mengetahui daerah-daerah yang
cenderung menjadi pusat konsentrasi kasus AI setiap tahunnya berdasarkan data
pada periode 2009-2012 di Provinsi DIY sehingga dapat memberikan informasi
bagi pemerintah dan masyarakat agar dapat menangani kasus AI dengan tepat; (2)
mengidentifikasi pola kejadian kasus AI; (3) mengetahui korelasi spasial dan
daerah-daerah yang menjadi hotspotsehingga diketahui pengaruh kejadian AI di
suatu daerah dengan daerah sekitarnya; (4)mengidentifikasi adanya hubungan
antara jumlah populasi unggas dengan kasus AI; dan (5) mengetahui pola
temporal kasus AI agar penanganan AI oleh pemerintah dapat lebih tepat sasaran.
Manfaat Penelitian
Hasil penelitian diharapkan dapat memberikan informasi penyebaran kasus
AI H5N1 di Provinsi DIY mengenai daerah yang cenderung menjadi pusat
konsentrasi kasus AI, korelasi spasial kasus AI, pola kejadian kasus AI, hubungan
jumlah populasi unggas terhadap munculnya kasus AI, serta daerah-daerah yang
menjadi hotspot dan pola temporal kasus AI. Hasil penelitian ini diharapkan dapat
memberikan manfaat bagi pemerintah pusat, pemerintah daerah, maupun
masyarakat sebagai bahan pertimbangan dalam menentukan kebijakan
pencegahan dan pengendalian kasus AI H5N1 di Provinsi DIY.
Hipotesis
Hipotesis yang akan diuji pada penelitian ini adalah:
1. Terdapat pergeseran daerah yang menjadi pusat konsentrasi kejadian kasus AI
setiap tahunnya.
2. Terdapat pola kejadian kasus AI.
3. Terdapat korelasi spasial AI dan daerah yang menjadi hotspot kasus AI.
4. Jumlah populasi unggas di suatu daerah berpengaruh terhadap kejadian kasus
AI.
5. Terdapat pola temporal kasus AI setiap tahunnya.
2 TINJAUAN PUSTAKA
Surveilans
Surveilans epidemiologi merupakan pengamatan penyakit pada populasi
yang dilakukan secara terus menerus dan berkesinambungan, untuk menjelaskan
pola penyakit, riwayat penyakit dan memberikan data dasar untuk pengendalian
dan penanggulangan penyakit tersebut. Surveilans epidemiologi tidak terbatas
pada pengumpulan data, tetapi juga tabulasi, analisis dan interpretasi data serta
publikasi dan distribusi informasi. Jenis data yang dikumpulkan juga menyangkut
subjek yang sangat luas termasuk data tentang faktor risiko individu, demografis,
dan lingkungan (Noor 2000).
Surveilans terpadu adalah kegiatan pengumpulan data, baik faktor risiko
maupun kejadian penyakit yang dilakukan secara simultan, sistematik, periodik,
berkesinambungan dan terencana, yang diikuti oleh analisis data untuk
mendapatkan informasi yang digunakan dalam pengambilan keputusan
(manajemen) (Hasyim 2008). Pola kejadian AI dapat dianalisis berdasarkan ruang
(spasial) dan waktu (temporal). Kajian pola kejadian dan faktor risiko penyakit
avian influenza (AI) dapat digunakan untuk menyusun program pengendalian dan
pencegahan AI (Saswiyanti 2012). Analisis spasial dan temporal mendeteksi
pengelompokan daerah (clustering area) yang memiliki intensitas kejadian paling
tinggi dalam waktu tertentu dan mengevaluasi signifikansinya secara statistik
(Kulldorf 2010).
Analisis Spasial
Analisis spasial merupakan sekumpulan metode untuk menemukan dan
menggambarkan tingkatan atau pola dari sebuah fenomena spasial, sehingga dapat
dimengerti dengan lebih baik. Penggunaan analisis diharapkan dapat memberikan
infomasi baru yang dapat digunakan sebagai dasar pengambilan keputusan di
bidang yang dikaji. Metode analisis spasial yang tersedia sangat bervariasi berupa
observasi visual sampai ke pemanfaatan matematika/statistik terapan (Sadahiro
2006).
Sebagai sebuah metode, analisis spasial bermanfaat membantu menganalisis
kondisi permasalahan berdasarkan data dari daerah yang menjadi sasaran. Konsep
yang paling mendasar dalam analisis spasial adalah jarak, arah, dan hubungan.
Kombinasi dari ketiganya mengenai suatu daerah akan bervariasi sehingga
membentuk perbedaan yang signifikan dan membedakan satu lokasi dengan yang
lainnya. Dengan demikian jarak, arah, dan hubungan antara lokasi suatu objek
dalam suatu daerah dengan objek di daerah yang lain akan memiliki perbedaan
yang jelas. Ketiga hal tersebut akan selalu ada dalam sebuah analisis spasial
dengan tahapan-tahapan tertentu tergantung dari sudut pandang dalam
memandang sebuah permasalahan yang akan dianalisis (Cholid 2009).
4
Asosiasi Spasial
Asosiasi spasial di beberapa literatur tidak dibedakan dengan sebutan
autokorelasi spasial, karena pada dasarnya secara definisi memang mengacu pada
pemaknaan yang sama yaitu terdapatnya suatu kemiripan objek di dalam suatu
ruang yang saling berhubungan. Penggunaan asosiasi lebih menekankan pada data
yang bersifat kategorik sedangkan korelasi mengacu pada hubungan data numerik.
Pada kasus spasial, penggunaan istilah asosiasi jika suatu data berbasis pada data
areal (polygon) dan memiliki hubungan yang bersifat ketetanggaan, sedangkan
istilah korelasi dalam konteks spasial, digunakan jika data berbasis titik (point
patern) dan memiliki hubungan yang mengacu pada jarak. Penelitian ini tidak
akan membedakan antara penggunaan istilah asosiasi ataupun korelasi spasial, hal
ini karena beragam literatur yang peneliti gunakan. Silk (1979) dalam bukunya
menjelaskan tentang autokorelasi berbasis pada data area ada yang bersifat positif
dan negatif. Autokorelasi dikatakan positif jika dalam suatu daerah yang saling
berdekatan mempunyai nilai yang mirip dan bersifat menggerombol. Autokorelasi
dikatakan negatif jika dalam suatu daerah yang berdekatan nilainya berbeda dan
tidak mirip. Ilustrasi mengenai autokorelasi dapat dilihat pada Gambar 1.
Gambar 1Autokorelasi spasial dengan pola visual seperti papan catur (a)
autokorelasi spasial positif, (b) autokorelasi spasial negatif,
(c) tidak terdapat autokorelasi spasial.
