BAB I PENDAHULUAN 1.1 Latar Belakang Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada hubungan satu variabel atau dua variabel saja, akan tetapi cenderung melibatkan banyak variabel. Analisis tentang banyak variabel dikaji secara mendalam dalam analisis multivariat (Nuningsih, 2010). Analisis multivariat adalah metode-metode statistik yang mengolah beberapa pengukuran menyangkut individu atau objek sekaligus. Teknik analisis multivariat diklasifikasikan menjadi dua yaitu analisis dependensi/ketergantungan dan analisis interdependensi/saling ketergantungan. Analisis dependensi bertujuan untuk menerangkan atau memprediksi variabel tergantung dengan menggunakan dua atau lebih variabel bebas, yang termasuk dalam klasifikasi ini ialah analisis regresi multivariat, analisis diskriminan, analisis varians multivariat (Manova) dan analisis korelasi kanonik. Sedangkan analisis interdependensi bertujuan untuk memberikan makna terhadap seperangkat variabel atau membuat kelompokkelompok secara bersama-sama, yang termasuk dalam klasifikasi ini ialah analisis faktor, analisis cluster/gerombol, dan multidimensional scaling (Narimawati, 2008).
1 Universitas Sumatera Utara
Analisis Multivariat
Metode Interdependensi
Metode Dependensi Satu Variabel Tak Bebas - Anova dan Ancova - Regresi Berganda - Analisis Diskriminan - Analisis Konjoin
Lebih Dari satu Variabel Tak Bebas - Manova dan Mancova - Korelasi Kanonikal
Fokus Pada Objek Fokus pada Variabel - Analisis faktor
- Analisis Klaster/Gerombol -Multidimensional Scaling
Gambar 1.1 Klasifikasi Statistik Multivariat Analisis faktor merupakan nama umum yang menunjukkan suatu kelas prosedur, utamanya dipergunakan untuk mereduksi data atau meringkas dari variabel yang banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang lama diubah menjadi 4 atau 5 variabel baru yang disebut faktor dan masih memuat sebagian besar informasi yang terkandung dalam variabel asli (original variable). (Supranto, 2004). Multidimensional Scaling (MDS) merupakan salah satu alat analisis multivariat yang berhubungan dengan penempatan beberapa objek (produk, merk, atau perusahaan) pada suatu peta multidimensional yang ditentukan oleh konsumen berdasarkan proximities (nilai kedekatan) antara beberapa objek tersebut. Analisis multidimensional scaling merupakan salah satu teknik peubah ganda yang dapat digunakan untuk menentukan posisi suatu objek lainnya berdasarkan penilaian kemiripannya. MDS digunakan untuk mengetahui
2 Universitas Sumatera Utara
hubungan interdepensi atau saling ketergantungan antar variabel atau data (Supranto, 2010). Analisis klaster merupakan bagian depan (obverse) dari analisis faktor, dimana mereduksi (memperkecil) banyaknya objek (responden) bukan banyaknya variabel atau atribut responden, yaitu dengan mengelompokkan objek-objek tersebut menjadi klaster, yang banyaknya lebih sedikit daripada banyaknya objek asli yang diteliti, misalnya dari 50 responden, dikelompokkan hanya menjadi 5 klaster saja, di mana masing-masing klaster terdiri dari 10 orang saja (Supranto, 2004). Analisis gerombol adalah statistik variabel ganda yang digunakan apabila ada n buah individu atau objek yang mempunyai p variabel dan ingin dikelompokkan ke dalam k gerombol berdasarkan sifat-sifat yang diamati sehingga individu atau objek yang terletak dalam satu gerombol memiliki kemiripan yang lebih besar dibandingkan dengan objek yang terletak dalam gerombol lain. Berdasarkan penjelasan diatas maka analisis gerombol sesuai dengan tujuan penelitian ini yang ingin mengelompokkan kabupaten/kota berdasarkan persamaan mortalitas, morbiditas dan status gizi masyarakat yang akan menunjukkan derajat kesehatan masyarakat di 33 kabupaten/kota di Sumatera Utara. Prinsip dasar dalam analisis gerombol adalah mengelompokkan objek (observasi) pada suatu gerombol yang memiliki kemiripan sangat besar dengan objek lain dalam gerombol yang sama, tetapi sangat tidak mirip dengan objek lain pada gerombol yang berbeda. Hal ini berarti bahwa gerombol yang baik akan
3 Universitas Sumatera Utara
mempunyai homogenitas (kesamaan) yang tinggi antar anggota dalam satu gerombol dan heterogenitas (perbedaan) yang tinggi antar gerombol yang satu dengan yang lainnya (Santoso, 2010). Metode analisis gerombol dibedakan menjadi dua yaitu metode hirarki dan metode tak berhirarki. Metode hirarki dibedakan menjadi dua yaitu metode penggabungan (agglomerative) dan metode pemecahan (devisive). Dalam metode berhirarki terdapat beberapa ukuran jarak antar gerombol, antara lain jarak minimum atau pautan tunggal (single linkage), jarak maksimum atau pautan lengkap (comlete linkage), jarak antar centroid atau pautan centroid (centroid lingkage), median antara gerombol atau pautan median (median linkage), rata-rata dari semua jarak atau pautan rataan (average linkage), serta metode Ward. Hasil penggerombolan metode berhirarki secara umum membentuk diagram pohon atau dendogram yang menggambarkan pengelompokan objek berdasarkan jarak. Metode tak berhirarki bertujuan untuk mengelompokkan n objek ke dalam k gerombol (k < n), di mana nilai k telah ditentukan sebelumnya. Metode tak berhirarki yang banyak digunakan adalah K-Means Cluster dan Fuzzy C-Means. Salah satu displin ilmu yang dipergunakan dalam analisis gerombol saat ini adalah bidang kesehatan. Untuk mengetahui derajat kesehatan yang optimal dapat dilihat melalui
