sidangrepository.its.ac.id/72595/2/1313030075-presentationpdf.pdf · 2020. 1. 8. · sidang oleh :...
TRANSCRIPT
-
PEMODELAN PREVALENSI MALARIA DI PAPUA BERSERTA FAKTOR YANG
MEMPENGARUHINYA MENGGUNAKAN REGRESI NONPARAMETRIK SPLINE
SIDANG
Oleh :
Fisty Aprila Tiara Hari
Dosen Pembimbing:
Prof. Dr. Drs. I Nyoman Budiantara, M.Si
Dosen Penguji:
Dr. Irhamah, S.Si, M.SiErma Oktania Permatasari, S.Si, M.Si
PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMINSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
-
BAB IPENDAHULUAN
BAB IITINJAUAN PUSTAKA
BAB IVANALISIS DAN PEMBAHASAN
BAB IIIMETODOLOGI
PENELITIAN
BAB VKESIMPULAN DAN SARAN DAFTAR PUSTAKA
-
Manfaat
Batasan Masalah
Rumusan Masalah
Latar Belakang
BAB I PENDAHULUAN
-
BAB I PENDAHULUAN
0
5
10
15
20
25
30
Series1
Latar Belakang
-
BAB I PENDAHULUAN
Penelitian Sebelumnya tentang Malaria
Susilowati (2013) meneliti malaria di Provinsi
Maluku Utara, Maluku, Papua Barat,
dan Papua dengan faktor yang
mempengaruhinya menggunakan analisis regresi
Lestari (2014) meneliti penyakit
malaria menggunakan metode regresi
logistik biner untuk mendapatkan faktor yang berpengaruh secara signifikan
terhadap ibu hamil,
Fadhilah (2015) meneliti tentang kejadian penyakit malaria dan faktor yang mempengaruhi di Provinsi Papua menggunakan metode GWR.
-
Pengertian
Titik knot
Kelebihan metode
BAB I PENDAHULUAN
Spline
-
Penelitian Sebelumnya Menggunakan Regresi Nonparamtrik Spline
BAB I PENDAHULUAN
Anwar 2014Pemodelan tingkat
pengangguran terbuka di Jawa Barat
Sentosa, 2015. Pemodelan faktor-faktor yang
mempengaruhi persentase berat badan bayi Bawah Garis
Merah (BGM) pada Kartu Menuju Sehat (KMS) di
Provinsi Jawa Timur
-
BAB I PENDAHULUAN
Rumusan Masalah
Bagaimana Mendapatkan Model Terbaik?
Mendapatkan model terbaik
Tujuan
Batasan Masalah
• Data kejadian penyakit malaria di Provinsi Papua tahun 2013.
• Menggunakan metode regresi Nonparametrik spline dengan 1 knot, 2 knot, 3 knot serta kombinasi knot.
-
Penyakit Malaria
Regresi Parametrik
Regresi Nonparametrik Spline
Statistika Deskriptif
BAB II TINJAUAN PUSTAKA
-
BAB II TINJAUAN PUSTAKA
Statistika Deskriptif
Statitika Deskriptif
Pengertian Pemusatan
DataPenyebaran Penyebaran
Data
Regresi Parametrik
ikk xxy .....110
Analisis regresi parametrik memodelkanantara variabel prediktor dengan variabel
respon dimana bentuk kurva diketahui
-
BAB II TINJAUAN PUSTAKA
Regresi Nonparametrik Spline
Pengertian
Rumus
Titik knot Optimal
-
Metode statitika untuk mengetahui hubungan antar
variabel respon dengan variabel prediktor dimana pola data yang bentuk kurvanya tidak diketahui
BAB II TINJAUAN PUSTAKA
Regresi Nonparametrik Spline
Pengertian
-
Rumus
iii xfy )(
qr
k
kkq
q
j
jiji Kxxxf
)()(
10
ki
kiq
kiq
ki
Kx
KxKx
Kx
,0
,)(
)(
ni ,...,3,2,1;
BAB II TINJAUAN PUSTAKA
Regresi Nonparametrik Spline
-
BAB II TINJAUAN PUSTAKA
Regresi Nonparametrik Spline
Pemilihan Titik Knot OPtimal
221
1
2121
)]),...,,(([(
),...,,(),...,,(
r
rr
KKKAItrn
KKKMSEKKKGCV
Titik knot merupakan titik perpaduan bersama dimana ada perubahan perilaku fungsi pada
interval yang berlainan
Rumus
,)ˆ(),...,,( 21
121
n
iryynKKKMSE
yKKKAy r ),...,,(ˆ 21
-
Independen Identik Normal
BAB II TINJAUAN PUSTAKA
Uji Parameter Signifikansi Parameter
Uji Serentak
Uji Parsial H0 ditolak
MSE
MSRF rqj
SEt
j
j ,...,2,1,
)ˆ(
ˆ
Uji IIDN
-
BAB II TINJAUAN PUSTAKA
Penyakit Malaria
Malaria merupakan penyakit yang mengancamjiwa yang disebabkan oleh parasit Protozoa
genus Plasmodium dan ditularkan padamanusia oleh gigitan nyamuk Anopheles species betina yang bertindak sebagai vektor malaria.