Morans Scatterplot
Morans scatterplot menyediakan suatu analisis eksplorasi secara visual
untuk mendeteksi autokorelasi spasial (Anselin 1995). Hasil yang ditampilkan
adalah data yang telah distandardisasikan dalam z-score, dan bukan menggunakan
5
data aslinya. Perolehan z-score ini merupakan beda nilai antara pengamatan
dengan nilai (rataan) harapan dari peubah. Standarisasi mengacu pada simpangan
baku. Z-score berdistribusi normal dan memiliki persamaan sebagai berikut.
Zi =
merupakan nilai dari peubah yang diamati di lokasi . merupakan
adalah simpangan baku dari
nilai rataan dari peubah pada semua lokasi dan
peubah . Morans scatterplot disajikan berbasis pada data z-score suatu lokasi
pada satu sumbu, dan nilai z-score rata-rata tetangganya pada sumbu yang lain.
Secara visual Morans scatterplot terbagi atas 4 kuadran.
Kuadran pertama terletak di kanan atas yang disebut juga kuadran highhigh, artinya memiliki autokorelasi positif. Nilai pengamatan lokasi tersebut
tinggi dan dikelilingi oleh area sekitar yang juga tinggi. Pola visual yang
terbentuk adalah pola gerombol (cluster) antara area bernilai pengamatan tinggi
dan dilambangkan dengan warna merah tua. Kuadran kedua terletak di kanan
bawah yang disebut kuadran high-lo, artinya memiliki autokorelasi negatif. Nilai
pengamatan lokasi tersebut tinggi dan dikelilingi oleh area sekitar yang memiliki
nilai rendah. Pola visual yang terbentuk adalah pola outliers dengan nilai
pengamatan tinggi (hotspot) dilambangkan dengan warna merah muda. Kuadran
ketiga terletak di kiri bawah yang disebut kuadran low-low, artinya memiliki
autokorelasi positif. Nilai pengamatan lokasi tersebut rendah dan dikelilingi oleh
area sekitar yang juga rendah. Pola visual yang terbentuk adalah pola gerombol
(cluster) antara area pengamatan yang rendah dan dilambangkan dengan warna
biru tua. Kuadran keempat terletak di kiri atas yang disebut kuadran low-high
artinya memiliki autokorelasi negatif. Nilai pengamatan lokasi tersebut rendah
dan dikelilingi oleh area yang tinggi. Pola visual yang terbentuk adalah pola
outliers dengan nilai pengamatan rendah (coldspot) yang dilambangkan dengan
warna biru muda (Anselin 1995).
Hotspot
Hotspot didefinisikan sebagai sesuatu yang tidak biasa, anomali, kelainan,
wabah, cluster tinggi, atau daerah kritis (Patil dan Taillie 2004). Harran et al.
(2006) juga menyatakan bahwa hotspot adalah lokasi atau daerah yang memiliki
kejadian dengan tingkatan yang tinggi dan konsisten dengan kemungkinan
memiliki karakteristik yang berbeda dengan daerah sekitarnya.
ARIMA
Autoregressiveintegrated moving average(ARIMA) sering juga disebut
metode runtun waktu Box-Jenkins. ARIMA sangat baik ketepatannya untuk
peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ketepatan
peramalannya kurang baik karena cenderung datar. Model ARIMA adalah model
6
yang secara penuh mengabaikan variabel independen dalam membuat peramalan.
ARIMA menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk
menghasilkan peramalan jangka pendek yang akurat. ARIMA akan cocok jika
observasi dari deret waktu (time series) secara statistik berhubungan satu sama
lain (dependent).Model ARIMA terdiri dari tiga langkah dasar yaitu tahap
identifikasi, tahap penaksiran dan pengujian, dan pemeriksaan diagnostik.
Selanjutnya model ARIMA dapat digunakan untuk melakukan peramalan jika
model yang diperoleh memadai (BPS 2009).
3 METODE PENELITIAN
Waktu dan Tempat Penelitian
Penelitian dilakukan di Provinsi Daerah Istimewa Yogyakarta pada bulan
Maret 2013 sampai dengan April 2013.
Pengumpulan Data
Sumber data adalah data sekunder dari kejadian kasus aktif AI H5N1 di
Provinsi DIY tahun 2009-2012. Data kasus AI berasal dari data yang telah
diambil oleh petugas PDSR hasil kerjasama Direktorat Kesehatan Hewan
Direktorat Jenderal Peternakan dan Kesehatan Hewan dengan Food Agricultural
Organization (FAO). Data sekunder yang digunakan berupa jumlah kasus aktif AI
di Provinsi DIY dan koordinat titik global positioning system (GPS)kasus positif
AI H5N1 yang dicatat setiap bulan dari Januari sampai dengan Desember pada
periode yang ditentukan. Koordinat GPS tersebut diambil menggunakan alat bantu
GPS merek Garmin tipe 72S yang memiliki akurasi 15 meter. Data mengenai
jumlah populasi unggas dan peta digital daerah-daerah di Provinsi DIY diperoleh
dari Dinas Peternakan dan Kesehatan Hewan Provinsi DIY.
Kerangka Konsep Penelitian
Penelitian dilaksanakan dengan kerangka konsep sebagaimana terlihat pada
Gambar 2.
8
Gambar 2Kerangka konsep penelitian
Analisis Data
Analisis akan dilakukan terhadap jumlah kejadian kasus aktif AI
H5N1selama periode 2009-2012 pada sektor IV di Provinsi DIY, koordinat titik
GPS kasus positif AI H5N1, serta koordinat titik GPS lokasi seluruh kecamatan
yang ada di Provinsi DIY. Peta digital Provinsi DIY diperoleh dari Dinas
Peternakan dan Kesehatan HewanProvinsi DIY.
Perubahan pusat konsentrasi kasus AI dianalisis pada setiap tahun dan
dibandingkan dengan tahun lainnya selama tahun 2009-2012 menggunakan
Metode mean spatial. Analisis akan memberikan hasil berupa kecamatan yang
menjadi pusat konsentrasi AI di tiap kabupaten/kota di Provinsi DIY. Persamaan
mean spatialadalah:
dan
X=
∑
∑
n
i =1
n
i =1
wixi
wi
Y=
∑
∑
n
i =1
n
i =1
wiyi
wi
dan merupakannilai rataan dari titik koordinat GPS daerah kecamatan yang
diteliti. Wi adalah jumlah unggas sakit pada kecamatan yang diamati.Xi dan yi
adalah nilai koordinat GPS masing-masing kecamatan yang diamati.
