Jurnal Sains Geografi, 1.
, 2023.
DOI: 10.
2210/jsg.
Analisis Persebaran Fasilitas Kesehatan di DKI Jakarta Menggunakan Metode Geographically Weighted Regression Dwi Putri Wulandari1.
Najmu Laila2,*.
Rahmat Mushandi3
1,2,3,4
Universitas Negeri Jakarta 1,2,3 Jalan Rawamangun Muka No.
*) Email Korespondensi: najmulaila19@gmail.
Abstract Sitasi:
Wulandari.
Laila.
, &
Mushandi.
Analisis Persebaran Fasilitas Kesehatan di DKI Jakarta Menggunakan Metode Geographically Weighted Regression.
Forum Geografi.
Vol.
No.
Sejarah Artikel:
Diterima: 13 Agustus 2023 Disetujui: 18 September 2023 Publikasi: 25 November 2023 Spatial statistics is a branch of statistical science that focuses on analyzing geographic data to understand spatial patterns and relationships between variables.
In the context of public health, the distribution of healthcare facilities is a crucial factor in ensuring equitable healthcare provision.
Geographically Weighted Regression (GWR) is a spatial statistical method that can be used to model and analyze the local patterns of healthcare facility distribution.
This study aims to analyze the distribution of healthcare facilities using the GWR Initially, spatial data on the locations of healthcare facilities .
ospitals, health centers, clinics, etc.
) in a study area were collected.
Then, independent variables such as population density, transportation accessibility, and socio-economic characteristics were also collected for each healthcare facility location.
This data was then analyzed using the GWR method to model the relationship between the independent variables and the distribution of healthcare facilities.
The results of the GWR analysis provide a better understanding of how the independent variables relate to the local distribution of healthcare facilities.
This method allows for the identification of different spatial patterns in these relationships, which cannot be observed using ordinary linear regression Thus.
GWR can provide deeper insights into the factors influencing healthcare facility locations and assist in making more effective decisions in healthcare planning and development.
Keywords: spatial statistics, healthcare facility distribution.
GWR Abstrak Copyright: A 2022 by the authors.
Submitted for possible open access publication under the terms and conditions of the Creative Commons Attribution (CC BY) license .
ttps://creativecommons.
org/license s/by/4.
0/).
Statistika spasial adalah cabang ilmu statistika yang berfokus pada analisis data geografis untuk memahami pola dan hubungan spasial antar variabel.
Dalam konteks kesehatan masyarakat, persebaran fasilitas kesehatan menjadi faktor penting dalam penyediaan pelayanan kesehatan yang merata.
Metode GWR (Geographically Weighted Regressio.
adalah salah satu metode statistika spasial yang dapat digunakan untuk memodelkan dan menganalisis pola persebaran fasilitas kesehatan secara lokal.
Penelitian ini bertujuan untuk menganalisis persebaran fasilitas kesehatan dengan menggunakan metode GWR.
Pada awalnya, data spasial mengenai lokasi fasilitas kesehatan .
umah sakit, puskesmas, klinik, dll.
) di suatu wilayah studi Kemudian, variabel independen seperti tingkat kepadatan penduduk, aksesibilitas transportasi, dan karakteristik sosial-ekonomi juga dikumpulkan untuk masing-masing lokasi fasilitas kesehatan.
Data ini kemudian dianalisis menggunakan metode GWR untuk memodelkan hubungan antara variabel independen dengan persebaran fasilitas Hasil analisis GWR memberikan pemahaman yang lebih baik tentang bagaimana variabel independen berhubungan dengan persebaran fasilitas kesehatan secara lokal.
Metode ini memungkinkan identifikasi pola spasial yang berbeda dalam hubungan tersebut, yang tidak dapat terlihat dengan menggunakan metode regresi linier biasa.
Dengan demikian, metode GWR dapat memberikan wawasan yang lebih dalam tentang faktor-faktor yang mempengaruhi lokasi fasilitas Jurnal Sains Geografi, 1.
, 2023.
DOI: 10.
2210/jsg.
kesehatan dan membantu dalam pengambilan keputusan yang lebih efektif dalam perencanaan dan pengembangan pelayanan kesehatan.
Kata Kunci: statistika spasial, persebaran fasilitas kesehatan, metode GWR.
Pendahuluan Fasilitas kesehatan adalah tempat atau fasilitas yang memberikan layanan medis dan perawatan kepada individu yang Sebuah fasilitas kesehatan dapat mencakup berbagai jenis dan tingkatan, mulai dari fasilitas kesehatan umum hingga yang terspesialisasi.
