PROSIDING

ISBN:9789791635363

S8
Analisis Spasial Kasus Demam Berdarah di Sukoharjo Jawa Tengah
dengan Menggunakan Indeks Moran
Rheni Puspitasari, Irwan Susanto
Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Sebelas Maret Surakarta

Abstrak
Demam Berdarah Dengue (DBD) adalah suatu penyakit yang disebabkan oleh infeksi virus
dengue dan ditularkan melalui gigitan nyamuk Aedes aegypti betina dan beberapa spesies Aedes lainnya.
Sebagian besar kecamatan di Kabupaten Sukoharjo Jawa Tengah merupakan daerah endemis demam
berdarah dengan jumlah penderita hampir meningkat setiap tahunnya. Melihat tingginya angka kasus
DBD di Kabupaten Sukoharjo, maka perlu dilakukan penelitian yang mengkaji pola penyebaran kasus
demam berdarah. Penyebaran penyakit demam berdarah bervariasi dari satu tempat ke tempat lain,
sehingga komponen ruang atau spasial merupakan bagian yang berpengaruh dalam proses penyebaran.
Penelitian bertujuan untuk menganalisis pola penyebaran penyakit demam berdarah secara
spasial. Keterkaitan secara spasial dalam penyebaran penyakit demam berdarah diukur melalui
autokorelasi spasial dengan menggunakan indeks Moran. Pola kejadian demam berdarah dikaji dengan
menggunakan ANN (Average Nearest Neighbour), sedangkan pemetaan untuk menunjukkan daerah yang
mempunyai resiko tinggi dalam penyebaran penyakit demam berdarah dilakukan dengan menggunakan
estimasi densitas Kernel.
Hasil dari penelitian menunjukkan bahwa terdapat autokorelasi spasial dalam penyebaran
penyakit demam berdarah yang terjadi di Sukoharjo dan pola kejadian demam berdarah mempunyai pola
clustered (berkerumun). Selanjutnya dengan menggunakan estimasi densitas Kernel dapat ditunjukkan
daerahdaerah yang mempunyai resiko tinggi dalam penyebaran penyakit demam berdarah di Sukoharjo.
Kata kunci : demam berdarah, autokorelasi spasial, indeks Moran, ANN, estimasi densitas Kernel.

1. PENDAHULUAN
Pada akhir tahun 2010 Indonesia cukup disibukkan dengan wabah Demam
Berdarah Dengue (DBD) yang meluas dan menjangkiti hampir seluruh wilayah.
Penyakit ini dapat menyerang anak maupun dewasa. Menurut Ginanjar (2004), DBD
merupakan penyakit yang disebabkan oleh virus dengue yang ditularkan melalui gigitan
nyamuk Aedes aegypti dan Aedes albopictus yang sebelumnya telah terinfeksi oleh
virus dengue dari penderita DBD lainnya. Kedua jenis nyamuk Aedes ini terdapat
hampir di seluruh pelosok Indonesia. Populasi nyamuk ini akan meningkat pesat pada
saat musim hujan.
Demam berdarah banyak ditemukan di daerah tropis dan subtropis. Menurut
Direktorat Pengendalian Penyakit Bersumber Binatang (Dir P2B2), Kementerian
Kesehatan Republik Indonesia, pada tahun 2010 Indonesia memiliki kasus DBD
tertinggi di ASEAN dengan 150.000 kasus dan 1.317 orang meninggal akibat penyakit
ini.
MakalahdipresentasikandalamSeminarNasionalMatematikadanPendidikanMatematika
dengan tema M
Matematika dan Pendidikan Karakter dalam Pembelajaran pada tanggal
3Desember2011diJurusanPendidikanMatematikaFMIPAUNY

