SEMINAR HASIL THESIS

PENGARUH FAKTOR SOSIODEMOGRAFI,

KARAKTERISTIK FISIK WILAYAH DAN UPAYA PELAYANAN
KESEHATAN TERHADAP PENYAKIT MALARIA DI
KABUPATEN PESAWARAN PROVINSI LAMPUNG
(PEMBIMBING)
1. Dr. dr. Betta Kurniawan, [Link].,[Link]
2. Dr. Ir. Samsul Bakri, [Link]
3. Dr. Indra Gumay Febryano, [Link], [Link]
(PEMBAHAS)
1. Dr. dr. Jhons Fatriyadi S, [Link]., [Link]
2. Drs. Tugiyono, [Link].,[Link]

OLEH : F I R M A N
NPM : 1820011003
BAB I : PENDAHULUAN
Latar Belakang &
Masalah
World malaria report tahun
2020 Data 2019, kasus
malaria di dunia : 229 juta
kasus : 409 ribu orang
meninggal dunia karena
malaria
Kasus malaria tahun 2019 di
Indonesia sebanyak 250.644
kasus
Tahun 2019 Provinsi Lampung
 1.521 kasus  5 besar
secara nasional (No 1
Regional Sumatera)
Eliminasi Malaria 2030 :
Sosiodemografi, Karakteristik
Fisik Wilayah dan Upaya
Pelayanan Kesehatan
Rumusan Masalah
Berdasarkan uraian tersebut di atas
maka perlu dilakukan kajian untuk
menentukan model prediksi kejadian
penyakit malaria melalui penelitian,
dengan variabel yang berhubungan
dengan:
Sosiodemografi,
Karakteristik fisik wilayah
Upaya pelayanan kesehatan
di Kabupaten Pesawaran Provinsi
Lampung
Tujuan Penelitian: Manfaat Penelitian
Menentukan

Bagi peneliti, menambah

Pengaruh faktor sosiodemografi  pengetahuan dan wawasan
kejadian penyakit malaria di peneliti tentang pengaruh
Kabupaten Pesawaran Provinsi sosiodemografi, karakteristik
Lampung fisik wilayah dan upaya
pelayanan kesehatan dengan
Pengaruh faktor karakteristik Bagi masyarakat,
kejadian malaria. dapat menjadi
fisik wilayah  kejadian penyakit informasi yang bermanfaat untuk
malaria di Kabupaten Pesawaran mencegah dan menurunkan
Provinsi Lampung kejadian malaria serta
memotivasi masyarakat untuk
Pengaruh faktor upaya pelayanan
meningkatkan upaya pencegahan
kesehatan  kejadian penyakit
kejadian malaria
malaria di Kabupaten Pesawaran Bagi Instansi Dinas Kesehatan
Provinsi Lampung
Membangun model Prediksi Kabupaten Pesawaran dan
kejadian penyakit malaria  Puskesmas, dapat digunakan
Kabupaten Pesawaran Provinsi sebagai model prediksi sebagai
Lampung bahan dalam penyusunan
Menyusun Rekomendasi  program pengendalian malaria
Pengendalian malaria di
Kabupaten Pesawaran Provinsi
Lampung
Kerangka Pemikiran
Sosiodemografi:
- Umur
- Jenis kelamin
- Pekerjaan
- Pendidikan
- Keluar rumah dimalam
hari
- Penggunaan obat anti
Nyamuk
Karakteristik Fisik Wilayah:
- Ketinggian dataran
(Hipometri) Kebijakan
- Jarak tempat Kejadian Model Program
perindukan vektor (TPV) Malaria Prediksi Pengendalia
- Jenis tempat
n Malaria
perindukanan
Upaya Pelayanan
vektor (TPV)
Kesehatan:
- Penaburan larvasida
pada TPV (Larvaciding)
- Pengangkatan lumut di
TPV Eliminasi Malaria
- Kelambu malaria (LLINs)
- Penyemprotan dinding
bagian dalam rumah
(IRS)
- Survei darah jari massal
(MBS)
BAB II : TINJAUAN PUSTAKA

• Sosial dan Demografi (Sosial: pendapatan,

Sosiodemografi pekerjaan, pendidikan, sikap dan lain-lain,
Demografi: usia, jenis kelamin dan lain-lain)

• Pantai (0 mdpl)  lagun, rawa dan kobakan kecil

pasir pantai, tambak terlantar.
Karakteristik Fisik • Dataran rendah (< 200 mdpl)  sawah dengan
pengairan bertingkat, sungai atau mata air yang
Wilayah mengalir lambat atau kolam
• Dataran tinggi (>700 mdpl) sungai-sungai
kecil, air jernih, dan mata air

• Upaya kesehatan  menanggulangi, mencegah dan

Upaya Pelayanan membatasi penularan penyakit malaria
• Kegiatan penanggulangan penyakit yang dapat
Kesehatan mencegah penularan penyakit malaria :
Pengobatan, Pengendalian Vektor, Penemuan
penderita malaria (Pasif dan Aktif)
 Tempat Perindukan Vektor
Berdasarkan Ketinggian Dataran
Tambak Sawah Mata air
Terlantar/kobakan bertingkat

Sungai, mata air Sungai kecil

Lagun/rawa

Dataran rendah Pegunungan/dataran tinggi

Peisisir pantai

Pantai
BAB III : METODE PENELITIAN

• Jenis penelitian : observasional,

Desain desain penelitian cross sectional
Penelitian (potong lintang)
• Analisis statistik : model regresi
logistik biner (binary logistic
regression) dengan beberapa
variabel.