9
Pola kejadian kasus AI dianalisis dengan persamaan morans scatterplotyang
menghitung z-scoredi setiap wilayah yang diteliti. Analisis ini memerlukan peta
daerahProvinsi DIY yang akan disandingkan dengan data kasus aktif di daerah
tersebut. Z-score kecamatan yang diamati akan dibandingkan dengan z-score ratarata kecamatan tetangganya.Hasil analisis akan memberikan gambaranpola
kejadian AI diProvinsi DIY berupa gerombol, reguler atau acak.Persamaan
morans scatterplot adalah:
Zi =
Zi merupakan z-score yang merupakan beda nilai antara pengamatan dengan nilai
(rataan) harapan dari jumlah kasus aktif AI. merupakan jumlah kasus AI yang
diamati di kecamatan (dihitung per kabupaten/kota). merupakan nilai rataan
dari jumlah kasus AI pada semua kecamatan di Provinsi DIY dan
adalah
simpangan baku dari jumlah kasus aktif AI.
Analisismenggunakan morans scatterplotjuga dapat menentukan adanya
korelasi spasial dan daerah yang menjadi hotspot kasus AI. Morans scatterplot
disajikan berbasis pada data z-score suatu lokasi pada satu sumbu dan nilai zscore rata-rata tetangganya pada sumbu yang lain untuk mengetahui korelasi
spasial setiap daerah yang diamati.Z-scoreyang diperoleh akan menentukan
pembagian setiap daerah yang diteliti ke dalam kuadran yang sesuai menggunakan
piranti lunak SPSS versi 16.0. Kuadran tersebut terbagi menjadi empat yaitu
kuadran pertama yang disebut high-high, kuadran kedua yang disebut high-low
dan dikenal sebagai hotspot, kuadran ketiga yang disebut low-low, serta kuadran
keempat yang disebut low-highdan dikenal sebagai coldspot. Besarnya nilai zscore juga akan menentukan korelasi spasial yang ada pada daerah yang diteliti.
Area hotspot kasus AI dapat diketahui dari hasil penggolongan kuadran yang telah
diperoleh dan kemudian divisualisasikan dalam bentuk peta tematik Provinsi DIY
dengan menggunakan piranti lunak ArcGIS versi 10.1.
Uji khi-kuadrat akan digunakan untuk menganalisis hubungan kasus aktif
AI dengan jumlah unggas di masing-masing kecamatan. Sebelum dilakukan uji
maka dibuat terlebih dahulu distribusi frekuensi jumlah kasus AI per kecamatan
dan jumlah populasi unggas. Hasil uji akan memberikan keputusan adanya
hubungan antara jumlah unggas di suatu kecamatan terhadap munculnya kasus AI
di daerah tersebut apabila nilai p-value yang diperoleh lebih kecil dari alfa
(
INFLUENZA PETERNAKAN UNGGAS SEKTOR IV DI
PROVINSI DAERAH ISTIMEWA YOGYAKARTA
PURNAMA MARTHA OKTAVIA SIMANJUNTAK
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa tesis berjudul Analisis Spasial dan
Temporal Kasus Avian Influenza Peternakan Unggas Sektor IVdi Provinsi Daerah
Istimewa Yogyakartaadalah benar karya saya denganarahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juli 2013
Purnama Martha Oktavia Simanjuntak
B251110061
RINGKASAN
PURNAMA MARTHA OKTAVIA SIMANJUNTAK. Analisis Spasial dan
Temporal Kasus Avian Influenza Peternakan Unggas Sektor IV di Provinsi Daerah
Istimewa Yogyakarta. Dibimbing oleh ETIH SUDARNIKA dan MUHAMMAD
NUR AIDI.
Penyakit Avian Influenza (AI) pada unggas telah terjadi di Indonesia selama
9 tahun (2003-2012) dan berpotensi menjadi pandemi bagi manusia.
ProvinsiDaerah Istimewa Yogyakarta(DIY)termasuk rawan penyebaran virus AI
bahkan pernah menjadi daerah dengan jumlah kejadian kasus AI pada unggas
yang tertinggi di Indonesia.
Penelitian ini bertujuan untuk mengetahui pusat konsentrasi kasus AI,
mengidentifikasi korelasi spasial dan pola kejadian kasus AI,mengidentifikasi
adanya hubungan antara jumlah populasi unggas dengan kasus AI, mengetahui
daerah-daerah yang menjadi hotspot dan mengetahui pola temporal kasus AI. Data
yang digunakan dalam penelitian merupakan data sekunder yang diperoleh dari
Participatory Disease Surveillance and Responsedan Dinas Peternakan dan
Kesehatan Hewan Provinsi DIY berupa jumlah kasus AI, titik koordinat GPS
daerah yang diteliti dan populasi unggas per kecamatan di Provinsi DIY pada
tahun 2009-2012. Analisis data dilakukan menggunakan metode mean spatial,
moran scatterplot, uji khi-kuadrat, dan ARIMA.Hasil penelitian diharapkan dapat
memberikan informasi mengenai penyakit AI bagi pemerintah pusat, pemerintah
daerah, maupun masyarakat sebagai bahan pertimbangan dalam menentukan
kebijakan pencegahan dan penanggulangan kasus AI di Provinsi DIY.
Pola spasial daerah yang menjadi pusat konsentrasi kasus AI secara umum
mengalami pergeseran setiap tahunnya di tingkat kabupaten/kota maupun di
tingkat provinsi ke daerah di dekatnya. Daerah yang muncul lebih dari satu kali
sebagai pusat kasus AI di Provinsi DIY adalah Kabupaten Bantul.Kabupaten
Gunung Kidul muncul satu kali sebagai pusat konsentrasi kasus AI. Daerah yang
menjadi pusat konsentrasi kasus AI perlu diwaspadai sebagai sumber penularan
AI.
Pola kejadian kasus AI di Provinsi DIY secara keseluruhan lebih sering
terjadi dalam bentuk pola gerombol. Pola gerombol ini terjadi pada tahun 2010,
tahun 2011, dan pada analisis selama empat tahun sekaligus. Pola acak hanya
ditemukan pada tahun 2009 dan tahun 2012.
Terdapat korelasi spasial kasus AI yang positif maupun negatif di Provinsi
DIY. Daerah yang muncul lebih dari satu kali sebagai hotspot sehingga berpotensi
menjadi sumber penularan AIadalah Kecamatan Pakem, Kecamatan Samigaluh,
Kecamatan Kalasan, Kecamatan Umbulharjo, Kecamatan Pandak, Kecamatan
Patuk, Kecamatan Sentolo, Kecamatan Tempel, Ngaglik, Kecamatan Lendah,
Kecamatan Jetis, Kecamatan Sanden dan Kecamatan Sewon. Daerah muncul lebih
dari satu kali sebagai coldspot sehingga rawan tertular AI adalah Kecamatan
Girimulyo, Kecamatan Lendah, Kecamatan Moyudan, Kecamatan Prambanan,
Kecamatan Turi, Kecamatan Gedangsari, Kecamatan Purwosari, Kecamatan
Banguntapan, Kecamatan Pajangan, Kecamatan Imogiri, dan Kecamatan
Bambanglipuro.
