digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Arli Magfirah Utami
PUBLIC Dwi Ary Fuziastuti

Tabel morbiditas merupakan alat analisis kesehatan yang memberikan gambaran tingkat keparahan dan penyebaran penyakit di suatu wilayah. Pertimbangan aspek wilayah pada konstruksi tabel morbiditas dapat memberikan informasi yang lebih terperinci tentang dampak penyakit kritis pada kesehatan masyarakat di area tertentu. Tabel ini memiliki unsur usia dan peluang seseorang terkena suatu penyakit. Penyakit kritis adalah suatu keadaan kesehatan yang ditandai dengan disfungsi organ vital, risiko tinggi akan kematian jika perawatan tidak diberikan, dan potensi untuk dapat dipulihkan. Penyakit kritis yang dipilih berdasarkan frekuensi terbanyak adalah penyakit jantung, stroke dan kanker. Proses pembentukan tabel yaitu: perhitungan eksposur, perhitungan klaim, perhitungan tingkat morbiditas, dan graduasi. Data yang digunakan dalam tabel ini adalah data kepesertaan dan data klaim dari BPJS Kesehatan. Perhitungan eksposur diperoleh dari data kepesertaan, perhitungan klaim diperoleh dari data klaim. Graduasi menggunakan Natural Cubic Spline karena memiliki tingkat kehalusan yang baik, kurva kontinu dan mengikuti tren data asli. Tingkat morbiditas setiap penyakit memiliki pola yang sama, menyerupai lonceng dengan puncak yang berbeda-beda. Jantung memiliki tingkat morbiditas yang lebih tinggi 5-6 kali lipat dibandingkan dengan stroke dan 10-16 kali lipat dibandingkan dengan kanker. Berdasarkan jenis kelamin, jantung tidak memiliki perbedaan yang signifikan, puncak laki-laki dan perempuan pada usia 67 dan 68 tahun dengan peluang 0,0361057 dan 0,0357369. Stroke laki-laki memiliki peluang yang lebih tinggi dibandingkan perempuan, puncaknya pada usia 68 dan 70 tahun dengan peluang 0,0079331 dan 0,0052521. Kanker laki-laki memiliki peluang yang lebih rendah dibandingkan perempuan, puncaknya pada usia 73 dan 56 tahun dengan peluang 0,0022158 dan 0,0037764. Tabel morbiditas yang lebih spesifik dapat dibuat berdasarkan wilayah. Pembagian wilayah didapatkan menggunakan metode klaster K-Means, kemudian dibandingkan dengan Peraturan Kementerian Kesehatan RI 2016. Pembagian menjadi 5 klaster wilayah memberikan hasil bahwa klaster dengan peluang yang tinggi adalah klaster 2 (Bali, DKI Jakarta, Sulawesi Selatan, Sumatera Selatan dan Sumatera Utara) dan 3 (sebagian Sumatera, sebagian Jawa dan Kalimantan Selatan). Setiap wilayah ternyata mempengaruhi tingkat morbiditas suatu penyakit. Hasil yang diperoleh dapat menjadi pertimbangan dalam perbaikan kualitas layanan kesehatan dan penyusunan program asuransi.