HASIL DAN PEMBAHASAN
Sebelum dilakukan pendugaan selang kepercayaan, terlebih dahulu dilihat ketakbiasan dari penduga titik. Caranya adalah dengan menghitung nilai harapan dari arah rata-rata dan arah median 1000 contoh data simulasi. Hasil perhitungan untuk seluruh contoh menunjukkan bahwa nilai harapan dari arah rata-rata dan arah median relatif sama dengan arah rata-rata atau arah median populasi, yaitu (Lampiran 2). Hal ini berarti bahwa, dugaan arah rata-rata dan arah median dari data contoh merupakan penduga tak bias bagi parameter sesungguhnya. Selang Kepercayaan Bootstrap bagi Arah Rata-rata dan Arah Median Hasil dugaan selang kepercayaan bootstrap bagi arah rata-rata dan arah median secara lengkap disajikan pada Lampiran 3 dan 4. Berikut ini akan dibahas hasil simulasi untuk selang kepercayaan dari metode busur ekor sama, busur simetri, dan busur berbasis kemungkinan, serta evaluasi hasil ketiga metode tersebut. a. Busur ekor sama (BES) Cakupan sebenarnya dari selang kepercayaan busur ekor sama bagi arah rata-rata (BES Mean) ditampilkan pada
Gambar 5. Gambar tersebut
memperlihatkan bahwa untuk semua nilai parameter konsentrasi dan ukuran contoh, cakupan sebenarnya selalu berada di bawah cakupan nominal (tingkat kepercayaan), yaitu 95%. Ukuran contoh kecil (N=10) selalu menghasilkan cakupan selang yang lebih rendah dari yang lain. Pada
.
, cakupan selang
dari semua ukuran contoh terlihat paling rendah dan jauh di bawah tingkat kepercayaan. Cakupan selang BES Mean ini stabil mendekati 95% untuk
.
Hal ini menunjukkan bahwa, saat datanya menyebar di sekeliling lingkaran, kemampuan selang dalam mencakup arah rata-rata sesungguhnya jauh lebih rendah dari tingkat kepercayaan selang, terlebih lagi jika ukuran contohnya kecil. Selang kepercayaan busur ekor sama bagi arah median (BES Median) juga memberikan hasil yang relatif sama dengan BES Mean (Gambar 6). Untuk ukuran contoh N=50 dan N=100, cakupan mulai berada di sekitar 95% pada Namun, untuk semua ukuran contoh hal ini dicapai ketika
. .
. Ukuran contoh
18
kecil juga menghasilkan cakupan yang lebih kecil dari yang lainnya. Hal ini juga mengindikasikan bahwa, data yang menyebar di sekeliling lingkaran akan membuat selang kepercayaan BES Median tidak mampu mencakup arah median
Cakupan sebenarnya (%)
sesungguhnya dengan baik.
(a)
.
s.d
(b)
s.d
Cakupan sebenarnya (%)
Gambar 5. Cakupan selang kepercayaan BES Mean
(a)
.
s.d
(b)
s.d
Gambar 6. Cakupan selang kepercayaan BES Median
Lebar selang BES Mean akan semakin sempit seiring peningkatan parameter konsentrasi (Gambar 7). Ukuran contoh kecil memberikan lebar selang yang lebih besar dari yang lainnya. Namun, setelah
lebar selang dari
keempat macam ukuran contoh sudah cenderung sama. Hasil ini menunjukkan bahwa data yang menyebar di sekeliling lingkaran akan membuat selang kepercayaan BES Mean menjadi lebar, dan sebaliknya. Selang
kepercayaan
BES
Median
juga
demikian.
Gambar
8
memperlihatkan, dari empat macam ukuran contoh, lebar selang akan membentuk pola
menurun
(konvergen)
seiring
Konvergensi ini juga dicapai saat
peningkatan
parameter
konsentrasi.
. Ukuran contoh kecil pun menghasilkan
selang yang lebih lebar dari yang lainnya. Hasil ini juga menunjukkan bahwa,
19
selang kepercayaan BES Median akan menjadi lebar saat datanya menyebar di
Lebar selang
sekeliling lingkaran.
.
