Hasil Pencarian  ::  Simpan CSV :: Kembali

"[ABSTRACTDiarhea is still the problem in development country like Indonesia, becausethe morbidity and mortality are high. Diarhea in Cianjur District is one of the 10highest in west java. This research is cross sectional study and use data from RapidSurvey Health Faculty of Indonesia University in Cianjur 2012. The purpose of thisstudy is to analize factors that related with diarrhea using linear regression and SGWR(Semiparametric Geographically Weigthed Regression). Based on linear regressionshows that the defecation habits as a dominant factor after controlled SPAL, infant,elementary school, acces to water and septic tank less than 10 meters. The SGWRwith Global Model consist of septic tank less than 10 meters and infant, Local Modelconsist of defecation habits and SPAL. The SGWR model with distance weigthing 3-15 Km can predict the diarrhea quite well, almost in all of study area.

---

ABSTRAKPenyakit diare masih merupakan masalah kesehatan masyarakat di negaraberkembang seperti di Indonesia, karena morbiditas dan mortalitas-nya yang masihtinggi. Di Propinsi Jawa Barat Kabupaten Cianjur merupakan 10 kabupaten yangmasih tinggi kejadian diare pada penduduknya. Penelitian ini dengan rancangancross-sectional dan sumber data sekunder dari Survey Cepat FKM-UI Tahun 2012.Tujuan dari penelitian ini adalah menganalisis faktor yang berhubungan dengan diaremenggunakan analisis regresi linear dan regresi spasial SGWR (SemiparametricGeographically Weigthed Regression). Hasil analisis regresi linear didapatkankebiasaan BAB menjadi faktor utama dengan dikontrol proporsi SPAL, balita,pendidikan SD, akses air dan jarak ke pencemar. Hasil analisis SGWR didapatkanmodel GWR global (letak pencemar dan balita) dan model GWR lokal (KebiasaanBAB dan SPAL). SGWR dengan pembobotan jarak optimal sebesar 3 Km sampai 15Km mampu memprediksi dengan model yang lebih sesuai untuk tiap area.;Penyakit diare masih merupakan masalah kesehatan masyarakat di negaraberkembang seperti di Indonesia, karena morbiditas dan mortalitas-nya yang masihtinggi. Di Propinsi Jawa Barat Kabupaten Cianjur merupakan 10 kabupaten yangmasih tinggi kejadian diare pada penduduknya. Penelitian ini dengan rancangancross-sectional dan sumber data sekunder dari Survey Cepat FKM-UI Tahun 2012.Tujuan dari penelitian ini adalah menganalisis faktor yang berhubungan dengan diaremenggunakan analisis regresi linear dan regresi spasial SGWR (SemiparametricGeographically Weigthed Regression). Hasil analisis regresi linear didapatkankebiasaan BAB menjadi faktor utama dengan dikontrol proporsi SPAL, balita,pendidikan SD, akses air dan jarak ke pencemar. Hasil analisis SGWR didapatkanmodel GWR global (letak pencemar dan balita) dan model GWR lokal (KebiasaanBAB dan SPAL). SGWR dengan pembobotan jarak optimal sebesar 3 Km sampai 15Km mampu memprediksi dengan model yang lebih sesuai untuk tiap area., Penyakit diare masih merupakan masalah kesehatan masyarakat di negaraberkembang seperti di Indonesia, karena morbiditas dan mortalitas-nya yang masihtinggi. Di Propinsi Jawa Barat Kabupaten Cianjur merupakan 10 kabupaten yangmasih tinggi kejadian diare pada penduduknya. Penelitian ini dengan rancangancross-sectional dan sumber data sekunder dari Survey Cepat FKM-UI Tahun 2012.Tujuan dari penelitian ini adalah menganalisis faktor yang berhubungan dengan diaremenggunakan analisis regresi linear dan regresi spasial SGWR (SemiparametricGeographically Weigthed Regression). Hasil analisis regresi linear didapatkankebiasaan BAB menjadi faktor utama dengan dikontrol proporsi SPAL, balita,pendidikan SD, akses air dan jarak ke pencemar. Hasil analisis SGWR didapatkanmodel GWR global (letak pencemar dan balita) dan model GWR lokal (KebiasaanBAB dan SPAL). SGWR dengan pembobotan jarak optimal sebesar 3 Km sampai 15Km mampu memprediksi dengan model yang lebih sesuai untuk tiap area.]"

