skip to main content

Analisis Faktor Spasial Terhadap Kejadian Demam Berdarah Dengue Menggunakan Pendekatan Geographically Weighted Regression di Kota Pekanbaru, Provinsi Riau

IPB University, Indonesia

Received: 29 Nov 2022; Revised: 30 Jul 2023; Accepted: 21 Sep 2023; Available online: 16 Nov 2023; Published: 10 Dec 2023.
Editor(s): Budi Warsito

Citation Format:
Abstract
Permasalahan penyakit menular menjadi salah satu wabah endemik yang belum terselesaikan, dimana nyamuk aedes aegypti menjadi salah satu vektor dalam melakukan transmisi ke manusia. Kondisi ini menjadi salah satu landasan dalam mencapai tujuan penelitian yaitu mengidentifikasi faktor-faktor yang berpengaruh penularan demam berdarah dengue. Metode yang digunakan ialah Geographically Weighted Regression dengan variabel kepadatan penduduk, fasilitas kesehatan, kepadatan bangunan, usia <15 tahun, ketinggian, dan curah hujan. Temuan selama penelitian menghasilkan nilai Local R-Square 0,6503 atau 65,03%. Nilai koefisien tertinggi pada variabel Fasilitas Kesehatan mencapai 4,4375, koefisien pada variabel pengaruh Penduduk usia <15 Tahun memiliki  nilai 0,0035. Sementara nilai koefisien pada variabel pengaruh Ketinggian sampai 0,1801. Hasil signifikansi faktor yang berpengaruh terhadap data kejadian penyakit DBD di Kota Pekanbaru pada taraf kepercayaan 95% sebanyak 13 kelurahan yang signifikan terhadap faktor fasilitas kesehatan, kemudian variabel penduduk berusia <15 tahun berpengaruh terhadap data kejadian kasus DBD di 5 kelurahan, dan untuk variabel ketinggian terdapat pada 13 kelurahan. Diharapkan untuk studi selanjutya dapat mempertimbangkan aspek pengendalian dan sosial ekonomi dalam melakukan pengelolaan skala mikro sehingga mampu meningkatkan pengawasan surveilansPermasalahan penyakit menular menjadi salah satu wabah endemik yang belum terselesaikan, dimana nyamuk aedes aegypti menjadi salah satu vektor dalam melakukan transmisi ke manusia. Kondisi ini menjadi salah satu landasan dalam mencapai tujuan penelitian yaitu mengidentifikasi faktor-faktor yang berpengaruh penularan demam berdarah dengue. Metode yang digunakan ialah Geographically Weighted Regression dengan variabel kepadatan penduduk, fasilitas kesehatan, kepadatan bangunan, usia <15 tahun, ketinggian, dan curah hujan. Temuan selama penelitian menghasilkan nilai Local R-Square 0,6503 atau 65,03%. Nilai koefisien tertinggi pada variabel Fasilitas Kesehatan mencapai 4,4375, koefisien pada variabel pengaruh Penduduk usia <15 Tahun memiliki  nilai 0,0035. Sementara nilai koefisien pada variabel pengaruh Ketinggian sampai 0,1801. Hasil signifikansi faktor yang berpengaruh terhadap data kejadian penyakit DBD di Kota Pekanbaru pada taraf kepercayaan 95% sebanyak 13 kelurahan yang signifikan terhadap faktor fasilitas kesehatan, kemudian variabel penduduk berusia <15 tahun berpengaruh terhadap data kejadian kasus DBD di 5 kelurahan, dan untuk variabel ketinggian terdapat pada 13 kelurahan. Diharapkan untuk studi selanjutya dapat mempertimbangkan aspek pengendalian dan sosial ekonomi dalam melakukan pengelolaan skala mikro sehingga mampu meningkatkan pengawasan surveilans
Fulltext View|Download
Keywords: demam berdarah dengue; OLS; Geographically Weighted Regression; Kota Pekanbaru.

