Analisis Univariat Analisis Bivariat

36

3.6 Metode Analisis Data

Data iklim yang berupa curah hujan, suhu udara dan kelembaban udara berbentuk data bulanan diolah menjadi data rata-rata tahunan dan data rata-rata bulanan selama 10 tahun. Sedangkan data kasus diare didapatkan dalam bentuk data bulanan diolah menjadi data tahunan dan data bulanan selama 10 tahun. Selanjutnya data dianalisis dengan metode statistik menggunakan komputer.

3.6.1 Analisis Univariat

Analisis univariat secara statistik digunakan untuk mengetahui distribusi frekuensi dari masing-masing variabel dalam penelitian ini meliputi suhu udara, curah hujan, kelembaban, kecepatan angin dan kejadian kasus diare di Kota Jakarta Pusat menurut data tahunan dan bulanan selama 10 tahun.

3.6.2 Analisis Bivariat

Analisis bivariat secara statistik dengan menggunakan regresi linier dan korelasi untuk menganalisis derajat atau keeratan hubungan antara faktor iklim yang meliputi suhu udara, curah hujan, kelembaban udara, dan kecepatan angin dengan kasus diare di Jakarta Pusat serta mengetahui bentuk hubungan antara dua variabel. Uji korelasi untuk menentukan koefisien korelasi r, kuat hubungan dapat diperoleh dari formulasi berikut : Nilai korelasi r berkisar 0 sampai dengan 1 atau bila dengan disertai arahnya nilainya -1 sampai dengan +1. r= 0 tidak ada korelasi linier r= -1 korelasi linier negative sempurna Universitas Sumatera Utara 37 r = +1 korelasi linier positif sempurna atau kuat Selain untuk mengetahui derajatkeeratan hubungan, korelasi dapat juga untuk mengetahui arah hubungan dua variabel. Hubungan dua variabel dapat berpola positif maupun negative. Hubungan positif terjadi bila kenaikan suatu variabel independen diikuti kenaikan variabel dependen yang lain, sedangkan hubungan negative dapat terjadi bila kenaikan suatu variabel independen diikuti penurunan variabel dependen yang lain. Menurut Colton kekuatan hubungan dua variabel secara kualitatif dapat dibagi dalam empat area, yaitu Rahmat, 2011 : r = 0,00-0,25 tidak ada korelasi korelasi lemah r = 0,26-0,50 hubungan sedang r = 0,51-0,75 hubungan kuat r = 0,76-1,00 hubungan sangat kuat Selanjutnya untuk mengetahui bentuk korelasi dua variabel dilakukan analisis regresi. Analisis regresi yang kemudian dilakukan bertujuan untuk mengetahui bentuk hubungan dua variabel atau lebih. Tujuan analisis regresi adalah untuk membuat perkiraan prediksi nilai variabel kasus diare variabel dependen melalui variabel iklim variabel independen. Untuk melakukan prediksi digunakan persamaan garis yang dapat diperoleh dengan menggunakan metode kuadrat terkecil least square. Secara matematis persamaan garis sebagai berikut : Y = a + b X Universitas Sumatera Utara 38 Sedangkan untuk menghitung koefisien regresi variabel bebas b dirumuskan sebagai berikut: Ket : Y = variabel dependen X = variabel independen a = intercept, perbedaan besarnya rata-rata variabel Y ketika variabel X = 0 b = slope, perkiraan besarnya perubahan nilai variabel Y bila nilai variabel X berubah satu unit pengukuran Koefisien regresi variabel bebas bisa bertanda positif atau negatif. Jika bertanda positif, bermakna memberikan pengaruh yang searah antara perubahan variabel dengan variabel terikat. Dengan kata lain jika besarnya nilai faktor curah hujan, suhu udara, kelembaban udara, dan kecepatan angin bertambah naik maka jumlah kasus diare pada balita variabel terikat mengalami kenaikan proporsional dengan besarnya nilai koefisien regresi variabel bebas tersebut. Demikian juga sebaliknya, apabila koefisien regeresi variabel bebas bernilai negatif maka perubahan yang terjadi berlawanan arah Sunyoto, 2011. Universitas Sumatera Utara 39

BAB IV HASIL PENELITIAN

4.1 Gambaran Umum Lokasi Penelitian