Waktu dan • Bulan April - Mei 2021

Tempat • Kabupaten Pesawaran Provinsi
Lampung.
 • Populasi kasus (Sakit Malaria) :
pengunjung fasilitas pelayanan
kesehatan di lima Puskesmas pada

Populasi lima kecamatan yang ada di

Kabupaten Pesawaran dengan hasil
Positif Malaria
• Populasi kontrol (Tidak Sakit Malaria):
adalah pengunjung fasilitas kesehatan
dengan suspek (tersangka) malaria di
lima Puskesmas pada lima kecamatan
yang ada di Kabupaten Pesawaran
dengan hasil Negatif Malaria
• Jumlah Minimal : Menggunakan rumus
sampel minimal Slovin, Notoatmodjo (2010) 
338 orang
• Arikunto (2010) Jika jumlah populasi memiliki
Sampel objek :1301 atau lebih  sampel antara 10 -15%
atau 20-25% atau lebih.
• Dalam penelitian ini sampel yang diambil
sebanyak 20% dari jumlah populasi sebanyak
2180 orang
• Jumlah sampel penelitian : 436 orang
 Alat dan Instrument
Teknik Pengumpulan Data
Penelitian
Data yang digunakan  data
sekunder : Laporan Rekam medik dan register
Puskesmas dan Dinas penderita malaria positif dan
Kesehatan Kabupaten malaria negatif
Pesawaran : elektronik
sistem informasi surveilans
malaria (e-sismal) tahun Elektronik sistem informasi
2019 & 2020 surveilans malaria (e-sismal)
Data primer : Wawancara dan Alat tulis untuk mencatat
Observasi ke lapangan data, kamera digital,
Pengumpulan data handphone dg aplikasi GPS
menggunakan kuesioner Way Point dan laptop dengan
melalui wawancara dan dilengkapi software Minitab
observasi 16
Pendekatan Penelitian
α0+α1[UMR]+α2[JKEL]+α3[D1_NLYN/PTMB]+α4[D1_PTNI/BRKBN]

+α5[D1_PDGG/WRST]+α6[D1_TPAKP] + α7[D2_SMP]+α8[D2_SMA]

+ α9[D2_PT] +α10[KRMH]+α11[MOAN]+α12[KTD]+α13[D3_JTPV5]

+α14[D3_JTPV10]+α15[D3_JTPV10] +α16[D4_LGN] + α17[D4_RWA]

+α18[D4_TMBT] + α19 [D4_SBTR] + α20[D4_SLIG] + α21 [D4_KLGL]

+ α22[D5_LVCD] +α23[D5_PLMT] + α24[D6_LLINs] + α25[D6_IRS]

+ α26 [MBS] + Ξ

Keterangan
Ln : Logaritma berbasis bilangan Napier (Natural Number)=
2,71828...
α : Nomor sampel ke i =1,2, 3,..... 428.
p[Malaria=1] : Peluang responden menderita malaria
1- p[Malaria=1] : Peluang responden terhidar dari malaria
α0 sampai α26 : Parameter Model
Ξ : Error (galat) model
Uji Hipotesis dan Optimasi Parameter Model

H0 : α1= α2 = α3= α4=....= α26=0 (Tidak ada satu pun

variabel yang berpengaruh nyata terhadap kejadian malaria
di wilayah penelitian).
H1 : α1≠ α2 ≠ α3≠ α4≠....≠α26 ≠0 (Paling sedikit ada satu
variabel yang berpengaruh nyata terhadaap kejadian malaria
di wilayah penelitian).

Optimasi parameter model dilakukan dengan menggunakan

piranti lunak Minitab 16.

BAB IV : HASIL & PEMBAHASAN

Analisis • Digunakan untuk mengetahui distribusi frekuensi

dan proporsi dari variabel bebas maupun variabel
Univariat terikat, yang hasil penyajiannya bisa berbentuk
tabel maupun grafik

Analisis • Analisis Spasial adalah teknik-teknik yang digunakan

untuk meneliti dan mengeksplorasi data dari

Spasial persepktif keruangan dalam hal ini adalah data

malaria di Kabupaten Pesawaran.

Analisis • Analisis regresi logistik biner (Binary Logistic

Regression) bertujuan untuk menjelaskan hubungan
Regresi antara variabel respon (Y) yang berupa data
dikotomik atau biner (malaria dan tidak malaria)

Logistik Biner
dengan variabel bebas (X) yang berupa data
interval dan atau katagorik
 Analisis Univariat
Sebaran Responden
Berdasarkan Umur
0.69%
1.83%

Sebaran Responden
Berdasarkan Jenis Ke-
lamin
97.48% 32.11%

1 - 14 Tahun 15 - 65 Tahun
> 66 Tahun 67.89%

Laki-Laki Perempuan
 Analisis Univariat
Sebaran Responden Berdasarkan
35.00% Pekerjaan
30.28%
30.00%
27.30%

25.00% Sebaran Responden Berdasarkan

Pendidikan
20.00% 50.00%
18.11% 18.58%
45.41%
45.00%
Sales
15.00%
40.00%
37.16%
10.00% 35.00%

5.73% 30.00%
5.00%
25.00%

0.00% 20.00%
14.68%
15.00%

10.00%

5.00% 2.75%
0.00%
Sales
 Analisis Univariat
Sebaran Responden
Berdasarkan Perilaku Keluar
Rumah Dimalam Hari

Sebaran Responden
Berdasarkan Penggunaan
49.54% 50.46% Obat Anti Nyamuk

52.06%
47.94%
Keluar Rumah Dimalam Hari
Tidak Keluar Rumah Dimalam Hari

Menggunakan OAN
Tidak Menggunakan OAN
 Analisis Univariat
Sebaran Responden Berdasarkan
Ketinggian Dataran Tempat
Tinggal/Rumah

1.38%
6.19%

Sebaran Responden Berdasarkan

50.00% Jarak Rumah dengan TPV
45.00%

40.00%
92.43%
35.00%

30.00%

25.00%
0,00 - 25,00 mdpl 25,01 - 50,00 mdpl 50,01 - 100,00 mdpl 46.56%
20.00%
35.55%
15.00%

10.00%

5.00%
12.84%
5.05%
0.00%

Sales
 Analisis Univariat
Sebaran Responden Berdasarkan
Jenis TPV dalam Jarak 0 – 3.000
meter dari Rumah/Tempat Tinggal Sebaran Responden
45.00%
41.51% Berdasarkan Intervensi
TPV
40.00%

35.00%

30.00%

25.00% 23.85%

20.00% 17.43%
14.23%
15.00% 12.39%
10.00%
17.43%
5.00% 2.29% 2.06%
0.46%
0.00%

Sales
68.34
%

Tidak Ada Intervensi Larvaciding Pengangkatan Lumut

 Analisis Univariat
Sebaran Responden
Berdasarkan Intervensi
Vektor Malaria
11.01%

Sebaran Responden
Berdasarkan Intervensi
Plasmodium
35.78% 53.21%

42.43%

Tidak Ada Intervensi LLINs

IRS 57.57%

Tidak Ada Intervensi MBS

 Analisis
Spasial
Sebaran Responden Penelitian
Responden  5 kecamatan dari
11 kecamatan yang ada di
Kabupaten Pesawaran.
Rata-rata ketinggian dataran tempat
tinggal responden di 5 kecamatan 
11,73 meter diatas permukaan laut
(mdpl).
Jumlah kasus malaria penelitian ini
sbb : [Link] Pandan  158
(72,48%)
2. Padang Cermin  17 (7,80%)
3. Way Ratai  13 (5,96%)
4. Marga Punduh  5 (2,29%)
5. Punduh Pedada  25 (11,47%)
Dari keseluruhan responden kasus
malaria berjumlah 218 responden.