(a)
s.d
(b)
s.d
Lebar selang
Gambar 7. Lebar selang kepercayaan BES Mean
(a)
.
s.d
(b)
s.d
Gambar 8. Lebar selang kepercayaan BES Median
Keragaman lebar selang BES Mean juga akan semakin kecil seiring dengan meningkatnya parameter konsentrasi (Gambar 9). N=10 cenderung memiliki keragaman lebar selang yang lebih besar dari yang lain. Setelah keragaman lebar selang terlihat cenderung sama. Dengan demikian, data yang menyebar akan membuat lebar selang menjadi tidak konsisten. Dengan kata lain, untuk parameter konsentrasi yang kecil, lebar selang BES Mean yang dihasilkan dari 1000 simulasi sangat bervariasi. Pola yang sama juga dihasilkan selang kepercayaan BES Median. Semakin besar parameter konsentrasi, keragaman lebar selang akan semakin kecil (Gambar 10).
juga menjadi titik konvergensi dari keragaman lebar selang. Artinya,
ketika parameter konsentrasinya sudah lebih dari 5, maka berapapun ukuran contohnya, lebar selang yang dihasilkan dari 1000 simulasi akan cenderung seragam atau konsisten.
Keragaman lebar selang
20
(a)
.
s.d
s.d
(b)
Keragaman lebar selang
Gambar 9. Keragaman lebar selang BES Mean
(a)
.
s.d
s.d
(b)
Gambar 10. Keragaman lebar selang BES Median
b. Busur simetri (BSIM) Secara umum, hasil dari selang kepercayaan busur simetri bagi arah ratarata (BSIM Mean) sama dengan BES Mean. Pada
.
, cakupan selang yang
dihasilkan juga rendah dan jauh dari tingkat kepercayaan selang. Cakupan selang akan mulai stabil mendekati tingkat kepercayaan selang saat
(Gambar 11).
Dengan demikian, selang kepercayaan BSIM Mean juga tidak mampu mencakup arah rata-rata sesungguhnya dengan baik ketika datanya menyebar di sekeliling lingkaran. Cakupan selang kepercayaan busur simetri bagi arah median (BSIM Median) sepertinya lebih baik dari BES Median. Hal ini diperlihatkan pada Gambar 12. Pada
.
cakupan selang BSIM Median sudah mampu mencapai
70% lebih, sedangkan BES Median masih berada di bawah 50%. Berarti, pada parameter konsentrasi kecil, BSIM Median memiliki kemampuan mencakup arah median sesungguhnya lebih baik dari pada BES Median. Cakupan BSIM Median
21
ini sudah stabil mendekati atau sama dengan
% sejak
.
. Untuk
yang
Cakupan sebenarnya (%)
lebih besar dijumpai cakupan BES Median dapat mencapai 99%.
(a)
.
s.d
s.d
(b)
Cakupan sebenarnya (%)
Gambar 11. Cakupan selang BSIM Mean
(a)
.
s.d
s.d
(b)
Gambar 12. Cakupan selang BSIM Median
Untuk lebar selang, BSIM Mean juga menunjukkan pola yang sama dengan BES Mean (Gambar 13). Semakin besar parameter konsentrasi maka lebar selang kepercayaan BSIM Mean akan semakin sempit. Ukuran contoh kecil terlihat memberikan lebar selang yang lebih besar dari ukuran contoh lainnya. Lebar selang dari keempat ukuran contoh juga akan mulai sama saat
. Hasil
ini juga menunjukkan bahwa data yang menyebar akan membuat selang kepercayaan BSIM Mean menjadi lebar. BSIM Median juga demikian. Gambar 14 memperlihatkan bahwa selang kepercayaan akan semakin sempit seiring dengan meningkatnya parameter konsentrasi. Ukuran contoh kecil akan cenderung menghasilkan selang yang lebih lebar dari ukuran contoh yang lain. Namun, ketika
, berapapun ukuran
contohnya selang BSIM Median akan memiliki lebar yang cenderung sama. Ternyata, dalam hal lebar, selang kepercayaan BSIM Median juga sama dengan
22
BES Median dan BSIM Mean, yaitu selang akan semakin lebar ketika datanya
Lebar selang
menyebar di sekeliling lingkaran.
