D-462 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print)

Transkripsi

1 D-46 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) Aalisis Pola Persebara ISPA (Ifeksi Salura Perafasa Akut) Sebagai Dampak Idustri Migas di Kabupate Bojoegoro Megguaka Spatial Patter Aalysis da Flexibly Shaped Spatial Sca Statistic Niswatul Qoa ah da Sutiko Jurusa Statistika, Fakultas MIPA, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya 6 Idoesia iswatulqoaah@gmail.com; sutiko@statistika.its.ac.id Abstrak Salah satu dampak egatif yag dirasaka masyarakat di kawasa eksplorasi migas Bojoegoro adalah bayak yag terserag ISPA (Ifeksi Salura Perafasa Akut). Berdasarka data besar peyakit terbayak di puskesmas Kabupute Bojoegoro, peyakit ISPA selalu meduduki perigkat pertama sejak tahu sampai tahu 5. Dalam peelitia ii dilakuka pegujia terhadap adaya autokorelasi spasial pada data ISPA tiap kecamata di Bojoegoro pada tahu -5. Pegujia secara global megguaka ideks Mora s I meujukka bahwa terdapat autokorelasi spasial pada tahu da 3 yag sigiifika pada α=5%, pada tahu 4 da 5 sigifika pada α>5% amu tidak sampai lebih dari 5%. Semetara dega megguaka idek s Geary s C meujukka bahwa terdapat autokorelasi spasial pada tahu 5 yag sigifika pada α=5% da pada tahu, 3, 4 sigifika pada α>5% amu tidak sampai lebih dari 5%. Deteksi hotspot kejadia ISPA tahu megguaka pegujia LISA meujukka bahwa wilayah yag mejadi hotspot yaitu kuadra I (HH) meliputi kecamata Trucuk, Bojoegoro, da Kapas. Kuadra IV (HL) meliputi kecamata Tambakrejo. Wilayah dalam kuadra II (LH) merupaka coldspot kejadia ISPA meliputi kecamata Sukosewu. Sedagka wilayah dalam kuadra III (LL) meliputi kecamata Sekar, Ngambo, da Godag tergolog wilayah yag ama. Deteksi hotspot kejadia ISPA tahu megguaka flexibly shaped spatial sca statistic diperoleh 3 katog ISPA yag sigifika. Katog pertama terdiri dari 7 kecamata yaitu Bojoegoro, Dader, Trucuk, Malo, Kasima, Padaga, da Purwosari dega resiko relatif sebesar,43. Katog kedua haya terdiri dari kecamata yaitu Kepohbaru dega resiko relatif sebesar,4. Katog ketiga terdiri dari kecamata yaitu Bale da Sukosewu dega resiko relatif sebesar,79. Kata Kuci Bojoegoro, Flexibly Shaped Spatial Sca Statistic, ISPA, Geary s C, LISA, Mora s I K I. PENDAHULUAN ekayaa alam berupa migas membuat masyarakat Bojoegoro berharap sagat tiggi aka segera keluar dari kemiskia. Semetara dalam sistem Udag Udag Idoesia, migas adalah milik egara, da daerah peghasil medapatka bagia 6% (dari keutuga da etto) utuk miyak da % utuk gas []. Masyarakat yag tiggal di kawasa eksplorasi migas merasaka dampak egatif dari proyek tersebut, khususya di Kecamata Ngasem, Purwosari, da Kalitidu. Warga di sekitar wilayah tersebut bayak terserag peyakit ISPA (Ifeksi Salura Perafasa Akut) []. ISPA adalah ifeksi salura perafasa yag dapat berlagsug sampai 4 hari. Secara kliis ISPA ditadai dega gejala akut akibat ifeksi yag terjadi di setiap bagia salura perafasa dega berlagsug tidak lebih dari 4 hari [3]. Faktor palig utama yag mempegaruhi ISPA adalah rokok da polusi udara. Faktor-faktor yag mempegaruhi