Salah satu komponen yang paling penting dalam menjaga kesejahteraan masyarakat adalah pelayanan kesehatan.
Setiap daerah memiliki tingkat ketersediaan fasilitas kesehatan yang berbeda, dan jumlah fasilitas kesehatan yang tersedia juga dapat berbeda tergantung pada lokasi dan tingkat Disebabkan kependudukan seperti fertilitas dan Indonesia masih dianggap cepat.
Transisi demografi adalah istilah yang digunakan Menurut Priyono et al.
transisi demografi adalah urutan tahap perubahan dalam tingkat kelahiran dan DKI Jakarta, sebagai ibu kota Indonesia, memiliki populasi yang padat dan kebutuhan pelayanan kesehatan yang Oleh karena itu, sangat penting untuk memahami distribusi fasilitas kesehatan di wilayah tersebut.
Analisis distribusi fasilitas kesehatan menjadi pertumbuhan populasi dan kompleksitas Metode GWR digunakan dalam persebaran fasilitas kesehatan di DKI Jakarta.
Tujuan utama penelitian ini adalah untuk mempelajari variabel spasial dan variabel yang mempengaruhi distribusi fasilitas kesehatan di setiap lokasi di wilayah DKI Jakarta.
Metode ini dampak dari variabel-variabel tersebut terhadap penyebaran fasilitas kesehatan dan untuk menentukan apakah ada perbedaan signifikan di antara daerah-daerah di DKI Jakarta.
Tujuan penelitian ini adalah sebagai berikut: membentuk model Geographically Weighted Regression (GWR) dengan fungsi pembobot kernel membentuk model GWR dengan fungsi pembobot kernel bi-segi.
menentukan model terbaik antara model Geographically Weighted Regression dengan fungsi pembobot kernel gaussian dan bi-segi.
Metode Penelitian Lokasi pada penelitian ini adalah seluruh kabupaten pada Provinsi DKI Jakarta.
Data jumlah fasilitas kesehatan dan jumlah penduduk di DKI Jakarta diambil melalui (Statistik, 2.
DKI Jakarta.
Untuk menentukan hubungan antara peubah tak bebas dan peubah bebasnya, model regresi adalah salah satu model statistika yang paling umum digunakan.
Dimungkinkan adanya keragaman antar wilayah pada data yang objeknya berbentuk Untuk mengatasi heterogenitas spasial, atau keragaman antar wilayah, diperlukan model berbasis kewilayahan (Fotheringham et al.
, 1996.
Brunsdon et al.
Geographically Weighted Regression (GWR) adalah salah satu model (Fotheringham.
Brunsdon.
, &
Charlton, 2.
Model Regresi Linier Jurnal Sains Geografi, 1.
, 2023.
DOI: 10.
2210/jsg.
Model merupakan metode untuk memodelkan hubungan antara peubah respon dan peubah penjelas.
Pengujian parameter model regresi menggunakan pendekatan distribusi F dan secara parsial menggunakan pendekatan distribusi t (Rencher, 2.
Model Geographically Regression (GWR) Weighted Model Geographically Weighted Regression (GWR) adalah pengembangan dari model regresi dimana parameter pengamatan, sehingga setiap lokasi pengamatan mempunyai nilai parameter yang berbeda-beda (Fotheringham.
Brunsdon.
, & Charlton, 2.
Peubah tak bebas dalam model GWR diprediksi dengan peubah bebas yang masing-masing koefisien regresinya tergantung pada lokasi dimana data tersebut diamati (Jacquez, memanfaatkan teknologi teknologi yang ada di dalamnya, jenis dokter maupun perawat yang menangani, dan luas bangunan yang digunakan untuk tempat rawat inap pasien.
Adapun jenis-jenis kesehatan dibahas lebih lanjut di dalam pasal 4 bagian kedua mengenai jenis dan tingkatan fasilitas pelayanan kesehatan yang terdiri dari: .
Tempat praktik mandiri tenaga Kesehatan, .
Pusat kesehatan masyarakat, .
Klinik, .
Rumah sakit, .
Apotek, .
Unit transfusi darah, .
Laboratorium Kesehatan, .
Optikal, .
Fasilitas pelayanan kedokteran untuk kepentingan hukum, dan .
Fasilitas Pelayanan Kesehatan tradisional.
Lanjut, persebaran dan jenis fasilitas kesehatan dapat dilihat pada peta dibawah ini:
Hasil dan Pembahasan Hasil Peta Persebaran Fasilitas Kesehatan di Jakarta Fasilitas dan sarana kesehatan di DKI Jakarta mempunyai arti penting dalam penerapan kehidupan untuk semua kalangan masyarakat.
Wilayah di DKI Jakarta, tidak sepenuhnya memiliki jenis kota/kabupaten Jakarta satu dengan Kabupaten/Kota tersebut terdiri dari Jakarta Utara.
Jakarta Timur.
Jakarta Selatan.
Jakarta Barat, dan Jakarta Pusat.
Menurut Peraturan Pemerintah Republik Indonesia, tentang fasilitas pelayanan kesehatan pasal 8 ayat 3 jenis fasilitas kesehatan dapat dibedakan berdasarkan luas wilayah, kebutuhan penduduk, pola penyakit, pemanfaatannya, fungsi sosial, kemampuan dalam Gambar 1.
Peta Persebaran Fasilitas Kesehatan di DKI Jakarta Peta di atas menjelaskan bahwa jumlah fasilitas kesehatan di DKI Jakarta tidaklah sama setiap kabupaten.
Jenis fasilitas kesehatan paling banyak adalah berupa klinik yang tersebar di seluruh kabupaten yang ada di DKI Jakarta dengan jumlah terbanyak berada di Kota Jakarta Selatan.
Pemodelan Regresi Linear Persebaran Fasilitas Kesehatan di DKI Jakarta Menurut Kota Administrasi Kepulauan Seribu Tabel 1.
Fasilitas Kesehatan Kepulauan Seribu Jurnal Sains Geografi, 1.
, 2023.
DOI: 10.
2210/jsg.
Kep.
Seribu Faskes Rumah Sakit Tempat Tidur Puskesmas Kecamatan 2 Puskesmas Kelurahan 6 berdasarkan jumlah fasilitas kesehatan di Kepulauan Seribu:
Y = 25,096.
Berikut Grafik Regresi Linearnya :
Total Fasilitas Kesehatan 2018 = 1 14 2
6 = 23
Total Fasilitas Kesehatan 2020 = 1 10 2
4 = 17
Total Fasilitas Kesehatan 2021 = 1 10 2
4 = 17
Pasangan data 2018: .
, 23,.
Pasangan data 2020: .
, 27,.
Pasangan data 2021: .
, 28,.
X_mean = .
/ 3 = 19 Y_mean = .
,897 27,749 28,.
/ 3 = 26,962 Menghitung b:
B = (.
Ae .
* .
,897 Ae 26,.
* .
,749 Ae 26,.
Ae .
* .
,240 Ae 26,.
) / (.
Ae .
^2 .
^2 .
Ae .
= (-4 * -3065 -2 * 787 Ae 2 * 1.
/ .
= .
60 1574 Ae 2.
/ 12
= 1178 / 12
= 98.
Menghitung a:
A = Y_mean Ae b * X_mean = 26,962 Ae 98.
17 * 19
= 26,962 Ae 1865.
= 25,096.
Model regresi linear untuk Gambar 2.
Analisis Regresi Linear Berdasarkan hasil analisis regresi linear sederhana yang telah dilakukan, terdapat hubungan antara jumlah fasilitas (Rumah Sakit.
Klinik.
Puskesmas Kecamatan, dan Puskesmas Keluraha.
dengan jumlah penduduk di Kepulauan Seribu.
Dalam analisis ini, variabel independen adalah jumlah fasilitas kesehatan.
Dari hasil regresi linear, diperoleh model regresi linear sederhana: Y = 25,096.
Model ini menunjukkan bahwa setiap peningkatan satu unit dalam jumlah fasilitas kesehatan (Total Fasilitas Kesehata.
berkontribusi terhadap peningkatan sebesar 17 unit dalam jumlah penduduk (Jumlah Pendudu.
Jakarta Selatan Dari hasil regresi linear, diperoleh model regresi linear sederhana: Y = 25,096.
Model ini menunjukkan bahwa setiap peningkatan satu unit dalam jumlah fasilitas kesehatan Jurnal Sains Geografi, 1.
, 2023.
DOI: 10.
2210/jsg.
(Total Fasilitas Kesehata.
berkontribusi terhadap peningkatan sebesar 17 unit dalam jumlah penduduk (Jumlah Pendudu.
Faskes Rumah Sakit Tempat Tidur Puskesmas Kecamatan Puskesmas Kelurahan Jakarta Pusat Jakarta Timur Model regresi linear sederhana: Y = 4959667.
Gambar 4.
Faskes vs J.
Penduduk Gambar 3.
Regresi Linier vs J.
Penduduk Berdasarkan hasil analisis regresi linear sederhana dari data fasilitas kesehatan dan jumlah penduduk di Jakarta Timur, dapat diambil kesimpulan sebagai Terdapat hubungan positif antara jumlah fasilitas kesehatan dengan jumlah penduduk di Jakarta Timur.
