Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKHotspot merupakan daerah yang memiliki intensitas kejadian yang lebih tinggi dibandingkan dengan daerah lain dalam suatu lokasi tertentu. Manfaat dari pendeteksian hotspot adalah memberikan informasi terkait daerah yang memiliki intensitas kejadian paling tinggi dibandingkan dengan lokasi sekitarnya. Upper Level Set (ULS) Scan Statistic adalah salah satu metode pendeteksian hotspot yang merupakan pengembangan dari scan statistic. Daerah yang ingin dideteksi adalah daerah di Jawa Tengah Tahun 2015 untuk kasus penyakit menular. Keberadaan penyakit menular harus mendapat perhatian lebih dibandingkan dengan penyakit tidak menular. Hal ini disebabkan karena penyakit menular cepat berkembang dengan pesat sehingga angka kesakitan maupun kematian terus bertambah. Salah satu cara untuk memutus mata rantai penyebaran penyakit tersebut dengan mengetahui dimana daerah yang memiliki tingkat intensitas tertinggi penyebaran penyakit tersebut. Penelitian ini menggunakan data sekunder yang diperoleh dari Dinas Kesehatan Provinsi Jawa Tengah Tahun 2015. Hasil pendeteksian hotspot dapat dijadikan bahan masukan untuk instansi pemerintahan untuk dapat mengambil tindakan sehingga tingkat kesehatan yang rendah dapat diminimalisir. Kasus yang diperhatikan adalah jumlah kasus HIV, malaria, DBD, dan campak yang diasumsikan berdistribusi poisson.

---

ABSTRACTHotspot is an area that has an unusual case occurrence compared to other areas in a certain location. The benefit of hotspot detection is to provide information related to the area that has the highest cases intensity compared to the surrounding area. Upper Level Set (ULS) scan statistic is one of hotspot detection method which is further development of Kulldorf's scan statistic. To do the detection area hotspot is an area that has an infectious disease cases in Central Java for 2015. Hotspot detection was performed in the area Central Java province which has communicable disease issue in 2015. The existence of a communicable disease should gain more attention than non-communicable diseases since it could spread quickly so that morbidity and mortality number increase rapidly as the consequence. One of the solutions to stop the spread of a certain communicable disease is to detect the area which is the most severe. This study used secondary data obtained from the Central Java Provincial Health Office in 2015. The results of hotspot detection can be used as recommendation for government agencies to take precise action for upgrading people health quality. The data analyzed in this study were the number of cases of HIV, AIDS, Malaria and dengue and assumed to have Poisson distribution."

"Hotspot adalah daerah yang memiliki intensitas yang paling tinggi pada suatu lokasi tertentu. Salah satu metode yang digunakan dalam mendeteksi hotspot adalah Upper Level Set (ULS) scan statistics. ULS scan statistics adalah suatu metode yang digunakan untuk mendeteksi dan mengevaluasi kelompok daerah yang memiliki intensitas paling tinggi dari suatu kejadian yang diperhatikan. Dalam tulisan ini, kejadian diasumsikan berdistribusi Gamma. Pada ULS scan statistics, calon – calon hotspot di ditentukan oleh suatu rate atau level g. Daerah – daerah yang memiliki rate lebih besar dari g membentuk suatu scanning window yang merupakan kumpulan daerah calon hotspot. Pembentukan hotspot pada metode ini dapat dinyatakan dengan ULS Scan Tree. Tiap node pada tree merupakan anggota scanning window. Statistik likelihood yang sesuai dan metode Monte Carlo digunakan untuk menentukan signifikansi scanning window sebagai hotspot. Dalam skripsi ini, ULS scan statistics dengan model respon Gamma digunakan untuk mendeteksi daerah dengan curah hujan tertinggi di wilayah Daerah Aliran Sungai (DAS) Citarum, Bandung, Jawa Barat."

"Hotspot adalah daerah yang memiliki intensitas yang paling tinggi pada suatu lokasi tertentu. Salah satu metode yang digunakan dalam mendeteksi hotspot adalah Upper Level Set (ULS) scan statistics. ULS scan statistics adalah suatu metode yang digunakan untuk mendeteksi dan mengevaluasi kelompok daerah yang memiliki intensitas paling tinggi dari suatu kejadian yang diperhatikan. Dalam tulisan ini, kejadian diasumsikan berdistribusi Gamma. Pada ULS scan statistics, calon - calon hotspot di ditentukan oleh suatu rate atau level g. Daerah - daerah yang memiliki rate lebih besar dari g membentuk suatu scanning window yang merupakan kumpulan daerah calon hotspot. Pembentukan hotspot pada metode ini dapat dinyatakan dengan ULS Scan Tree. Tiap node pada tree merupakan anggota scanning window. Statistik likelihood yang sesuai dan metode Monte Carlo digunakan untuk menentukan signifikansi scanning window sebagai hotspot. Dalam skripsi ini, ULS scan statistics dengan model respon Gamma digunakan untuk mendeteksi daerah dengan curah hujan tertinggi di wilayah Daerah Aliran Sungai (DAS) Citarum, Bandung, Jawa Barat."