This Photo by Unknown Author is licensed under CC BY-NC-ND

 Analisis
Spasial
Sebaran Kasus Malaria Per Kecamatan
KLASTER
Ier

KLASTE
R 2r

KLASTE
Teluk Pandan: 10 Desa Pd Cermin : 11 Desa
R3 Kecamatan dengan
Kecamatan dengan
KLASTE
endemis malaria Sedang
R4
endemis malaria tinggi
3 Desa : API > 5‰, 1
KLASTE

6 Desa : API > 5‰, 1

R5

KLASTE
Desa API 1-5‰, 4 Desa
R6
Desa API 1-5‰, 3 Desa
API 1-5‰, 4 Desa
lainnya < 1 ‰
KLASTE lainnya < 1 ‰
R7
Luas wilayah 77,34 km2
Luas wilayah 127,43 km2
Rata-rata ketinggian
Rata-rata ketinggian
dataran tempat tinggal
Sukajaya  klaster dataran tempat tinggal
responden adalah 10,95
malaria di Dsn 3 Laut (1) responden adalah 5,71
mdpl
dan Dsn 7 Mutun (2) mdpl
Desa Hurun  klaster
Kasus Malaria di
malaria di Dusun Magan
Kecamatan Pd Cermin
(3)
relatif menyebar di 3
Hanura  klaster malaria Desa yaitu:
di Dusun B (4)
Desa Sanggi
Sidodadi  klaster
Desa Durian
malaria di Dusun 1 (5)
Desa Gayau
Gebang  klaster malaria
di Dusun Tanjung Jaya (6)
Desa Batu Menyan 
klaster malaria di Dusun
Ketapang (7)

This Photo by Unknown Author is licensed under CC BY-NC-ND

 Analisis
Spasial
Sebaran Kasus Malaria Per Kecamatan
Marga Punduh : 10
Way Ratai : 10 Desa
Desa
Kecamatan dengan
endemis malaria Kecamatan dengan
KLASTE
R8
rendah endemis malaria Sedang
1 Desa : API 1-5‰, 9 3 Desa : API 1-5‰, 7
Desa lainnya < 1 ‰
Desa lainnya < 1 ‰
Luas wilayah 111,00 km2
Luas wilayah 112,95
Rata-rata ketinggian
km2 dataran tempat tinggal
Rata-rata ketinggian responden adalah 11,98
dataran tempat mdpl
tinggal responden Kasus Malaria di
adalah 52,68
Terdapat mdpl
Klaster Malaria Kecamatan Pd Cermin
di Desa Bunut Seberang relatif menyebar di 3
Dusun 1 (8) Desa yaitu:
Desa Umbul Limus
Desa Kampung Baru
Desa Pulau Pahawang

This Photo by Unknown Author is licensed under CC BY-NC-ND

 Analisis
Spasial
Sebaran Kasus Malaria Per Kecamatan
KLASTE

Punduh Pedada : 11
R9

KLASTE
Kabupaten Pesawaran
Desa
R 10

KLASTER
11

KLASTE
Kecamatan dengan
R 12
Kasus malaria 94,04%
endemis malaria sedang
KLASTE
R 13 terjadi disepanjang
4 Desa : API > 5‰, 2 dataran tepi pantai dan
Desa API 1-5‰, 5 Desa Pulau-pulau kecil
lainnya < 1 ‰
Terdapat klaster malaria
Luas wilayah 113,19 km2 di 13 Dusun di 8 Desa
Rata-rata ketinggian Luas wilayah Kecamatan
dataran tempat tinggal terdapat kasus malaria
Sukarame adalah
responden klaster6,32 541,91 km2
malaria di Dsn Sukarame
mdpl
Induk (9), Dsn Umbul Rata-rata ketinggian
Salak (10), Dsn Pancur dataran tempat tinggal
(11) dan Dsn Suwak Malu responden kasus malaria
(12) adalah 5,71
Kantong2 mdpl
kasus penyakit
malaria di Kabupaten
Desa Kota Jawa  klaster Pesawaran memiliki
malaria di Dusun Tempat Perindukan
Sukaraja (13) Vektor (TPV) berupa
lagun, kobakan pasir dan
rawa

This Photo by Unknown Author is licensed under CC BY-NC-ND

 Hasil Optimasi Penelitian Pengaruh Sosio Demografi, Karakteristik Fisik

Analisis Reglog
Wilayah dan Upaya Pelayanan Kesehatan terhadap Penyakit Malaria

Biner
Predictor Simbol Coef. SE Coef Z P Odds 95% CI
Ratio Lower Upper

Constant 1.14306 1.92032 0.60 0.552

Sosiodemografi
Umur α1 - 0.03077
[UMR] -0.66 0.511 0.98 0.92 1.04
(Tahun) 0.0202340 43
Jenis Kelamin 0.97832
[JKEL] α2 1.27568 1.30 0.192 3.58 0.53 24.37
(0=Perempuan) 9
Pekerjaan
(0=IRT/Tak Bekerja)
Nelayan/Petambak [D1_NLYN/PTMB] α3 - 1.09366 -0,48 0.629 0.59 0.07 5.03
Petani/Berkebun/Buruh [D1_PTNI/BRKBN] 0.527641 1.20772 -0.47 0.641 0.57 0.05 6.07
Tambang α4 -
Pedagang/Wiraswasta [D1_PDGG/WRST] 0.563427 1.34504 -0.59 0.558 0.45 0.03 6.35
TNI/POLRI/ASN/Karyawan/ [D1_TPAKP] 0.98911 -1.15 0.249 0.32 0.05 2.22
Pelajar α5 -0.788517 7

α6 -1.14061
Pendidikan
(0=SD)
SMP [D2_SMP] α7 0.627210 1.10794 0.57 0.571 1.87 0.21 16.42
SMA [D2_SMA] 1.19726 1.35 0.177 5.04 0.48 52.68
Perguruan Tinggi [D2_PT] α8 1.61759 1.26 0.209 11.71 0.25 543.29
α9 2.46045 1.95779
Keluar Rumah Malam Hari [KRMH] 4.72 0.000 70.36 12.01 412.16
(0=Tidak) α10
 Variabel:Umur
Uji Hipotesis dan Optimasi Parameter Model

Variabel umur  α1 (negatif) OR=0,98 (P=0,511) = jika variabel lain

tetap, maka responden yang berumur lebih muda 1 tahun dalam rentang
umur 1 sampai dengan 80 tahun peluang untuk terkena malaria akan
menurun 0,98 kali semula. Namun demikian penurunan ini tidak tampak
nyata sebagaimana ditunjukkan oleh nilai P=0,51, diasumsikan bahwa
pengaruh variabel umur terhadap kejadian penyakit malaria secara
umum tidak berpengaruh signifikan.