ISPA yaitu pegguaa baha bakar utuk memasak da kepadata huia rumah [4]. Meurut Dias Kesehata Kabupate Bojoegoro pada tahu 5, peyakit ISPA meempati perigkat pertama dalam besar peyakit terbayak di Bojoegoro sejak tahu higga tahu 5. Hal ii disebabka pecemara udara di Kabupate Bojoegoro cukup tiggi. Kegiata eksplorasi migas di beberapa wilayah di Kabupate Bojoegoro merupaka peyumbag pecemara udara yag cukup besar. Peelitia peyakit ISPA sebelumya perah dilakuka atara lai rujuka [5] tetag proporsi kasus ISPA pada balita di Kabupate Gresik dega Geographically Weighted Regressio (GWR). Peelitia ii aka megaalisis persebara kejadia peyakit ISPA di Kabupate Bojoegoro dega mempertimbagka lokasi (kecamata) da waktu (tahu) megguaka metode spatial patter aalysis da flexibly shape spatial sca statistic. Metode spatial patter aalysis cukup baik dalam meyajika peta kerawaa peyakit sekaligus dapat megidetifikasi keterkaita atar lokasi da waktu [6]. Peelitia sebelumya yag megguaka metode ii atara lai rujuka [7] yaitu tetag spatial patter aalysis kejadia peyakit demam berdarah utuk iformasi early warig becaa di Kota Surabaya. Semetara itu, peelitia dega metode flexibly shape spatial sca statistic perah dilakuka rujuka [8] tetag kasus peuomia balita di Kota Surabaya.

2 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) D-463 II. Autokorelasi Spasial TINJAUAN PUSTAKA Autokorelasi spasial adalah korelasi atara variabel dega diriya sediri berdasarka ruag atau dapat juga diartika suatu ukura kemiripa dari objek di dalam suatu ruag (jarak, waktu da wilayah) [9]. Adaya autokorelasi spasial megidikasika bahwa ilai attribut pada daerah tertetu terkait oleh ilai attribut tersebut pada daerah lai yag letakya berdekata. Matriks Pembobot Spasial Matriks pembobot spasial W berdasarka persetuha batas wilayah (cotiguity) meyataka bahwa iteraksi spasial terjadi atar wilayah yag bertetagga []. Secara umum, terdapat 3 tipe iteraksi, yaitu Rook Cotiguity (persetuha sisi), Bishop Cotiguity (persetuha titik vertek), da Quee Cotiguity (persetuha sisi da titik vertek). Wilayah yag bertetaggaa diberika ilai, sedagka yag lai. Gambar. Ilustrasi Cotiguity Dega megguaka Quee Cotiguity utuk Gambar. didapatka matriks W sebagai berikut. W quee (.) Pegujia Efek Depedesi Spasial Global Statistik uji yag dapat diguaka dalam megidetifikasi pegaruh spasial pada data secara global diataraya adalah Mora s I da Geary s C. ) Mora s I Mora s I megukur korelasi satu variabel misal x (x i da x j ) dimaa i j, i=,,...,, j=,,... dega bayak data sebesar, maka formula dari Mora s I adalah pada persamaa (.). wij ( xi x)( x j x) i j Iˆ (.) S ( x x) i i Dega x merupaka rata-rata dari variabel x, w ij merupaka eleme dari matrik pembobot, da S = Σ i Σ j w ij. Nilai dari ideks I ii berkisar atara - sampai. Jika I > I, maka mempuyai pola megelompok (autokorelasi positif), jika I > I, maka berpola meyebar tidak merata (tidak ada autokorelasi), da I > I, memiliki pola meyebar (autokorelasi egatif). I merupaka ilai ekspektasi dari I yag dirumuska E(I) = [9]. Pegujia hipotesis terhadap parameter I dapat