Pemodelan Regresi Spasial Data Panel untuk Mengidentifikasi Faktor-Faktor yang Memengaruhi Tuberkulosis di Indonesia

Abstract

Tuberkulosis (TBC) masih menjadi permasalahan kesehatan utama di Indonesia yang menempati peringkat kedua beban TBC tertinggi di dunia. Distribusi kasus TBC yang tidak merata antarprovinsi mengindikasikan adanya ketergantungan spasial yang perlu dimodelkan secara eksplisit. Tujuan penelitian ini adalah untuk menentukan spesifikasi model regresi spasial data panel yang sesuai di antara SAR, SEM, dan SDM, mengidentifikasi faktor-faktor yang signifikan memengaruhi TBC, serta mengukur pengaruh langsung dan tidak langsung setiap faktor terhadap kejadian TBC di 34 provinsi Indonesia periode 2019–2024. Hasil penelitian menunjukkan bahwa model terpilih adalah spatial autoregressive fixed effect (SAR-FE) dengan matriks pembobot k-NN k=3, yang menghasilkan nilai adjusted R² sebesar 0,9355. Parameter autoregresif spasial ? = 0,6836 yang signifikan mengonfirmasi adanya efek spillover dalam penyebaran TBC antarprovinsi. Kasus HIV, rata-rata lama sekolah, dan kepadatan penduduk berpengaruh positif dan signifikan, sedangkan jumlah tenaga medis puskesmas dan kepesertaan BPJS berpengaruh negatif dan signifikan terhadap jumlah kasus TBC. Akses sanitasi layak tidak berpengaruh nyata, konsisten dengan mekanisme penularan TBC melalui udara. Kepadatan penduduk merupakan faktor dominan dengan pengaruh total terbesar, dan seluruh peubah signifikan menghasilkan pengaruh tidak langsung yang melebihi pengaruh langsungnya.

Tuberculosis (TBC) remains a major public health burden in Indonesia, which ranks second globally in TBC incidence. The uneven distribution of TBC cases across provinces suggests spatial dependence that requires explicit modeling. This study aims to determine the appropriate specification of spatial panel data regression model among SAR, SEM, and SDM, identify significant factors influencing TBC incidence, and measure the direct and indirect effects of each factor across 34 Indonesian provinces during 2019–2024. The results show that the selected model is the spatial autoregressive fixed effect (SAR-FE) with k-Nearest Neighbor (k=3) spatial weights, achieving an adjusted R² of 0.9355. The significant spatial autoregressive parameter ? = 0.6836 confirms spillover effects in TBC transmission across provinces. HIV cases, mean years of schooling, and population density had significant positive effects, while primary healthcare workers and health insurance coverage had significant negative effects on TBC incidence. Household sanitation access had no significant effect, consistent with the airborne transmission of Mycobacterium tuberculosis. Population density was the dominant factor with the largest total effect, and all significant variables produced indirect effects exceeding their direct effects.