PROSIDING

ISBN:9789791635363

Kasus demam berdarah di Indonesia tercatat masih tinggi bahkan paling tinggi
dibanding negara lain di ASEAN. Sebagian besar kecamatan di Kabupaten Sukoharjo,
Jawa Tengah merupakan daerah endemis demam berdarah dengan jumlah penderita
hampir meningkat setiap tahunnya ([Link] Menurut catatan
Dinas Kesehatan Kabupaten Sukoharjo, pada tahun 2007 terdapat 184 kasus demam
berdarah yang terjadi di kabupaten Sukoharjo. Sementara pada tahun 2008 terdapat 367
kasus demam berdarah. Jumlah ini mengalami peningkatan yang hampir mencapai 100
persen dibanding tahun lalu. Pada tahun 2009 terdapat 440 kasus demam berdarah dan
434 kasus demam berdarah pada tahun 2010. Demam berdarah merenggut nyawa 10
warga Kabupaten Sukoharjo, Jawa Tengah selama 2010.
Melihat tingginya jumlah kasus DBD di Kabupaten Sukoharjo, maka perlu
dilakukan penelitian yang berhubungan dengan penyakit tersebut. Penyakit demam
berdarah merupakan penyakit yang mewabah dan penyebarannya dapat melalui
komponen ruang. Penyebaran penyakit demam berdarah bervariasi dari satu tempat ke
tempat lain, sehingga komponen ruang juga harus diperhatikan (Rosli et al., 2010).
Menurut Gujarati (1978), autokorelasi spasial merupakan teknik untuk mengukur
tingkat hubungan dalam data yang dipengaruhi oleh ruang (data spasial). Data spasial
(ruang) merupakan suatu data yang dipengaruhi oleh ruang atau posisi relatif suatu
objek yang diamati (Anselin, 1992).
Menurut Rosli et al. (2010), dalam penelitian kesehatan, analisis spasial
digunakan untuk mendeteksi dan mengukur pola kejadian penyakit yang dapat
memberikan wawasan epidemiologi penyakit. Dalam analisis spasial terdapat tiga
langkah yang dilakukan yaitu menentukan autokorelasi spasial yang terjadi dalam ruang
unit, menentukan pola kejadian penyakit, dan membuat pemetaan penyakit.
Menurut Rosli et al. (2010), indeks Moran merupakan teknik dalam analisis
spasial untuk menghitung hubungan spasial yang terjadi dalam ruang unit. Hubungan
spasial ini diperlukan untuk mengetahui apakah terdapat autokorelasi spasial dalam
penyebaran penyakit demam berdarah yang terjadi di Sukoharjo. Pola kejadian penyakit
demam berdarah yang terjadi di Sukoharjo dapat dikaji menggunakan ANN (Average
Nearest Neighbour), sedangkan pemetaan untuk menunjukkan daerah yang mempunyai
resiko tinggi dalam penyebaran penyakit demam berdarah dilakukan menggunakan
SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS68

PROSIDING

ISBN:9789791635363

estimasi densitas Kernel. Dengan melakukan penelitian ini diharapkan memberikan

masukan kepada instansi terkait untuk mencegah terjadinya kasus demam berdarah.
Berdasarkan uraian dalam latar belakang masalah dapat dirumuskan 3
permasalahan yaitu apakah terdapat autokorelasi spasial dalam penyebaran penyakit
demam berdarah yang terjadi di Sukoharjo, bagaimana pola kejadian penyakit demam
berdarah yang terjadi di Sukoharjo dan bagaimana pemetaan penyakit demam berdarah
yang terjadi di Sukoharjo.
Dari rumusan masalah tersebut didapatkan tujuan dari penelitian adalah
menentukan apakah terdapat autokorelasi spasial dalam penyebaran penyakit demam
berdarah yang terjadi di Sukoharjo, menentukan pola kejadian penyakit demam
berdarah yang terjadi di Sukoharjo, menentukan pemetaan penyakit demam berdarah
yang terjadi di Sukoharjo. Manfaat yang diharapkan dari penelitian ini adalah dapat
mengembangkan ilmu pengetahuan dalam bidang statistika dan kesehatan. Pada bidang
statistika dapat mengaplikasikan analisis spasial menggunakan indeks Moran,
sedangkan pada bidang kesehatan dapat memberikan masukan kepada instansi yang
terkait sebagai sarana untuk mencegah terjadinya demam berdarah.

2. METODE PENELITIAN
Langkah pertama yang dilakukan dalam penelitian ini adalah mengumpulkan
data. Tahap pengumpulan data dilakukan dengan mengambil data sekunder yang
terdapat di DKK (Dinas Kesehatan Kabupaten) Sukoharjo. Data yang diambil adalah
data jumlah penderita demam berdarah di tiap desa/ kelurahan yang berada di
Kabupaten Sukoharjo pada tahun 2010.
Langkah selanjutnya adalah menganalisis data yang telah diperoleh. Dalam
menganalisis data terdapat langkah-langkah yang harus dilakukan. Langkah pertama
yang dilakukan dalam menganalisis data yaitu menghitung indeks Moran dari data yang
tersedia. Indeks Moran dapat dihitung dengan bantuan software ArcGIS 9.3. Jenis file
yang digunakan dalam pengolahan data tersebut adalah SHP (Shape File). Langkah
selanjutnya menentukan apakah terdapat autokorelasi spasial dalam kasus demam
berdarah yang terjadi di Sukoharjo dengan melakukan uji signifikansi. Apabila dalam
uji signifikansi terdapat autokorelasi spasial maka langkah selanjutnya menentukan
SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS69