(a)
.
s.d
(b)
s.d
Lebar selang
Gambar 13. Lebar selang BSIM Mean
(a)
.
s.d
(b)
s.d
Gambar 14. Lebar selang BSIM Median
Dari segi keragaman lebar selang, secara umum perilaku BSIM Mean relatif sama dengan BES Mean (Gambar 15). Semakin besar parameter konsentrasi maka keragaman lebar selangnya akan semakin kecil. Ukuran contoh kecil memberikan keragaman lebar selang yang lebih besar daripada ukuran contoh lainnya. Setelah
5, keragaman lebar selang dari keempat macam
ukuran contoh sudah cenderung sama. BSIM Median juga memberikan pola keragaman lebar selang yang relatif sama dengan BSIM Mean (Gambar 16). Semakin besar parameter konsentrasi maka keragaman lebar selang yang diperoleh akan semakin kecil, terutama untuk . . Ukuran contoh kecil juga memiliki keragaman lebar selang yang lebih besar daripada ukuran contoh yang lain. Setelah parameter konsentrasinya mencapai 5, maka keragaman lebar selang dari empat macam ukuran contoh
23
cenderung sama. Hasil tersebut memberi kesimpulan yang sama dengan metode BES, bahwa saat datanya menyebar maka selang kepercayaan dari 1000 simulasi
Keragaman lebar selang
akan bervariasi.
(a)
.
s.d
(b)
s.d
Keragaman lebar selang
Gambar 15. Keragaman lebar selang BSIM Mean
(a)
.
s.d
(b)
s.d
Gambar 16. Keragaman lebar selang BSIM Median
c. Busur berbasis kemungkinan (BBK) Hasil selang kepercayaan busur berbasis kemungkinan bagi arah rata-rata (BBK Mean) serupa dengan BES dan BSIM . Cakupan selang jauh dari 95% saat .
. Setelah
cakupan selang mulai stabil mendekati 95% (Gambar 17).
Dengan demikian, selang kepercayaan BBK Mean juga akan mampu mencakup arah rata-rata sesungguhnya setelah parameter konsentrasinya mencapai 1. Hasil yang sama juga diperoleh metode BBK Median. Cakupan selang akan stabil mendekati bahkan lebih dari 95% pada saat
(Gambar 18). Data
yang menyebar di sekeliling lingkaran ternyata membuat metode ini tidak mampu mencakup arah median sebenarnya.
Cakupan sebenarnya (%)
24
(a)
.
s.d
(b)
s.d
Cakupan sebenarnya (%)
Gambar 17. Cakupan selang BBK Mean
(a)
.
s.d
(b)
s.d
Gambar 18. Cakupan selang BBK Median
Lebar selang BBK Mean juga akan semakin sempit seiring dengan meningkatnya parameter konsentrasi. N =10 menghasilkan selang yang paling lebar dan N=100 menghasilkan selang yang paling sempit. Pada
, keempat
ukuran contoh memberikan lebar selang yang cenderung sama (Gambar 19). Hal ini sama dengan selang BES dan BSIM. Sehingga kesimpulan yang sama juga dapat diperoleh metode BBK Mean ini, yaitu selang akan menjadi sempit ketika datanya mengumpul, dan sebaliknya. Kemiripan pola juga dihasilkan oleh metode BBK Median. Hasil ini ditampilkan pada Gambar 20. Semakin besar parameter konsentrasi maka lebar selang BBK Median akan semakin kecil. Ukuran contoh juga berpengaruh terhadap lebar selang. N=10 memiliki lebar selang yang paling besar. Namun, setelah
, berapapun ukuran contohnya, lebar selang akan relatif sama.
Dengan demikian, ragam data yang besar juga membuat metode ini menghasilkan selang yang lebar.
Lebar selang
25
(a)
.
s.d
(b)
s.d
Lebar selang
Gambar 19. Lebar selang BBK Mean
(a)
.
s.d
(b)
s.d
Gambar 20. Lebar selang BBK Median
Keragaman lebar selang BBK Mean memiliki perilaku yang sama dengan selang BSIM. Keragaman lebar selang saat
0.05 lebih kecil dari pada saat
0.5. Setelah itu, keragaman akan terus menurun seiring dengan meningkatnya parameter konsentrasi. Pada
, keempat macam ukuran contoh sudah
memberikan hasil yang cenderung sama (Gambar 21). Hasil ini semakin meyakinkan bahwa data yang menyebar akan membuat selang kepercayaan dari 1000 simulasi menjadi tidak konsisten. Untuk arah median, ukuran contoh kecil menghasilkan keragaman lebar . (Gambar 22). Hal ini berarti bahwa ukuran
selang yang paling besar pada contoh kecil dengan daripada
.
menghasilkan lebar selang yang lebih konsisten
. . Namun, setelah
, lebar selang dari 1000 simulasi akan
memiliki konsistensi yang meningkat. Setelah
, keempat ukuran contoh juga
memiliki konsistensi lebar selang yang cenderung sama. Jadi, apapun parameter yang diduga metode BBK akan memiliki pola yang sama dengan metode yang lain.