"ABSTRAKAngka kematian ibu didefinisikan sebagai jumlah kematian ibu pada saat masa kehamilan atau dalam kurun waktu 42 hari setelah masa kehamilan berhenti setiap seratus ribu kelahiran hidup. Salah satu tujuan dari Millenium Development Goals MGDs Indonesia adalah untuk mengurangi angka kematian ibu. Salah satu faktor yang menentukan angka kematian ibu adalah jumlah kematian ibu. Menurut profil kesehatan Indonesia tahun 2014 provinsi Jawa Barat, Jawa Tengah, dan Jawa Timur berkontribusi 26 persen dari total jumlah kematian ibu di Indonesia. Variabel-variabel yang diduga memengaruhi kematian ibu adalah jumlah tenaga kesehatan, program pemberian beras miskin, ketersediaan air bersih, jumlah penduduk yang buta huruf, dan jumlah kelahiran yang dibantu oleh tenaga kesehatan. Data yang digunakan adalah data spasial yang merupakan data yang memiliki informasi koordinat di dalamnya. Menurut Cressie 1993, kejadian di suatu wilayah cenderung dipengaruhi oleh kejadian di sekitarnya dan ketergantungan spasial seringkali ditemukan di dalam analisis regresi. Oleh karena itu diduga bahwa jumlah kematian ibu di suatu wilayah dipengaruhi oleh jumlah kematian ibu di wilayah lainnya yang berdekatan. Pemodelan jumlah kematian ibu dilakukan dengan pendekatan regresi spasial menggunakan model Spatial Autoregressive dan Spatial Error, sehingga dapat diketahui variabel apa saja yang signifikan serta seberapa besar faktor spasial memengaruhi jumlah kematian ibu di Jawa Barat, Jawa Tengah, dan Jawa Timur. Pada ketiga daerah tersebut, juga akan dideteksi Kabupaten/kota mana saja yang memiliki jumlah kematian ibu tertinggi secara statistik menggunakan metode Spatial Scan Statistics. Hasil pemodelan menunjukkan bahwa jumlah tenaga kesehatan, program pemberian beras miskin, dan jumlah penduduk buta huruf merupakan faktor yang signifikan memengaruhi jumlah kematian ibu dan didapatkan cluster daerah yang memiliki jumlah kematian ibu tertinggi secara statistik.

---

ABSTRACTMaternal mortality is defined as the number of maternal deaths during pregnancy or within 42 days of termination of pregnancy every hundred thousands live births. One of the Millennium Development Goals MGDs of Indonesia was to reduce maternal mortality. One of the factors that determine maternal mortality is the number of maternal deaths. According to Indonesia 39s health profile in 2014, West Java, Central Java and East Java provinces contributed 26 percents of the total number of maternal deaths in Indonesia. The variabels suspected affect maternal deaths are the number of health workers, poor rice programs, the availability to access clean water, the number of illiterate people, and the number of births assisted by health personnel. The data is spatial data which has coordinate information in it. According to Cressie 1993, events in a region tend to be influenced by surrounding events and spatial dependence is often found in spatial data. Therefore it is suspected that the number of maternal deaths in a region is affected by the number of maternal deaths in other surrounding areas. Maternal deaths data was analyzed by spatial regression approach using Spatial Autoregressive and Spatial Error Model to know which variabels are significant and to know whether spatial factor influences the number of maternal deaths in West Java, Central Java, and East Java. In all three areas, the highest number of maternal deaths will also be detected statistically using the Spatial Scan Statistics method. The modeling results showed that the number of health workers, poor rice program, and the number of illiterate people were significant factors that affect the number of maternal deaths and the cluster areas that have highest number of maternal deaths were obtained statistically. "

