Identifikasi Sebaran Data Cacah dan Penerapan pada Kasus Tuberkulosis di Jawa Tengah
Date
2020-10-01Author
Nisa, Choirun
Aidi, Muhammad Nur
Sumertajaya, I Made
Metadata
Show full item recordAbstract
Suatu data pengamatan perlu diperhatikan pola sebarannya sebelum melakukan analisis statistika supaya menghasilkan analisis yang valid. Salah satu metode untuk mengetahui pola sebaran data yakni melalui nilai VMR (Variance Mean Ratio). Simulasi data cacah sebaran binomial negatif dilakukan untuk mengetahui karakteristik dan pola sebaran data. Hasil kajian simulasi sebaran binomial negatif dari kombinasi parameter p dan n menunjukkan bahwa nilai VMR akan semakin kecil ketika nilai p besar dan sebaran binomial negatif ada kemungkinan terjadinya pergeseran pola sebaran poisson dan binomial ketika terjadi pergerakan nilai p. Perubahan rata-rata nilai VMR semakin stabil seiring dengan semakin besarnya ukuran contoh n. Perhitungan nilai VMR dapat dijadikan sebagai acuan untuk pendeteksian pola sebaran data cacah. Sebagian besar data yang ada di lapangan merupakan data cacah, seperti jumlah kasus Tuberkulosis (TB). TB merupakan penyakit menular yang disebabkan oleh kuman mycobacterium tuberculosis dan menjadi salah satu dari 10 penyebab kematian di dunia. Sumber penularan utama adalah pasien TB BTA positif melalui percik renik dahak yang dikeluarkannya. Indonesia merupakan negara ketiga dengan insiden kasus TB tertinggi di dunia. Jawa Tengah termasuk salah satu dari tiga provinsi dengan jumlah kasus TB tertinggi di Indonesia yakni sebesar 49.520 kasus baru BTA positif tahun 2018. Perhitungan nilai VMR dan pengujian kecocokan sebaran data menunjukkan hasil bahwa jumlah kasus TB tahun 2018 di Jawa Tengah mengikuti sebaran binomial negatif. Selanjutnya dilakukan pemodelan regresi binomial negatif untuk mengetahui faktor-faktor yang mempengaruhi kasus TB. Penularan penyakit TB cenderung mengelompok dan dipengaruhi oleh faktor geografis (lingkungan, sosial, ekonomi). Sehingga diperlukan pemodelan data cacah yang mengakomodasi adanya heterogenitas spasial yakni analisis Regresi Terboboti Geografis Binomial Negatif (RTGBN). dst...