Analisis dengan uji khi-kuadratterhadap hubungan antara jumlah populasi
dengan jumlah kasus AI di Provinsi DIY pada tahun 2009-2012 menunjukkan
adanya hubungan diantara kedua hal tersebut. Hal ini berarti keberadaan AI di
Provinsi DIY dipengaruhi oleh jumlah populasi unggas yang ada. Pengendalian
jumlah populasi unggas dapat memberikan pengaruh yang nyata terhadap
keberadaan penyakit AI.
Pola temporal kasus AI selama tahun 2009-2012 di Provinsi DIY diketahui
menggunakan model ARIMA(0,2,1). Pola temporal hasil analisis memperlihatkan
peningkatan kasus AI cenderung terjadi pada bulan Januari-Maret.
Kecenderungan waktu terjadinya kasus AI bertepatan dengan terjadinya musim
hujan.
Kata kunci:analisis spasial, analisis temporal,avian influenza, hotspot.
SUMMARY
PURNAMA MARTHA OKTAVIA SIMANJUNTAK. Spatial and Temporal
Analysis of Avian Influenza on Poultry Sector IV in Daerah Istimewa Yogyakarta
Province. Supervised byETIH SUDARNIKAandMUHAMMAD NUR AIDI.
Avian influenza (AI) disease on poultry has occurred in Indonesia for 9
years (2003-2012) and potentially became a pandemic for human. DIY province
was vulnerable in term of AI virus spreads, in fact it had ever became the highest
AI cases on poultry in Indonesia.
The objectives of this research are to located the center on AI cases, spatial
correlation and AI cases pattern identification, identifying the relationship
between poultry population and the number of AI cases, locate areas that become
hotspot and figure out AI cases temporal pattern. Data used in this research is a
secondary data from Participatory Disease Surveillance and Response (PDSR) and
Dinas Peternakan dan Kesehatan Hewan Provinsi DIY for number of AI cases,
GPS coordinate and poultry population of each sub-district in DIY province in
2009-2012. Mean spatial, moran scatterplot, Chi-Square test, and ARIMA are
used for data analysis. Result from this research is expected to provide
information regarding AI disease to the central government, regional government,
and public society as an advice for deciding the prevention policy and AI cases
treatment in DIY province.
Areas that become the center of AI cases generally moved every year at the
district or provincial level to the nearby area. Areas that become center of AI
cases more than once are Bantul district. Gunung Kidul district only once became
the center of AI cases. Area that became the center of AI cases needs to be aware
as a source of AI disease infection.
AI cases in DIY province generally in clustered pattern. Clustered pattern
was occurred in 2010, 2011 and four year analysis. Random pattern found in 2009
and 2012.
There was a positive or negative of spatial correlation of AI cases in DIY
province. Areas that became hotspot more than once and potentially became
center of AI disease spread are Pakem sub-district, Samigaluh sub-district,
Kalasan sub-district, Umbulharjo sub-district, Pandak sub-district, Patuk subdistrict, Sentolo sub-district, Tempel sub-district, Ngaglik sub-district, Lendah
sub-district, Jetis sub-district, Sanden sub-district and Sewon sub-district. Areas
that became coldspot more than once and potentially vulnerable to AI disease are
Girimulyo sub-district, Lendah sub-district, Moyudan sub-district, Prambanan
sub-district, Turi sub-district, Gedangsari sub-district, Purwosari sub-district,
Banguntapan sub-district, Pajangan sub-district, Imogiri sub-district and
Bambanglipuro sub-district
Chi-Square analysis show the correlation between poultry population and
number of AI cases in DIY province in 2009-2012. This mean that AI cases DIY
province was affected by number of poultry population. Poultry population
control can affected the AI cases.
ARIMA (0,2,1) model was used to identify AI cases temporal pattern in
2009-2012. Temporal pattern shows the increasing trend of AI cases in JanuaryMarch. Timing of AI cases coincided with the rainy season.
Keyword:avian influenza, hotspot, spatial analysis, temporal analysis
© Hak Cipta Milik IPB, Tahun 2013
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan
IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apa pun tanpa izin IPB
ANALISIS SPASIAL DAN TEMPORAL KASUS AVIAN
INFLUENZA PETERNAKAN UNGGAS SEKTOR IV DI
PROVINSI DAERAH ISTIMEWA YOGYAKARTA
PURNAMA MARTHA OKTAVIA SIMANJUNTAK
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains
pada
Program Studi Kesehatan Masyarakat Veteriner
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Penguji pada Ujian Tertutup: Prof Dr drh I Wayan Teguh Wibawan, MS
l
udul Tesis : Analisis Spasial dan Temporal Kasus Avian Influenza Petemakan
Unggas Sehor IV eli Provinsi Daerah Istimewa Y ogyakarta
ama
: Purnama Martha Oktavia Simanjuntak
{
: B251 110061
Disetujui oleh
Komisi Pembimbing
Dr If Etih Sudamika, MSi
Ketua
Dr Ie Muhammad Nur Aidi, MS
Anggota
Diketahui oleh
Ketua Program Studi
Kesehatan Masyarakat Veteriner
Dr med vet drb D enny Widaya Lukman, MSi
Tanggal Ujian: 23 Juli 2013
Tanggal Lulus:
2 1 PlUG 2013
Judul Tesis :Analisis Spasial dan Temporal Kasus Avian Influenza Peternakan
Unggas Sektor IV di Provinsi Daerah Istimewa Yogyakarta
Nama
: Purnama Martha Oktavia Simanjuntak
NIM
: B251110061
Disetujui oleh
Komisi Pembimbing
Dr Ir Etih Sudarnika, MSi
Ketua
Dr Ir Muhammad Nur Aidi, MS
Anggota
Diketahui oleh
Ketua Program Studi
Kesehatan MasyarakatVeteriner
Dekan Sekolah Pascasarjana
Drmed vet drh Denny Widaya Lukman, MSi
Dr Ir Dahrul Syah, MScAgr
Tanggal Ujian: 23 Juli 2013
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Allah atas segala karuniaNya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam
penelitian yang dilaksanakan sejak bulan Maret 2013 ini ialah Avian Influenza,
dengan judul Analisis Spasial dan Temporal Kasus Avian Influenza Peternakan
Unggas Sektor IV di Provinsi Daerah Istimewa Yogyakarta.
Penulis menyampaikan terima kasih kepada IbuDr Ir Etih Sudarnika, MSi,
dan Bapak Dr Ir Muhammad Nur Aidi, MS,selaku pembimbing yang telah banyak
memberi saran dan masukan. Penulis juga menyampaikan penghargaan
kepadaBapak drhSyafrison Idris, MSi (Direktorat Keswan Kementan),Ibu Siwi,
Bapak Dhoto, Bapak Romli, Ibu Kurir dan Bapak Tri dari LDCC Provinsi
DIYyang telah membantu selama pengumpulan data dan literatur, serta Badan
Pengembangan Sumber Daya Manusia Kementerian Pertanian Republik Indonesia
yang telah memberikan kesempatan melalui beasiswa yang diberikan agar penulis
dapat menempuh studi S2. Ungkapan terima kasih juga disampaikan kepadaDr
med vet drh Denny Widaya Lukman, MSi, selaku Ketua Program Studi Kesehatan
Masyarakat Veteriner. Tidak lupa disampaikan terimakasih kepadaseluruh
karyawan dan dosen FKH IPB dan FMIPA IPB, orang tua, suami serta seluruh
keluargayang telah memberikan dukungan dalam menyelesaikan tesis.