"Spatial scan statistic adalah suatu metode yang secara luas telah digunakan untuk mendeteksi adanya suatu cluster di daerah yang ingin diteliti berdasarkan tingginya intensitas suatu kejadian. Model yang telah berkembang dalam spatial scan statistik adalah model Poisson dan Bernoulli. Tetapi di lapangan, seringkali diperoleh data spasial berskala ordinal. Tugas akhir ini membahas suatu metode spatial scan statistic yang dapat digunakan untuk mendeteksi cluster yang memiliki relative risk yang semakin tinggi sesuai dengan urutan kategori yang semakin tinggi pada data ordinal. Untuk dapat mendeteksi cluster tersebut, hipotesis yang dibuat harus memperhatikan pembatasan urutan (order) (yaitu likelihood ratio ordering), oleh karena itu untuk mendapatkan rasio likelihood-nya diperlukan reparameterisasi untuk dapat memperhatikan faktor order-nya. Signifikansi cluster diuji dengan menggunakan Monte-Carlo hypotesis testing. Penggunaan metode ini diilustrasikan melalui contoh kasus data pendidikan di Maryland."

"Scan statistic merupakan suatu analisis untuk mendeteksi daerah yang merupakan kejadian luar biasa atau KLB (outbreak). Salah satu metode yang mendasari analisis scan statistic adalah metode Bayesian Scan Statistic. Metode ini menerapkan prinsip teorema bayesian, yaitu memanfaatkan informasi prior untuk menghasilkan informasi posterior yang dapat memperbaiki informasi prior. Metode Bayesian Scan Statistic memilih keadaan atau kondisi yang memiliki posterior probability yang terbesar sebagai daerah KLB-nya. Fungsi marginal likelihood dan prior probability merupakan dua komponen penting yang digunakan dalam metode ini untuk menghitung posterior probability untuk tiap-tiap daerah. Fungsi marginal likelihood didapat dari data historis dan modelnya merupakan gabungan antara distribusi poisson dan distribusi gamma. Sedangan untuk prior probability juga didapat dari data historis atau berdasarkan pada pengalaman seseorang. Metode bayesian scan statistic ini dapat digunakan jika terdapat data masa lalu. Kata kunci : bayesian scan statistic, bayesian cluster detection, prior probability, posterior probability. x + 54 hlm. ; gamb. ; lamp. ; tab. Bibliografi : 9 (1986-2006)"

"Hotspot adalah sesuatu yang tidak biasa, anomali, menyimpang, wabah, intensitas tinggi, atau disebut juga daerah kritis. Pendeteksian hotspot sangat berguna sebagai monitoring, etiologi, manajemen, atau peringatan dini. Scan statistics adalah suatu metode untuk mendeteksi area hotspot, sedangkan space time scan statistics adalah metode scan statistics yang memperhatikan informasi area dan waktu secara simultan dalam mendeteksi hotspot. Metode ini mendeteksi hotspot dengan scanning window yang berbentuk silinder, dimana setiap silinder yang terbentuk merupakan calon hotspot yang mungkin terjadi. Pendeteksian hotspot dalam penelitian ini dilakukan dengan mengamati beberapa data set, dimana data set adalah kelompok data pengamatan yang terdiri dari jumlah kasus, ukuran populasi dan koordinat dari masing-masing area yang diamati. Pendeteksian ini didasarkan pada kombinasi dari beberapa data set tersebut. Studi kasus pada penelitian ini adalah kesehatan bayi dan balita di kota Depok. Dari hasil pendeteksian ini diperoleh beberapa kombinasi yang menghasilkan hotspot yang sama, sehingga area dan waktu yang sering muncul pada kombinasi-kombinasi tersebut ditetapkan sebagai hotspot yaitu puskesmas Pasir Putih yang terjadi pada tahun 2011. Artinya area ini paling parah dibandingkan area yang lain mengenai kesehatan bayi dan balitanya. Hasil ini diharapkan dapat menjadi pedoman bagi pemerintah setempat atau stakeholder lainnya dalam mengambil kebijakan terutama dibidang kesehatan.

---

Hotspot means something unusual, anomaly, aberration, outbreak, critical resource area, etc. Hotspot detection is very useful as monitoring, etiology, management, or early warning. Scan statistics is a method for detecting the location of hotspot, while the space-time scan statistics are statistics scan method that takes into account the location and time information simultaneously in detecting hotspot. This method detects hotspot with a cylindrical window, where each cylinder formed a candidate hotspot that may occur. Hotspot detection in this study conducted by observing multiple data sets, where the data set is a group of observational data consist of the number of cases, the size of the population and the coordinates of each location were observed. This detection is based on a combination of some of the data sets. The case study in this research is the health of infants and toddlers in Depok city. From the results of this detection obtained some combinations that produce the same hotspot, so that the location and time that often appear in these combinations are designated as hotspot Pasir Putih health center that occurred in 2011. It means this area is worst among other areas about its the health of infants and toddlers. This result is expected to be a guideline for local governments or other stakeholders in making decisions, especially in the field of health."