Article Metrics:

  1. Acharya, B. K., C. X. Cao, T. Lakes, W. Chen, S. Naeem, and S. Pandit. 2018. Modeling the Spatially Varying Risk Factors of Dengue Fever in Jhapa District, Nepal, Using the Semi-Parametric Geographically Weighted Regression Model. International Journal of Biometeorology 62(11):1973–86. doi: 10.1007/s00484-018-1601-8
  2. Atique, S., T. C. Chan, C. C. Chen, C. Y. Hsu, S. Iqtidar, V. R. Louis, S. A. Shabbir, and T. W. Chuang. 2018. Investigating Spatio-Temporal Distribution and Diffusion Patterns of the Dengue Outbreak in Swat, Pakistan. Journal of Infection and Public Health 11(4):550–57. doi: 10.1016/j.jiph.2017.12.003
  3. Bashar, K., S. Mahmud, Asaduzzaman, E. A. Tusty, and A. B. Zaman. 2020. Knowledge and Beliefs of the City Dwellers Regarding Dengue Transmission and Their Relationship with Prevention Practices in Dhaka City, Bangladesh. Public Health in Practice 1(100051):1–9. doi: 10.1016/j.puhip.2020.100051
  4. BPS. 2021. Hasil Sensus Penduduk 2020 Kota Pekanbaru
  5. Carrel, M., V. Escamilla, J. Messina, S. Giebultowicz, J. Winston, M. Yunus, P. K. Streatfield, and M. Emch. 2011. Diarrheal Disease Risk in Rural Bangladesh Decreases as Tubewell Density Increases: A Zero-Inflated and Geographically Weighted Analysis. International Journal of Health Geographics 10:1–9. doi: 10.1186/1476-072X-10-41
  6. Depkes RI. 2022. Lampiran Profil Kesehatan Indonesia 2019-2022
  7. Fauzi, I. S., N. Nuraini, R. W. S. Ayu, and B. W. Lestari. 2022. Temporal Trend and Spatial Clustering of the Dengue Fever Prevalence in West Java, Indonesia. Heliyon 8(8):e10350. doi: 10.1016/j.heliyon.2022.e10350
  8. Fotheringham, A. S., C. Brunsdon, and M. Charlton. 2002. Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. USA: John Wiley & Sons, Ltd
  9. Giofandi, E. A. 2021. Analisis Lingkungan Hidup Nyamuk Aedes Aegypti Terhadap Penyakit Demam Berdarah Dengue Di Kota Pekanbaru. Skripsi. Universitas Negeri Padang
  10. Giofandi, E. A, and I. Umar. 2021. Analisis Pola Persebaran Kejadian Demam Berdarah Di Kota Pekanbaru. Jurnal Kependudukan Dan Pembangunan Lingkungan 2(2):49–55
  11. Kemenkes. 2010. Demam Berdarah Dengue. Buletin Jendela Epidemiologi 2:48
  12. Kementerian Kesehatan RI. 2018. Situasi Penyakit Demam Berdarah Di Indonesia Tahun 2017. InfoDatin Situas Demam Berdarah Dengue 1–8
  13. Meade, M. S., and M. Emch. 2010. Medical Geography. New York: The Guilford Press
  14. Monintja, T. C. N., A. A. Arsin, R. Amiruddin, and M. Syafar. 2021. Analysis of Temperature and Humidity on Dengue Hemorrhagic Fever in Manado Municipality. Gaceta Sanitaria 35:S330–33. doi: 10.1016/j.gaceta.2021.07.020
  15. Nakaya, T., A. S. Fotheringham, M. Charlton, and C. Brunsdon. 2009. Semiparametric Geographically Weighted Generalised Linear Modelling in GWR 4.0. Geocomputation 2009
  16. Nakaya, T.. 2016. GWR 4.09 User Manual GWR4. Ritsumeikan University
  17. Oshan, T. M., Z. Li, W. Kang, L. J. Wolf, and A. S. Fotheringham. 2019. MGWR: A Python Implementation of Multiscale Geographically Weighted Regression for Investigating Process Spatial Heterogeneity and Scale. ISPRS International Journal of Geo-Information 8(6). doi: 10.3390/ijgi8060269
  18. Pakaya, R., Y. H. Hano, and M. R. Oli. 2021. Hazard Level of Dengue Haemorrhagic Fever in Gorontalo Regency: Prediction of Spatial Distribution with AHP-GIS Integration. Al-Sihah: The Public Health Science Journal 13(2):126. doi: 10.24252/al-sihah.v13i2.21788
  19. Rezzy E. C., and H. Yasin. 2017. Geographically Weghted Regression (GWR) Sebuah Pendekatan Regresi Geografis. Yogyakarta: Mobius