Hasil tersebut sejalan dengan hasil penelitian Sutriyawan A (2017) di Kota

Bengkulu Provinsi Bengkulu  tidak ada hubungan yang signifikan antara
umur dengan kejadian penyakit malaria dengan nilai P=0,530.

Malaria dapat menginfeksi siapa saja tanpa mengenal umur, namun

demikian anak-anak lebih rentan terhadap infeksi malaria berkaitan
dengan imunitas tubuh yang lebih rendah dibandingkan orang dewasa.
Kejadian malaria pada anak-anak sering terjadi karena umumnya mereka
belum mengetahui faktor penyebab malaria sehingga tidak melakukan
pencegahan terhadap gigitan nyamuk. Dalam kondisi ini peran orang tua
dalam melindungi anak-anak dari infeksi malaria dengan praktik
 Variabel Jenis
Uji Hipotesis dan Optimasi Parameter Model :
Kelamin

Variabel Jenis Kelamin  α2 (positif) dengan OR =3,58

(P=0,192) = jika variabel lain tetap sama, responden yang
berjenis kelamin laki-laki kerentanannya terserang malaria akan
meningkat menjadi 3,58 kali semula. Tetapi peningkatan ini tidak
begitu nyata sebagaimana ditunjukkan oleh P=0,192.

Hasil tersebut sejalan dengan penelitian Manumpa (2016) di

wilayah kerja Puskesmas Moru Kecamatan Alor Barat Daya
Kabupaten Alor Provinsi Nusa Tenggara Timur  tidak ada
pengaruh antara jenis kelamin dengan kejadian malaria dengan
nilai P=0,838.

Jenis kelamin laki-laki maupun perempuan memiliki risiko yang

sama untuk terinfeksi malaria  pada kondisi tertentu seperti ibu
hamil  anemia yang lebih berat jika terinfeksi malaria. Selain itu
jika malaria menginfeksi ibu hamil  demam, hypoglikemia, malaria
cerebral, edema paru dan sepsis. Malaria pada ibu hamil  berat
bayi lahir rendah (BBLR), kelahiran premature, lahir mati, malaria
 Variabel
Uji Hipotesis dan Optimasi Parameter Model :
Pekerjaan
Variabel pekerjaan  Mereka yang memiliki pekerjaan selain sebagai ibu rumah
tangga/tidak bekerja seluruhnya menunjukkan penurunan kerentanan terhadap malaria
dengan hasil optimasi parameter model berturut-turut sebagai berikut : α3, α4 , α5 dan α6
dengan OR (nilai P) 0,59 (0,629), 0,57 (0,641), 0,45 (0,558) dan 0,32 (0,249).
Jika responden berturut-turut bekerja sebagai nelayan/petambak, petani/berkebun/buruh
tambang, pedagang/wiraswasta dan TNI/POLRI/ASN/Karyawan/Pelajar maka kerentanan
terhadap penyakit malaria akan menurun berturut-turut 0,59, 0,57, 0,45 dan 0,32 kali
dibanding responden yang bekerja sebagai ibu rumah tangga/tidak bekerja. Namun
demikian penurunan ini bersifat tidak nyata sebagaimana ditunjukkan oleh nilai P
masing-masing variabel.

Hal tersebut sejalan dengan penelitian penelitian Manumpa (2016) di wilayah kerja
Puskesmas Moru Kecamatan Alor Barat Daya Kabupaten Alor Provinsi Nusa Tenggara
Timur, hasil uji statistik chi square pada penelitian tersebut menunjukkan bahwa tidak
ada pengaruh antara pekerjaan dengan kejadian malaria dengan nilai P=1,64.

Pekerjaan yang beresiko terkena malaria  mereka yang bekerja dimalam hari sebagai
penjaga keamanan/penjaga malam atau nelayan/petambak. Dalam penelitian ini
responden yang bekerja sebagai nelayan/petambak merupakan jenis pekerjaan terbesar
kedua yakni berjumlah 119 orang atau sebesar 27,30%. Dari jumlah tersebut diketahui
59 responden yang bekerja sebagai nelayan/petambak terkena malaria dan 60
responden yang bekerja sebagai petambak tidak terkena malaria. Secara keseluruhan
penelitian ini menunjukkan bahwa semua jenis pekerjaan didaerah penelitian tidak
 Variabel
Uji Hipotesis dan Optimasi Parameter Model :
Pendidikan
Variabel pendidikan  berturut-turut parameter α7, α8 dan α9 yaitu SMP, SMA
dan Perguruan Tinggi semuanya bertanda positif. Sehingga dapat diartikan
bahwa jika variabel lain tetap responden dengan pendidikan SMP, SMA dan
Perguruan tinggi menjadi lebih rentan terhadap infeksi malaria dibandingkan dengan
reponden yang memiliki tingkat pendidikan SD dengan OR (nilai P) berturut-turut
1,87 (0,571), 5,04 (0,177) dan 11,71 (0,209). Namun demikian peningkatan
kerentanan tersebut tidak berbeda nyata sebagaimana ditunjukkan oleh nilai P-nya
masing-masing.

Hal ini sejalan dengan penelitiany Sukiswo SS, dkk (2014) di Kecamatan Arongan
Lambalek Kabupaten Aceh Barat Nangroe Aceh Darussalam yang menyatakan bahwa
tidak ada hubungan yang bermakna antara pendidikan dengan kejadian malaria
dengan nilai P=0,611.