Penyakit ini masih merupakan masalahkesehatan masyarakat karena sering
menimbulkan kejadian luar biasa (KLB), berdampak luas terhadap kualitas hidup dan
ekonomi, serta dapat mengakibatkan kematian.
-
BAB IIIMETODOLOGI PENELITIAN
Langkah-langkah Penelitian
Diagram Alir
Variabel Penelitian
Sumber Data
-
Data Sekunder
Riset Kesehatan Dasar
(Riskesdas) tahun 2013
Penyakit malaria di Provinsi
Papua pada tahun 2013
beserta faktor-faktor yang
diduga mempengaruhi.
BAB IIIMETODOLOGI PENELITIANSumber Data
-
Variabel Keterangan
Y Prevalensi kejadian penyakit malaria di tiap
kabupaten/kota di Provinsi Papua tahun 2013
X1 Persentase rumah tangga menggunakan plafon
kayu/tripleks
X2 Persentase rumah tangga menguras bak mandi
seminggu sekali
X3 Persentase rumah tangga memakai air bersih
(20-49,9 liter
X4 Persentase pengobatan malaria dengan
mendapatkan obat ACT (Artemisinin-based
Combination Therapy) program
X5 Persentase rumah tangga menggunakan tempat sampah terbuka
BAB IIIMETODOLOGI PENELITIANVariabel Penelitian
-
Mengumpulkan data mengenai penyakit malaria di Provinsi Papua pada beserta faktor-faktor yang diduga mempengaruhi.
Melakukan analisis deskriptif terhadap seluruh variabel.
Mengidentifikasi bentuk pola data antara variabel respon dengan variabel prediktor di Provinsi Papua dengan masing-masing faktor-faktor yang diduga mempengaruhi.
Melakukan analisis regresi parametrik terhadap variabel respon dengan variabel prediktor.
Menguji signifikansi parameter
BAB IIIMETODOLOGI PENELITIANLangkah-langkah Penelitian
-
Menghitung koefisien determinasi R2.
Memodelkan variabel respon denganvariabel prediktor menggunakan regresinonparametrik spline dengan satu, dua, tiga, dan kombinasi titik knot.
Memilih titik knot optimal menggunakan metode Generalized Cross Validation(GCV).
Membuat model regresi nonparametrik spline dengan titik knot optimal.
Menguji signifikansi parameter
BAB IIIMETODOLOGI PENELITIANLangkah-langkah Penelitian
-
Menguji dengan uji asumsi residual IIDN.
Menghitung koefisien determinasi R2.
Menginterpretasikan model.
Menarik kesimpulan
BAB IIIMETODOLOGI PENELITIANLangkah-langkah Penelitian
-
BAB IIIMETODOLOGI PENELITIAN
Diagram alir dari langkah-langkah analisis disajikan sebagai berikut.