"Bayi usia dibawah satu bulan termasuk kedalam kategori usia dengan risiko gangguan kesehatan paling tinggi, risiko tersebut dapat berakibat fatal yaitu kejadian kematian apabila tidak mendapat pelayanan kesehatan yang memadai. Kematian neonatal di Provinsi Jawa Tengah, Provinsi Jawa Timur dan Provinsi Jawa Barat tersebut pada tahun 2022 mencapai 38,38% dari jumlah kematian neonatal pada tingkat nasional. Di Provinsi Daerah Istimewa Yogyakarta selama 4 tahun cenderung meningkat, dengan peningkatan terbesar terjadi di Tahun 2022 dengan peningkatan sebesar 16% dibandingkan Tahun 2021. Tujuan dari penelitian ini adalah untuk mengetahui determinan AKN yang dipengaruhi oleh kondisi spasial di Provinsi Jawa Tengah, Jawa Timur, Jawa Barat dan Daerah Istimewa Yogyakarta pada tahun 2022. Penelitian berdesain studi ekologi dengan unit analisis 105 kabupaten/kota di Provinsi Jawa Tengah, Jawa Timur, Jawa Barat dan Daerah Istimewa Yogyakarta. Data yang dianalisis merupakan data agregat yang bersumber dari data sekunder berupa Profil Kesehatan Provinsi Tahun 2022 dan hasil Susenas Tahun 2022 yang dipublikasikan oleh BPS. Pemodelan dengan metode GWR diketahui bahwa dari 6 variabel yang dianalisis dalam model, terdapat 3 variabel yang berpengaruh signifikan secara statistik dengan AKN yaitu variabel BBLR, kerapatan jalan, dan KN lengkap.

---

Babies aged under one month are included in the age category with the highest risk of health problems, this risk can have fatal consequences, namely death if they do not receive adequate health services. Neonatal deaths in Central Java Province, East Java Province and West Java Province in 2022 will reach 38.38% of the number of neonatal deaths at the national level. In the Yogyakarta Special Region Province, it has tended to increase over the past 4 years, with the largest increase occurring in 2022 with an increase of 16% compared to 2021. The aim of this research is to determine the determinants of AKN which are influenced by spatial conditions in the Provinces of Central Java, East Java, Java West and Special Region of Yogyakarta in 2022. The research has an ecological study design with analysis units of 105 districts/cities in the Provinces of Central Java, East Java, West Java and the Special Region of Yogyakarta. The data analyzed is aggregate data sourced from secondary data in the form of the 2022 Provincial Health Profile and the results of the 2022 Susenas published by BPS. Modeling using the GWR method shows that of the 6 variables analyzed in the model, there are 3 variables which have a statistically significant effect on AKN are the variables LBW, road density, and complete neonatal visit."

"[ABSTRAKRegresi linier merupakan suatu metode yang dapat digunakan untuk memodelkan hubungan antara suatu variabel terikat terhadap satu atau lebih variabel penjelas. Terdapat beberapa asumsi yang harus dipenuhi pada model regresi linier, yaitu komponen error berdistribusi normal dengan mean nol, variansi error konstan(homoskedastis), dan error antar observasi saling bebas. Pada saat menganalisis data spasial dengan menggunakan model regresi linier, asumsi homoskedastis terkadang tidak dapat terpenuhi karena kondisi data pada satu lokasi berbeda dengan kondisi data pada lokasi lainnya. Model Geographically Weighted Regression (GWR) dapat digunakan untuk mengatasi masalah heterogenitas spasial. Parameter model GWR dapat ditaksir dengan menggunakan dasar metode Weighted Least Squares (WLS) dimana bobotnya merupakan fungsi pembobot kernel. Fungsi pembobot kernel yang digunakan pada penelitian ini adalah fungsi pembobot kernel Gaussian. Pada bagian akhir penulisan, diberikan contoh aplikasi model GWR dengan menggunakan data klaim rawat inap peserta asuransikesehatan PT. XYZ untuk melihat hubungan antara total biaya rawat inap terhadap lamanya pasien dirawat inap dan kelas kamar rumah sakit yang ditempati pasien selama menjalani rawat inap untuk diagnosa tipes, DBD, dan diare. Dari hasil penelitian, hanya diagnosa tipes dan DBD yang dapat dianalisis dengan GWR. Berdasarkan peta penyebaran hasil taksiran parameter model GWR dan taksiran rata-rata total biaya rawat inap pasien dengan diagnosa tipes dan DBD, terlihat adanya variasi biaya di rumah sakit yang satu dengan rumah sakit lainnya.