Secara teori pendidikan yang rendah atau SD/Sederajat diasumsikan memiliki

kerentanan yang tinggi terkena malaria dibandingkan dengan mereka yang memiliki
pendidikan diatas SD/Sederajat. Hal ini disebabkan tingkat pendidikan sesorang
dapat menggambarkan kemampuannya dalam mencerna dan memahami suatu
masalah, pemahaman suatu masalah dapat membentuk sikap sesorang dan
dipengaruhi lingkungannya akan menghasilkan suatu perilaku yang nyata sebagai
suatu reaksi (Amirudin, 2013). Tetapi dalam penelitian ini didapatkan data bahwa
responden yang paling dominan berdasarkan pendidikan adalah SMA sejumlah 198
responden atau 45,41%, dari jumlah tersebut 104 orang responden terkena malaria
dan 94 orang tidak terkena malaria. Secara keseluruhn dalam penelitian ini
 Variabel keluar
Uji Hipotesis dan Optimasi Parameter Model :
rumah dimalam hari

Variabel keluar rumah dimalam hari  α10 (Positif) dengan

OR=70,36 (P=0.000) yang berarti jika variabel lain tetap, perilaku keluar
rumah pada malam hari tanpa menggunakan alat pelindung diri seperti
sarung, baju dan celana panjang, maka peluang responden terkena malaria
meningkat menjadi 70,36 kali dibandingkan dengan responden yang tidak
keluar rumah pada malam hari. Peningkatan peluang terkena malaria ini
sangat nyata seperti ditunjukkan oleh P=0.000.

Hal ini sejalan dengan penelitian oleh Nababan, dkk (2018) di Kabupaten
Purworejo Provinsi Jawa Tengah yang menyimpulkan bahwa kebiasaan
keluar rumah dimalam hari memiliki hubungan dengan kejadian malaria
dengan nilai P=0,01 dan Odd Ratio (OR)=3,6.

Keluar rumah dimalam hari tanpa menggunakan alat pelindung diri seperti
sarung, celana panjang dan baju panjang memudahkan kontak antara
manusia dan nyamuk Anopheles. Nyamuk Anopheles biasa menggigit
manusia (anthropofilik) dan menggigit diluar rumah (eksofilik) menjelang
malam hari pukul 18.00 sampai dengan menjelang pagi pukul 06.00
(Widoyono, 2011).
 Variabel Penggunaan
Uji Hipotesis dan Optimasi Parameter Model
Obat Anti: Nyamuk

Variabel penggunaan anti nyamuk  α11 (negatif) OR=0,01

(P=0,000) yang memberi makna bahwa, jika variabel lain tetap
maka responden yang menggunakan obat anti nyamuk peluang
untuk terkena malaria menurun menjadi hanya 0,01 kali
dibandingkan dengan responden yang tidak menggunakan obat
anti nyamuk. Penurunan peluang ini bersifat nyata, sebagaimana
ditunjukkan oleh nilai P=0.000.

Hal ini sejalan dengan penelitian yang dilakukan oleh Budiyanto A

(2011) di Kabupaten Ogan Komering Ulu Provinsi Sumatera Selatan
yang menyatakan bahwa ada hubungan yang signifikan antara
pemakaian obat anti nyamuk dengan kasus malaria dengan
OR=0,231 (P=0,0001).

Perilaku nyamuk Anopheles yang memiliki kebiasaan menggigit

dimalam hari antara Pukul 18.00 sampai dengan menjelang pagi
hari Pukul 06.00 memungkinkan responden yang menggunakan
obat anti nyamuk saat malam hari memiliki kontak yang rendah
 Analisis Reglog
Hasil Optimasi Penelitian Pengaruh Sosio Demografi, Karakteristik Fisik

Biner
Wilayah dan Upaya Pelayanan Kesehatan terhadap Penyakit Malaria

Predictor Simbol Coef. SE Coef Z P Odds 95% CI

Ratio Lower Upper

Constant 1.14306 1.92032 0.60 0.552

Karakteristik Fisik
Wilayah
Ketinggian Dataran [KTD] α12 0.0408866 0.64 0.524 1.03 0.95 1.11
(mdpl) 0.0260722
Jarak TPV
(0=> 3.000 m)
0 – 1.000 m [D3_JTV5] 1.35840 3.37 0.001 96.95 6.77 1389.37
1.001 – 2.000 m [D3_JTV10] α13 4.57420 1.34654 0.66 0.512 2.42 0.17 33.87
2.001 – 3.000 m [D3_JTV10] α14 0.883319 2.23562 0.95 0.344 8.29 0.10 662.96
α15 2.11497
Jenis TPV
(0=Tidak Ada TPV)
Lagun/Kobakan [D4_LGN] 1.44024 1.99 0.046 17.67 1.05 297.27
Rawa [D4_RWA] α16 2.87183 1.31722 -1.59 0.112 0.12 0.01 1.63
Tambak Terlantar [D4_TMBT] α17 -2.09404 1.16592 0.13 0.895 1.17 0.12 11.47
Sawah Berteras [D4_SBTR] α18 -0.154395 2.35406 -0.47 0.636 0.33 0.00 33.09
Saluran Irigasi [D4_SLIG] 3.62022 0.85 0.398 21.33 0.02 253736.88
Kolam Galian [D4_KLGL] α19 -1.11470 3.51707 -0.37 0.714 0.28 0.00 271.94
α20 3.06017
α21 -1.28773
 Variabel Ketinggian
Uji Hipotesis dan Optimasi Parameter Model :
Dataran

Variabel ketinggian dataran tempat tinggal responden  α1 (positif) dengan

OR= 1,03 (P=0.524). Jika variabel lain tetap, responden yang tempat tinggalnya
bertambah 1 meter dari permukaan laut maka peluang terkena malaria meningkat
menjadi 1,03 kali semula. Namun demikian peluang tersebut tidak bersifat nyata,
sebagaimana ditunjukkan oleh nilai P=0,524.

Hal ini sejalan dengan penelitian yang dilakukan oleh Saputro KP (2015) di
Kecamatan Banjar Mangu Kabupaten Banjar Negara Provinsi Jawa Tengah, yang
menunjukkan bahwa tidak adanya hubungan yang bermakna antara
ketinggian dataran tempat tinggal dengan kejadian malaria dengan
OR=4,250 dan nilai P=0,012.

