ANALISIS FORECASTING PADA JUMLAH KASUS GIZI BURUK DI PROVINSI SULAWESI TENGGARA TAHUN 2019 - 2023

Fitri Rachmillah Fadmi, Sri Mulyani

Abstract


Abstrak
Salah satu kriteria dalam penanganan masalah gizi bahwa satu kasus gizi buruk di suatu daerah sudah dapat
dikategorikan ke dalam Kejadian Luar Biasa (KLB) gizi buruk. Mengacu pada kriteria ini, maka pada tahun 2017 di
seluruh wilayah Sulawesi Tenggara telah mengalami KLB gizi. Untuk itu perlu dilakukan upaya pencegahan dini
dengan analisis peramalan (forecasting) data berkala (time series).Penelitian ini bertujuan untuk mengetahui
analisis forecasting menggunakan metode time series pada data kasus gizi buruk di Provinsi Sulawesi Tenggara.
Jenis penelitian ini adalah kuantitatif deskriptif dengan pendekatan Analisis Data Sekunder (ADS) yang dianalisis
dengan analisis rangkaian berkala (time series). Populasi yang digunakan dalam penelitian ini adalah seluruh data
time series gizi buruk berdasarkan jenis kelamin dan wilayah kabupaten/kota selama periode 2013 – 2017 di
Provinsi Sulawesi Tenggara sebanyak 1.327 data. Analisis data penelitian ini menggunakan analisis forecasting
dengan metode time series pendekatan trend (trend linier, trend quadratic dan trend exponensial). Prediksi
jumlah kasus gizi buruk di Provinsi Sulawesi Tenggara periode tahun 2013 – 2017 menggunakan pendekatan
trend quadratic. Hasil prediksi tahun 2019 – 2023 menunjukkan bahwa peningkatan kasus akan terjadi pada
wilayah Kabupaten Muna, Bombana, Wakatobi, Konawe Utara, Kolaka Timur, Muna Barat, Buton Selatan dan
Kota Bau-Bau. Peningkatan kasus tertinggi terjadi di Kabupaten Wakatobi dengan pucak peningkatan diprediksi
akan terjadi pada tahun 2023. Analisis trend model terbaik untuk prediksi jumlah kasus gizi buruk di Provinsi
Sulawesi Tenggara tahun 2019– 2023 adalah quadratic.

Kata Kunci: giziburuk; forecasting; timeseries

Full Text:

PDF

References


Supariasa, I., Bakri, B.&Fajar, I. (2016). Penilaian

status gizi edisi 2. Jakarta: EGC.

Unicef, WHO &World Bank Group. (2017).

Levels and trends in child malnutrition. USA:

UNICEF, WHO & World Bank Group.

Kementerian Kesehatan RI. (2017). Data dan

informasi profil kesehatan Indonesia tahun

Jakarta: Pusdatin Kemenkes RI.

Dinas Kesehatan Provinsi Sulawesi Tenggara.

(2017). Profil kesehatan Provinsi Sulawesi

Tenggara tahun 2017. Kendari: Dinas Kesehatan

Provinsi Sulawesi Tenggara.

Restrepo-Méndez, M.C., Barros, A.J., Black, R.E.

& Victora, C.G. (2015). Time trends in socioeconomic

inequalities in stunting prevalence:

analyses of repeated national surveys. Public

Health Nutrition. 18(12):2097-104.

Lubis, L.A. (2018). Trendanalisis dengan metode

time series untuk meramalkan penderita

tuberkulosis (TB) tahun 2017-2021 berdasarkan

data penderita TB tahun 2012-2016 di

Kabupaten Mandailing Natal.

Sugiyono, H. (2016). Metode kualitatif dan

kuantitatif. Cetakan ke-23. Bandung: Alfabeta.

Baroroh, A. (2013). Analisis Multivariat dan

time series dengan SPSS 21. Jakarta: Elex Media

Komputindo.

Kementerian Kesehatan RI. (2017). Hasil

pemantauan status gizi (PSG) tahun 2016.

Jakarta: Direktorat Bina Gizi Masyarakat, Dirjen

Kesehatan Masyarakat.

Juanda, B. & Junaidi, J. (2012). Ekonometrika

deret waktu: teori dan aplikasi. Bogor: IPB

Press.

Fadmi, F.R. Prediksi jumlah kasus baru kusta

dengan metode Geographically Weighted

Poisson Regression (GWPR).

Fadmi, F.R., Mulyani, S. & Buton, L.D. (2018).

Geographically Weighted Regression (GWR)

approach in the modeling of malnutrition and

the influencing factors in Muna Regency. Indian

Journal of Public Health Research &

Development. 9(6).

Bhandari, T.R. (2012). Maternal and child

health situation in South East Asia. Nepal

Journal of Obstetrics and Gynaecology. 7(1):510.

Hove-Musekwa,

S.D.,

Nyabadza,

F.,

Chiyaka,

C.,

Das,

P., Tripathi, A. & Mukandavire, Z.. (2011).

Modelling and analysis of the effects of

malnutrition in the spread of cholera.

mathematical and computer modelling. 53(910):1583-95.


Refbacks

  • There are currently no refbacks.