---

ABSTRACTLinear regression is a method that can be used to model the relationship between a dependent variable to one or more explanatory variables. There are some assumptions that must be fulfilled in the linear regression model, such as the error term is normally distributed with mean zero, a constant variance (homoscedastic),and independent among observations. When analyzing spatial data using a linear regression model, sometimes the homoscedastic assumption cannot be fulfilled because data condition on one location differ compared to others. Geographically Weighted Regression (GWR) model is used to overcome the spatial heterogeneityproblem. Parameters of GWR model can be estimated using Weighted Least Squares (WLS) method as the basic of estimating parameters using kernel weighting function. The kernel weighting function used here is Gaussian kernel weighting function. At the last chapter, there is an example of the GWR model application by using inpatient claims data of PT. XYZ members to see the relationship between the total inpatient cost to length of stay and hospital’s room rate for typhoid, DBD, and diarrhea. From the result, only typhoid and DBD thatcan be analyzed with GWR model. Based on the map of parameter estimates on GWR model and average of total inpatient cost for typhoid and DBD, it shows that there is a variation of inpatient cost between one hospital and the others., Linear regression is a method that can be used to model the relationship between adependent variable to one or more explanatory variables. There are someassumptions that must be fulfilled in the linear regression model, such as the errorterm is normally distributed with mean zero, a constant variance (homoscedastic),and independent among observations. When analyzing spatial data using a linearregression model, sometimes the homoscedastic assumption cannot be fulfilledbecause data condition on one location differ compared to others. GeographicallyWeighted Regression (GWR) model is used to overcome the spatial heterogeneityproblem. Parameters of GWR model can be estimated using Weighted LeastSquares (WLS) method as the basic of estimating parameters using kernelweighting function. The kernel weighting function used here is Gaussian kernelweighting function. At the last chapter, there is an example of the GWR modelapplication by using inpatient claims data of PT. XYZ members to see therelationship between the total inpatient cost to length of stay and hospital’s roomrate for typhoid, DBD, and diarrhea. From the result, only typhoid and DBD thatcan be analyzed with GWR model. Based on the map of parameter estimates onGWR model and average of total inpatient cost for typhoid and DBD, it showsthat there is a variation of inpatient cost between one hospital and the others.]"

"Menganalisis hubungan antara jumlah tindak kejahatan dan faktor-faktor yang mempengaruhinya menjadi topik penelitian yang menarik karena jumlah tindak kejahatan di Indonesia dalam sepuluh tahun terakhir cenderung meningkat. Untuk meningkatkan kualitas keamanan masyarakat maka pemerintah perlu memahami faktor-faktor apa saja yang dapat memicu tindakan kejahatan. Dibandingkan dengan metode analisis regresi klasik, metode Geographically Weighted Regression GWR lebih diunggulkan karena dapat menangani masalah ketidak stasioneran spasial yang biasanya terjadi pada data fenomena-fenomena sosial. Ketidakstasioneran spasial adalah situasi dimana hubungan antar peubah berbeda-beda secara signifikan disetiap lokasi observasi. Hal tersebut mengakibatkan hasil analisis regresi klasik menjadi tidak akurat di beberapa lokasi. GWR menangani masalah tersebut dengan membangun model regresi di setiap titik observasi sehingga memungkinkan parameter regresi menjadi berbeda di setiap lokasi observasi. Penelitian ini menggunakan jumlah tindak kejahatan y sebagai peubah terikat dan peubah bebasnya adalah jumlah penduduk buta huruf x1, jumlah pengangguran x2, jumlah penduduk miskin x3, kepadatan penduduk x4, dan jumlah korban NAPZA x5. Penelitian ini menggunakan data sekunder yang dihimpun oleh POLRI, BPS, dan Dinsos di Jawa Tengah pada tahun 2015. Terdapat dua fungsi pembobot spasial GWR yang akan dibandingkan yaitu Kernel Gaussian dan Kernel Bisquare. Hasil penelitian menunjukkan fungsi Kernel Gaussian lebih baik dibanding Kernel Bisquare berdasarkan skor AIC dan R2. Hasil analisis menggunakan GWR menghasilkan model untuk 35 kabupaten/kota di Jawa Tengah.