Semoga karya ilmiah ini dapat bermanfaat.
Bogor,Juli2013
Purnama Martha Oktavia Simanjuntak
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
v
1 PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Manfaat Penelitian
Hipotesis
1
1
2
2
2
2 TINJAUAN PUSTAKA
Surveilans
Analisis Spasial
Asosiasi Spasial
Morans Scatterplot
Hotspot
ARIMA
3
3
3
4
4
5
5
3 METODE PENELITIAN
Waktu dan Tempat Penelitian
Pengumpulan Data
Kerangka Konsep Penelitian
Analisis Data
7
7
7
7
8
4 HASIL DAN PEMBAHASAN
Pusat Konsentrasi Kasus AI
Pola Kejadian Kasus AI
Korelasi Spasial dan Hotspot Area
Hubungan Antara Jumlah Populasi Unggas dan Kasus AI
Pola Temporal
Faktor Risiko AI
10
10
16
18
23
27
33
5 SIMPULAN DAN SARAN
Simpulan
Saran
35
35
36
DAFTAR PUSTAKA
37
LAMPIRAN
39
RIWAYAT HIDUP
43
DAFTAR TABEL
1
2
3
4
5
6
7
8
Tabel 1 Titik koordinat pusat konsentrasi kasus AI di Provinsi DIY
tahun 2009-2012
Tabel 2 Nilai Z hitung dan pola kejadian AI di Provinsi DIY tahun
2009-2012
Tabel 3 Distribusi frekuensi kecamatan yang terkena AI
Tabel 4 Distribusi frekuensi populasi unggas setiap kecamatan
Tabel 5 Hasil uji khi kuadrat antara jumlah populasi unggas dan
kejadian kasus AI di Provinsi DIY pada tahun 2009
Tabel 6 Hasil uji t terhadap masing-masing model ARIMA
Tabel 7 Nilai koefisien ARIMA(0,2,1)
Tabel 8 Prediksi kejadian kasus AI di Provinsi DIY pada tahun 2013
11
17
24
24
25
31
32
33
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Autokorelasi spasial dengan pola visual seperti papan catur (a)
autokorelasi spasial positif, (b) autokorelasi spasial negatif, (c) tidak
terdapat autokorelasi spasial.
Kerangka konsep penelitian
Pusat konsentrasi kasus AI di Provinsi DIY tahun 2009-2012
(Kecamatan Pleret, Kecamatan Banguntapan, Kecamatan Patuk, dan
Kecamatan Sewon).
Pusat konsentrasi kasus AI di Kabupaten Bantul tahun 2009-2012
(Kecamatan Jetis, Kecamatan Bantul, dan Kecamatan Pleret).
Pusat konsentrasi kasus AI di Kabupaten Gunung Kidul tahun 20092012 (Kecamatan Playen, Kecamatan Wonosari, Kecamatan Paliyan,
dan Kecamatan Saptosari.
Pusat konsentrasi kasus AI di Kabupaten Kulon Progo tahun 20092012 (Kecamatan Pengasih, Kecamatan Wates, dan Kecamatan
Sentolo).
Pusat Konsentrasi Kasus AI di Kabupaten Sleman tahun 2009-2012
(Kecamatan Mlati dan Kecamatan Sleman).
Pusat Konsentrasi Kasus AI di Kota Yogyakarta tahun 2009-2012
(Kecamatan Mergangsan, Kecamatan Gondomanan, dan Kecamatan
Umbulharjo).
Ilustrasi pola penyakit (a) tahun x, (b) tahun y, (c) tahun x+tahun y.
Peta tematik berdasarkan plot pencaran Moran kasus AI tahun 2009
di Provinsi DIY
Peta tematik berdasarkan plot pencaran Moran kasus AI tahun 2010
di Provinsi DIY
Peta tematik berdasarkan plot pencaran Moran kasus AI tahun 2011
di Provinsi DIY
Peta tematik berdasarkan plot pencaran Moran kasus AI tahun 2012
di Provinsi DIY
Peta distribusi frekuensi kecamatan yang terkena AI di Provinsi DIY
tahun 2009
4
8
12
12
13
14
14
15
18
19
20
21
22
25
15
16
17
18
19
20
21
22
23
24
Peta distribusi frekuensi kecamatan yang terkena AI di Provinsi DIY
tahun 2010
Peta distribusi frekuensi kecamatan yang terkena AI di Provinsi DIY
tahun 2011
Peta distribusi frekuensi kecamatan yang terkena AI di Provinsi DIY
tahun 2012
Plot data aktual kejadian AI bulanan di Provinsi DIY tahun 20092012
Nilai fungsi autokorelasi dari data aktual kasus AI di Provinsi DIY
tahun 2009-2012 pada tingkat kepercayaan 95%
Nilai fungsi autokorelasi parsial dari data aktual kasus AI di Provinsi
DIY tahun 2009-2012 pada tingkat kepercayaan 95%
Plot data kejadian AI bulanan di Provinsi DIY tahun 2009-2012
hasil penurunankedua
Nilai fungsi autokorelasi dari penurunankedua terhadap data aktual
kasus AI di Provinsi DIY tahun 2009-2012 pada tingkat kepercayaan
95%
Nilai fungsi autokorelasi parsial dari penurunankedua terhadap data
aktual kasus AI di Provinsi DIY tahun 2009-2012 pada tingkat
kepercayaan 95%
Plot data aktual dan prediksi kejadian kasus AI berikutnya dengan
model terbaik ARIMA(0,2,1)
26
26
27
28
28
29
30
30
31
32
DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8
Lampiran 1 Titik koordinat GPS dan jumlah unggas di Kabupaten
Kulon Progo
Lampiran 2 Titik koordinat GPS dan jumlah unggas di Kabupaten
Sleman
Lampiran 3 Titik koordinat GPS dan jumlah unggas di Kabupaten
Gunung Kidul
Lampiran 4 Titik koordinat GPS dan jumlah unggas di Kota
Yogyakarta
Lampiran 5 Titik koordinat GPS dan jumlah unggas di Kabupaten
Bantul
Lampiran 6 Plot data kejadian AI bulanan di Provinsi DIY tahun
2009-2012 hasil penurunanpertama
Lampiran 7 Nilai fungsi autokorelasi dari penurunanpertama
terhadap data aktual kasus AI di Provinsi DIY tahun 2009-2012 pada
tingkat kepercayaan 95%
Lampiran 8 Nilai fungsi autokorelasi parsial dari penurunanpertama
terhadap data aktual kasus AI di Provinsi DIY tahun 2009-2012 pada
tingkat kepercayaan 95%
39
39
40
40
41
41
42
42
1 PENDAHULUAN
Latar Belakang
Penyakit avian influenza(AI) H5N1 pada unggas telah terjadi di Indonesia
selama 9 tahun (2003-2012). AI merupakan penyakit yang sangat mematikan bagi
manusia, baik yang bersentuhan langsung dengan unggas yang terinfeksi maupun
yang tidak mempunyai riwayat sedikitpun bersentuhan langsung dengan unggas
yang terinfeksi AI. Berbagai upaya pencegahan yang dilakukan oleh pemerintah
belum efektif untuk mengatasi jatuhnya korban dari penyakit AI ini, serta
ditambah kurangnya partisipasi masyarakat untuk melakukan tindakan
pencegahan terhadap penyebaran penyakit AI (Ditkeswan 2005).