Keragaman lebar selang
26
(a)
.
s.d
(b)
s.d
Keragaman lebar selang
Gambar 21. Keragaman lebar selang BBK Mean
(a)
.
s.d
(b)
s.d
Gambar 22. Keragaman lebar selang BBK Median
d. Evaluasi ketiga metode Dari uraian hasil selang kepercayaan BES, BSIM, dan BBK bagi arah ratarata dan arah median, secara umum diperoleh kesamaan perilaku selang kepercayaan berdasarkan tiga ukuran. Cakupan selang kepercayaan akan terlihat stabil dan mendekati tingkat kepercayaan 95% saat parameter konsentrasinya lebih dari atau sama dengan 1. Selang kepercayaan dari ketiga metode akan semakin sempit dan sama (konvergen) seiring dengan meningkatnya parameter konsentrasi. Hasil ini sama dengan penelitian Otieno (2002). Kekonvergenan lebar selang dari ketiga metode dijumpai saat parameter konsentrasinya sudah mencapai 20. Artinya, pada data dengan
= 20 berapapun ukuran contohnya ketiga metode
memberikan lebar yang relatif sama. Keragaman lebar selang memiliki pola yang sama dengan lebar selangnya, yaitu semakin kecil seiring meningkatnya parameter konsentrasi. Ukuran contoh kecil selalu memberikan keragaman lebar selang yang paling besar. Parameter konsentrasi merupakan ukuran konsentrasi data terhadap arah rata-ratanya (Jammalamadaka & SenGupta 2001; Fisher 1995). Parameter
27
konsentrasi yang kecil menandakan bahwa titik-titik data menyebar di sekeliling lingkaran, dan sebaliknya. Keragaman lebar selang menunjukkan konsistensi lebar selang dari 1000 simulasi. Keragaman yang besar menandakan bahwa lebar selang yang dihasilkan dari 1000 simulasi cenderung beragam atau tidak konsisten, dan sebaliknya. Hasil dugaan selang dari ketiga metode mengindikasikan bahwa, saat datanya menyebar di sekeliling lingkaran selang kepercayaan dari 1000 simulasi akan memiliki lebar yang beragam atau tidak konsisten. Saat datanya mengumpul, berapapun ukuran contohnya lebar selang dari 1000 simulasi akan cenderung seragam atau konsisten. Hasil perbandingan ketiga metode untuk selang kepercayaan arah rata-rata menunjukkan bahwa pada
= 0.05 metode BES memiliki cakupan yang paling
baik dan BSIM sama dengan BBK. Pada memiliki cakupan terbaik. Setelah
= 0.5 metode BES sama dengan BSIM
1, cakupan selang mulai stabil dan metode
BSIM yang memiliki cakupan tertinggi, metode BES tertinggi kedua, dan BBK memiliki cakupan yang paling rendah (Gambar 23). Dengan demikian, saat parameter konsentrasinya kecil maka ketiga metode memberikan cakupan yang
Rata-rata peringkat
tidak stabil.
(a)
.
s.d
(b)
s.d
Rata-rata peringkat
Gambar 23. Rata-rata peringkat dari cakupan selang kepercayaan bagi arah rata-rata
(a)
.
s.d
(b)
s.d
Gambar 24. Rata-rata peringkat dari cakupan selang kepercayaan bagi arah median
28
Perbandingan cakupan selang bagi arah median menunjukkan bahwa secara umum metode yang memberikan cakupan terbaik adalah BSIM. Hal ini terlihat dari Gambar 24, bahwa BSIM hanya menempati peringkat kedua saat , selebihnya selalu menempati peringkat tertinggi. Metode terbaik kedua adalah BES karena, setelah
1, metode ini stabil berada pada peringkat kedua
Rata-rata peringkat
dan metode BBK memberikan cakupan yang paling rendah.
.
(a)
s.d
(b)
s.d
Rata-rata peringkat
Gambar 25. Rata-rata peringkat dari lebar selang kepercayaan bagi arah rata-rata
.