Mengumpulkan data penyakit malaria di Provinsi Papua padatahun dan faktor-faktor yang diduga mempengaruhi
Mulai
Melakukan analisis data menggunakan statistika deskriptif
Menghitung koefisien determinasi R2
Mengidentifikasi bentuk pola data antara variabel respon denganvariabel prediktor
Melakukan analisis regresi parametrik regresi linear bergandaterhadap variabel respon dengan variabel prediktor
Uji parameter secara serentak
A
-
BAB IIIMETODOLOGI PENELITIAN
Memodelkan variabel respon dengan variabel prediktor menggunakanregresi nonparametrik spline dengan beberapa titik knot
Memilih titik knot optimal menggunakan metode Generalized Cross Validation (GCV)
A
Menguji parameter secara serentak
Menguji parameter secara parsial
Menghitung koefisien determinasi R2
Menguji asumsi residual model
Menginterpretasikan model dan menarik kesimpulan
Selesai
-
Pemodelan Data dengan Regresi Parametrik
Pemodelan Data dengan Regresi Nonparametrik Spline
Karakteristik Data
BAB IVANALISIS DAN PEMBAHASAN
-
Variabel Mean Varians Minimum Maksimum
Y 17,15 156,07 1,8 46
X1 40,02 333,97 6,5 74,7
X2 15,4 173,14 1,3 51,7
X3 29,23 218,49 1,3 59,6
X4 42,41 591,77 4,9 97,2
X5 59,4 491,15 2,7 96,7
Statistika Deskriptif
BAB IVANALISIS DAN PEMBAHASAN
Tabel Karakteristik data Prevalensi Kejadian Penyakit Malaria dan Faktor yang Diduga Mempengaruhi
-
0 10 20 30 40 50
Merauke
Jayawijaya
Jayapurura
Nabire
Kepulauan yapen
Biak Numfor
Paniai
Puncak jaya
Mimika
Boven D
Mappi
Asmat
Yahukim
Pegununnganbintang
Tolikara
Sarmi
Keerom
Waropen
Supiori
mamberamoraya
Nduga
Lanny J
Mamberatengah
Yalimo
Puncak
Dogiyai
Intan J
Deiyai
Kota Ja
Statistika Deskriptif
BAB IVANALISIS DAN PEMBAHASAN
Gambar Prevalensi Malaria di Kabupaten/Kota di Papua Tahun
2013
-
Peta Persebaran Prevalensi Malaria di Kabupaten/Kota Provinsi Papua
Statistika Deskriptif
BAB IVANALISIS DAN PEMBAHASAN
-
Regresi Parametrik
BAB IVANALISIS DAN PEMBAHASAN
54321 165,0086,0311,0540,0054,070,3ˆ xxxxxy
Model
Koefisien Determinansi
Model regresi linear berganda parametrik yang ter-bentuk memiliki R2 sebesar 31,0%. Modelregresi parametrik dapat menjelaskan prevalensipenyakit malaria sebesar 31,0 %.
Uji SignifikansiParameter
Nilai F = 2,07tidak ada satu variabelpun
yang berpengaruh signifikanterhadap model regresi
-
Regresi Parametrik dengan Pemilihan Moidel terbaik Backward Elimination
BAB IVANALISIS DAN PEMBAHASAN
Model
Koefisien Determinansi
Model regresi linear berganda parametrik yang ter-bentuk memiliki R2 sebesar 21,2%. Modelregresi parametrik dapat menjelaskan prevalensipenyakit malaria sebesar 21,2%.