Strategi surveilans untuk mendeteksi adanya virus AI H5N1 pada unggas
dan burung-burung liar telah dilakukan beberapa negara untuk mengatasi penyakit
ini. Surveilans epidemiologi ini merupakan upaya kewaspadaan dini kejadian AI
sekaligus kewaspadaan dini pandemik influenza beserta faktor-faktor yang
mempengaruhinya. Surveilans epidemiologi bermanfaat untuk meningkatkan
sikap tanggap kesiapsiagaan, upaya-upaya dan tindakan penanggulangan yang
cepat dan tepat dalam melakukan deteksi awal terjadinya AI. Analisis spasial
dapat menjadi salah satu metode dalam surveilans yang sangat bermanfaat dalam
memberikan informasi yang menjelaskan lokasi atau letak, menjelaskan suatu
kecenderungan (tren), menjelaskan tentang pola kejadian, serta pemodelan.
Provinsi Daerah Istimewa Yogyakarta (DIY) terletak di bagian selatan
Pulau
Jawabagian
tengah
dan
berbatasan
denganProvinsi
Jawa
TengahdanSamudera Hindia. Provinsi DIY yang memiliki luas 3.185,80 km2
terdiri atas 1 kotamadya dan 4 kabupaten, yang terbagi lagi menjadi 78 kecamatan
dan 438 desa/kelurahan (BPPD Provinsi DIY 2010). Provinsi DIY termasuk
rawan penyebaran virus AI, terbukti setiap tahun terdapat laporan kasus unggas
mati mendadak dan dinyatakan positif AI. Pemerintah di Provinsi DIY telah
meningkatkan kewaspadaan dini terhadap serangan AI karena merebaknya kasus
di sejumlah daerah. Provinsi DIY menjadi daerah dengan kasus AI tertinggi pada
tahun 2011 yaitu sebanyak 141.6 per 1000 desa berdasarkan laporan Participatory
Disease Surveillance and Response (PDSR) (UPPAI 2012).
Permasalahan yang akan dibahas dalam penelitian ini adalah penyebaran
kasus AI di Provinsi DIY di berbagai kecamatan dengan jumlah kasus yang
bervariasi. Suatu daerah dengan kasus AI yang tinggi diduga berpengaruh
terhadap kejadian AI di daerah sekitarnya. Jumlah populasi unggas dalam suatu
daerah juga menjadi faktor yang mungkin berpengaruh terhadap kejadian AI.
Informasi yang tepat mengenai daerah yang menjadi pusat terjadinya kasus AI,
kemungkinan pergeseran pusat daerah kasus AI yang terjadi setiap tahunnya,
waktu puncak terjadinya kasus AI (pola temporal), serta pola kejadian kasus AI
akan dapat membantu pemerintah maupun masyarakat untuk menerapkan strategi
terbaik dalam pengendalian dan pemberantasan penyakit AI di Provinsi DIY.
Salah satu studi dalam surveilans yang dapat digunakan untuk
mengidentifikasi dan menganalisis pola kejadian berdasarkan waktu dan tempat
adalah analisis spasial dan temporal. Analisis tersebut telah banyak digunakan
2
untuk pengendalian penyakit seperti malaria, demam berdarah, Aujeszky’s
disease,dan Neospora caninum. Analisis spasial dan temporal dapat memberikan
informasi yang lengkap mengenai korelasi spasial yang terjadi, pemetaan
penyakit, waktu,dan pola kejadian penyakit.
Tujuan Penelitian
Tujuan dari penelitian ini adalah (1) mengetahui daerah-daerah yang
cenderung menjadi pusat konsentrasi kasus AI setiap tahunnya berdasarkan data
pada periode 2009-2012 di Provinsi DIY sehingga dapat memberikan informasi
bagi pemerintah dan masyarakat agar dapat menangani kasus AI dengan tepat; (2)
mengidentifikasi pola kejadian kasus AI; (3) mengetahui korelasi spasial dan
daerah-daerah yang menjadi hotspotsehingga diketahui pengaruh kejadian AI di
suatu daerah dengan daerah sekitarnya; (4)mengidentifikasi adanya hubungan
antara jumlah populasi unggas dengan kasus AI; dan (5) mengetahui pola
temporal kasus AI agar penanganan AI oleh pemerintah dapat lebih tepat sasaran.
Manfaat Penelitian
Hasil penelitian diharapkan dapat memberikan informasi penyebaran kasus
AI H5N1 di Provinsi DIY mengenai daerah yang cenderung menjadi pusat
konsentrasi kasus AI, korelasi spasial kasus AI, pola kejadian kasus AI, hubungan
jumlah populasi unggas terhadap munculnya kasus AI, serta daerah-daerah yang
menjadi hotspot dan pola temporal kasus AI. Hasil penelitian ini diharapkan dapat
memberikan manfaat bagi pemerintah pusat, pemerintah daerah, maupun
masyarakat sebagai bahan pertimbangan dalam menentukan kebijakan
pencegahan dan pengendalian kasus AI H5N1 di Provinsi DIY.
Hipotesis
Hipotesis yang akan diuji pada penelitian ini adalah:
1. Terdapat pergeseran daerah yang menjadi pusat konsentrasi kejadian kasus AI
setiap tahunnya.
2. Terdapat pola kejadian kasus AI.
3. Terdapat korelasi spasial AI dan daerah yang menjadi hotspot kasus AI.
4. Jumlah populasi unggas di suatu daerah berpengaruh terhadap kejadian kasus
AI.