dilakuka sebagai berikut. H : I = I (tidak ada autokorelasi spasial) H : I I (terdapat autokorelasi spasial) Iˆ I Z (.3) (varˆ( Iˆ)) Dega I adalah estimasi ideks Mora s I, Z adalah ilai statistik uji ideks Mora s I, E(I) adalah ilai ekspektasi ideks Mora s I, da var(i) adalah ilai varias ideks Mora s I. var( ) ( ) 3 3S S 3S k ( ) S S 3S ( )( )( 3) S ( )( )( 3) S I (.4) Dega, ( x 4 k i i x) /(( i ( xi S i j ( w ij w ji ) S i w i. w. i ) x) ) (, w i. j wij da w. i j w Pegujia ii aka tolak H jika Z hitug > Z α (, ). ) Geary s C Ideks Geary s C dirumuska sebagai berikut (Lee & Wog, ). ( ) wij ( xi x j ) i j Cˆ (.5) S ( x x) i i Nilai w ij, x i, x j, da S yag diguaka dalam persamaa (.5) sama dega ilai pada persamaa (.) Jika ilai C atara da, maka pola sebaraya adalah megelompok (autokorelasi positif), jika ilai C medekati, polaya meyebar tidak merata (tidak ada autokorelasi), da pada ilai C atara da, pola sebaraya merata (autokorelasi egatif) [9]. Lagkah pegujia terhadap parameter C adalah sebagai berikut. H : C (tidak ada autokorelasi spasial) H : C (terdapat autokorelasi spasial) Statistik Uji : Cˆ Z (.6) varˆ( Cˆ) Dega C merupaka estimasi ideks Geary s C, Z merupaka ilai statistik uji ideks Geary s C, da var(c)merupaka ilai varias dari ideks Geary s C. 3 3 ( ) k ( ) S 3 6 ( ) k ( ) S Var ( C) ( )( 3) S 4( )( 3) S (.7) 3 ( ) k ( )( 3) Nilai S, S, da S yag diguaka pada persamaa (.7) sama dega yag diguaka pada persamaa (.4). Pegujia ii aka tolak H jika ilai Z hitug > Z ( α, ). Local Idicator of Spatial Autocorrelatio (LISA) LISA megidetifikasi bagaimaa hubuga atara suatu lokasi pegamata terhadap lokasi pegamata laiya. Adapu ideksya adalah sebagai berikut [9]. Iˆ i zˆ i j wijzˆ j (.8) z i da z j pada persamaa (.8) merupaka deviasi dari ilai rata-rata. zˆ i ( xi x) / s (.9) s adalah ilai stadar deviasi dari x i. Berikut merupaka pegujia statistik terhadap parameter I i. ji

3 D-464 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) H : I i E( I i ) (tidak ada autokorelasi spasial pada lokasi ke-i) H : I i E( I i ) (terdapat autokorelasi spasial pada lokasi ke-i) Statistik uji : Iˆ i E( Ii ) Z (.) vâr( Iˆ ) Dega I i merupaka estimasi ideks LISA, Z merupaka ilai statistik uji ideks LISA, E(I i ) merupaka ilai ekspektasi ideks LISA, var (I i) merupaka ilai varias dari ideks LISA. E( Ii ) wi. /( ) (.) m4 ( ) ( 4 / ) var( ) m m m wi I. i wi. wi( kh) ( ) ( )( ) ( ) Dega, () w i. j wij, i j w i ( kh ) w i ( w k i. j ij ) h i w ik w ih i (.) Pegujia ii aka tolak H apabila Z hitug > Z ( α, ). Mora s Scatterplot Mora s Scatterplot merupaka alat utuk melihat hubuga atara ilai pegamata yag telah distadarisasi dega ilai rata-rata daerah tetagga yag juga telah distadarisasi [9]. Utuk lebih jelasya, dapat dilihat pada ilustrasi berikut. Gambar. Mora s Scatterplot Kuadra I (kaa atas) disebut High-High (HH), meujukka daerah yag mempuyai ilai pegamata tiggi dikeliligi oleh daerah yag tiggi pula. Kuadra II (kiri atas) disebut Low-High (LH), meujukka daerah dega ilai pegamata redah amu dikeliligi oleh daerah dega ilai pegamata tiggi. Kuadra III (kiri