---

Analyzing the relationship between number of crime cases and factors defined became an interesting research topic over the last ten years. The total number of crime in Indonesia didn rsquo t show a consistent decrease. In order to upgrade people safeness quality, the government need to know the factors influence people committing crime acts. Rather than using classical regression analysis, Geographically Weighted Regression GWR was preferable since it gave a better representative model by effectively resolve spatial non stationary problem which is generally exist in spatial data of social phenomenon. Spatial non stationary is a situation when the relationship between variables are significantly different in each location of observation point, so that classic regression analysis will result a misleading interpretation in some location. GWR handled the spatial non stationary problem by generating a single model in each observation point which allow different relationship to exist at different point in space. This study used number of crime cases y as the dependent variable and the factors which affect the number of crime cases as independent variables that consist of the number of illiterates x1 , the number of unemployed x2, the number of poor population x3, population density x4, the number of victims of drug x5. This study used secondary data collected by POLRI, BPS, and Social ministry of Indonesia in Central Java during 2015. Two spatial weighting functions were compared i.e. Kernel Gaussian and Kernel Bisquare and the study result indicated that Kernel Gaussian was batter according to score of R2 and AIC. GWR generated model for 35 city regency in Central Java. "

"Indonesia termasuk ke dalam kategori high burden countries untuk beban tertinggi TB dunia, menempati urutan ketiga setelah India dan Cina. Penanggulangan penyakit ini salah satunya dengan pemodelan kejadian TB Paru dengan faktor-faktor risikonya dengan analisis regresi linear. Namun, belum tentu cocok diterapkan disemua wilayah karena memiliki kondisi geografis yang berbeda, sehingga dapat menyebabkan adanya perbedaan kasus TB Paru antara wilayah satu dengan wilayah yang lainnya. Oleh karena itu, perlu dimasukkan unsur pengaruh geografis dengan pemodelan regresi linear spasial atau Geographically Weighted Regression (GWR), dalam penelitian ini untuk menilai hubungan kejadian TB Paru dengan faktor kondisi lingkungan fisik rumah, kondisi lingkungan rumah tinggal, karakteristik kependudukan, dan memanfaatkan pelayanan kesehatan terhadap kejadian TB Paru. Penelitian ini menggunakan desain studi potong lintang (cross sectional) dengan menggunakan data Riset Kesehatan Dasar (Riskesdas) 2010. Sampel penelitian ini adalah responden dalam Riskesdas 2010 berusia 15 tahun ke atas di Jawa Barat. Hasil penelitian menunjukkan bahwa memanfaatkan pelayanan kesehatan merupakan faktor dominan yang berhubungan dengan kejadian TB Paru di tiap Kabupaten/Kota Provinsi Jawa Barat kecuali Majalengka dan Pekerjaan juga berhubungan hanya di Kabupaten Bogor.

---

Indonesia is in the category of high-burden countries for the highest burden of Pulmonary Tuberculosis of the world, the third rank after India and China. The effort to overcome this disease is to do modeling the prevalence of Pulmonary Tuberculosis using linear regression model globally. However, it is not necessarily suitable to be applied in all areas because every area has different geographical condition, so it can lead to differences of TB cases between one region with another region. Therefore, the effect of geographic elements need to be incorporated with linear regression modeling spatial or Geographically Weighted Regression (GWR). This study applied GWR model to assess the association of Pulmonary Tuberculosis prevalence by the physical condition of the home environment, residential environment, demographic characteristics, and health care utilizing factors on the prevalence of Pulmonary Tuberculosis. This study used a cross-sectional study design using Riskesdas Data - 2010. Samples in this study were Riskesdas 2010 respondents aged 15 years and over in West Java. The results showed that utilize of health care is the dominant factor associated with the prevalence of Pulmonary Tuberculosis in each district/city of West Java except Majalengka, also related employement status only in Bogor Regency."