Uji SignifikansiParameter Serentak dan Parsial
Setidaknya ada satu variabelyang
berpengaruh signifikanterhadap model regresi
tidak ada
32 279,04006,073,2ˆ xxy
Uji serentak Uji Parsial
-
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
50403020100
50
40
30
20
10
0
x2
Pre
va
len
si
6050403020100
50
40
30
20
10
0
x3
Pre
va
len
si
80706050403020100
50
40
30
20
10
0
x1
Pre
va
len
si
100806040200
50
40
30
20
10
0
x5
Pre
va
len
si
100806040200
50
40
30
20
10
0
x4
Pre
va
len
si
-
Model GCV1 knot 159,6392 knot 140,5193 knot 86,690*
Kombinasi knot 159,638
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
)(ˆ)(ˆ)(ˆˆˆˆ 314213112110 KxKxKxxy
Tabel Perbandingan Nilai GCV
Model yang terbentuk
)(ˆ)(ˆ)(ˆˆ
)(ˆ)(ˆ)(ˆˆ
)(ˆ)(ˆ)(ˆˆ
)(ˆ)(ˆ)(ˆˆ
155201451913518517
124161141510414413
93128311731039
6285274262`5
KxKxKxx
KxKxKxx
KxKxKxx
KxKxKxx
-
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Estimasi Parameter
Variabel Parameter Estimasi23,171
x1
7,251-12,9884,2991,396
x2
1,0793,42
-2,233-3,357
x3
4,641-11,387,2190,14
x4
-2,13611,576-10,9212,158
x5
-7,22314,611-9,872,41
-
)578,52(41,2)476,31(87,9
)720,25(611,14222,7)876,53(518,2
)155,33(921,10)504,27(576,11135,2
)235,32(140,0)147,19(219,7)578,15(38,11
641,4)527,27(357,3)965,15(233,2
)812,12(420,3079,1)688,42(396,1
55
554
444
333
322
221
xx
xxx
xxx
xxx
xxx
xxx
)378,27(299,4)23,202(12,988-7,25123,171ˆ 111 xxxy
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Model yang Terbentuk
Model spline yang terbentuk dengan titik knot memiliki R2 sebesar 95,62 % dimana memilikipengertian bahwa model regresi spline dapatmenjelaskan prevalensi penyakit malaria sebesar95,62 %.
Koefisien Determinasi
-
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Uji Signifikansi Parameter Secara Serentak
Uji Serentak F=8,73
H0 ditolakSetidaknya
ada satu yang berpengaruh
-
Variabel Parameter Estimasi Thitung P-value Keputusan
23,171 2,416 0,042 signifikan
x1
7,251 5,915 0,0003 signifikan-12,988 -4,599 0,001 signifikan
4,299 2,163 0,062tidak
signifikan1,396 2,927 0,019 signifikan
x2
1,079 2,854 0,021 signifikan
3,42 1,251 0,245tidak
signifikan
-2,233 -0,741 0,479tidak
signifikan-3,357 -5,18 0,001 signifikan
x3
4,641 4,445 0,002 signifikan-11,38 -3,57 0,007 signifikan7,219 2,699 0,027 signifikan
0,14 0,249 0,809tidak
signifikan
x4
-2,136 -5,207 0 signifikan11,576 5,762 0 signifikan-10,921 -5,612 0,001 signifikan2,158 4,187 0,003 signifikan
x5
-7,223 -6,704 0 signifikan14,611 5,244 0,0007 signifikan-9,87 -4,21 0,002 signifikan2,41 4,612 0,001 signifikan
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Uji Signifikansi Parameter Secara Parsial
-
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Uji IIDN
Nilai F= 0,426Keputusan :H0 gagal ditolak
Kesimpulan :tidak terjadi heteroskedastisitas.