bawah) disebut Low-Low (LL), meujukka daerah dega ilai pegamata redah dikeliligi oleh daerah yag redah pula. Kuadra IV (kaa bawah) disebut High-Low (HL), meujukka daerah dega ilai pegamata tiggi amu dikeliligi oleh daerah yag memiliki ilai pegamata redah []. Metode Flexibly Shaped Spatial Sca Statistic Spatial sca statistic merupaka salah satu metode statistik yag diguaka utuk medeteksi cluster pada sebuah lokasi yag berupa titik maupu data agregrat. Metode Flexibly Shaped Spatial Sca Statistic mempuyai power lebih tiggi daripada Circular Spatial Sca Statistic saat cluster yag dideteksi adalah ocircular da fleksibel terhadap betuk katog yag dihasilka sehigga tidak terbatas pada betuk ligkara saja []. Algoritma yag diguaka utuk medapatka Z dega pre-specified maximum legth L adalah sebagai berikut.. Membetuk himpua wilayah Z Z Z i, l L, m m il( m) dimaa adalah bayakya data pegamata, L adalah bayak wilayah maksimum dalam satu katog da m adalah bayak data bagkita dega simulasi mote- Carlo.. Himpua wilayah Z dibagi mejadi dua himpua wilayah baru yaki Z da Z, dimaa Z adalah himpua wilayah dari Z yag acak da Z juga merupaka himpua wilayah acak dari Z selai Z 3. Buat himpua baru yaki Z terdiri dari wilayah Z yag berbatasa dega Z da Z terdiri dari wilayah Z yag tidak berbatasa dega Z 4. Ulagi lagkah 3 higga Z da Z mejadi himpua kosog. 5. Jika Z mejadi himpua kosog terlebih dahulu maka Z adalah berhubuga, jika Z kosog terlebih dahulu maka Z tidak berhubuga. 6. Ulagi lagkah -5 higga terbetuk maksimum L wilayah. Prosedur utuk medapatka p-value dega pedekata Mote Carlo adalah sebagai berikut.. Meghitug pejumlaha ilai log likelihood ratio tertiggi t utuk data riil.. Membagu data acak yag ukuraya sama dega data riil yag dibagu di bawah kodisi H. 3. Melakuka proses pembetuka scaig widow Z dari data acak yag dibagu berdasarka kodisi H. 4. Mecari ilai log likelihood ratio dari setiap scaig widow, da dicatat apakah jumlah kasus yag diamati lebih besar atau lebih kecil dari yag diestimasi, kemudia mejumlahka ilai log likelihood ratio yag jumlah kasusya lebih besar dari jumlah yag diestimasi, utuk setiap scaig widow. Lagkah selajutya, medapatka pejumlaha ilai log likelihood ratio yag tertiggi dari simulasi pertama pembagua data acak tersebut. 5. Megulag lagkah, 3, da 4 sebayak m kali pegulaga/simulasi, sehigga memperoleh m pejumlaha ilai log likelihood ratio tertiggi dari data acak da data riil. bayakya Hitug p-value, T ( x) t p m t meyataka pejumlaha ilai log likelihood ratio tertiggi. T(x) adalah pejumlaha ilai log likelihood ratio dari data acak yag dibagu di bawah kodisi H. m adalah bayakya simulasi utuk membagu data. Jika P-value < α maka tolak H yag berarti bahwa widow Z adalah wilayah katog yag sigifika []. ISPA (Ifeksi Salura Perafasa Akut) ISPA adalah ifeksi salura perafasa yag dapat berlagsug sampai 4 hari. Secara kliis ISPA ditadai dega gejala akut akibat ifeksi yag terjadi di setiap bagia salura perafasa dega berlagsug tidak lebih dari 4 hari. ISPA merupaka kelompok peyakit yag komplek da heteroge, yag disebabka oleh 3 lebih jeis virus, bakteri, da jamur [3]. Faktor palig utama yag mempegaruhi ISPA adalah rokok da polusi udara. Faktor-faktor yag mempegaruhi ISPA yaitu pegguaa baha bakar utuk memasak da kepadata il

