Model Bayes Spasial Poisson untuk Prediksi Tingkat Risiko Relatif Penderita Tuberculosis di Provinsi Jawa Barat Tahun 2016

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.