(a)
s.d
(b)
s.d
Gambar 26. Rata-rata peringkat dari lebar selang kepercayaan bagi arah median Berdasarkan lebar selang untuk arah rata-rata, pada
= 0.05 metode BSIM
memberikan selang tersempit dan metode BES memberikan selang terlebar. Pada parameter konsentrasi 0.5, metode BBK paling sempit dan BES paling lebar. Hal tersebut juga mengindikasikan bahwa saat parameter konsentrasinya kecil, lebar selang dari ketiga metode terlihat tidak stabil. Setelah
1, metode BBK stabil
memberikan selang tersempit dan BSIM memberikan selang terlebar, sedangkan BES berada ditengah-tengah (Gambar 25). Sedangkan untuk arah median, metode BBK memberikan selang yang paling sempit (
0.5). BES memberikan lebar tersempit saat
tersempit kedua untuk
0.5 dan
. . BSIM selalu memberikan selang yang paling lebar
berapapun parameter konsentrasinya (Gambar 26).
29
Kemudian, pebandingan keragaman lebar selang bagi arah rata-rata dapat dilihat pada Gambar 27. Gambar tersebut memperlihatkan bahwa pada saat
1,
metode BSIM memberikan keragaman lebar selang terkecil, sedangkan BES memberikan keragaman terbesar. Namun, untuk
, metode BBK memiliki
keragaman terkecil, BSIM memiliki keragaman terbesar, dan BES stabil berada di tengah-tengah. Karena metode BBK memberikan keragaman yang paling kecil untuk
1, maka pada
metode tersebut memiliki lebar selang lebih
konsisten atau seragam dari yang lainnya. Sehingga, BBK merupakan metode yang terbaik berdasarkan lebar selang karena memiliki lebar tersempit dan keragamaan lebar selang terkecil. Metode terbaik kedua adalah BES dan terakhir
Rata-rata peringkat
adalah BSIM.
(a)
.
s.d
(b)
s.d
Gambar 27. Rata-rata peringkat dari keragaman lebar selang kepercayaan bagi arah rata-rata Perbandingan keragaman lebar selang untuk arah median juga memberikan hasil yang relatif sama dengan arah rata-rata. Pada Gambar 28 tampak bahwa, metode BES berada pada posisi terendah saat tertinggi pada
0.5, dan berada di posisi tengah-tengah untuk
Metode BSIM berada pada posisi tertinggi saat terendah pada untuk
0.05, berada pada posisi berikutnya.
= 0.05 dan berada pada posisi
yang lain. Sedangkan metode BBK, berada pada posisi kedua
= 0.05 dan 0.5, dan berada pada posisi tertinggi untuk
selanjutnya.
Ketidakstabilan posisi peringkat dari ketiga metode mengindikasikan bahwa saat parameter konsentrasinya kecil ( < 1), selang kepercayaan yang dihasilkan dari ketiga metode cenderung tidak stabil. Namun, secara umum dapat dikatakan pula bahwa selang kepercayaan bagi arah median yang terbaik dari segi lebar selang adalah metode BBK, karena memberikan selang tersempit dan keragaman lebar selang yang paling kecil. Hal ini sama dengan arah rata-rata.
Rata-rata peringkat
30
(a)
.
s.d
(b)
s.d
Gambar 28. Rata-rata peringkat dari keragaman lebar selang kepercayaan bagi arah median Berdasarkan perbandingan-perbandingan sesuai tiga ukuran selang kepercayaan, tidak ada metode yang konsisten selalu menempati peringkat tertinggi, terlebih lagi saat
< 1. Oleh karena itu, untuk
< 1 penentuan metode
terbaik tergantung pada kondisi data dan parameter apa yang akan diduga. Ukuran utama yang dijadikan dasar penentuan kebaikan selang adalah cakupan sebenarnya, karena ini terkait dengan keakuratan dugaan terhadap parameter populasi. Namun, untuk
ketiga metode menghasilkan perbedaan angka yang
tidak terlalu besar. Sehingga metode terbaik diambil dari metode yang memiliki posisi peringkat konsisten berada di tengah-tengah dari semua ukuran selang. Metode tersebut adalah busur ekor sama.