4 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) D-465 huia rumah. Suatu studi melaporka bahwa upaya peurua agka kesakita ISPA dapat dilakuka diataraya dega cara membuat vetilasi yag cukup utuk meguragi polusi asap dapur da meguragi polusi udara laiya. [4]. III. Sumber Data METODOLOGI PENELITIAN Data yag diguaka dalam peelitia ii adalah data sekuder yag diperoleh dari Dias Kesehata Pemeritah Kabupate Bojoegoro pada tahu -5. Data tersebut adalah jumlah kejadia peyakit ISPA yag terdapat pada 7 kecamata. Variabel Peelitia Variabel yag diguaka dalam peelitia ii adalah jumlah peyakit ISPA tahua pada tiap kecamata di Kabupate Bojoegoro mulai tahu sampai 5. Utuk megetahui salah satu gambara karakteristik tiap kecamata di Kabupate Bojoegoro diguaka variabel jumlah da kepadata peduduk. Metode Aalisis Data Tahapa aalisis data dalam peelitia ii sebagai berikut.. Medeskripsika persebara peyakit ISPA di Kabupate Bojoegoro pada tahu -5. Pembuata peta sebara peyakit ISPA dega Spatial Patter Aalysis a. Megidetifikasi pola sebara kejadia peyakit ISPA berdasarka ideks Mora s I b. Meguji depedesi spasial ideks Mora s I c. Megidetifikasi pola sebara kejadia peyakit ISPA berdasarka ideks Geary s C d. Meguji depedesi spasial ideks Geary s C e. Membuat da megaalisis Mora s Scatterplot f. Meguji depedesi spasial lokal megguaka LISA g. Membuat peta hotspot kejadia ISPA berdasarka hasil pegujia LISA 3. Medeteksi kelompok daerah yag mejadi hotspot peyakit ISPA dega Flexibly Shaped Spatial Sca Statistic a. Megidetifikasi kadidat katog ISPA/hotspot dega algoritma metode Flexibly Shaped Spatial Sca Statistic. Peetua pre-set maximum umber megacu pada pre-set maximum umber yag diguaka pada metode Flexibly Shaped Spatial Sca Statistic b. Meghitug jumlah populasi da jumlah kasus utuk setiap katog ISPA c. Meghitug fugsi log likelihood dari setiap katog ISPA kemudia meguji sigifikasi katog ISPA dega simulasi Mote Carlo utuk medapatka p-value d. Meghitug Relative Risk utuk setiap katog ISPA e. Membuat peta hotspot peyakit ISPA berdasarka katog ISPA yag sigifika IV. HASIL DAN PEMBAHASAN Deskripsi Kejadia Peyakit ISPA di Kabupate Bojoegoro Berikut ii hasil deskripsi data kejadia ISPA di Kabupate Bojoegoro berdasarka kecamata da waktu. ) Kejadia Peyakit ISPA Meurut Kecamata Kejadia ISPA di Kabupate Bojoegoro pada setiap kecamata memiliki karakteristik yag beragam. Deskripsi rata-rata data ISPA tahu -5 pada setiap kecamata secara visual dapat dilihat pada Gambar 3. Gambar 3. Rata-rata Kejadia ISPA Pada Tiap Kecamata di Bojoegoro Batag yag berwara merah meggambarka kecamata dega rata-rata jumlah kejadia ISPA tertiggi yaitu kecamata Dader dega rata-rata jumlah ISPA sebesar 3. Kecamata dega rata-rata kejadia ISPA teredah ditujukka oleh batag yag berwara hijau yaitu kecamata Kedewa dega rata-rata jumlah ISPA sebesar 66,5. ) Kejadia Peyakit ISPA Meurut Waktu Berikut deskripsi kejadia ISPA di kabupate