Ketinggian dataran tempat tinggal responden pada penelitian ini rata-rata adalah
11,73 meter diatas permukaan laut (mdpl), ketinggian terendah adalah 0,00 meter
diatas permukaan laut (mdpl) dan ketinggian dataran tertinggi tempat tinggal
respnden adalah 84,52 meter diatas permukaan laut (mdpl). Ketinggian tempat
tinggal responden tersebut seluruhnya masih berada di dataran rendah atau
dibawah 400 meter diatas permukaan laut (mdpl). Ketinggian dataran tempat tinggal
akan memiliki potensi berpengaruh dengan kejadian penyakit malaria pada
perbedaan ketinggian lebih dari 100 meter diatas permukaan laut (mdpl) hal
tersebut terjadi karena setiap perbedaan ketinggian dataran lebih dari 100 meter
diatas permukaan laut (mdpl) akan menurunkan suhu sebesar 0,5 derajat Celcius.
Uji Hipotesis dan Optimasi Parameter Model
Variabel :
Jarak TPV

Variabel jarak tempat perindukan vektor  α13, α14 dan α15 (positif) dengan nilai
Odd Ratio berturut-turut 96,95, 2,42 dan 8,29 dengan nilai P=0,001, 0,512 dan
0,344. Hal ini menunjukkan bahwa jika variabel lain tetap maka setiap penambahan rentang
jarak tempat tinggal responden dengan tempat perindukan vektor maka peluang terkena
malaria menjadi berturut turut 96,95, 2,42 dan 8,29 kali semula. Namun demikian peluang
tersebut sangat nyata bila tempat tinggal responden berada dalam jarak < 1000 meter
dengan tempat perindukan vektor dengan nilai P=0,001. Hal tersebut tidak terjadi untuk
tempat tinggal responden yang berada dalam jarak 1001 - 2000 meter dan 2001 – 3000 meter
dengan tempat perindukan vektor karena masing-masing nilai P nya adalah 0,512 dan 0,344.

Hal tersebut sesuai dengan hasil penelitian Kazwani M dan Martini S (2006) di Kabupaten
Lombok Timur Provinsi Nusa Tenggara Barat yang menyatakan bahwa jarak hunian dengan
tempat perindukan vektor berhubungan dengan kejadian malaria dengan OR =1,78 dan
P=0,028.

Jarak yang dekat dengan tempat perindukan vektor tersebut mengakibatkan mereka berada
dalam wilayah malariogenic potentia atau wilayah potensial terjadinya penyakit malaria, yang
dipengaruhi oleh 2 faktor yaitu receptivity dan vulnerability. Receptivity adalah adanya vektor
malaria dalam jumlah besar dan terdapatnya faktor-faktor ekologis yang memudahkan
penularan malaria sedangkan vulnerability adalah terdapatnya penderita malaria atau vektor
yang telah terinfeksi malaria dalam suatu wilayah tertentu (Harijanto, 2014). Receptivity juga
disebabkan radius jarak tempat perindukan vektor yang < 1.000 meter dari rumah/tempat
tinggal masih dalam jangkauan kemampuan terbang normal nyamuk Anopheles. Nyamuk
Anopheles memiliki kemampuan jangkauan terbang sejauh 1 sampai dengan 1,5 Km
(Kemenkes, 2014).
Uji Hipotesis dan Optimasi Parameter Variabel
Model : TPV
Jenis

Variabel Jenis TPV  α16, α17, α18, α19, α20 dan α21 nilai OR
berturut-turut 17,67, 0,12, 1,17, 0,33, 21,33 dan 0,28 dengan nilai
P=0,046, 0,112, 0,895, 0,636, 0,398 dan 0,714. Hal tersebut
mengindikasikan bahwa dari enam jenis tempat perindukan vektor yang
ada di Kabupaten Pesawaran berupa lagun dan kobakan, rawa, tambak
terlantar, sawah berteras, saluran irigasi serta kolam galian yang memiliki
hubungan kausalitas bermakna jika variabel lainnya tetap adalah lagun
dengan OR 17,67 dan nilai P=0,046.

Hal ini sejalan dengan penelitian Sukiswo SS, dkk (2014) di Kecamatan
Arongan Lambalek Kabupaten Aceh Barat yang menyatakan bahwa
lingkungan yang terdapat genangan air dan semak-semak berhubungan
dengan kejadian malaria dengan Odd Ratio=6,827 dan P=0,000.

Dalam penelitian ini sebaran responden berdasarkan jenis tempat

perindukan vektor berupa lagun/kobakan yaitu sebesar 23,85% atau
sejumlah 104 responden, 72 responden terkena malaria dan 32 orang tidak
terkena malaria. Lagun/kobakan relatif tidak menjadi perhatian intervensi
tempat perindukan selama ini sebagaimana hasil analisis deskripsi pada
variabel intervensi tempat perindukan vektor dengan Larvaciding atau
pengangkatan lumut yakni 68,34% tidak ada intervensi terhadap tempat
 Analisis Reglog
Hasil Optimasi Penelitian Pengaruh Sosio Demografi, Karakteristik Fisik
Wilayah dan Upaya Pelayanan Kesehatan terhadap Penyakit Malaria

Biner
Predictor Simbol Coef. SE Coef Z P Odds 95% CI
Ratio Lower Upper

Constant 1.14306 1.92032 0.60 0.552

Pelayanan
Kesehatan
Intervensi TPV
(0=Tidak Ada) [D5_LVCD] α22 -1.83076 1.20223 -1.52 0.128 0.16 0.02 1.69
Larvaciding [D5_PLMT] α23 -2.12563 1.10126 -1.93 0.054 0.12 0.01 1.03
Pengangkatan
Lumut

Intervensi Vektor [D4_LLINs] α24 -2.70970 0.801491 -3.38 0.001 0.07 0.01 0.32
(0=Tidak Ada) [D1_IRS] α25 -2.67014 0.948238 -2.82 0.005 0.07 0.01 0.44
LLINs
IRS

Intervensi [MBS] α26 -3.22031 0.796065 -4.05 0.000 0.04 0.01 0.19
Plasmodium
(0=Tidak Dilakukan)
MBS
 Variabel Intervensi
Uji Hipotesis dan Optimasi Parameter ModelTPV :
Variabel larvaciding dan pengangkatan lumut  α22 dan α23 (negatif) hal
tersebut dapat diartikan bahwa intervensi upaya pelayanan kesehatan berupa
larvaciding dan pengangkatan lumut dari tempat perindukan vektor
menurunkan kerentanan untuk terinfeksi malaria sebesar 0,16 dan 0,12 kali
dibandingkan dengan tidak dilakukan intervensi apapun terhadap tempat
perindukan vektor. Namun demikian penurunan tersebut tidak bersifat nyata
karena masing-masing nilai P dari kedua variabel tersebut sebesar 0,128 dan
0,054.