PROSIDING

ISBN:9789791635363

apakah terdapat autokorelasi spasial positif atau negative dalam kasus demam berdarah
yang terjadi di Sukoharjo. Langkah selanjutnya adalah menghitung ANN untuk
menentukan bagaimana pola kejadian penyakit demam berdarah yang terjadi di
Sukoharjo. Setelah menghitung ANN kemudian membuat pemetaan guna menunjukkan
daerah yang mempunyai resiko tinggi dalam penyebaran penyakit demam berdarah
yang terjadi di Sukoharjo menggunakan estimasi densitas Kernel.

3. HASIL DAN PEMBAHASAN

Langkah pertama yang dilakukan dalam analisis data adalah menghitung indeks
Moran. Menurut Nakhapakorn dan Jirakajohnkool (2006) Indeks Moran dinyatakan
dalam bentuk berikut

dengan

dan

di mana:
: indeks Moran,
n

: banyak lokasi kejadian,

: jumlah penderita demam berdarah pada daerah i,
: jumlah penderita demam berdarah pada daerah j,
: rata rata dari jumlah penderita demam berdarah,
elemen pada bobot matriks antara daerah

dan ,

W : jumlah dari semua nilai sel pada bobot matriks,

jarak antara daerah i dengan daerah j,
Menurut Pfeiffer et al. (2008) Nilai yang dihasilkan dalam perhitungan indeks
Moran berkisar antara -1 < I < 1. Nilai I dinyatakan dengan :
1. I0 = 1

1 mendekati nol berarti tidak ada autokorelasi spasial.

2. I > I0 berarti bahwa terdapat autokorelasi spasial positif.

3. I < I0 bararti bahwa terdapat autokorelasi spasial negatif.
Dalam data jumlah penderita demam berdarah terdapat 126 desa/kelurahan yang
terjangkit demam berdarah sehingga

berjumlah 126. Indeks Moran dapat dihitung

SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS70

PROSIDING

ISBN:9789791635363

menggunakan software ArcGIS 9.3. Tipe file yang digunakan dalam pengolahan data
tersebut menggunakan file SHP (Shape File). Hasil perhitungan dapat digambarkan
sebagai berikut.

Gambar 1. Output Software ArcGIS 9.3 untuk Indeks Moran

Untuk mengetahui apakah terdapat autokorelasi spasial atau tidak dapat
digunakan uji signifikansi yang tuliskan sebagai berikut.
i.

: tidak terdapat autokorelasi spasial

: terdapat autokorelasi spasial

ii. Tingkat signifikansi

iii. Daerah kritis
ditolak jika

>
<dengan

2.58 atau

= -2.58

diperoleh dari tabel normal

iv. Statistik uji

Berdasarkan software ArcGis 9.3, diperoleh hasil output pada gambar 1 dengan
= 7.5
v. Kesimpulan
Karena

= 7.5 >

2.58 maka berarti

ditolak artinya terdapat

autokorelasi spasial.
Dengan demikian dapat dikatakan bahwa terdapat autokorelasi spasial dalam
penyebaran penyakit demam berdarah yang terjadi di Sukoharjo dan karena Morans I
Index = 0.26 > I0

0.008 dapat disimpulkan terdapat autokorelasi spasial

SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS71

PROSIDING

ISBN:9789791635363

positif. Autokorelasi spasial positif dapat ditunjukkan menggunakan gambar 2 sebagai

berikut.

