#BAB 1 Pendahuluan

##1.1 Latar Belakang

Merokok adalah salah satu perilaku yang paling berbahaya dan mematikan di dunia. Merokok dapat menyebabkan berbagai penyakit, termasuk kanker, penyakit jantung, dan penyakit paru-paru. Di Indonesia, merokok masih menjadi masalah yang signifikan, terutama di kalangan penduduk dewasa.

Merokok dapat mempengaruhi kualitas hidup seseorang dan dapat menimbulkan biaya yang besar bagi masyarakat dan pemerintah. Oleh karena itu, perlu adanya upaya yang lebih efektif untuk mengurangi tingkat merokok di Indonesia.

Analisis persentase merokok pada penduduk umur ≥ 15 tahun menurut daerah tempat tinggal dapat membantu dalam mengetahui perbedaan tingkat merokok antar daerah dan faktor-faktor yang mempengaruhi tingkat merokok. Dengan demikian, analisis ini diharapkan dapat memberikan kontribusi pada pengetahuan tentang permasalahan merokok di Indonesia dan dapat membantu dalam pengembangan strategi untuk mengurangi tingkat merokok di Indonesia.

Analisis ini akan menggunakan analisis R untuk menganalisis persentase merokok pada penduduk umur ≥ 15 tahun menurut daerah tempat tinggal tahun 2023. Tujuan dari analisis ini adalah untuk mengetahui perbedaan persentase merokok antar daerah dan untuk menganalisis faktor-faktor yang mempengaruhi persentase merokok. Selain itu, analisis ini juga akan menganalisis tren persentase merokok dan menganalisis prediksi persentase merokok di masa depan.

##1.2 Pengertian Data

Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik. Data tersebut terdiri dari persentase Merokok Pada Penduduk Umur ≥ 15 Tahun Menurut Daerah Tempat Tinggal tahun 2023.

Data Persentase Merokok Pada Penduduk Umur ≥ 15 Tahun Menurut Daerah Tempat Tinggal tahun 2023.
Daerah Tempat Tinggal 2023
Perkotaan 26.87
Perdesaan 31.09
Perkotaan + Perdesaan 28.62

##1.3 ANOVA satu arah

Analisis varians satu arah (ANOVA) dinamakan demikian karena menggunakan varians untuk menganalisis data pengamatan yang dipengaruhi oleh satu faktor. Data sampel diambil secara independen dari tiap populasi dan dinyatakan dengan Yij, yang berarti data ke-j dalam sampel dari populasi ke-i (Sudjana, 1996).

ANOVA satu jalur melibatkan satu variabel bebas dengan dua atau lebih kategori yang dipilih secara tidak acak. Variabel bebas ini bisa bersifat kualitatif atau kuantitatif, dan setiap subjek hanya menjadi anggota satu kelompok yang dipilih secara acak dari populasi tertentu (Furqon, 2009).

Tujuan dari ANOVA satu jalur adalah untuk membandingkan lebih dari dua rata-rata dan menguji kemampuan generalisasi hasil penelitian. Jika hasilnya signifikan, sampel dapat dianggap mewakili populasi. ANOVA satu jalur memungkinkan perbandingan lebih dari dua kelompok data, berbeda dengan uji-t atau uji-z yang hanya dapat membandingkan dua kelompok data (Riduwan, 2008).

##1.4 Statistika Deskriptif

Statistik deskriptif digunakan untuk menganalisis data dengan mendeskripsikan atau menggambarkan data tanpa tujuan untuk membuat kesimpulan atau generalisasi.

Diperoleh rata-rata, standar deviasi, nilai kuartil bawah, nilai kuartil atas, nilai maksimum, dan nilai minimum dari data Persentase Merokok Pada Penduduk Umur ≥ 15 Tahun Menurut Daerah Tempat Tinggal tahun 2023.

#BAB 2 Source Code

##2.1 Library yang dibutuhkan

library(tseries)
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo
library(stats)
library(tidyr)

##2.2 Data Frame

Dalam R, analisis ragam dilakukan dengan Variabel Prediktor (Daerah Tempat Tinggal) bersifat faktor menggunakan perintah as.factor() dimana Level 1 = Perkotaan Level 2 = Perdesaan Level 3 = Perkotaan + Perdesaan Variabel Respon (Persentase) bersifat numeric Data frame yang dibentuk disimpan dalam objek ‘data’

daerah_tempat_tinggal <- c("Perkotaan", "Perdesaan", "Perkotaan + Perdesaan")
year_2023 <- c(26.87, 
               31.09, 
               28.62)

data <- data.frame(Daerah_Tempat_Tinggal = daerah_tempat_tinggal, 
                   `Tahun_2023` = year_2023)
data
##   Daerah_Tempat_Tinggal Tahun_2023
## 1             Perkotaan      26.87
## 2             Perdesaan      31.09
## 3 Perkotaan + Perdesaan      28.62

##2.3 Boxplot

Pembuatan Box Plot menggunakan perintah boxplot() yang merupakan deskripsi dari Persentase Merokok Pada Penduduk Umur ≥ 15 Tahun Menurut Daerah Tempat Tinggal tahun 2023 pada data frame ‘data’.

data_2023 <- data.frame(
  Daerah_Tempat_Tinggal = c("Perkotaan", "Perdesaan", "Perkotaan + Perdesaan"),
  Persentase = c(26.87, 
                 31.09, 
                 28.62)
)

boxplot(Persentase~Daerah_Tempat_Tinggal , data = data_2023,
        main = "Boxplot Persentase Merokok (2023)",
        xlab = "Persentase", ylab = "Daerah Tempat Tinggal")

##2.4 ANOVA satu arah

anova<- aov(Persentase ~ Daerah_Tempat_Tinggal, data = data_2023)
anova
## Call:
##    aov(formula = Persentase ~ Daerah_Tempat_Tinggal, data = data_2023)
## 
## Terms:
##                 Daerah_Tempat_Tinggal
## Sum of Squares                 8.9906
## Deg. of Freedom                     2
## 
## Estimated effects may be unbalanced

##2.4.1 ANOVA satu arah fungsi

anova2=aov(Persentase~daerah_tempat_tinggal, data_2023)
summary(anova2)
##                       Df Sum Sq Mean Sq
## daerah_tempat_tinggal  2  8.991   4.495

###2.4.2. Uji Normalitas Galat

Uji normalitas menggunakan sisaan dari model pada objek ‘anova2’ sehingga digunakan perintah residuals() yang disimpan dalam objek ‘sisa’

sisa=residuals(anova2)
sisa
## 1 2 3 
## 0 0 0

#BAB 3 Hasil dan Pembahasan

##3.1 Boxplot

Berdasarkan hasil boxplot tersebut, terlihat perdesaan memiliki persentase merokok yang lebih rendah dibandingkan dengan daerah perkotaan. Rentang persentasenya berkisar antara 27 hingga 29, Perkotaan memiliki persentase merokok yang sedikit lebih tinggi dengan rentang antara 28 hingga 30,dan Perkotaan + Perdesaan menunjukkan persentase merokok yang paling tinggi dengan rentang antara 29 hingga 31.

#Daftar Pustaka

Sirait, E. R. E. (2016). Implementasi Teknologi Big Data di Lembaga Pemerintahan Indonesia. JPPI, 6(2), 113-136.