kualitas hidup masyarakatnya, baik angka mortalitas,
morbiditas dan status gizi. Untuk mortalitas ada tiga indikator, yaitu: angka kematian bayi, angka kematian balita dan angka kematian ibu. Untuk indikator morbiditas, yaitu: angka kesakitan penyakit menular dan tidak menular. Sementara untuk indikator status gizi yaitu: persentase kunjungan neonatus,
4 Universitas Sumatera Utara
persentase kunjungan bayi, persentase BBLR ditangani, persentase Balita dengan Gizi Buruk (Dinas Kesehatan Provinsi Sumatera Utara, 2013) Angka kematian bayi hasil sensus penduduk 2010 berdasarkan kabupaten/kota diketahui bahwa angka kematian bayi terendah adalah kota Medan sebesar 14,7/1.000 kelahiran hidup dan yang tertinggi adalah kabupaten mandailing natal dengan angka kematian bayi sebesar 45,7/1.000 kelahiran hidup. Berdasarkan hasil sensus penduduk 2010, angka kematian ibu di Sumatera Utara sebesar 328/100.000 kelahiran hidup. Angka ini masih cukup tinggi bila dibandingkan dengan angka nasional hasil sensus penduduk 2010 sebesar 259/100.000 kelahiran hidup. Pada Profil Kesehatan Provinsi Sumatera Utara tahun 2012, hasil cakupan penemuan kasus baru TB paru BTA(+) yaitu 17.459 kasus atau 82,57%. Angka ini mengalami peningkatan bila dibandingkan dengan tahun 2011 yaitu 76,57% dan 2010 yaitu 68,86%. Pada Profil Kesehatan Provinsi Sumatera Utara tahun 2012, terdapat 42.190 (3,70%) balita yang menderita gizi kurang, sedangkan yang menderita gizi buruk sebanyak 1.208 (0,11%). Dibandingkan tahun 2011, persentase balita gizi kurang sebesar 2,81%, artinya mengalami peningkatan sebesar 0,69% . Jumlah kasus mortalitas, morbiditas dan status gizi setiap kabupaten/kota di Provinsi Sumatera Utara memiliki nilai berbeda, itu berarti tingkat derajat kesehatannya
berbeda
pula
antar
kabupaten/kota.
Untuk
mengetahui
kabupaten/kota mana yang berada dalam satu kelompok derajat kesehatan dapat digunakan analisis gerombol. Karena pembentukan kelompok kabupaten/kota
5 Universitas Sumatera Utara
dengan derajat kesehatan berdasarkan mortalitas, morbiditas dan status gizi memenuhi syarat untuk dianalisis dengan menggunakan analisis gerombol. Dengan analisis gerombol akan terbentuk kelompok dengan kabupaten/kota mana saja yang masuk dalam derajat kesehatan baik, derajat kesehatan sedang dan derajat kesehatan rendah. Dengan diketahuinya kelompok kabupaten/kota dengan derajat kesehatan baik maka dapat dilakukan pemantauan untuk program kesehatannya agar terus dapat mempertahankan dan meningkatkan derajat kesehatannya. Sedangkan kelompok kabupaten/kota dengan derajat kesehatan sedang dan rendah diharapkan dapat melakukan peningkatan program kesehatan agar dapat meningkatkan derajat kesehatannya, baik dari mortalitas, morbiditas dan status gizinya. Karena Dengan memperbaiki institusi-institusi kesehatan, dan dengan mengadakan programprogram baru, kita memang bisa membuat pelayanan kesehatan lebih merata dan lebih efisien, tetapi potensi terbesar untuk memperbaiki derajat kesehatan masyarakat terletak pada apa yang dibuat oleh masyarakat itu sendiri sehubungan dengan kesehatan. Metode yang digunakan adalah metode hirarki dengan ukuran jarak Euclidian (Tri, 2009). 1.2 Perumusan Masalah Rumusan masalah pada penelitian ini adalah : bagaimana hasil penerapan analisis gerombol dalam pembentukan kelompok berdasarkan mortalitas, morbiditas dan status gizi di 33 kabupaten/kota di Provinsi Sumatera Utara tahun 2013 yang akan menunjukkan derajat kesehatan masyarakatnya.
6 Universitas Sumatera Utara
1.3 Tujuan Penelitian 1.3.1 Tujuan Umum Menerapkan analisis gerombol untuk menggambarkan derajat kesehatan masyarakat
berdasarkan
mortalitas,
morbiditas
dan
status
gizi
di
33
kabupaten/kota di Provinsi Sumatera Utara Tahun 2013. 1.3.2 Tujuan Khusus 1. Untuk mengetahui pengelompokkan kabupaten/kota di Provinsi Sumatera Utara berdasarkan angka mortalitas, morbiditas dan status gizi dari gerombol-gerombol yang terbentuk. 2. Untuk mengetahui ada tidaknya perbedaan yang nyata (signifikan) antar kelompok yang terbentuk, dalam hal ini gerombol yang dihasilkan. 3. Melihat posisi masing-masing objek terhadap objek lainnya dari gerombol yang terbentuk. 1.4 Manfaat Penelitian 1. Sebagai bahan masukan bagi Dinas Kesehatan Provinsi Sumatera Utara untuk meningkatkan derajat kesehatan penduduk dalam merencanakan pembangunan kesehatan berdasarkan hasil-hasil yang didapat. 2. Sebagai bahan masukan atau referensi bagi peneliti lain yang ingin melakukan penelitian yang berkaitan dengan analisis gerombol.
7 Universitas Sumatera Utara
