Abstract
Angka kasus penyakit tidak menular (PTM) di Indonesia terus mengalami peningkatan. Faktor pendorong utama terjadinya peningkatan PTM adalah dari faktor risiko perilaku yaitu, pengunaan tembakau, penggunaan alkohol, aktivitas fisik, dan diet tidak sehat. Berdasarkan hal tersebut diperlukan pengelompokan provinsi di Indonesia berdasarkan faktor risiko perilaku PTM. Menghasilkan kelompok-kelompok provinsi di Indonesia berdasarkan faktor risiko perilaku PTM. Jenis penelitian ini adalah non-reactive research. Pengelompokan provinsi di Indonesia menggunakan analisis Metric Multidimensional Scaling dan analisis One Way MANOVA sebagai analisis lanjutan untuk memvalidasi perbedaan kelompok yang dibentuk. Data yang digunakan merupakan data sekunder dari publikasi laporan Riset Kesehatan Dasar Indonesia tahun 2018. Hasil penelitian dengan analisis Metric Multitimensional Scaling, menghasilkan 4 kelompok provinsi di Indonesia dengan nilai S-stress 12,99% dan nilai R2=95,81%. Hal ini menunjukkan bahwa pengelompokan provinsi di Indonesia dalam kategori cukup dan sudah dapat diterima. Hasil analisis One Way MANOVA pada seluruh statistik uji menunjukkan bahwa secara keseluruhan terdapat perbedaan faktor risiko perilaku PTM pada 4 kelompok provinsi di Inondesia (P
References
1. WHO. Noncommunicable diseases country profiles 2018 [Internet]. WHO. 2018. Available from: https://apps.who.int/iris/handle/10665/274512
2. Kementerian Kesehatan RI. Laporan Nasional Riskesdas 2018. Laporan Nasional Riskesdas 2018. Jakarta; 2018.
3. Kementrian Kesehatan RI. Rencana Strategis Kementrian Kesehatan Tahun 2020-2024. Jakarta; 2020.
4. WHO. Global action plan for the prevention and control of NCDs 2013–2020. WHO; 2013.
5. Ulinnuha N, Veriani R. Analisis Cluster dalam Pengelompokan Provinsi di Indonesia Berdasarkan Variabel Penyakit Menular Menggunakan Metode Complete Linkage, Average Linkage dan Ward. InfoTekJar J Nas Inform dan Teknol Jar. 2020;5(1):101–8.
6. Suryono H, Triscowati DW. Pengelompokan Provinsi di Indonesia Berdasarkan Resiko COVID-19 dan Ketahanan Pangan. In: Seminar Nasional Official Statistics 2020: Statistics In New Normal: A Challenge of Big Data and Official Statistics. 2020. p. 116–23.
7. Santoso S. Mahir Statistik Multivariat dengan SPSS. Jakarta: Elex Media Komputindo; 2018.
8. Nahar J. Penerapan Metode Multidimensional Scaling dalam Pemetaan Sarana Kesehatan di Jawa Barat. J Mat Integr. 2017;12(1):43–50.
9. Islami MB, Rais, Handayani L. Penerapan Analisis Multidimensional Scaling (MDS) Pada Pemetaan Kabupaten/Kota di Provinsi Sulawesi Tengah Berdasarkan Indikator Tenaga Kesehatan. Nat Sci J Sci Technol. 2019;8(2):138–43.
10. Borg I, Groenen PJF. Modern multidimensional scaling : theory and applications. Springer; 2005.
11. Gudono. Analisis Data Multivariat. Yogyakarta: BPFE; 2017.
12. Jauhari A. Dasar-Dasar Ilmu Gizi. Yogyakarta: Jaya Ilmu; 2013.
13. Manawan AA, Rattu AJM, Punuh MI. Hubungan Antara Konsumsi Makanan dengan Kejadian Hipertensi di Desa Tandengan Satu Kecamatan Eris Kabupaten Minahasa. Pharmacon J Ilm Farm. 2016;5(1):340–7.
14. Sauvaget C, Nagano J, Allen N, Kodama K. Vegetable and fruit intake and stroke mortality in the Hiroshima/Nagasaki Life Span Study. Stroke. 2003;34(10):2355–60.
Recommended Citation
Maulidia, Syafira; Susanti, Rahmi; and AB, Ismail
(2023)
"Pengelompokan Provinsi di Indonesia Berdasarkan Faktor Risiko Perilaku Penyakit Tidak Menular dengan Metric Multidimensional Scaling,"
Jurnal Biostatistik, Kependudukan, dan Informatika Kesehatan: Vol. 3:
No.
2, Article 5.
DOI: 10.7454/bikfokes.v3i2.1043
Available at:
https://scholarhub.ui.ac.id/bikfokes/vol3/iss2/5