Gambar 2. Peta Autokorelasi spasial positif

Gambar 2 menunjukkan bahwa terdapat autokorelasi spasial positif dalam
penyebaran penyakit demam berdarah yang terjadi di Sukoharjo. Daerah berwarna
merah menunjukkan tinggi-tinggi yang berarti bahwa daerah yang mempunyai jumlah
penderita demam berdarah yang tinggi cenderung berlokasi dekat dengan daerah yang
mempunyai

jumlah penderita demam berdarah yang tinggi. Daerah berwarna biru

menunjukkan rendah-rendah yang berarti bahwa daerah yang mempunyai jumlah

penderita demam berdarah yang rendah cenderung berlokasi dekat dengan daerah yang
mempunyai jumlah penderita demam berdarah yang rendah. Daerah berwarna biru
muda menunjukkan rendah-tinggi yang dapat diartikan sebagai pencilan. Daerah
tersebut mempunyai jumlah penderita yang rendah meskipun daerah di sekelilingnya
mempunyai jumlah penderita yang tinggi. Daerah berwarna putih berarti bahwa daerah
tersebut tidak memberikan pengaruh spasial secara signifikan.
Autokorelasi spasial positif juga dapat ditunjukkan menggunakan tabel sebagai
berikut.
Tabel 1. Tabel Autokorelasi Spasial
No
1
2
3
4
5
6

Desa/Kelurahan
Banaran
Cemani
Sanggrahan
Kwarasan
Langenharjo
Pabelan

Kecamatan
Grogol
Grogol
Grogol
Grogol
Grogol
Kartasura

P-value
0,004
0,008
0,004
0,002
0,008
0,008

Cluster
1
1
1
1
1
1

Keterangan
tinggi-tinggi
tinggi-tinggi
tinggi-tinggi
tinggi-tinggi
tinggi-tinggi
tinggi-tinggi

SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS72

PROSIDING

ISBN:9789791635363

7
8
9
10
No
11
12
13
14
15
16
17
18
19

Ngadirejo
Karangmojo
Pundungrejo
Malangan
Desa/Kelurahan
Puron
Kunden
Bulu
Ngasinan
Lengking
Baran
Daleman
Singopuran
Gonilan

Kartasura
Weru
Tawangsari
Bulu
Kecamatan
Bulu
Bulu
Bulu
Bulu
Bulu
Nguter
Nguter
Kartasura
Kartasura

0,01
0,002
0,002
0,006
P-value
0,004
0,002
0,006
0,002
0,01
0,004
0,008
0,008
0,002

1
2
2
2
Cluster
2
2
2
2
2
2
2
3
3

tinggi-tinggi
rendah-rendah
rendah-rendah
rendah-rendah
Keterangan
rendah-rendah
rendah-rendah
rendah-rendah
rendah-rendah
rendah-rendah
rendah-rendah
rendah-rendah
rendah-tinggi
rendah-tinggi
0.01 sehingga dapat

Dari tabel 1 terlihat bahwa semua P-value kurang dari

disimpulkan daerah-daerah tersebut memberikan pengaruh spasial secara signifikan.

Langkah selanjutnya adalah menghitung ANN yang digunakan untuk
menentukan pola kejadian demam berdarah yang terjadi di Sukoharjo.
Menurut Rosli et al. (2010) ANN dapat dihitung menggunakan rumus

d
m
0.5
m
A

dimana
D : rata-rata

jarak

observasi

antara

masing-masing

kejadian

dan

tetangga

terdekatnya,
: expected ANN
d : jarak antara kejadian i dan kejadian tetangga terdekatnya,
: jumlah kejadian
:

luas daerah.
Nilai ANN dinyatakan dengan

SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS73

PROSIDING

ISBN:9789791635363

1. ANN = 1 berarti kejadian berpola random,

2. ANN < 1 berarti kejadian berkerumun (clustered),
3. ANN > 1 berarti kejadian menyebar (dispersed).
Dari data jumlah penderita demam berdarah terdapat 434 kejadian demam
434. Karena

berdarah yang terjadi di Sukoharjo pada tahun 2010 sehingga didapat

luas wilayah Sukoharjo adalah 444.666

sehingga didapat

444.666. Jarak

antara masing masing kejadian dapat dihitung dengan menggunakan jarak Euclid. Nilai
ANN dapat dihitung menggunakan software ArcGIS 9.3. Hasil perhitungan dapat
digambarkan sebagai berikut.

Gambar 3. Output Software ArcGIS 9.3 untuk ANN

Untuk mengetahui apakah terdapat pola spasial atau tidak, digunakan uji
signifikansi yaitu
i.

