Modul Satscan I. Space Time Permutation Model File yang diperlukan : 1. File kasus Format : <#cases=1> Location ID yaitu ID kasus Date = tanggal sakit dibuat dalam format date (missal : 2004-01-02) 2. File koordinat Format : Latitude & Longitude dibuat dalam format number, 6 digit dibelakang koma Dalam prakteknya kedua file tersebut dapat digabung jadi 1 file menjadi format sebgai berikut : <#cases=1> File dibuat dalam bentuk EXCEL yang kemudian di convert dalam bentuk file DBF. Berikut contoh data set (EXCEL) untuk Space Time Permutation Model :
Kemudian diconvert ke dalam file DBF dengan cara memblok dari bagian filed (judul kolom) sampai akhir record data.kemudian klik save as, kemudian pada save as type dipilih DBF4. beri nama file kasus_db seperti di bawah ini
1
Hasilnya sebagai berikut :
DBF file
2
- Buka Aplikasi SaTScan hingga muncul
-
Pilih Create New Session, hingga muncul tampilan sebagai berikut :
-
Pada menu input pada kolom Case File isikan file DBF yang akan dianalisis dengan meng-klik import case file kemudian isikan file DBF tadi (kasus_db.dbf) sehingga muncul tampilan sbb:
3
-
Pada Location ID, pilih ID Pada Number of case, pilih KASUS Pada Date/Time, pilih TANGGAL Klik Next Klik Execute
-
Pada Time Time Precision pilih DAY Pada Study Period isikan awal dan akhir tanggal (misalkan 1/1/2004 s/d 31/12/2006)
4
-
Pada Coordinate file, klik pada import coordinate file, isikan file DBF yang memuat titik koordinat, dalam hal ini adalah file (kasus_db.dbf) tadi hingga muncul tampilan sbb:
-
Pada Location ID, pilih ID Pada Latitude (y-axis) pilih LAT dan Longitutde pilih LON Pilih Next Pilih Execute Klik Analysis, sehingga muncul
-
Pada Type of Analysis pilih Space Time,; pada Probability Model pilih Space Time Permulation, pada Scan for Areas with pilih High Rates, dan pada time agregat pilih Month
5
-
Pilih Output, hingga tampil :
-
Pada Results Files isikan nama file output yang akan dapat bdibaca pada wordpad, centang semua pilihan pada dBase Kemudian kilk excute session Tunggu hasilnya hingga muncul tampilan wordpad sbb:
-
6
Dari hasil tersebut dapat diketahui : MOST LIKELY CLUSTER 1.Location IDs included.: 200, 204, 194, 201, 195, 217, 178, 212, 191, 209, 210, 211, 203, 202, 208, 216, 214, 229, 231, 197, 230, 181, 180, 196, 192, 179, 183, 198, 259, 267, 182, 199, 184, 299, 296, 298 Coordinates / radius..: (7.586030 S, 110.794590 E)/0.79km Time frame............: 2005/8/1 - 2005/9/30 Number of cases.......: 18 Expected cases........: 2.35 Observed / expected...: 7.652 Test statistic........: 21.337572 Monte Carlo rank......: 1/1000 P-value...............: 0.001
-
Pada cluster pertama terdapat 36 record (no ID) yaitu ID ke 178 s/d 299 Koordinat pusat klaster -7.586030 S, 110.794590 E. Radius klaster 0,79 km Untuk membuat buffer, radius (km) diubah dalam derajad, (10 = 111 km). 0,79 km : 111 = 0.00711711 Nilai p yang menunjukkan di atas 0.001 sehingga signifikan terjadi klaster Jangan lupa catat masing-masing cluster yang dihasilkan tentang koordinat (dari no ID), pusat klaster untuk diisikan kedalam Excell dalam satu file pada sheet berbeda, yang nantinya dibaca melalui Epi Info dan di panggil pada EpiMap, contohnya sbb : Koordinat cluster
7
koordinat pusat cluster
Untuk menampilkan hasil SaTScan pada peta dapat digunakan aplikasi Epi INFO atau Arcview-Gis.
EPI INFO -
Buka EPI INFO, muncul
-
Pilih Analyze Data, muncul
8
-
Pilih Read (Import)
-
Pada Data Format pilih Excel 8 Pada data source pilih file Excel yang ada data dari satscan, dalam hal ini cluster, pilih sheet yang akan dibaca, misalnya sheet point_cluster untuk data cluster tadi, klik OK
9
-
Pilih Write (Export), hingga muncul
-
Pada File Name tuliskan nama file yang akan dibuat misalkan cluster1 untuk di add point pada Epi Map Pada data tabel isikan misalkan cls, klik OK dan hasilnya sebagai berikut :
-
10
-
Lakukan langkah yang sama untuk pusat cluster, mulai dari Read (import) sd Write(export) dengan nama sentro1 dan tabelnya snt ,
Read (import)
11
Write(export)
-
Untuk cluster2 selanjutnya nama file sebaiknya berurutan misalkan cluster2, nama tabel tetap sama (cls) demikian juga dengan pusat clusternya.
