RSS

PEMILIHAN PROPINSI UNTUK COSTING STUDY

09 Jun

Tanggal 6 Juni 2009 lalu kami melakukan pertemuan di GTZ bersama Tim UI (Sabarinah Prasetyo, Iwan Ariawan, Fitra Yelda), Dari pertemuan ini kami banyak mendapatkan ilmu baru mengenai clustering. Hal ini sangat menarik. Berikut merupakan ringkasan dari tulisan dari Tim UI.

Latar belakang

Setelah melewati fase 1 pada costing study, diperlukan data aktual yang akan dikumpulkan di fasilitas kesehatan tingkat primer maupun sekunder. Pada tahap awal, diperlukan prosedur sampling untuk menggambarkan karakteristik Indonesia nantinya. Sesuai dengan gambaran awal dari costing study, studi ini akan dilaksanakan di 15 propinsi dimana kaan dipilih 2 kabupaten/kota. Pada akhir prosees diharapkan akan terpilih 255 puskesmas dan 120 RSUD dan 135 RSU Swasta. Sampel ini diharapkan representatif terhadap Indonesia dan dilakukan secara stratified random sampling.

Metode stratifikasi propinsi

Proses dari stratifikasi propinis menggunakan “cluster analysis“. Metode ini menggunakan teknik multivariate statistic untuk klasifikasi propinsi berdasarkan variabel-variabel yang ada. Diputuskan (berdasar ahli) propinsi dibagi menjadi 4 strata untuk menggambarkan variasi dari seluruh propinsi. Tim UI mengumpulkan data terhadap hal yang berhubungan dengan studi, yakni penyakit, jarak terhadap fasilitas kesehatan, HDI, DAU, kapasitas fiscal, dan variabel demografi. Data yang digunakan adalah IDHS 2007, Riskesdas 2007, Depkes, Depkeu, BPS dan Bappenas. Terdapat 27 variabel yang digunakan untuk analisis.

Secara kasar hasil diperoleh dengan cara berikut:

Atau

Metode stratifikasi

Tiap propinsi memiliki jarak terhadap titik pusat yang berbeda-beda. Hal ini, kemudian dikelompokkan bedasarkan variabel

Hasil

Setelah pengolahan data, dihasilkan 12 model. Pada model 7 dan 12 memiliki hasil yang sama. Berdasarkan hasil tersebut, secara relatif model tersebut yang dianggap stabil berdasar variabel-variabel yang ada. Lebih lanjut, karena studi ini mengenai pembiayaan fasilitas kesehatan, variabel penyakit dan akses adalah yang paling pantas. Sedangkan variabel dari DAU tidak menunjukkan hasil yang baik, dikarenakan hal ini tidak merefleksikan gambaran propinsi dan kabupaten.

Model 7: Disease & Access (+ access 2) Model 12: Disease, Access, HDI, Fiscal

capacity

Variable used:

Diseases

Access

Variable used:

Diseases

Access

DAU/capita

HDI

Fiscal capacity

Result:

Group 1

  1. Bali
  2. DI Jogjakarta
  3. DKI Jakarta
  4. Kep. Riau

Group 2

  1. Kalimantan Timur
  2. Lampung
  3. Sulawesi Utara
  4. Bangka Belitung
  5. Riau
  6. Jawa Tengah
  7. Jawa Timur
  8. Sumatera Barat

Group 3

  1. Maluku
  2. Sulawesi Barat
  3. Papua
  4. Gorontalo
  5. NTT
  6. Papua Barat
  7. Banten

Group 4

  1. Sumatera Utara
  2. Maluku Utara
  3. Sulawesi Utara
  4. Sulawesi Tengah
  5. Kalimantan Selatan
  6. Kalimantan Tengah
  7. Bengkulu
  8. Jawa Barat
  9. Sulawesi Selatan
  10. Kalimantan Barat
  11. Sumatera Selatan
  12. Jambi
  13. NTB
  14. NAD
Result:

Group 1

  1. Bali
  2. DI Jogjakarta
  3. DKI Jakarta
  4. Kep. Riau

Group 2

  1. Kalimantan Timur
  2. Lampung
  3. Sulawesi Utara
  4. Bangka Belitung
  5. Riau
  6. Jawa Tengah
  7. Jawa Timur
  8. Sumatera Barat

Group 3

  1. Maluku
  2. Sulawesi Barat
  3. Papua
  4. Gorontalo
  5. NTT
  6. Papua Barat
  7. Banten

Group 4

  1. Sumatera Utara
  2. Maluku Utara
  3. Sulawesi Utara
  4. Sulawesi Tengah
  5. Kalimantan
  6. Selatan
  7. Kalimantan
  8. Tengah
  9. Bengkulu
  10. Jawa Barat
  11. Sulawesi Selatan
  12. Kalimantan Barat
  13. Sumatera Selatan
  14. Jambi
  15. NTB
  16. NAD

Stratifikasi propinsi

Pemilihan propinsi

Berdasarkan dari hasil yang ada, dilakukan random sampling secara proporsional. Dari alternatif pilihan yang tersedia, kami memilih 15 propinsi sebagai berikut:

Grup 1:

  1. Bali
  2. DIY

Grup 2:

  1. Bangka Belitung
  2. Riau
  3. Jawa Timur
  4. Sumatra Barat

Grup 3:

  1. Sulawesi Barat
  2. Gorontalo
  3. NTT

Grup 4:

  1. Sumatera Utara
  2. Sulawesi Tengah
  3. Kalimantan Selatan
  4. Kalimantan Tengah
  5. Jawa Barat
  6. Sulawesi Selatan

Berdasarkan pulau maka sample tersebut terdistribusi proporsi populasi terhadap populasi pulau sebagai berikut (dalam juta):

  1. Pulau Jawa : 82,3/134 = 61,4%
  2. Pulau Bali : 3,5
  3. Pulau Sumatera: 24,5/49,6 = 49,3%
  4. Pulau Kalimantan: 5,6/13 = 43%
  5. Pulau Sulawesi: 12,4/16 = 77,5%
  6. Pulau NTT: 4,6
 
Tinggalkan komentar

Ditulis oleh pada 09/06/2009 in Costing Study

 

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

 
%d blogger menyukai ini: