<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Analisis Faktor-faktor yang mempengaruhi Jumlah Penderita Tuberkulosis menggunakan Metode Generalized Poisson Regression dan Geographically Weighted Poisson Regression (Studi Kasus : Kasus Tuberkulosis di Kabupaten Brebes Tahun 2022)

Loading...
Thumbnail Image

Date

Journal Title

Journal ISSN

Volume Title

Publisher

Universitas Islam Indonesia

DOI

Abstract

Tuberkulosis merupakan penyakit yang disebabkan oleh jenis kuman yang disebut dengan Mycobacterium tuberculosis, di mana kuman ini paling sering menyerang paru-paru. Indonesia sendiri menempati peringkat kedua sebagai negara penyumbang kasus Tuberkulosis di dunia setelah India. Peningkatan kasus TB juga terjadi di berbagai daerah di Indonesia salah satunya di Kabupaten Brebes. Pada penelitian ini, peneliti menggunakan metode Generalized Poisson Regression dan Geographically Weighted Poisson Regression untuk mengetahui faktor apa saja yang secara siginifikan mempengaruhi peningkatan kasus di Kabupaten Brebes. Pada penelitian Metode Generalized Poisson Regression digunakan dengan mempertimbangkan kondisi overdispersi pada variabel respon sedangkan metode Geographically Weighted Poisson Regression digunakan untuk mengidentifikasi apakah terdapat faktor lokasi yang dapat menyebabkan peningkatan kasus Tuberkulosis di Kabupaten Brebes. Hasil pemodelan dengan menggunakan GPR didapatkan bahwa persentase rumah tangga ber-PHBS, cacah tenaga kesehatan, persentase rumah tangga yang memiliki akses sanitasi layak dan kepadatan penduduk berpengaruh secara signifikan tehadap cacah penderita Tuberkulosis di Kabupaten Brebes pada tahun 2022. Pada metode GWPR terdapat empat jenis pembobotan spasial yang digunakan yaitu Fixed Gaussian, Fixed Bisquare, Adaptive Gaussian, dan Adaptive Bisquare. Dari keempat pembobotan tersebut akan terbentuk kelompok kecamatan berdasarkan variabel yang signifikan. Diperoleh 5 kelompok kecamatan pada pembobot Fixed Gaussian, 6 kelompok kecamatan pada pembobot Fixed Bisquare, 2 kelompok kecamatan pada pembobot Adaptive Gaussian, dan 6 kelompok kecamatan pada pembobot Adaptive Bisquare. Berdasarkan nilai AIC dari masing-masing metode yang digunakan, diketahui bahwa metode GPWR dengan pembobot Adaptive Bisquare merupakan metode terbaik dengan AIC sebesar 182,114.

Description

Citation

Collections

Endorsement

Review

Supplemented By

Referenced By