"ABSTRAKAnalisis korespondensi adalah analisis untuk melihat hubungan antara dua variabel nominal dalam bentuk grafik pada jarak multidimensi, analisis ini menghitung nilai-nilai pada baris dan kolom dan menghasilkan grafik berdasarkan nilai tersebut sehingga kategori-kategori yang agak serupa akan saling berdekatan jaraknya. Hotspot adalah suatu area yang memiliki kondisi yang berbeda, tidak biasa, menyimpang, daerah yang intensitasnya tinggi dibandingkan dengan daerah disekitarnya. Kota Depok sebagai kota penyangga ibukota yang perkembangannya semakin pesat, diharapkan mampu menyiapkan sumber daya manusia yang lebih baik. Untuk melihat kualitas sumber daya manusia dapat bergantung pada kualitas tingkat kesehatan suatu daerah tersebut, sehingga perlu dilakukan pendeteksian hotspot tingkat kesehatan pada area puskesmas. Variabel tingkat kesehatan yang dipilih antara lain: jumlah bayi dengan berat lahir rendah, balita penderita gizi buruk, kematian balita, kematian ibu bersalin, kelahiran tanpa pertolongan tenaga kesehatan, bayi tanpa penanganan kesehatan, dan bayi tanpa imunisasi dasar. Sebelum melakukan pendeteksian hotspot,dilakukan terlebih dahulu analisis korespondensi untuk melihat hubungan antara area puskesmas dengan tingkat kesehatan. Metode analisis korepondensi memberikan hasil bahwa terdapat hubungan antara area puskesmas dan variabel tingkat kesehatan. Selanjutnya dilakukan pendeteksian hotspot, hasil pendeteksian hotspot menggunakan software SatScan ditampilkan dalam peta menggunakan software R menunjukkan bahwa hotspot area puskesmas secara keseluruhan cenderung berada di bagian tengah dan timur Kota Depok. Hasil pendeteksian hotspot dapat dijadikan bahan masukan untuk instansi pemerintahan untuk melakukan tindakan penanggulangan dan pencegahan sehingga tingkat kesehatan yang rendah dapat diminimalisir dan tercipta masyarakat Kota Depok dengan tingkat kesehatan meningkat yang akan berimbas pada peningkatan kualitas sumber daya manusia.

---

ABSTRACTCorrespondence analysis is used to analyze the relationship between two nominal variables through graphs on multidimensional distance. This method calculates the value of the rows and columns and generate charts based on those values so that each category each variable will related each other based on the distance. Hotspot is an area which has different conditions, unusual, deviant, an elevated area compared with the surrounding area. Depok city as a capital buffer cities whose development is rapidly increasing, is expected to prepare a human resources better. The quality of human resources may depend on the quality of the soundness of the area, so that are hotspot detection was applied on the data of health centers. Variables in this study the number of babies with low birth weight, infant malnutrition, infant mortality, maternal mortality, birth without the help of health professionals, health care baby without the baby, and the baby without basic immunization. Before apply hotspot detection, correspondence analysis were done first to see the relationship between the area health centers and health level. The result of correspondence analysis showed the relationship between the area health centers and health level variables, mostly they have similar characteristics. Furthermore, the result of hotspot detection using SaTScan software, displayed in a map by resource software R. Based on the map the overall hotspot area tend located in the central and eastern parts of Depok. Hotspot detection results can be used as the support to the government agencies in making the decision to reduce and prevention low levels of health areas create Depok City with rise health level community an finally impact on improving the quality of human resources."

