| dc.description.abstract | Penyebaran penyakit Diare merupakan kasus kedua terbesar meninggalnya balita di Indonesia setelah Infeksi Salurat Pernafasan Akut (ISPA). Akan tetapi tidak semua puskesmas memiliki data yang akurat tentang jumlah penderita diare. Hal tersebut terjadi khususnya pada daerah-daerah dengan wilayah yang sulit transportasinya, akhirnya masyarakat memilih berobat sendiri. Akhirnya, dalam proses perencanaan penanggulangan penyebaran Diare, pemerintah mengalami kesulitan akibat data yang tidak lengkap / akurat. Maka diperlukan metode pendugaaan yang akurat untuk menduga jumlah penderita Diare khusunya pada daerah yang sulit dari segi transportasi.
Berdasarkan penyebabnya, Diare tergolong penyakit menular, baik melalui media udara maupun air. Oleh karena itu secara spasial diasumsikan memiliki pengaruh dari daerah satu ke daerah lainnya, dan dapat dianalisis secara geostatistika. Di antara metode pendugaan titik secara spasial dalam geostatistika adalah Kriging dan Invers Distance Weighted (IDW). Meskipun banyak metode pendugaan lainnya, kedua metode inilah yang sering digunakan terutama dalam bidang pertanian. Kriging dikenal memiliki sifat BLUE (Best Liner Unbiased Estimation), atau memilki penduga tak bias dan ragam minimum. Akan tetapi untuk mendapatkan pembombot kriging untuk interpolasi prosesnya cukup panjang. Berbeda dengan dan IDW, meskipun tidak memiliki sifat BLUE, tetapi perhitungannya cukup mudah. Namun saat ini proses penghitungan sudah menjadi lebih mudah setelah banyak aplikasi geostatistik yang dikembangkan pada analisis spasial.
Data yang digunakan adalah jumlah penderita Diare di 35 desa kabupaten Sukabumi. Data tersebut kemudian dianalisis secara spasial dengan menggunakan metode Kriging dan IDW, Tujuan dari penelitian ini adalah melakukan perbandingan hasil prediksi antara kedua metode tersebut serta mengevaluasi pengaruh pencilan terhadap hasil prediksi. Perbandingan metode dilakukan dengan cara menghitung nilai Root Mean Square Predicted (RMSE) dan korelasi hasil dugaan kedua metode dengan nilai aktualnya. Penghitungan nilai prediksi dilakukan secara Jackknife di seluruh titik lokasi. Analsis perbandingan tersebut juga meliputi perbedaan data pada musim kemarau dan hujan. Di samping itu masalah pengaruh pencilan terhadap hasil prediksi juga menjadi bahan perbandingan bagi kedua metode.
Hasil penelitian ini menyatakan bahwa metode interpolasi dengan IDW lebih baik dibandingkan Ordinary Kriging dengan catatan nilai pangkat (p)=2 unutk IDW yang menghasilkan minimum. Selain itu juga didapat kesimpulan lain bahwa data jumlah penderita Diare memiliki perilaku berbeda dalam analisis spasial, antara musim kemarau dan musim penghujan. Hasil pendugaan data pada..dst | id |
