| dc.description.abstract | Penyakit Tuberculosis (TB) disebabkan oleh bakteri Mycobacterium
tuberculosis. Penyakit TB menjadi penyebab kematian terbanyak kesembilan pada
tahun 2016 dengan jumlah kematian sebanyak 1.3 juta orang di seluruh dunia.
Terdapat sekitar 10.4 juta orang yang menderita penyakit TB di seluruh dunia dan
56% berada di 5 negara yaitu India, Indonesia, China, Philipina dan Pakistan.
Indonesia merupakan negara dengan jumlah penderita TB terbanyak kedua
di dunia pada tahun 2016. Jumlah penderita TB di Indonesia sebanyak 298 128
orang pada tahun 2016. Provinsi Jawa Barat merupakan provinsi dengan jumlah
penderita penyakit TB terbanyak di Indonesia dengan jumlah penderita sebanyak
52 328 orang dan rata-rata tingkat kesembuhan sebesar 76.24%.
Pemerintah Provinsi Jawa Barat menetapkan pengendalian penyakit
menular sebagai salah satu program prioritas bidang kesehatan pada Rencana
Pembangunan Jangka Menengah Daerah (RPJMD). Salah satu usaha yang dapat
dilakukan untuk mencegah penyebaran TB adalah dengan mengidentifikasi faktor
penyebab dan memetakan daerah dengan tingkat risiko tinggi. Pemetaan tingkat
risiko relatif penyebaran penyakit TB memerlukan pemodelan yang dapat
menghasilkan hasil yang baik, akurat dan dapat menangkap pola spasial pada data.
Permasalahan yang sering terjadi dalam analisis data spasial adalah
terjadinya autokorelasi spasial. Autokorelasi dapat disebabkan terdapat peubah
penjelas yang tidak dimasukkan ke model atau pengaruh spasial daerah sekitarnya.
Permasalahan ini dapat diatasi dengan beberapa model statistik, salah satunya
model Conditional Autoregressive (CAR). Pada model CAR, autokorelasi spasial
ditambahkan ke dalam komponen model linier sebagai komponen acak yang
berkorelasi spasial.
Penyebaran penyakit TB diasumsikan menyebar Poisson. Pemodelan CAR
umumnya menggunakan metode pendugaan Bayes. Metode yang dapat
menghasilkan pendugaan sebaran posterior yang efisien adalah Integrated Nested
Laplace Aproximation (INLA). Penelitian ini bertujuan untuk melakukan
pemodelan dengan model Bayes spasial Poisson untuk prediksi tingkat risiko
relatif penderita TB di Provinsi Jawa Barat tahun 2016.
Hasil penelitian menunjukkan bahwa autokorelasi ordo satu nyata dengan
koefisien sebesar 0.184. Disamping itu, model terbaik adalah model CAR BYM
dengan nilai DIC sebesar 233.34 dan nilai MAD sebesar 1.82. Peubah penjelas
yang nyata adalah peubah HIV. Peubah yang tidak nyata yaitu jumlah pengobatan
lengkap (JPL), jumlah rumah tangga berprilaku hidup bersih dan sehat (PHBS),
dan jumlah penduduk bukan perokok (PBP). Durasi komputasi model CAR
dengan metode INLA sangat cepat dengan durasi antara 6.48-13 detik. Pendugaan
tingkat risiko relatif penyakit TB dengan model BYM menghasilkan dugaan yang
akurat dan dapat dimanfaatkan oleh pihak terkait sebagai bahan pertimbangan
dalam menentukan kebijakan untuk penanggulangan TB di Provinsi Jawa Barat. | id |