  20. Saita, S., S. Maeakhian, and T. Silawan. 2022. Temporal Variations and Spatial Clusters of Dengue in Thailand: Longitudinal Study before and during the Coronavirus Disease (COVID-19) Pandemic. Tropical Medicine and Infectious Disease 7(8):1–14. doi: 10.3390/tropicalmed7080171
  21. Sekarrini, C. E., Sumarmi, S. Bachri, D. Taryana, E. A. Giofandi, E. Purwaningsih, P. Iskarni, and I. Umar. 2021. The Policy Direction of Dengue Hemorrhagic Fever Disease Management in Palembang City. Sumatra Journal of Disaster, Geography, and Geography Education 5(2):138–43
  22. Sekarrini, C. E., S. Sumarmi, S. Bachri, D. Taryana, and E. A. Giofandi. 2022a. Euclidean Distance Modeling of Musi River in Controlling the Dengue Epidemic Transmission in Palembang City. Open Access Macedonian Journal of Medical Sciences 10(G):422–29. doi: 10.3889/oamjms.2022.9125
  23. Sekarrini, C. E., S. Sumarmi, S. Bachri, D. Taryana, and E. A. Giofandi. 2022. The Application of Geographic Information System for Dengue Epidemic in Southeast Asia : A Review on Trends and Opportunity. Journal of Public Health Research 11(3):1–6. doi: 10.1177/22799036221104170
  24. Servadio, J. L., S. R. Rosenthal, L. Carlson, and C. Bauer. 2018. Climate Patterns and Mosquito-Borne Disease Outbreaks in South and Southeast Asia. Journal of Infection and Public Health 11(4):566–71. doi: 10.1016/j.jiph.2017.12.006
  25. Shen, Y., and Y. Tao. 2022. Associations between Spatial Access to Medical Facilities and Health-Seeking Behaviors: A Mixed Geographically Weighted Regression Analysis in Shanghai, China. Applied Geography 139(February 2021):102644. doi: 10.1016/j.apgeog.2022.102644
  26. Sumanasinghe, N., A. Mikler, C. Tiwari, and J. Muthukudage. 2016. Geo-Statistical Dengue Risk Model Using GIS Techniques to Identify the Risk Prone Areas by Linking Rainfall and Population Density Factors in Sri Lanka. Ceylon Journal of Science 45(3):39. doi: 10.4038/cjs.v45i3.7399
  27. Tesema, G. A., Z. T. Tessema, D. A. Angaw, K. S. Tamirat, and A. B. Teshale. 2021. Geographic Weighted Regression Analysis of Hot Spots of Anemia and Its Associated Factors among Children Aged 6–59 Months in Ethiopia: A Geographic Weighted Regression Analysis and Multilevel Robust Poisson Regression Analysis. PLoS ONE 16(11):e0259147. doi: 10.1371/journal.pone.0259147
  28. Tsai, P. J., and H. J. Teng. 2016. Role of Aedes Aegypti (Linnaeus) and Aedes Albopictus (Skuse) in Local Dengue Epidemics in Taiwan. BMC Infectious Diseases 16(1):1–20. doi: 10.1186/s12879-016-2002-4
  29. Umardiono, A., A. Andriati, and N. Haryono. 2019. Peningkatan Pelayanan Kesehatan Puskesmas Untuk Penanggulangan Penyakit Tropis Demam Berdarah Dengue. JAKPP (Jurnal Analisis Kebijakan & Pelayanan Publik) 60–67. doi: 10.31947/jakpp.v4i1.5905
  30. Verdonschot, P. F. M., and A. A. Besse-Lototskaya. 2014. Flight Distance of Mosquitoes (Culicidae): A Metadata Analysis to Support the Management of Barrier Zones around Rewetted and Newly Constructed Wetlands. Limnologica 45:69–79. doi: 10.1016/j.limno.2013.11.002
  31. WHO. 2017. Integrating Neglected Tropical Diseases into Global Health and Development: Fourth WHO Report on Neglected Tropical Diseases
  32. Widayani, P., T. Gunawan, P. Danoedoro, and S. J. Mardihusodo. 2016. Application of Geographically Weighted Regression for Vulnerable Area Mapping of Leptospirosis in Bantul District. Indonesian Journal of Geography 48(2):168–77

Last update:

No citation recorded.

Last update: 2024-11-01 06:42:32

No citation recorded.