Bojoegoro berdasarka waktu yaitu tahu -5. TABEL. NILAI RATA-RATA DAN RAGAM KEJADIAN PENYAKIT ISPA DI KABUPATEN BOJONEGORO TAHUN SAMPAI 5 Tahu Rata-rata Ragam 458, , , , Berdasarka waktu (tahu) pada Tabel, meujukka bahwa kejadia ISPA di Kabupate Bojoegoro palig bayak terjadi pada tahu yaitu dega rata-rata jumlah kejadia sebesar 458,63. Pada tahu 3 ratarata jumlah kejadia ISPA turu mejadi sebesar 3767,3. Setelah itu, pada tahu 4 da 5 rata-rata jumlah kejadia ISPA aik kembali masig-masig mejadi sebesar 456,33 da 447,96. Hubuga Kejadia ISPA atar Kecamata da Pola Persebaraya Megguaka Spatial Patter Aalysis Pola persebara kejadia ISPA tahu -5 teridikasi megelompok. Hal ii ditujukka oleh ilai ideks Mora s I yag lebih besar daripada E(I). Hasil perhituga ideks Mora s I, E(I), var (I), da Z hitug per tahu mulai dari tahu sampai tahu 5 dapat dilihat pada Tabel. TABEL. NILAI INDEKS MORAN S I, E(I), VAR(I), DAN Z HITUNG KEJADIAN ISPA DI BOJONEGORO TAHUN -5 Tahu I E(I) Var(I) Zhitug P-value,336 -, ,94,33

5 D-466 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) 3,483 -,4.58,5,4 4,53 -, ,55, 5,696 -, ,68,99 Berdasarka pegujia megeai adaya autokorelasi spasial megguaka ideks Mora s I pada Tabel, meujukka bahwa terdapat autokorelasi spasial pada tahu yag sigifika pada α >,33%, pada tahu 3 sigifika pada α >,4%, pada tahu 4 sigifika pada α >,%, serta pada tahu 5 sigifika pada α > 9,9%. Nilai ideks Geary s C megidikasika bahwa pada tahu -5 jumlah kejadia ISPA di Kabupate Bojoegoro memiliki pola megelompok. Hal ii ditujukka dega ilai ideks Geary s C yag terletak atara da. Hasil perhituga ideks Geary s C, Var(C), da Z hitug selegkapya disajika pada Tabel 3. TABEL 3. NILAI INDEKS GEARY S C, VAR(C), DAN Z HITUNG KEJADIAN ISPA DI BOJONEGORO TAHUN -5 Tahu C Var(C) Zhitug P-value,77,363 -,5657,594 3,776,375 -,4583,735 4,7646,37 -,, 5,6773,344 -,7399,49 Berdasarka pegujia terhadap adaya autokorelasi spasial megguaka ideks Geary s C pada Tabel 3, meujukka bahwa terdapat autokorelasi spasial pada tahu yag sigifika dega α > 5,94%, pada tahu 3 sigifika pada α > 7,35%, pada tahu 4 sigifika pada α >,%, serta pada tahu 5 yag sigifika pada α > 4,9%. ISPA pada tahu merupaka agka kejadia tertiggi dibadigka dega agka kejadia pada tahutahu yag lai pada 4 tahu terakhir. Oleh karea itu, pembahasa selajutya megguaka data pada tahu. Berdasarka hasil Mora s scatterplot pada tahu, dapat diketahui bahwa sebagia besar agka kejadia ISPA di tiap kecamata di Kabupate Bojoegoro pada tahu meyebar di kuadra I (HH) da 3 (LL). Sebara titik merah pada Gambar 4 merupaka kecamata yag meyebar berdasarka pegaruhya terhadap kecamata yag bersebelaha (bertetagga). Sumbu X (horisotal) pada Gambar 4 merupaka jumlah kejadia ISPA tiap kecamata yag telah distadarisasi da sumbu Y (vertikal) merupaka rata-rata jumlah kejadia ISPA kecamata tetagga yag telah distadarisasi.,5, Mea(Zstd) Kaor 4. Malo 9. Kapas 5. Ngambo. Kedugadem 6. Sekar 3. Kepohbaru 8. Ngraho 6. Trucuk. Purwosari. Sugihwaras 4. Temayag 5. Margomulyo Gambar 4. Mora s Scatterplot Pederita ISPA di Kabupate Bojoegoro Tahu Pedeteksia