Uji Identik
-
Uji Normal
5,02,50,0-2,5-5,0-7,5
99
95
90
80
70
60
50
40
30
20
10
5
1
C14
Pe
rce
nt
Mean 4,886313E-11
StDev 2,614
N 29
KS 0,143
P-Value 0,132
Probability Plot of C14Normal
Uji Independen
282624222018161412108642
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Au
to
co
rre
latio
n
Autocorrelation Function for C1(with 5% significance limits for the autocorrelations)
-
)578,52(41,2
)476,31(87,9)720,25(611,14233,7)876,53(518,2
)155,33(921,10)504,27(576,11316,2)235,32(140,0
)147,19(219,7)578,15(38,11641,4)527,27(357,3
)965,15(233,2)812,12(420,3079,1)688,42(396,1
5
5554
4443
3332
2221
x
xxxx
xxxx
xxxx
xxxx
)378,27(299,4)23,202(12,988-7,25123,171ˆ 111 xxxy
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Interpretasi Model
-
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
688,42;058,12407,0
688,42370,27;65,183439,1
370,27202,23;348.301738,5
202,23;251,7
)688,42(396,1
1
11
11
11
1
x
xx
xx
xx
x
)370,27(299,4)202,23(988,12251,7ˆ 111 xxxy
Persentase RT Plafon Kayu
Kabupaten yang termasuk dalam kategori ini ini adalah Kabupaten Supiori, Kabupaten Puncak, Kabupaten Mappi, Kabupaten Intan Jaya, dan
Kabupaten Deiyai
Kabupaten yang termasuk dalam kategori ini ini adalah Kabupaten Painai
Kabupaten Yakuhimo, Kabupaten Yalimo, Kabupaten Lanny Jaya, KabupatenMamberamo Tengah, Kabupaten Asmat, Kabupaten Tolikara, Kabupaten
Puncak Jaya, Kabupaten Mamberamo Raya, Kabupaten Keerom, dan Kabupaten Jayapura
Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Jayawijaya, Kabupaten Waropen, Kabupaten Kepulauan Yapen, Kabupaten Merauke,
Kabupaten Nduga, Kabupaten Boven Digoel, Kabupaten Biak Numfor, Kabupaten Dogiyai, Kota Jayapura, Kabupaten Sarmi, Kabupaten Mimika,
dan Kabupaten Pegunungan Bintang
-
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Persentase RT Menguras Bak Mandi Seminggu Sekali
Kabupaten yang termasuk dalam kategori ini adalah KabupatenNduga, Kabupaten Mamberamo Tengah, Kabupaten Lanny Jaya, Kabupaten
Mamberamo Raya, Kabupaten Tolikara, Kabupaten Puncak, KabupatenPainai, Kabupaten Intan Jaya, Kabupaten Yahukimo, Kabupaten Puncak Jaya, Kabupaten Mappi, Kabupaten Dogiyai, Kabupaten Boven Digoel,
Kabupaten Yalimo, dan Kabupaten Sarmi.
)965,15(233,2)812,12(420,3079,1ˆ 222 xxxy
527,27;240,840908,1
527,27965,15;168,8266,2
965,15812,12;817,434992,4
812,12;079,1
)527,27(357,3
22
22
22
22
2
xx
xx
xx
xx
x
Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Asmat, Kabupaten Merauke dan Pegunungan Bintang
Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Keerom, Kabupaten Supiori, Kabupaten Nabire, Kabupaten Jayawijaya
Kabupaten yang termasuk dalam kategori ini adalahKabupaten Mimika, Kabupaten Kepulauan Yapen, Kabupaten Jayapura,
Kabupaten Biak Numfor, Kota Jayapura
-
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Persentase RT Memakai Air Bersih
Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Yahukimo, Kabupaten Puncak, Kabupaten Deiyai, Kabupaten Mimika, dan Kabupaten
Waropen
)578,15(38,11641,4ˆ 33 xxy
235,32;457,2562,0
235,32147,19;945,20480,0
147,19578,15;277,177739,6
578,15;641,4
)235,32(140,0)147,19(219,7
33
33
33
33
33
xx
xx
xx
xx
xx
Kabupaten Nduga, Kabupaten Nabire, dan Kabupaten Asmat.
Kabupaten Keerom, Kabupaten Kepulauan Yapen, Kabupaten Painai, Kabupaten Mamberamo Tengah, Kabupaten Tolikara, Kabupaten Mappi,
dan Kabupaten Yalimo.
Kabupaten Jayapura, Kabupaten Boven Digoel, Kabupaten Lanny Jaya, Kabupaten Jayawijaya, Kabupaten Biak Numfor, Kabupaten Puncak Jaya, Kabupaten Pegunungan Bintang, Kabupaten Dogiyai, Kabupaten Supiori,
Kabupaten Mamberamo Jaya, Kabupaten Intan Jaya, dan Kabupaten Sarmi.
-
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Tolikara, Kabupaten Waropen, Kota Jayapura, Kabupaten Intan Jaya, Kabupaten
Mimika, Kabupaten Yahukimo, dan Kabupaten Jayawijaya.