5. Terdapat pola temporal kasus AI setiap tahunnya.
2 TINJAUAN PUSTAKA
Surveilans
Surveilans epidemiologi merupakan pengamatan penyakit pada populasi
yang dilakukan secara terus menerus dan berkesinambungan, untuk menjelaskan
pola penyakit, riwayat penyakit dan memberikan data dasar untuk pengendalian
dan penanggulangan penyakit tersebut. Surveilans epidemiologi tidak terbatas
pada pengumpulan data, tetapi juga tabulasi, analisis dan interpretasi data serta
publikasi dan distribusi informasi. Jenis data yang dikumpulkan juga menyangkut
subjek yang sangat luas termasuk data tentang faktor risiko individu, demografis,
dan lingkungan (Noor 2000).
Surveilans terpadu adalah kegiatan pengumpulan data, baik faktor risiko
maupun kejadian penyakit yang dilakukan secara simultan, sistematik, periodik,
berkesinambungan dan terencana, yang diikuti oleh analisis data untuk
mendapatkan informasi yang digunakan dalam pengambilan keputusan
(manajemen) (Hasyim 2008). Pola kejadian AI dapat dianalisis berdasarkan ruang
(spasial) dan waktu (temporal). Kajian pola kejadian dan faktor risiko penyakit
avian influenza (AI) dapat digunakan untuk menyusun program pengendalian dan
pencegahan AI (Saswiyanti 2012). Analisis spasial dan temporal mendeteksi
pengelompokan daerah (clustering area) yang memiliki intensitas kejadian paling
tinggi dalam waktu tertentu dan mengevaluasi signifikansinya secara statistik
(Kulldorf 2010).
Analisis Spasial
Analisis spasial merupakan sekumpulan metode untuk menemukan dan
menggambarkan tingkatan atau pola dari sebuah fenomena spasial, sehingga dapat
dimengerti dengan lebih baik. Penggunaan analisis diharapkan dapat memberikan
infomasi baru yang dapat digunakan sebagai dasar pengambilan keputusan di
bidang yang dikaji. Metode analisis spasial yang tersedia sangat bervariasi berupa
observasi visual sampai ke pemanfaatan matematika/statistik terapan (Sadahiro
2006).
Sebagai sebuah metode, analisis spasial bermanfaat membantu menganalisis
kondisi permasalahan berdasarkan data dari daerah yang menjadi sasaran. Konsep
yang paling mendasar dalam analisis spasial adalah jarak, arah, dan hubungan.
Kombinasi dari ketiganya mengenai suatu daerah akan bervariasi sehingga
membentuk perbedaan yang signifikan dan membedakan satu lokasi dengan yang
lainnya. Dengan demikian jarak, arah, dan hubungan antara lokasi suatu objek
dalam suatu daerah dengan objek di daerah yang lain akan memiliki perbedaan
yang jelas. Ketiga hal tersebut akan selalu ada dalam sebuah analisis spasial
dengan tahapan-tahapan tertentu tergantung dari sudut pandang dalam
memandang sebuah permasalahan yang akan dianalisis (Cholid 2009).
4
Asosiasi Spasial
Asosiasi spasial di beberapa literatur tidak dibedakan dengan sebutan
autokorelasi spasial, karena pada dasarnya secara definisi memang mengacu pada
pemaknaan yang sama yaitu terdapatnya suatu kemiripan objek di dalam suatu
ruang yang saling berhubungan. Penggunaan asosiasi lebih menekankan pada data
yang bersifat kategorik sedangkan korelasi mengacu pada hubungan data numerik.
Pada kasus spasial, penggunaan istilah asosiasi jika suatu data berbasis pada data
areal (polygon) dan memiliki hubungan yang bersifat ketetanggaan, sedangkan
istilah korelasi dalam konteks spasial, digunakan jika data berbasis titik (point
patern) dan memiliki hubungan yang mengacu pada jarak. Penelitian ini tidak
akan membedakan antara penggunaan istilah asosiasi ataupun korelasi spasial, hal
ini karena beragam literatur yang peneliti gunakan. Silk (1979) dalam bukunya
menjelaskan tentang autokorelasi berbasis pada data area ada yang bersifat positif
dan negatif. Autokorelasi dikatakan positif jika dalam suatu daerah yang saling
berdekatan mempunyai nilai yang mirip dan bersifat menggerombol. Autokorelasi
dikatakan negatif jika dalam suatu daerah yang berdekatan nilainya berbeda dan
tidak mirip. Ilustrasi mengenai autokorelasi dapat dilihat pada Gambar 1.
Gambar 1Autokorelasi spasial dengan pola visual seperti papan catur (a)
autokorelasi spasial positif, (b) autokorelasi spasial negatif,
(c) tidak terdapat autokorelasi spasial.
Morans Scatterplot
Morans scatterplot menyediakan suatu analisis eksplorasi secara visual
untuk mendeteksi autokorelasi spasial (Anselin 1995). Hasil yang ditampilkan
adalah data yang telah distandardisasikan dalam z-score, dan bukan menggunakan
5
data aslinya. Perolehan z-score ini merupakan beda nilai antara pengamatan
dengan nilai (rataan) harapan dari peubah. Standarisasi mengacu pada simpangan
baku. Z-score berdistribusi normal dan memiliki persamaan sebagai berikut.
Zi =
merupakan nilai dari peubah yang diamati di lokasi . merupakan
adalah simpangan baku dari
nilai rataan dari peubah pada semua lokasi dan
peubah . Morans scatterplot disajikan berbasis pada data z-score suatu lokasi
pada satu sumbu, dan nilai z-score rata-rata tetangganya pada sumbu yang lain.
Secara visual Morans scatterplot terbagi atas 4 kuadran.
Kuadran pertama terletak di kanan atas yang disebut juga kuadran highhigh, artinya memiliki autokorelasi positif. Nilai pengamatan lokasi tersebut
tinggi dan dikelilingi oleh area sekitar yang juga tinggi. Pola visual yang
terbentuk adalah pola gerombol (cluster) antara area bernilai pengamatan tinggi
dan dilambangkan dengan warna merah tua. Kuadran kedua terletak di kanan
bawah yang disebut kuadran high-lo, artinya memiliki autokorelasi negatif. Nilai
pengamatan lokasi tersebut tinggi dan dikelilingi oleh area sekitar yang memiliki
nilai rendah. Pola visual yang terbentuk adalah pola outliers dengan nilai
pengamatan tinggi (hotspot) dilambangkan dengan warna merah muda. Kuadran
ketiga terletak di kiri bawah yang disebut kuadran low-low, artinya memiliki
autokorelasi positif. Nilai pengamatan lokasi tersebut rendah dan dikelilingi oleh
area sekitar yang juga rendah. Pola visual yang terbentuk adalah pola gerombol
(cluster) antara area pengamatan yang rendah dan dilambangkan dengan warna
biru tua. Kuadran keempat terletak di kiri atas yang disebut kuadran low-high
artinya memiliki autokorelasi negatif. Nilai pengamatan lokasi tersebut rendah
dan dikelilingi oleh area yang tinggi. Pola visual yang terbentuk adalah pola
outliers dengan nilai pengamatan rendah (coldspot) yang dilambangkan dengan
warna biru muda (Anselin 1995).