Hotspot ISPA Megguaka LISA da Flexibly Shaped Spatial Sca Statistic Aalisis wilayah yag mejadi hotspot da coldspot kejadia ISPA megguaka hasil pegujia LISA didasarka pada adaya aspek autokorelasi spasial pada suatu wilayah (hubuga suatu wilayah dega wilayah laiya). Hasil pedeteksia hotspot da coldspot kejadia ISPA di Bojoegoro secara visual pada tahu dapat dilihat pada Gambar 5. Gambar 5. Peta Hotspot Kejadia ISPA di Bojoegoro Tahu Berdasarka Hasil Pegujia LISA Lokasi Eksplorasi Migas Wilayah yag mejadi hotspot yaitu kuadra I (HH) meliputi kecamata Trucuk, Bojoegoro, da Kapas. Selai itu wilayah yag mejadi hotspot adalah kuadra IV (HL) meliputi kecamata Tambakrejo. Wilayah dalam kuadra II (LH) merupaka coldspot kejadia ISPA meliputi kecamata Sukosewu. Sedagka wilayah dalam kuadra III (LL) meliputi kecamata Sekar, Ngambo, da Godag tergolog wilayah yag ama. Selajutya, pedeteksia wilayah yag mejadi hotspot kejadia ISPA di Kabupate Bojoegoro dilakuka megguaka metode flexibly shaped spatial sca statistic. Hasil deteksi katog ISPA megguaka memberika iformasi bahwa pada tahu terbetuk 4 katog ISPA di Kabupate Bojoegoro, amu haya 3 katog yag sigifika. Katog pertama terdiri dari 7 kecamata, katog kedua da keempat terdiri dari kecamata, katog ketiga terdiri kecamata. Utuk megetahui letak katog ISPA secara visual pada tahu dapat dilihat pada Gambar 6. WZstd,5, Mea(WZstd) -, , 5 - Zstd 3 Keteraga : Kuadra HH Kuadra LH Kuadra LL Kuadra HL. Bale 7. Ngasem 4. Bubula 6. Dader. Baureo. Sumberejo 5. Godag 9. Padaga 3. Bojoegoro 7. Sukosewu. Kasima 3. Tambakrejo 7. Kalitidu. Kedewa Gambar 6. Peta Katog ISPA di Bojoegoro Tahu dega flexibly shaped spatial sca statistic Lokasi Eksplorasi Migas

6 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) D-467 Katog pertama terdiri dari 7 kecamata yaitu Bojoegoro, Dader, Trucuk, Malo, Kasima, Padaga, da Purwosari. Wilayah tersebut merupaka wilayah yag palig rawa dega resiko relatif sebesar,43. Katog kedua terdiri dari kecamata yaitu Kepohbaru dega resiko relatif sebesar,4. Katog ketiga terdiri dari kecamata yaitu Bale da Sukosewu dega resiko relatif sebesar,79. Kesimpula V. KESIMPULAN DAN SARAN Jumlah kejadia ISPA di Kabupate Bojoegoro selama 4 tahu terakhir palig tiggi terjadi pada tahu. Kecamata yag kosiste dega jumlah kejadia ISPA tertiggi adalah kecamata Dader. Selai itu, kecamata Baureo juga merupaka kecamata yag kosiste dega jumlah kejadia ISPA yag tiggi selama 4 tahu terakhir. Hasil pegujia megguaka ideks Mora s I meujukka bahwa terdapat autokorelasi spasial pada tahu da 3 yag sigiifika pada α=5%, pada tahu 4 da 5 sigifika pada α>5% amu tidak sampai lebih dari 5%. Semetara dega megguaka idek s Geary s C meujukka bahwa terdapat autokorelasi spasial pada tahu 5 yag sigifika pada α=5% da pada tahu, 3, 4 yag sigifika pada α>5% amu tidak sampai lebih dari 5%. Hasil tersebut meujukka bahwa ideks Mora s I lebih sesitif dalam medeteksi adaya autokorelasi spasial dibadig dega ideks Geary s C. Berdasarka hasil pegujia LISA, kecamata yag mejadi hotspot kejadia ISPA meliputi wilayah yag termasuk dalam kuadra