Secara teori larvaciding dan pengangkatan lumut dapat mengurangi

kepadatan jentik nyamuk Anopheles karena larvasida dapat membunuh jentik
nyamuk Anopheles. Pengangkatan lumut dapat membuat habitat jentik
Anopheles tidak dapat berkembang biak, karena jika lumut diangkat dari
tempat perindukan vektor, jentik nyamuk Anopheles terutama jentik
Anopheles Sundaicus yang tidak menyukai sinar matahari langsung. Dalam
penelitian ini kedua intervensi tersebut tidak memiliki hubungan yang
signifikan dapat disebabkan oleh beberapa hal seperti pelaksanaan larvaciding
tidak menggunakan data surveilans vektor tetapi hanya berdasarkan
ketersediaan anggaran, pelaksaanaan larvaciding dan pengangkatan lumut
dilakukan sebagai kegiatan yang terpisah bukan merupakan kegiatan terpadu
 Variabel Intervensi
Uji Hipotesis dan Optimasi Parameter Model :
Vektor

Variabel penggunaan kelambu berinsektisida atau Long Lasting Insectide Nets (LLINs) dan
penyemprotan dinding bagian dalam rumah dengan insektisida atau Indoor Recidual
Spraying (IRS), α24 dan α25 (negatif) dengan nilai OR berturut-turut 0,07 dan 0,07 dengan
nilai P=0,001dan 0,005. Hal tersebut dapat ditarik kesimpulan bahwa intervensi upaya pelayanan
kesehatan terhadap vektor malaria dengan penggunaan kelambu berinsektisida atau Long Lasting
Insectide Nets (LLINs) dan penyemprotan dinding bagian dalam rumah dengan insektisida atau Indoor
Recidual Spraying (IRS) jika variabel lain tetap maka dapat menurunkan kerentanan untuk terkena
malaria sebesar 0,07 dan 0,07 kali dibandingkan jika tidak dilakukan intervensi terhadap vektor
malaria. Penurunan tersebut bersifat nyata ditunjukkan dengan nilai P secara berturut-turut 0,001 dan
0,005.

Hal ini sejalan dengan penelitian oleh Sir O, dkk (2015) di Kecamatan Abola Kabupaten Alor Nusa
Tenggara Timur yang menyatakan bahwa penggunaan kelambu berinsektisida berpengaruh
dengan kejadian malaria dengan nilai P=0,021.

Penggunaan kelambu berinsektisida atau Long Lasting Insectide Nets (LLINs) dan penyemprotan
dinding bagian dalam rumah dengan insektisida atau Indoor Recidual Spraying (IRS) memiliki cara
kerja yang hampir serupa dalam upaya mengendalikan vektor malaria yaitu nyamuk Anopheles.
Kelambu berinsektisida atau Long Lasting Insectide Nets (LLINs) bertujuan sebagai penghalang atau
barrier agar orang yang memakainya terhindar dari gigitan nyamuk Anopheles. Selain menghalangi
gigitan nyamuk Anopheles kelambu berinsektisida atau Long Lasting Insectide Nets (LLINs) juga dapat
membunuh nyamuk karena pada kelambu telah di aplikasikan insektisida tertentu namun tidak
membahayakan orang yang memakainya. Indoor Recidual Spraying (IRS) juga mengaplikasikan
insektisida sebagai residu hasil penyemprotan yang diharapkan juga dapat membunuh nyamuk
Anopheles yang hinggap dan berisitirahat pada dinding bagian dalam rumah. Kedua upaya pelayanan
 Variabel Intervensi
Uji Hipotesis dan Optimasi Parameter Model :
Plasmodium

Variabel survei darah jari massal malaria atau Mass Blood

Survey (MBS) menunjukkan α26 (negatif)  peluang terkena
malaria menurun jika variabel lain tetap, ketika intervensi upaya
pelayanan kesehatan dengan survei darah jari massal malaria atau
Mass Blood Survey (MBS) dilakukan terhadap responden maka
peluang responden terkena malaria menurun menjadi 0,04 kali
semula, penurunan ini bersifat nyata karena nilai P=0,000.

Hasil penelitian ini sejalan dengan teori bahwa semakin dini

plasmodium ditemukan di masyarakat dan dilakukan pengobatan
malaria sesuai standar maka penularan malaria dapat dicegah
sehingga pengobatan malaria sekaligus dapat berfungsi sebagai
pencegahan infeksi malaria.
Uji Kebaikan (Suai Goodness of fit) terhadap Model
Baik untuk model pendugaan kejadian malaria [YI] ataupun model penduga
kejadian tidak malaria [YII] dari hasil output minitab memperlihatkan
bahwa keduanya dapat dinilai sangat baik. Penilaian tersebut didasarkan
bahwa untuk [YI] memberikan hasil uji G = 511,535 (%) Df 26, P= 0,000
seperti dapat dilihat pada Tabel 17. yang memberi makna bila ada seorang
terkena malaria diprediksi dengan pengaruh ketiga variabel bebas
tersebut, dengan demikian model prediksi bagi [YI] dapat diungkap sebagai
berikut:
- 0.0202340 [UMR] + 1.27568[JKEL] – 0.527641 +
[D1_NLYN/PTMB] - 0.563427 [D1_PTNI/BRKBN] – 0.788517
[D1_PDGG/WRST] – 1.14061 [D1_TPAKP] + 0.627210
[D2_SMP]
+ 1.61759 [D2_SMA] + 2.46045 [D2_PT] + 4.25364
[KRMH] -
4.97580 [MOAN] + 0.0260722 [KTD] + 4.57420 [D3_JTV5]
+
0.883319 [D3JTV10] + 2.11497 [D3_JTV20 + 2.87183
[D4_LGN]
– 2.09404 [D4_RWA] + 0.154395 [D4_TMBT] –
1.114470[D4_SBTR]
 Rekomendasi Pilihan Kebijakan Publik Dengan Posibilitas Besar Untuk Menekan Kejadian
Malaria
Varibel Prediktor Kejadian Simbol dlm Ranah Paramet Bentuk Program Sumber Dana yang
No
Malaria Model Kebijkan er yang Dapat Diajukan Mungkin
1 Keluar Rumah Malam Hari [KRMH] Ya α10 [1] Penyuluhan kelompok APBD/DD/ADD
pengajian/kelompok sosial
lainnya
2 Penggunaan Obat Anti Nyamuk [MOAN] Ya α11 [1] Penyuluhan kelompok APBD/DD/ADD
pengajian/kelompok sosial
lainnya
3 Dummy_Jarak TPV 0- 1.000 [D3_JTPV5] Bukan α13 [1] Pembentukan Dasawisma DD/ADD
meter pencegahan malaria [2]
Pembentukan Solaria (Sekolah
Malaria)