12
MENAMPILKAN CLUSTERING DENGAN EPIMAP
-
Pilih Create Map, dan muncul
-
Pilih Map Manager
13
-
Pilih Add Layer, Buka peta wilayah yang sesuai, misalnya dalam hal ini adalah peta Kec. Grogol (desa.shp), muncul :
-
Pilih properties yang diinginkan
-
Pilih Add Point, Pilih file MDB yang telah kita buat, misalkan cluster1.MDB, muncul:
14
-
Pilih OK, keluar
-
Pada X Field (e.g, Longitude) plih Lon dan Y Field (e.g, Latitude) pilih Lat Point Type pilih Triangle Point Color misalnya merah Beri tanda pada save points as new layer Klik OK, Sehingga tampil
15
-
Beri nama file SHP, misal cluster1.shp, klik save , hingga muncul tampilan sbb:
-
Pada map Manager pilih add point lagi, Pilih file MDB yang telah kita buat, misalkan sentro1.MDB, muncul:
16
-
Beri nama file misalnya sentro1 dan klik save dan muncul :
-
Pilih OK, dan muncul tampilah sbb:
17
-
Pada X Field (e.g, Longitude) plih Lon dan Y Field (e.g, Latitude) pilih Lat Point Type pilih Circle Point Color misalnya merah Point size = 5 Beri tanda pada save points as new layer Klik OK, Sehingga tampil
-
Klik Save dan muncul tampilan sbb:
18
-
Untuk membuat buffering, pada map manager klik buffer layer, hingga tampil
-
Beri nama bufer1, klik save dan muncul tampilan sbb
19
-
Pada Enter buffer distance diisi dengan hasil pembagian dari radius (0.79) dibagi 111 = 0.0071171 Klik OK, dan muncul tampilan :
-
Pilih properties
20
- Pada File Color pilih warna yang dikehendaki missal coklat - Pada style pilih transparent fill - Outline lilih 2 - Klik Apply, kemudian OK Hasilnya sebagai berikut :
21
II. Poisson Model, Space Time File yang diperlukan : 1. File kasus Format : <#cases=1> Location ID yaitu ID kasus Date = tanggal sakit dibuat dalam format date (missal : 2004-01-02) 2. File Populasi Format : <population> 3. File koordinat Format : Latitude & Longitude dibuat dalam format number, 6 digit dibelakang koma Dalam prakteknya kedua file tersebut dapat digabung jadi 1 file menjadi format sebgai berikut : <#cases=1> <population> File dibuat dalam bentuk EXCEL yang kemudian di convert dalam bentuk file DBF. Berikut contoh data set (EXCEL) untuk Poisson Model, Space Time :
Kemudian diconvert ke dalam file DBF dengan cara memblok dari bagian filed (judul kolom sampai akhir record data.kemudian klik save as, kemudian pada save as type dipilih DBF4. Beri nama file poisson_db seperti di bawah ini
22
Hasilnya sebagai berikut :
DBF File
23
- Buka Aplikasi SaTScan hingga muncul
-
Pilih Create New Session, hingga muncul tampilan sebagai berikut :
-
Pada menu input pada kolom Case File isikan file DBF yang akan dianalisis dengan meng-klik import case file kemudian isikan file DBF tadi (poisson_db.dbf) sehingga muncul tampilan sbb:
24
-
Pada Location ID, pilih ID Pada Number of case, pilih case Pada Date/Time, pilih year Klik Next Klik Execute
-
Pada Time Time Precision pilih Year Pada Study Period isikan awal dan akhir tahun (misalkan 2004 s/d 2006)
25
-
Pada Population file, klik pada import coordinate file, isikan file DBF yang memuat titik koordinat, dalam hal ini adalah file (poisson_db.dbf) tadi hingga muncul tampilan sbb:
-
Pada Location ID, pilih ID Pada Date/Time, pilih year Pada population, pilih pop Klik Next Klik Execute
-
Pada Coordinate file, klik pada import coordinate file, isikan file DBF yang memuat titik koordinat, dalam hal ini adalah file (poisson_db.dbf) tadi hingga muncul tampilan sbb:
-
Pada Location ID, pilih ID Pada Latitude (y-axis) pilih LAT dan Longitutde pilih LON Pilih Next Pilih Execute
26
-
Klik Analysis, sehingga muncul
-
Pada Type of Analysis pilih Space Time,; pada Probability Model pilih Poisson, pada Scan for Areas with pilih High Rates, dan pada time agregat pilih year .
-
Pilih Output, hingga tampil :
-
Pada Results Files isikan nama file output yang akan dapat bdibaca pada wordpad, centang semua pilihan pada dBase Kemudian kilk excute session Tunggu hasilnya hingga muncul tampilan wordpad sbb:
-
27
Dari output di atas dapat diketahui MOST LIKELY CLUSTER 1.Location IDs included.: Coordinates / radius..: Time frame............: Population............: Number of cases.......: Expected cases........: Annual cases / 100000.: Observed / expected...: Relative risk.........: Log likelihood ratio..: Monte Carlo rank......: P-value...............:
Pada cluster pertama terdapat 5 record (no ID) yaitu ID ke 7,9,10,12,14 Koordinat pusat klaster -7.592780 S, 110.810750 E. Radius klaster 1,59 km Untuk membuat buffer, radius (km) diubah dalam derajad, (10 = 111 km). 0,79 km : 111 = 0.01432432 Nilai p yang menunjukkan di atas 0.001 sehingga signifikan terjadi klaster Jangan lupa catat masing-masing cluster yang dihasilkan tentang koordinat (dari no ID), pusat klaster untuk diisikan kedalam Excell dalam satu file pada sheet berbeda, yang nantinya dibaca melalui Epi Info dan di panggil pada EpiMap, contohnya sbb :
28
Koordinat cluster,
koordinat pusat cluster
Untuk menampilkan hasil clustering ulangi langkah-langkang menampilkan cluster pada halaman 8 s/ 21.