I (HH) yaitu Trucuk, Bojoegoro, da Kapas. Selai itu, wilayah yag mejadi hotspot kejadia ISPA adalah yag termasuk dalam kuadra IV (HL) meliputi kecamata Tambakrejo. Wilayah yag mejadi coldspot adalah yag termasuk dalam kuadra II (LH) meliputi kecamata Sukosewu. Semetara itu, wilayah yag termasuk dalam kuadra III (LL) meliputi kecamata Sekar, Ngambo, da Godag tergolog wilayah yag ama. Dega megguaka flexibly shaped spatial sca statistic diperoleh 3 katog ISPA yag sigifika. Katog pertama terdiri dari 7 kecamata yaitu Bojoegoro, Dader, Trucuk, Malo, Kasima, Padaga, da Purwosari dega resiko relatif sebesar,43. Katog kedua terdiri dari kecamata yaitu Kepohbaru dega resiko relatif sebesar,4. Katog ketiga terdiri dari kecamata yaitu Bale da Sukosewu dega resiko relatif sebesar,79. Sara Hasil pedeteksia hotspot ISPA megguaka LISA lebih bermafaat sebagai early warig jagka pajag terhadap seraga peyakit ISPA. Hal ii dikareaka hasil deteksi hotspot megguaka LISA didasarka pada adaya aspek autokorelasi, sehigga dapat diketahui potesi pegaruh daerah tersebut pada kodisi yag aka datag didasarka pada kodisi saat ii. Sedagka hasil pedeteksia hotspot megguaka flexibly shaped spatial sca statistic lebih bermafaat utuk medeksi hotspot pada waktu tertetu karea didasarka pada tiggiya prevalesi kejadia ISPA di suatu wilayah pada waktu tertetu. DAFTAR PUSTAKA [] Khaw, P. (4). Dampak Idustrialisasi Migas Terhadap Ligkuga Bojoegoro. [ diakses pada taggal 5 Desember 5. [] Hasa, R. (). Ribua Warga di Kawasa Blok Cepu Terkea Ispa. [ diakses pada taggal 7 Desember 5. [3] LITBANGKES. (4). Kajia Riset Operasioal Itesifikasi Pemberatasa Peyakit Meular Tahu 998/ Jakarta: Direktorat Jedral Pemberatasa Peyakit Meular Bada Peelitia da Pegembaga Kesehata Departeme Kesehata. [4] Achmadi. (993) Faktor Peyebab Peyakit ISPA. Jakarta: Gramedia. [5] Hidayah, R. N. (4). Pemodela Proporsi Kasus Peyakit Ifeksi Salura Perapasa Akut (ISPA) bagia Atas pada Balita di Kabupate Gresik dega Geographically Weighted Regressio. Surabaya: Program Sarjaa, Istitut Tekologi Sepuluh Nopember. [6] Curtis, J. A., & Lee, A. W. (). Spatial Patter of Diabetes Related SHealth Problems for Vuleral Populatios i Los Ageles. USA. [7] Arrowiyah. (). Spatial Patter Aalysis Kejadia Peyakit Demam Berdarah Degue utuk Iformasi Early Warig Becaa di Kota Surabaya. Surabaya: Program Sarjaa, Istitut Tekologi Sepuluh Nopember. [8] Maghfiroh, F. N. (4). Pemodela Kasus Peuomia Balita di Kota Surabaya dega GWPR da Flexibly Shaped Sca Statistic. Surabaya: Program Sarjaa, Istitut Tekologi Sepuluh Nopember. [9] Lee, J., & Wog, D. W. (). Statistical Aalysis With Arcview GIS. New York: Joh Willey & Sos, Ic. [] Aseli, L. (). Spatial Weights. [ [] tutorials/software/geoda/tutorials/w8_weights.pdf], diakses pada taggal 7 Desember 5. [] Kartika, Y. (7). Pola Peyebara Spasial Demam Berdarah Degue di Kota Bogor tahu 5. Bogor: Skripsi Program Sarjaa tidak dipublikasika, Istitut Pertaia Bogor. [3] Tago, T., & Takahashi, K. (5). A flexibly shaped spatial sca statistic for detectig clusters. Iteratioal Joural of Health Geographics.