Selang Kepercayaan Waktu Terjadinya Wabah DBD di Provinsi Bengkulu Gambar 29 merupakan diagram mawar yang menunjukkan gambaran data DBD. Juring yang panjang menghadap sudut tertentu menunjukkan jumlah penderita banyak terdapat pada bulan yang bersesuaian dengan sudut tersebut. Pada tahun 2009 kasus DBD banyak dijumpai pada bulan Januari dan Desember, tahun 2010 pada Januari dan Februari, serta tahun 2011 pada Juni, Juli, dan Desember .
(a) Tahun 2009
(b) Tahun 2010
(c) Tahun 2011
Gambar 29. Diagram mawar data DBD Provinsi Bengkulu
31
Tabel 1. Statistik deskriptif sirkular dan selang kepercayaan data DBD Tahun Ukuran
2009 Nilai 291 4.399o 51.001o
2010
2011
Bulan Nilai Bulan Nilai Bulan 336 361 o o Desember 81.909 Februari 250.834 Agustus Januari 109.413o Maret 278.801o September
N Arah rata-rata Batas atas selang Batas bawah selang 314.119o Oktober Arah median 0o Desember Batas atas selang 59.976o Januari Batas bawah selang 300.024o Oktober Parameter konsentrasi 0.209 Ragam sirkular 0.896 -
56.436o Januari 225.916o Juli 60.047o Februari 240o Agustus 90.000o Maret 299.966o September 30.093o 0.309 0.847
Januari -
180.034o 0.325 0.839
Juni -
Tabel 1 merupakan ringkasan dari statistik deskriptif sirkular dan hasil dugaan selang kepercayaan untuk data DBD. Parameter konsentrasi yang berkisar 0.3 dan ragam sirkular 0.8 menunjukkan bahwa data menyebar di sekeliling lingkaran. Hal ini berarti bahwa pasien DBD yang dirawat inap di RSUD M. Yunus Bengkulu selalu ada pada setiap bulan. Jumlah penderita DBD yang dirawat inap pada tahun 2009 ada 291 orang dengan rata-rata waktu kedatangan pasien sekitar bulan Desember. Pada tahun 2010 ada 336 orang dengan rata-rata waktu kedatangan pasien sekitar bulan Februari. Sedangkan pada tahun 2011, ada 361 orang dengan rata-rata waktu kedatangan pasien sekitar bulan Agustus 2011. Pendugaan selang kepercayaan bagi arah rata-rata data DBD menggunakan metode busur ekor sama, sedangkan bagi arah median menggunakan busur simetri. Hal ini dilakukan dengan melihat kondisi data, yaitu parameter konsentrasinya < 0.5. Hasil dugaan selang kepercayaan bootstrap untuk data DBD menunjukkan bahwa terdapat perbedaan periode waktu wabah DBD di Provinsi Bengkulu. Periode waktu wabah DBD ini dapat dilihat pada Tabel 1. Batas bawah selang menunjukkan awal periode dan batas atas selang menunjukkan akhir periode. Selang kepercayaan bagi arah rata-rata dan arah median memberikan interpretasi periode waktu wabah DBD yang sama, kecuali pada tahun 2011. Sehingga, pada tahun 2011 awal periode diambil batas bawah selang kepercayaan bagi arah median.
32
Pada tahun 2009 terjadi wabah pada bulan Oktober sampai Januari. Tahun 2010 terjadi pada bulan Januari sampai Maret. Sedangkan tahun 2011, terjadi sekitar bulan Juni sampai September. Perbedaan dugaan periode mewabahnya DBD di Provinsi Bengkulu pada tiga tahun terakhir ini dapat disebabkan karena adanya perubahan keadaan mengenai faktor-faktor yang berpengaruh terhadap peningkatan kejadian DBD tersebut pada setiap tahunnya, terutama perubahan iklim. Menurut Kemenkes (2010), faktor risiko yang mungkin mempengaruhi penularan DBD adalah faktor perubahan iklim, lingkungan, urbanisasi, mobilitas penduduk, kepadatan penduduk dan transportasi. Perubahan iklim dapat memperpanjang masa penularan penyakit yang ditularkan melalui vektor dan mengubah luas geografinya, dengan kemungkinan menyebar ke daerah yang kekebalan populasinya rendah atau dengan infrastruktur kesehatan masyarakat yang kurang. Akhir-akhir ini, perubahan iklim di setiap daerah di Indonesia memang cenderung berbeda antar tahun. Partisipasi masyarakat dalam kegiatan Pemberantasan Sarang Nyamuk (PSN) secara kontinu sangat penting dalam upaya menurunkan angka kejadian DBD.