Pengobatan Malaria dengan Mendapatkan obat ACT
)155,33(92,10)504,27(576,11135,2ˆ 444 xxxy
876,53;993,91039,1
876,53155,33;666,434791,1
155,33504,27;386,318441,9
504,27;135,2
)876,53(518,2
44
44
44
44
4
xx
xx
xx
xx
x
Kabupaten yang termasuk dalam kategori ini adalah KabupatenMamberamo Tengah, dan Kabupaten Jayapura
Kabupaten yang termasuk dalam kategori ini adalah KabupatenMamberamo Raya, Kabupaten Pegunungan Bintang, Kabupaten Yalimo, Kabupaten Biak Numfor, Kabupaten Lanny Jaya, Kabupaten Kepulauan
Yapen, Kabupaten Supiori, Kabupaten Dogiyai, Kabupaten Mappi, Kabupaten Asmat, Kabupaten Sarmi, Kabupaten Deiyai, dan Kabupaten
Puncak
Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Nabire, Kabupaten Merauke, Kabupaten Nduga, Kabupaten Boven Digoel, Kabupaten Keerom, Kabupaten Puncak Jaya, dan Kabupaten Painai
-
Regresi NonParametrik Spline
BAB IVANALISIS DAN PEMBAHASAN
Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Puncak.
Persentase RT Menggunakan Tempat Sampah Terbuka
)476,31(87,9)720,25(611,14222,7ˆ 555 xxxy
578,52;838,119071,0
578,52476,31;126,65481,2
476,31720,25;794,375389,7
720,25;222,7
)578,52(41,2
55
55
55
55
5
xx
xx
xx
xx
x
Kabupaten yang termasuk dalam kategori ini adalah Kabupaten Yappi, Kabupaten Boven Digoel, Kabupaten Lanny Jaya, Kabupaten Puncak Jaya,
Kabupaten Mamberamo Raya, dan Kabupaten Kepulauan Yapen.
Kabupaten Dogiyai, Kabupaten Nduga, Kabupaten Painai, KabupatenMimika, Kabupaten Yahukimo, Kabupaten Keerom, Kabupaten Yalimo, Kabupaten Sarmi, Kabupaten Merauke, Kabupaten Biak Numfor, Kota
Jayapura, Kabupaten Mamberamo Tengah, Kabupaten Jayawijaya, Kabupaten Nabire, Kabupaten Pegunungan Bintang, dan Kabupaten
Tolikara
-
BAB VKESIMPULAN DAN SARAN
Karakteristik prevalensi malaria di Papua pada tahun 2013 diketahui bahwa rata-rata prevalensi kejadian penyakit
malaria di tiap kabupaten/kota di provinsi Papua tahun 2103 (Y) sebesar 17,15 dengan varians sebesar 156,07. Prevalensi
kejadian penyakit malaria terkecil mencapai angka 1,8 di Kabupaten Nduga sedangkan yang terbesar mencapai 46,00 di Kabupaten Intan Jaya. Kesimpulan yang dapat ditarik yakni
prevalensi kejadian malaria mencapai jumlah antara 1,8 hingga 46,00.
Analisis data menggunakan metode regresi parametrik linear berganda ternyata belum merupakan metode yang tepat
untuk memodelkan penyakit malaria di Provinsi Papua. Hal ini karena terlihat pada beberapa nilai seperti MSE yang dihasilkan besar, R2q bernilai kecil, dan tidak ada variabel
yang berpengaruh signifikan. Metode regresi nonparametrik spline mampu menghasilkan model terbaik sebagai berikut.