Artinya, semakin banyak jumlah fasilitas kesehatan, kemungkinan jumlah penduduk juga akan Koefisien regresi .
90 menunjukkan bahwa setiap peningkatan satu unit dalam jumlah fasilitas kesehatan (Total Fasilitas Kesehata.
berkontribusi terhadap peningkatan sebesar 90 unit dalam jumlah penduduk (Jumlah Pendudu.
Berdasarkan hasil analisis regresi linear sederhana dari data fasilitas kesehatan dan jumlah penduduk di Jakarta Pusat, dapat diambil kesimpulan sebagai Terdapat hubungan positif antara jumlah fasilitas kesehatan dengan jumlah penduduk di Jakarta Pusat.
Artinya, semakin banyak jumlah fasilitas kesehatan, kemungkinan jumlah penduduk juga akan Koefisien regresi .
sebesar 303,920 menunjukkan bahwa setiap peningkatan satu unit dalam jumlah fasilitas kesehatan (Total Fasilitas Kesehata.
berkontribusi terhadap peningkatan sebesar 303,920 unit dalam jumlah penduduk (Jumlah Pendudu.
Jakarta Barat Model regresi linear sederhana: Y = 1,654,344.
Jakarta Pusat Model regresi linear sederhana: Y = 1810159573 303920X Tabel 3.
Faskes Jakarta Pusat Jurnal Sains Geografi, 1.
, 2023.
DOI: 10.
2210/jsg.
Pemodelan menggunakan model GWR Persamaan GWR, seperti sebagai berikut:
Y_i= _0 .
_i,v_i ) Oc_.
^p _k .
_i,v_i ) X_ik A_i,i=1,2A,n Y_i : nilai variable dependen pada titik lokasi pengamatan ke- i, _0 .
_i,v_i ) : konstanta / intercept GWR.
Gambar 5.
Faskes vs J.
Penduduk Berdasarkan hasil analisis regresi linear sederhana pada data fasilitas kesehatan di Jakarta Barat, kita dapat menyimpulkan bahwa terdapat hubungan positif antara jumlah fasilitas kesehatan dengan jumlah penduduk di wilayah Dalam model regresi linear, koefisien regresi .
yang diperoleh adalah penambahan satu unit jumlah fasilitas kesehatan .
isalnya, rumah sakit, tempat tidur, puskesma.
akan berhubungan dengan peningkatan sebesar 1084.
49 unit pada jumlah penduduk.
Jakarta Utara _k .
_i,v_i ) : koefisien regresi ke-k pada titik lokasi pengamatan ke- i, u_i,v_i : titik koordinat lintang dan bujur dengan satuan Decimal Degree (DD) pada lokasi pengamatan ke- i.
X_ik: nilai variable independent ke-k pada titik lokasi pengamatan ke- i.
A_i: nilai error pada titik lokasi ke- i.
Tabel 4.
Faskes Tahun 2021.
Kab/Kota Jumlah Penduduk Pada Tahun 2021 Kep Seribu Jakarta Selatan Jakarta Timur Jakarta Pusat Jakarta Barat Jakarta Utara Jumlah Fasilitas Kesehatan Pada Tahun 2021 Rumah Sakit Klinik Puskesmas Kecamatan Puskesmas Kelurahan Wilayah digunakan dalam penelitian ini adalah seluruh kota di Provinsi DKI Jakarta 6, dengan jumlah penduduk DKI Jakarta berdasarkan kota pada tahun 2021 (Y), jumlah fasilitas kesehatan pada tahun 2021 (X) yaitu rumah sakit .
, tempat tidur .
, puskesmas kecamatan .
, dan puskesmas kelurahan .
(Tabel .
Tabel 5.
Perhitungan Data.
Gambar 6.
Faskes vs J.
Penduduk Dalam model regresi linear, koefisien regresi .
yang diperoleh adalah 49, yang mengindikasikan bahwa setiap penambahan satu unit jumlah fasilitas kesehatan .
isalnya, rumah sakit, berhubungan dengan peningkatan sebesar 49 unit pada jumlah penduduk Variabel
Mean
891,54
34,83
944,50
7,33
Max Min 300,00 28.
240,00
104,00
Std
220,28
18,58
019,70
2,75
Hasil analisis multikolinearitas dengan menggunakan nilai VIF terdapat pada tabel, batas ambang nilai VIF yang digunakan adalah 10.
Dari hasil tersebut Jurnal Sains Geografi, 1.
, 2023.
DOI: 10.