Hotspot
Hotspot didefinisikan sebagai sesuatu yang tidak biasa, anomali, kelainan,
wabah, cluster tinggi, atau daerah kritis (Patil dan Taillie 2004). Harran et al.
(2006) juga menyatakan bahwa hotspot adalah lokasi atau daerah yang memiliki
kejadian dengan tingkatan yang tinggi dan konsisten dengan kemungkinan
memiliki karakteristik yang berbeda dengan daerah sekitarnya.
ARIMA
Autoregressiveintegrated moving average(ARIMA) sering juga disebut
metode runtun waktu Box-Jenkins. ARIMA sangat baik ketepatannya untuk
peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ketepatan
peramalannya kurang baik karena cenderung datar. Model ARIMA adalah model
6
yang secara penuh mengabaikan variabel independen dalam membuat peramalan.
ARIMA menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk
menghasilkan peramalan jangka pendek yang akurat. ARIMA akan cocok jika
observasi dari deret waktu (time series) secara statistik berhubungan satu sama
lain (dependent).Model ARIMA terdiri dari tiga langkah dasar yaitu tahap
identifikasi, tahap penaksiran dan pengujian, dan pemeriksaan diagnostik.
Selanjutnya model ARIMA dapat digunakan untuk melakukan peramalan jika
model yang diperoleh memadai (BPS 2009).
3 METODE PENELITIAN
Waktu dan Tempat Penelitian
Penelitian dilakukan di Provinsi Daerah Istimewa Yogyakarta pada bulan
Maret 2013 sampai dengan April 2013.
Pengumpulan Data
Sumber data adalah data sekunder dari kejadian kasus aktif AI H5N1 di
Provinsi DIY tahun 2009-2012. Data kasus AI berasal dari data yang telah
diambil oleh petugas PDSR hasil kerjasama Direktorat Kesehatan Hewan
Direktorat Jenderal Peternakan dan Kesehatan Hewan dengan Food Agricultural
Organization (FAO). Data sekunder yang digunakan berupa jumlah kasus aktif AI
di Provinsi DIY dan koordinat titik global positioning system (GPS)kasus positif
AI H5N1 yang dicatat setiap bulan dari Januari sampai dengan Desember pada
periode yang ditentukan. Koordinat GPS tersebut diambil menggunakan alat bantu
GPS merek Garmin tipe 72S yang memiliki akurasi 15 meter. Data mengenai
jumlah populasi unggas dan peta digital daerah-daerah di Provinsi DIY diperoleh
dari Dinas Peternakan dan Kesehatan Hewan Provinsi DIY.
Kerangka Konsep Penelitian
Penelitian dilaksanakan dengan kerangka konsep sebagaimana terlihat pada
Gambar 2.
8
Gambar 2Kerangka konsep penelitian
Analisis Data
Analisis akan dilakukan terhadap jumlah kejadian kasus aktif AI
H5N1selama periode 2009-2012 pada sektor IV di Provinsi DIY, koordinat titik
GPS kasus positif AI H5N1, serta koordinat titik GPS lokasi seluruh kecamatan
yang ada di Provinsi DIY. Peta digital Provinsi DIY diperoleh dari Dinas
Peternakan dan Kesehatan HewanProvinsi DIY.
Perubahan pusat konsentrasi kasus AI dianalisis pada setiap tahun dan
dibandingkan dengan tahun lainnya selama tahun 2009-2012 menggunakan
Metode mean spatial. Analisis akan memberikan hasil berupa kecamatan yang
menjadi pusat konsentrasi AI di tiap kabupaten/kota di Provinsi DIY. Persamaan
mean spatialadalah:
dan
X=
∑
∑
n
i =1
n
i =1
wixi
wi
Y=
∑
∑
n
i =1
n
i =1
wiyi
wi
dan merupakannilai rataan dari titik koordinat GPS daerah kecamatan yang
diteliti. Wi adalah jumlah unggas sakit pada kecamatan yang diamati.Xi dan yi
adalah nilai koordinat GPS masing-masing kecamatan yang diamati.
9
Pola kejadian kasus AI dianalisis dengan persamaan morans scatterplotyang
menghitung z-scoredi setiap wilayah yang diteliti. Analisis ini memerlukan peta
daerahProvinsi DIY yang akan disandingkan dengan data kasus aktif di daerah
tersebut. Z-score kecamatan yang diamati akan dibandingkan dengan z-score ratarata kecamatan tetangganya.Hasil analisis akan memberikan gambaranpola
kejadian AI diProvinsi DIY berupa gerombol, reguler atau acak.Persamaan
morans scatterplot adalah:
Zi =
Zi merupakan z-score yang merupakan beda nilai antara pengamatan dengan nilai
(rataan) harapan dari jumlah kasus aktif AI. merupakan jumlah kasus AI yang
diamati di kecamatan (dihitung per kabupaten/kota). merupakan nilai rataan
dari jumlah kasus AI pada semua kecamatan di Provinsi DIY dan
adalah
simpangan baku dari jumlah kasus aktif AI.
Analisismenggunakan morans scatterplotjuga dapat menentukan adanya
korelasi spasial dan daerah yang menjadi hotspot kasus AI. Morans scatterplot
disajikan berbasis pada data z-score suatu lokasi pada satu sumbu dan nilai zscore rata-rata tetangganya pada sumbu yang lain untuk mengetahui korelasi
spasial setiap daerah yang diamati.Z-scoreyang diperoleh akan menentukan
pembagian setiap daerah yang diteliti ke dalam kuadran yang sesuai menggunakan
piranti lunak SPSS versi 16.0. Kuadran tersebut terbagi menjadi empat yaitu
kuadran pertama yang disebut high-high, kuadran kedua yang disebut high-low
dan dikenal sebagai hotspot, kuadran ketiga yang disebut low-low, serta kuadran
keempat yang disebut low-highdan dikenal sebagai coldspot. Besarnya nilai zscore juga akan menentukan korelasi spasial yang ada pada daerah yang diteliti.
Area hotspot kasus AI dapat diketahui dari hasil penggolongan kuadran yang telah
diperoleh dan kemudian divisualisasikan dalam bentuk peta tematik Provinsi DIY
dengan menggunakan piranti lunak ArcGIS versi 10.1.
Uji khi-kuadrat akan digunakan untuk menganalisis hubungan kasus aktif
AI dengan jumlah unggas di masing-masing kecamatan. Sebelum dilakukan uji
maka dibuat terlebih dahulu distribusi frekuensi jumlah kasus AI per kecamatan
dan jumlah populasi unggas. Hasil uji akan memberikan keputusan adanya
hubungan antara jumlah unggas di suatu kecamatan terhadap munculnya kasus AI
di daerah tersebut apabila nilai p-value yang diperoleh lebih kecil dari alfa
(