)378,27(299,4)23,202(12,988-7,25123,171ˆ 111 xxxy
)578,52(41,2
)476,31(87,9)720,25(611,14233,7)876,53(518,2
)155,33(921,10)504,27(576,11316,2)235,32(140,0
)147,19(219,7)578,15(38,11641,4)527,27(357,3
)965,15(233,2)812,12(420,3079,1)688,42(396,1
5
5554
4443
3332
2221
x
xxxx
xxxx
xxxx
xxxx
-
BAB VKESIMPULAN DAN SARAN
Saran untuk pemerintah Provinsi Papua terhadappenanganan kejadian malaria yaitu melakukan pencegahan
dan pengobatan terhadap kabupaten/kota di Papua terutama terhadap kabupaten/kota yang mengindikasikan
kejadian malaria yang cukup tinggi
Penelitian yang dilakukan ini masih terbatas pada 1 titikknot,2 titik knot,3 titik knot , dan kombinasi knot. Saran
untuk penelitian selanjutnya memakai 4 titik knot. Penelitianselanjutnya juga diharapkan dapat menambah variabel-
variabel yang mempengaruhi prevalensi malaria
-
Anwar, S. 2014. Regresi Nonparametrik Spline Untuk Pemodelan Tingkat Pengangguran Terbuka di Jawa Barat. Institut Negeri Sepuluh Nopember, Statistika, Surabaya
Budiantara, I.N. 2006. Regresi Nonparametrik dalam Statistika. Makalah Pembicara Uama pada Seminar Nasional Matematika. Jurusan Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Makassar (UNM) , Makassar.
Drapper, N. dan Smith, H. (1992). Analisis Regresi Terapan. PT. Gramedia Pustaka Utama, Jakarta
Ekayani, G. (2011). Analisis Regresi Logistik Biner untuk Mengetahui Faktor-faktor yang Mempengaruhi Terjadinya Penyakit Malaria di Provinsi Papua Barat. Institut Teknologi Sepuluh Nopember, Statistika. Digital Library ITS, Surabaya.
Eubank, R. 1998. Spline Smoothing and Nonparametric Regression.Cambridge University Press, New York.
Hardle, W. 1990. Applied Nonparametric Regression. Cambridge University Press, New York.
Ilmi, Friska Miftakhul. 2015. Pemodelan Kasus Malaria dan Filiriasis di Jawa Timur Menggunakan Regreis Poisson Bivariat. Institut Negeri Sepuluh Nopember, Statistika, Surabaya.
Kementerian Kesehatan RI. 2011. Epidemiologi Malaria di Indonesia. Buletin Jendela Data
dan Informasi Kesehatan .
_________________________2013. Riset Kesehatan Dasar : Riskesdas 2013.
Daftar Pustaka
-
Badan Penelitian dan Pengembangan Kesehatan . , Jakarta. _________________________2014. Situasi Malaria di Indonesia.
InfoDatin . Sastrawijaya. 2009. Pencemaran Lingkungan. Rineka Cipta, Jakarta Sembel, Dantje T., 2009. Entomologi Kedokteran Edisi I. Penerbit Andi,
Yogyakarta Sentosa. 2015 Pemodelan faktor-faktor yang mempengaruhi persentase
berat badan bayi Bawah Garis Merah (BGM) pada Kartu Menuju Sehat (KMS) di Provinsi Jawa Timur. Institut Teknologi Sepuluh Nopember, Statistika, Surabaya.
Susilowati, P. A. 2013. Analisis Regresi pada Prevalensi Malaria di Provinsi Maluku Utara, Maluku, Papua Barat, dan Papua dengan Faktor yang Mempengaruhinya. Institut Teknologi Sepuluh Nopember, Statistika. Digital Library ITS, Surabaya.
Yawan, S.F. 2006. Analisis Faktor Resiko Kejadian Malaria di Wilayah Kerja Puskesmas Bosnik Kecamatan Biak Timur Kabupaten Biak Numfor Papua. Universitas Diponegoro, Semarang.
Wahyuni, E. U. 2012. Hubungan Faktor Lingkungan Tempat Tinggal dengan Kejadian
Malaria pada Balita di Indonesia. Universitas Indonesia, Depok. Walpole, R. 1995. Pengantar Statistika. Gramedia Pustaka Utama,
Jakarta. Wiwiek. 2000. Multikolinearitas. Diunduh dari alamat
http://oc.its.ac.id/// pada Kamis tanggal 9 Juni 2016, pukul 15.00 WIB
Daftar Pustaka
-
SEKIAN TERIMA KASIH
PEMODELAN PREVALENSI MALARIA DI PAPUA BERSERTA FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI NONPARAMETRIK SPLINESlide Number 3 Slide Number 5 Slide Number 9 Slide Number 14 Slide Number 20 Slide Number 28 Slide Number 36