: tidak terdapat pola spasial kasus demam berdarah di Sukoharjo,

: terdapat pola spasial kasus demam berdarah di Sukoharjo,

ii. tingkat signifikansi

iii. daerah kritis
ditolak jika Z score >
Z score < -

2.58

= -2.58

iv. statistik uji

berdasarkan software ArcGis, diperoleh hasil output pada gambar 3 dengan
score

-11.2,

v. kesimpulan

SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS74

PROSIDING

ISBN:9789791635363

karena Z score = -11.2 < -

maka berarti

ditolak artinya terdapat pola spasial

kasus demam berdarah di Sukoharjo.

Dengan demikian dapat dikatakan terdapat pola spasial kasus demam berdarah di
Sukoharjo dan karena nilai ANN = 0.72 < 1 dapat disimpulkan pola kejadian demam
berdarah yang terjadi di Sukoharjo adalah berkerumun/clustered.
Langkah selanjutnya adalah menggunakan estimasi densitas Kernel untuk
membuat pemetaan penyakit. Pemetaan penyakit digunakan untuk menunjukkan daerah
yang mempunyai resiko tinggi dalam penyebaran penyakit demam berdarah yang terjadi
di Sukoharjo. Daerah-daerah tersebut dapat digambaran menggunakan software
ArcView 3.3 sebagai berikut.

Ngadirejo
Banaran

Pabelan
Cemani
Sanggrahan

Kwarasan

Langenharjo

Gambar 4. Output Software ArcView 3.3 untuk estimasi densitas Kernel

Berdasarkan gambar 4 daerahdaerah tersebut diantaranya berada di Kecamatan
Grogol yaitu di desa Cemani, Kwarasan, Sanggrahan, Langenharjo, dan Banaran, di
Kecamatan Kartasura yaitu di desa Pabelan dan kelurahan Ngadirejo.

4. KESIMPULAN
Berdasarkan hasil pembahasan dapat diperoleh kesimpulan sebagai berikut.

SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS75

PROSIDING

ISBN:9789791635363

1. Terdapat autokorelasi spasial dalam penyebaran penyakit demam berdarah yang

terjadi di Sukoharjo. Dalam hal ini terdapat autokorelasi spasial positif.
2. Pola kejadian penyakit demam berdarah yang terjadi di Sukoharjo menunjukkan pola
clustered (berkerumun).
3. Daerah yang mempunyai resiko tinggi dalam penyebaran penyakit demam berdarah
di Sukoharjo diantaranya berada di Kecamatan Grogol yaitu di desa Cemani,
Kwarasan, Sanggrahan, Langenharjo, dan Banaran, di Kecamatan Kartasura yaitu di
desa Pabelan dan kelurahan Ngadirejo.

5. SARAN
Berdasarkan penelitian yang telah dilakukan, ada beberapa saran yang dapat
disampaikan yaitu
1. bagi pembaca yang tertarik pada penelitian ini, dapat menerapkan metode lain
yang digunakan untuk menentukan autokorelasi spasial. Metode tersebut
diantaranya dapat menggunakan GearyC,
2. dapat juga dipertimbangkan dengan memasukkan beberapa variabel guna
mengetahui faktor apa saja yang berpengaruh terhadap terjadinya penyakit
demam berdarah.

6. DAFTAR PUSTAKA
Anselin, L. (1992). Spatial Data Analysis with GIS : An Introduction to Aplication in
the Social Sciences. National Center for Geographic Information and Analysis of
California Santa Barbara, CA93106.
Ginanjar, Genis. (2004). Demam Berdarah. PT. Mizan Publika, Bandung.
Rosli, M.H., Er, A.C., Asmahani A., Mohammad Naim M.R., Harsuzilawati M. (2010).
Spatial Mapping of Dengue Incident: A Case Study in Hulu Langat District,
Selangor, Malaysia. International Journal of Human and Social Sciences, Vol.
5:6, pp: 410 - 414.
Gujarati, D. (1978). Ekonometrika Dasar. Penerbit Erlangga, Jakarta.
SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS76

PROSIDING

ISBN:9789791635363

Nakhapakorn, K. and Supet J. (2006). Temporal and Spatial Autocorrelation Statistics

of Dengue Fever, Dengue Buletin, Vol. 30, pp: 177-183.
Pfeiffer, Dirk et al. (2008). Spatial Analysis in Epidemiologi. Oxford University Press.
New York.
[Link] diakses pada tanggal 17 Februari 2011

SeminarNasionalMatematikadanPendidikanMatematika
Yogyakarta,3Desember2011MS77