2210/jsg.
nampak bahwa isu multikolinearitas tertinggi terdapat pada kelompok fasilitas Kesehatan berupa tempat tidur dan terkonsentrasi di wilayah Jakarta Timur.
Nilai Pearson-Correlation digunakan untuk menganalisis signifikansi variabel prediktor dan juga isu multikolinearitas untuk variabel kepadatan penduduk dan jumlah fasilitas kesehatan.
Berdasarkan hasil analisis PearsonCorrelation, unsur yang paling signifikan adalah rumah sakit, dan tidak terdapat isu multikolinearitas antara jumlah tempat tidur dengan jumlah penduduk.
Nilai bandwidth yang digunakan pada setiap titik pengamatan adalah bervariasi, karena menggunakan fungsi kernel adaptif dengan algoritma bisquare.
Optimasi pemilihan bandwidth dilakukan menggunakan metode Golden Section dimana model akan mencari jarak minimum dan maksimum dan menguji nilai Akaike Information Criterion (AIC.
pada berbagai jarak secara bertahap.
Model GWR dijalankan secara sekuens dengan model regresi global terhadap variabel respon dan variabel Hal ini untuk melihat apakah model GWR memberikan perbaikan terhadap nilai koefisien determinasi.
Model global dijalankan menggunakan algoritma Gaussian.
Kesimpulan Metode GWR (Geographically Weighted Regressio.
adalah salah satu metode statistika spasial yang dapat digunakan untuk memodelkan dan menganalisis pola persebaran fasilitas kesehatan secara lokal.
Fasilitas kesehatan adalah tempat atau fasilitas yang memberikan layanan medis dan perawatan kepada individu yang membutuhkan.
Setiap daerah memiliki tingkat ketersediaan fasilitas kesehatan yang berbeda, dan jumlah fasilitas kesehatan yang tersedia juga dapat berbeda tergantung pada lokasi dan tingkat aksesibilitasnya.
DKI Jakarta, sebagai ibu kota Indonesia, memiliki populasi yang padat dan kebutuhan pelayanan kesehatan yang tinggi.
Oleh karena itu, sangat penting untuk memahami distribusi fasilitas kesehatan di wilayah Analisis distribusi fasilitas kesehatan menjadi semakin penting seiring dengan pertumbuhan populasi dan kompleksitas perkotaan.
Jumlah fasilitas kesehatan di DKI Jakarta tidaklah sama setiap kabupaten.
Jenis fasilitas kesehatan paling banyak adalah berupa klinik yang tersebar di seluruh kabupaten yang ada di DKI Jakarta dengan jumlah terbanyak berada di Kota Jakarta Selatan.
DAFTAR PUSTAKA
Ali.
Umam.
Mannesa.
& SaAoadah.
PEMODELAN
DISTRIBUSI SPASIAL KASUS
POSITIF
COVID-19
MENGGUNAKAN ALGORITMA
GEOGRAPHICALLY
WEIGHTED
REGRESSION
(GWR).
Badan Pusat Statistik.
Jumlah Penduduk Menurut Kabupaten/Kota di Provinsi DKI Jakarta.
Fotheringham.
Brunsdon.
, &
Charlton, .
Geographically regression: the analysis of spatially varying relationships.
John Wiley & Sons.
Haryanto.
, & Andriani.
Pemodelan Jawa Tengah Geographically Weighted Regression (GWR).
Jurnal Litbang Sukowati: Media Penelitian dan Pengembangan, 4.
Jacquez.
Geographical analysis in the twentieth century: a state of the art.
Springer Science & Business Media.
Jurnal Sains Geografi, 1.
, 2023.
DOI: 10.
2210/jsg.
Lutfiani.
Sugiman.
, & Mariani.
Pemodelan Geographically Weighted Regression (GWR) dengan Fungsi Pembobot Kernel Gaussian dan Bi-Square.
UNNES
Journal of Mathematics, 8.
, 8291.
Montgomery.
Peck.
, & Vining, .
Introduction to Linear Regression Analysis.
John Wiley & Sons.
Pamungkas.
Yasin.
, &
Rahmawati, .
Perbandingan model gwr dengan fixed dan adaptive bandwidth untuk persentase penduduk miskin di jawa Jurnal Gaussian, 5.
, 535544.
Pemerintah Republik Indonesia, .
PERATURAN
PEMERINTAH
REPUBLIK
INDONESIA
NOMOR 47 TAHUN 2016
TENTANG
FASILITAS
PELAYANAN KESEHATAN.
Soraya.
R,P.
PEMBUATAN APLIKASI WEBGIS UNTUK INFORMASI
PERSEBARAN
SARANA