Visualisasi dan Analisis Data Bunuh Diri

Penulis

  • Irwan Setiawan Jurusan Teknik Komputer dan Informatika, Politeknik Negeri Bandung

DOI:

https://doi.org/10.25126/jtiik.2021833391

Abstrak

Bunuh diri merupakan salah satu permasalahan kesehatan publik. Kematian yang disebabkan oleh tindakan bunuh diri banyak terjadi di seluruh dunia. World Health Organization (WHO) melaporkan bahwa tindakan bunuh diri terjadi sekitar satu juta kejadian setiap tahunnya. WHO menyediakan basis data kematian yang disebabkan karena bunuh diri, namun parameter dan diagram yang disediakan pada basis data tersebut tidak dapat dikustomisasi untuk analisis lebih lanjut. Exploratory Data Analysis merupakan teknik analisis yang menekankan penyajian data dalam bentuk grafik yang dapat mempermudah analis dalam menemukan pola-pola tersembunyi dalam data. Teknik ini sangat efektif digunakan untuk menganalisis data yang memiliki volume yang besar dan varian data yang banyak.  Penelitian ini ditujukan untuk melakukan visualisasi dan analisis data kematian yang disebabkan oleh bunuh diri dengan menggunakan data yang disediakan oleh WHO untuk menemukan pola dan tren kejadian bunuh diri dari berbagai negara dan benua agar dapat membantu pihak-pihak yang berkepentingan dalam mendeteksi dan merencanakan tindakan pencegahan kejadian bunuh diri. Metode penelitian terbagi kedalam tiga tahapan, yaitu persiapan data, Exploratory Data Analysis, dan penarikan kesimpulan. R Studio digunakan sebagai perangkat lunak untuk pengolahan dan visualisasi data. Hasil yang didapatkan dari penelitian ini adalah teknik Exploratory Data Analysis sangat efektif untuk mengeksplorasi data dan menemukan pola-pola tersembunyi dalam data.

Berdasarkan hasil analisis, Jepang merupakan negara yang memiliki kejadian bunuh diri paling banyak.   Temuan yang didapatkan adalah secara umum jumlah kejadian bunuh diri memiliki tren yang meningkat. Pada tahun 1998 terjadi lonjakan kejadian bunuh diri yang sangat signifikan di negara-negara Asia. Negara yang paling banyak mengalami kejadian bunuh diri adalah Jepang. Pola pelaku bunuh diri di benua Afrika berbeda dengan benua lainnya. Kelompok usia diatas 75 tahun merupakan kelompok usia dengan jumlah bunuh diri paling banyak. Terjadi tren peningkatan kejadian bunuh diri pada kelompok umur 5-14 tahun. Temuan-temuan yang didapatkan dari penelitian ini dapat dimanfaatkan untuk kebutuhan perencanaan pencegahan kejadian bunuh diri dan meningkatkan kewaspadaan terhadap terjadinya risiko bunuh diri, terutama pada kelompok umur diatas 75 tahun dan 5-14 tahun.

 

Abstract

Suicide is a public health problem. Deaths caused by acts of suicide occur throughout the world. The World Health Organization (WHO) reports that suicides occur in around one million incidents each year. WHO provides a database of deaths due to suicide, but the parameters and diagrams contained in that database cannot be customized for further analysis. Exploratory Data Analysis is an analytical technique that emphasizes data presentation in a graphical form that can make it easier for analysts to find hidden patterns in the data. This technique is beneficial for analyzing data with a large volume and many data variants. This research aims to visualize and analyze data on deaths caused by suicide by using data provided by WHO to find patterns and trends in suicide events from various countries and continents to help the parties concerned in detecting and planning preventive suicide actions. The research method is divided into three stages: data preparation, Exploratory Data Analysis, and concluding. R Studio is used as software for data processing and visualization. The results obtained from this study are Exploratory Data Analysis techniques, which are useful for exploring data and discovering hidden patterns in data.Based on the results of the analysis, Japan is a country that has the most suicide. The finding is that in general, the number of suicides has an upward trend. In 1998 there was a very significant surge in suicides in Asian countries. Japan is the country that experiences the most suicide. The pattern of suicide in Africa is different from other continents. The age group above 75 years is the age group with the highest number of suicides. There is a trend of an increase in the incidence of suicide in the 5-14 years age group. The findings obtained from this study can be utilized for the needs of planning suicide prevention events and increasing awareness of the occurrence of suicide risk, especially in the age group above 75 years and 5-14 years.