"ABSTRAKPenelitian ini bertujuan untuk menganalisis hubungan-hubungan antara ketimpangandistribusi pendapatan masyarakat dengan PDRB Perkapita, angkatan kerja,pendidikan, dan kesehatan. Ketimpangan distribusi pendapatan masyarakat dalampenelitian ini menggunakan Gini ratio, angkatan kerja diukur dari Tingkat PartisipasiAngkatan Kerja (TPAK), pendidikan diukur dari Angkatan Partisipasi Sekolah (APS)SMA, dan kesehatan diukur dari rasio jumlah Dokter dengan Puskesmas. Penelitian inimenggunakan model regresi data panel dengan objek penelitian pada keuangan daerahKabupaten/Kota di Jawa Tengah selama periode 2009-2015. Hasil penelitian telahmenunjukkan bahwa secara simultan, PDRB Perkapita, TPAK, pendidikan dankesehatan berpengaruh signifikan terhadap ketimpangan distribusi pendapatanmasyarakat di Jawa Tengah. Secara parsial, PDRB Perkapita berpengaruh positifterhadap ketimpangan distribusi pendapatan masyarakat di Jawa Tengah, TPAK danpendidikan berpengaruh negatif terhadap ketimpangan distribusi pendapatanmasyarakat di Jawa Tengah. Sedangkan kesehatan yang diukur dari rasio jumlahDokter dengan Puskesmas tidak berpengaruh terhadap ketimpangan distribusipendapatan masyarakat di Jawa Tengah.

---

ABSTRACT

This study aimed to analysis the correlations between communitys income disparity

and Gross Regional Domestic Product (GRDP) Percapita, labor force, education and

health sectors. The communitys income disparity is measured by gini ratio, the labor

force is measured by labor force participation level, education sector is measured by

school participation level, and health sector is measured by the ratio of doctor number

to community health center. The study used panel data regression model which

involving the data of municipalities and regencies financial reports in the Central

Java for period 2009-2015. The result indicated that simultaneously, GRDP Percapita,

labor force participation level, education and health sectors have significant effects on

communitys income disparity in the Central Java. Partially, GRDP Percapita has

positive effects on the communitys income disparity in the Central Java, labor force

participation level and education sector have negative effects on the communitys

income disparity in the Central Java. Meanwhile, the health sector is measured by the

ratio of doctor number to community health center has no significant effects on the "

"Diabetes melitus tipe 2 merupakan penyakit penyebab 1,6 juta kematian di dunia, prevalensi diabetes melitus meningkat signifikan diseluruh dunia dan di Indonesia. Obesitas sentral memiliki peranan penting dalam patofisiologi diabetes melitus tipe 2. Penelitian ini bertujuan untuk mengetahui prevalensi diabetes melitus tipe 2, obesitas sentral dan hubungan antara obesitas sentral terhadap diabetes melitus tipe 2 pada kelompok umur ge; 45 tahun. Desain studi yang digunakan adalah potong lintang dengan regresi logistik untuk analisis multivariat. Sumber data yang dianalisis merupakan data surveilans faktor risiko penyakit tidak menular tahun 2015. Ada 2127 responden yang memenuhi kriteria yang dapat dianalisis. Hasil analisis menunjukan bahwa prevalensi DM tipe 2 sebesar 12,5% dan prevalensi obesitas sentral sebesar 39,6 . Hubungan obesitas sentral terhadap diabetes melitus tipe 2 dengan POR 2,14 (95% CI 1,62-2,81) artinya responden dengan obesitas sentral berisiko 2,14 kali lebih besar untuk menderita DM tipe 2 dibanding responden yang tidak obesitas sentral. Upaya untuk mencegah peningkatan kasus diabetes melitus tipe 2 yaitu penyuluhan secara terus menerus kepada masyarakat terhadap faktor risiko obesitas sentral dengan cara konseling pada individu yang berisiko maupun pada kelompok obesitas sentral.

---

Relationship of Central Obesity to Type 2 Diabetes Mellitus In Ages Group ge 45 years Analysis of Non Communicable Disease Surveillance Data of Jakarta Capital City Special Region 2015 . Diabetes mellitus type 2 is the leading cause of 1.6 million deaths worldwide, the prevalence of diabetes mellitus is increasing significantly throughout the world and in Indonesia. Central obesity has an important role in the pathophysiology of type 2 diabetes mellitus. This study aims to determine the prevalence of type 2 diabetes mellitus, central obesity and the relationship between central obesity to type 2 diabetes mellitus in the age group ge 45 years. The study design used was cross section with logistic regression for multivariate analysis. The data sources analyzed are non communicable disease risk factor surveillance data in 2015. There are 2127 respondents who meet the criteria that can be analyzed. The results showed that the prevalence of type 2 diabetes was 12.5% and the prevalence of central obesity was 39.6 . The relationship of central obesity to type 2 diabetes mellitus with POR 2.14 (95% CI 1.62 2.81) that means respondents with central obesity are 2.14 times more likely to develop type 2 DM than non obese central respondents. Efforts to prevent the increase in cases of type 2 diabetes mellitus is continuous education to the public against risk factor central obesity by counseling individuals at risk and in the central obesity group."