4 [D4_LGN] Ya [1] Pembuatan Sourche APBN/APBD/DD

Dummy_Jenis TPV α16 Reduction [2] Penebaran ikan
Lagun/Kobakan pemakan jentik [3] Larvaciding
dan Pengangkatan Lumut
Terpadu
5 [D6_LLINS] Ya
α24 APBN/APBD/DD
Dummy_Intervensi Vektor LLINs [1] Penyuluhan penggunaan
LLINs [2]
Pembagian/Pencelupan ulang
6 [D6_IRS] Ya kelambu dengan insektisida APBN/APBD/DD
α25
Dummy_Intervensi Vektor IRS
[1] IRS berkala [2] Pelatihan
7 [MBS] Ya APBN/APBD/DD
kader malaria desa
MBS α26
[1] MBS berkala [2] Pelatihan
kader malaria untuk
 Simpulan BAB V : SIMPULAN &
1. SARAN
Kejadian malaria dipengaruhi oleh faktor sosiodemografi: keluar rumah dimalam hari
dan penggunaan obat anti nyamuk
2. Kejadian malaria dipengaruhi oleh faktor karakteristik fisik wilayah: jarak tempat
perindukan vektor 0-1.000 meter dan jenis tempat perindukan vektor lagun/kobakan
3. Kejadian malaria dipengaruhi oleh faktor upaya pelayanan kesehatan: penggunaan
kelambu berinsektisida atau Long Lasting Insecticide Nets (LLINs), penyemprotan
dinding bagian dalam rumah atau Indoor Residual Spraying (IRS) dan survei darah jari
malaria atau Mass Blood Survey (MBS)]
4. Model prediksi dapat membantu memprediksi risiko kejadian malaria. Model
yang
digunakan dalam penelitian ini:
1.14306 – 0.0202340 [UMR] + 1.27568 [JKEL] – 0.527641 [D1_NLYN/PTMB] - 0.563427 [D1_PTNI/BRKBN] – 0.788517

[D1_PDGG/WRST] – 1.14061 [D1_TPAKP] + 0.627210 [D2_SMP] + 1.61759 [D2_SMA] + 2.46045 [D2_PT] + 4.25364

[KRMH] - 4.97580 [MOAN] + 0.0260722 [KTD] + 4.57420 [D3_JTV5] + 0.883319 [D3JTV10] + 2.11497 [D3_JTV20 +

2.87183 [D4_LGN] – 2.09404 [D4_RWA] + 0.154395 [D4_TMBT] – 1.114470 [D4_SBTR] + 3.06017 [D4_SLIG] –
 Simpulan
…BAB V : SIMPULAN & SARAN

5. Rekomendasi Hasil Penelitian :

A. Penyuluhan pada kelompok pengajian atau kelompok sosial lainnya yang
sudah terbentuk di masyarakat tentang
pentingnya mencegah perilaku keluar rumah di malam hari tanpa menggunakan
alat pelindung diri seperti sarung, baju panjang dan celana panjang dan
pentingnya penggunaan obat anti nyamuk dimalam hari. Sumber anggaran yang
memungkinkan untuk kegiatan penyuluhan tersebut adalah APBD/DD/ADD.

B. Pembentukan Dasawisma pencegahan malaria dan penguatan kembali Solaria

(sekolah malaria) dengan kurikulum dan jadwal yang jelas serta didukung oleh
bidang yang memiliki kompetensi dibidangnya. Sumber anggaran yang
memungkinkan untuk kegiatan tersebut adalah DD/ADD.

C. Pembuatan saluran penghubung (source reduction) untuk meningkatkan

salinitas air payau atau mengurangi volume air, penebaran ikan pemakan jentik
(kepala timah), larvaciding dan pengangkatan lumut terpadu di tempat
perindukan vektor sehingga larva nyamuk Anopheles dapat dikendalikan dan
diharapkan malaria dapat dieliminasi. Sumber anggaran yang memungkinkan
untuk kegiatan tersebut adalah APBN/APBD/DD
 Simpulan
…BAB V : SIMPULAN & SARAN

…5. Rekomendasi Hasil Penelitian :

[Link] penggunaan kelambu berinsektisidaLong Lasting Insecticide Nets

(LLINs) dan pembagian atau pencelupan ulang kelambu berinsektisida Long
Lasting Insecticide Nets (LLINs) khususnya di desa dengan endemisitas malaria
yang tinggi dan pada dusun-dusun yang terbentuk klaster malaria. Sumber
anggaran yang memungkinkan untuk kegiatan tersebut adalah APBN/APBD/DD

E. Penyemprotan dinding bagian dalam rumah atau Indoor Residual Spraying

(IRS) terpadu dengan pelatihan kader malaria desa untuk menjaga kualitas dan
kesinambungan upaya pengendalian vektor yang bertumpu pada upaya
pemberdayaan masyarakat. Sumber anggaran yang memungkinkan untuk
kegiatan tersebut adalah APBN/APBD/DD

F. Survei darah jari massal atau Mass Blood Survey (MBS) berkala dan pelatihan
kader malaria desa untuk pembuatan sediaan darah tebal/tipis, agar kasus
malaria di masyarakat ditemukan sedini mungkin sehingga penularan malaria
dapat dicegah dengan pengobatan standar. Sumber anggaran yang
memungkinkan untuk kegiatan tersebut adalah APBN/APBD/DD.
……BAB V : SIMPULAN & SARAN
Saran

a. Perlu diadakan penelitian dengan dengan sampel

yang lebih besar dan beragam
b. Perlu diadakan penelitian di berbagai daerah lain
untuk
menyempurnakan model prediktor, terutama pada
variabel yang relatif memiliki hubungan yang
signifikan
dengan kejadian malaria.
c. Perlu diadakan penelitian lanjutan dengan cakupan
wilayah yang lebih luas.