Downloads

Download data is not yet available.

Referensi

AMMERMAN, BROOKE A., SARFARAZ SERANG, ROSS JACOBUCCI, TAYLOR A. BURKE, LAUREN B. ALLOY AND MICHAEL S. MCCLOSKEY. 2018. “Exploratory Analysis of Mediators of the Relationship between Childhood Maltreatment and Suicidal Behavior”. Journal of Adolescence 69: 103–12. <https://doi.org/10.1016/j.adolescence.2018.09.004>.

BURKE, TAYLOR A., ROSS JACOBUCCI, BROOKE A. AMMERMAN, MARILYN PICCIRILLO, MICHAEL S. MCCLOSKEY, RICHARD G. HEIMBERG AND LAUREN B. ALLOY. 2018. “Identifying the Relative Importance of Non-Suicidal Self-Injury Features in Classifying Suicidal Ideation, Plans, and Behavior Using Exploratory Data Mining”. Psychiatry Research 262: 175–83. <https://doi.org/10.1016/j.psychres.2018.01.045>.

CHANG, SHU SEN, DAVID GUNNELL, JONATHAN A.C. STERNE, TSUNG HSUEH LU AND ANDREW T.A. CHENG. 2009. “Was the Economic Crisis 1997-1998 Responsible for Rising Suicide Rates in East/Southeast Asia? A Time-Trend Analysis for Japan, Hong Kong, South Korea, Taiwan, Singapore and Thailand”. Social Science and Medicine 68: 1322–31. <https://doi.org/10.1016/j.socscimed.2009.01.010>.

JEBB, ANDREW T., SCOTT PARRIGON AND SANG EUN WOO. 2017. “Exploratory Data Analysis as a Foundation of Inductive Research”. Human Resource Management Review 27: 265–76. <https://doi.org/10.1016/j.hrmr.2016.08.003>.

LUDWIG, BIRGIT, DANIEL KÖNIG, NESTOR D. KAPUSTA, VICTOR BLÜML, G. DORFFNER AND BENJAMIN VYSSOKI. 2019. “Clustering Suicides: A Data-Driven, Exploratory Machine Learning Approach”. European Psychiatry 62: 15–19. <https://doi.org/10.1016/j.eurpsy.2019.08.009>.

LUTZ, P. E., N. MECHAWAR AND G. TURECKI. 2017. “Neuropathology of Suicide: Recent Findings and Future Directions”. Molecular Psychiatry. Nature Publishing Group. <https://doi.org/10.1038/mp.2017.141>.

PRETI, ANTONIO AND GIANLUCA LENTINI. 2016. “Forecast Models for Suicide: Time-Series Analysis with Data from Italy”. Chronobiology International 33: 1235–46. <https://doi.org/10.1080/07420528.2016.1211669>.

TURECKI, GUSTAVO AND DAVID A. BRENT. 2016. “Suicide and Suicidal Behaviour”. The Lancet. Lancet Publishing Group. <https://doi.org/10.1016/S0140-6736(15)00234-2>.

TURECKI, GUSTAVO, DAVID A. BRENT, DAVID GUNNELL, RORY C. O’CONNOR, MARIA A. OQUENDO, JANE PIRKIS AND BARBARA H. STANLEY. 2019. “Suicide and Suicide Risk”. Nature Reviews Disease Primers. Nature Publishing Group. <https://doi.org/10.1038/s41572-019-0121-0>.

WONGSUPHASAWAT, KANIT, YANG LIU AND JEFFREY HEER. 2019. “Goals, Process, and Challenges of Exploratory Data Analysis: An Interview Study”, November. <http://arxiv.org/abs/1911.00568> [accessed 21 March 2020].

Diterbitkan

15-06-2021

Terbitan

Bagian

Ilmu Komputer

Cara Mengutip

Visualisasi dan Analisis Data Bunuh Diri. (2021). Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(3), 445-456. https://doi.org/10.25126/jtiik.2021833391