Analisis Pengaruh Kepadatan Penduduk Dan Jumlah Lansia Terhadap Kasus Kematian Akibat Covid-19 di Provinsi DKI Jakarta Menggunakan Multiple Classification Analysis (MCA)

 Abstract views: 137 ,  downloads: 120
  • Habni Hamara Azmaty
  • Hussein Adi Permana
  • Lisa Agustina
  • Muhamad Fikri Ramdhani Politeknik Statistika STIS
  • Naufal Abdul Rafi Zaqi
  • Risni Julaeni Yuhan
Keywords: Covid-19, Multiple Classification Analysis (MCA), Kepadatan Penduduk, Jumlah Penduduk Lansia

Abstract

Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) adalah virus yang menyebabkan penyakit Covid-19. Di Indonesia, jumlah kasus terkonfirmasi positif Covid-19 sudah lebih dari 1,7 juta orang dengan jumlah kasus kematian mencapai 49 ribu orang. DKI Jakarta merupakan salah satu provinsi dengan kasus kematian akibat Covid-19 tertinggi di Indonesia. Tujuan dari penelitian ini adalah untuk menganalisis pengaruh kepadatan penduduk dan jumlah penduduk lansia terhadap jumlah kasus kematian akibat Covid -19 di DKI Jakarta. Metode analisis yang digunakan adalah Multiple Classification Analysis (MCA) dengan unit observasi sebanyak 267 kelurahan yang berada di Provinsi DKI Jakarta. Hasil penelitian ini menunjukkan bahwa kepadatan penduduk dan jumlah penduduk lansia berpengaruh secara signifikan terhadap jumlah kasus kematian akibat Covid-19 di Provinsi DKI Jakarta. Semakin tinggi kepadatan penduduk maka jumlah kematian akibat Covid-19 cenderung meningkat. Begitu juga dengan jumlah penduduk lansia, semakin tinggi jumlah penduduk lansia, maka jumlah kasus kematian akibat Covid-19 juga cenderung meningkat.

Downloads

Download data is not yet available.

References

Alshogran, & dkk. 2021. Predictors of Covid-19, case fatality rate: An ecological study. Annals of Medicine,and Surgery, 102319.

Andriani, R. 2018. Hubungan Kebiasaan Belajar ,Dengan Prestasi Belajar Siswa Sekolah Menengah Atas (SMA) Pertiwi 1 Padang.,TERAPUTIK: Jurnal Bimbingan dan Konseling, 2(1), 1-5.

Bhadra, A., Mukherjee, A., & Sarkar, K. 2021. Impact of population density on Covid-19 infected and mortality rate in India.,Modeling Earth Systems,and Environment, 7(1), 623-629.

Dewi, A. L., & dkk. 2020. Analisis Negara-Negara Terjangkit Virus Covid-19, berdasarkan Kelompok Pendapatan dan Negara Tropis di Benua Asia Menggunakan Multiple Classification Analysis.,Jurnal Matematika Dan Statistika Serta Aplikasinya, Vol 8(1).

Gugus Tugas Percepatan, Penanganan COVID-19. https://covid19.go.id/peta-sebaran-covid19, diakses 23 Mei 2021

Hasanah, M. 2020. Pemilihan Jumlah Kategori Terbaik Pada Model Rough-Regresi Berdasarkan Mean Square Error,(Studi Kasus: Tiga Variabel Bebas Numerik) (Skripsi, Universtas Islam Negeri Sultan Syarif Kasim Riau).

Ioannidis, J. P., Axfors, C., & Contopoulos-Ioannidis, D. G. 2020. Population-level COVID-19 mortality risk for non-elderly individuals overall,and for non-elderly individuals without underlying diseases in pandemic epicenters. Environmental research, 188, 109890.

Sannigrahi, S., & dkk. 2020. The overall mortality caused by covid-19, in the european region is highly associated with demographic composition: A spatial regression-based approach. arXiv preprint arXiv:2005.04029.

Sugiarto, S. 2018. Multiple Classification Analysis (Mca),Sebagai Metode Alternatif Analisis Data Untuk Variabel Bebas Yang Kategori. Jurnal Statistika Universitas Muhammadiyah Semarang, 6(2).

Susel, A. 2011. Multiple Classification Analysis: Theory,and Aplication to Demography. Journal of Acta Universitatis Lodziensis. 255, 183-189.

World Health Organization. 2020. Novel Coronavirushttps://www.who.int/indonesia/news/novel-coronavirus/qa/qa-for-public, diakses 24 Mei 2021

Published
2021-07-31
How to Cite
Habni Hamara Azmaty, Hussein Adi Permana, Lisa Agustina, Muhamad Fikri Ramdhani, Naufal Abdul Rafi Zaqi, & Risni Julaeni Yuhan. (2021). Analisis Pengaruh Kepadatan Penduduk Dan Jumlah Lansia Terhadap Kasus Kematian Akibat Covid-19 di Provinsi DKI Jakarta Menggunakan Multiple Classification Analysis (MCA). J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 14(1), 30-37. https://doi.org/10.36456/jstat.vol14.no1.a3843