Aplikasi Regresi Spasial Binomial Negatif untuk Identifikasi Faktor yang Memengaruhi Banyaknya Kasus Tuberkulosis di Jawa Barat Tahun 2023

Abstract

Tuberkulosis adalah penyakit menular yang paling tinggi ditemukan di seluruh dunia dan di Indonesia. Sebagai negara yang menempati posisi kedua di dunia setelah India, diprediksi terdapat 1.060.000 kasus dan 134.000 kematian di Indonesia. Jawa Barat merupakan salah satu provinsi di Indonesia dengan jumlah kasus tuberkulosis tertinggi. Penelitian ini bertujuan mengidentifikasi faktor-faktor yang memengaruhi jumlah kasus tuberkulosis di Kabupaten/Kota di Provinsi Jawa Barat tahun 2023 yang merupakan data cacah dengan delapan peubah penjelas. Jumlah kasus tuberkulosis merupakan data cacah. Data cacah dapat dianalisis menggunakan regresi Poisson yang mengasumsikan terjadinya equidispersi. Namun, asumsi ini sering kali sulit untuk dipenuhi karena umumnya terjadi overdispersi pada data. Regresi binomial negatif dapat digunakan untuk mengatasi overdispersi. Kasus tuberkulosis di Jawa Barat terindikasi memiliki efek spasial sehingga perlu dilakukan pemodelan spasial. Pengujian efek spasial menunjukkan adanya dependensi spasial pada peubah penjelas dan peubah respon, tanpa adanya keragaman spasial yang terdeteksi. Model terbaik berdasarkan nilai Bayesian Information Criterion (BIC) terkecil adalah Spatial Autoregressive Binomial Negatif (SAR BN). Model akhir diseleksi berdasarkan korelasi yang tinggi antara masing-masing peubah penjelas dan peubah respon. Hasil analisis menunjukkan empat peubah penjelas yang berpengaruh signifikan terhadap jumlah kasus tuberkulosis di Jawa Barat. Kepadatan penduduk, persentase penduduk miskin, dan rasio fasilitas kesehatan per 1000 penduduk adalah peubah yang berpengaruh positif terhadap jumlah kasus tuberkulosis di Jawa Barat. Sebaliknya, indeks kualitas udara adalah peubah yang berpengaruh negatif terhadap jumlah kasus tuberkulosis di Jawa Barat.

Tuberculosis (TB) is a major public health concern in Indonesia, which has the second-highest TB burden globally, after India, with an estimated 1,060,000 cases and 134,000 deaths annually. West Java Province is among the regions with the highest TB incidence in the country. This study analyzes factors influencing TB case counts across regencies and cities in West Java in 2023. The number of tuberculosis cases is a count data. The count data can be analyzed using Poisson regression, which assumes equidispersion. However, this assumption is often challenging to meet owing to the common occurrence of overdispersion in data. Negative binomial regression can be used to resolve overdispersion. Tuberculosis cases in West Java are indicated to have spatial effects, necessitating the use of spatial modeling. The spatial effects test reveals spatial dependence on dependent variable and independent variables, with no heterogeneity detected. Based on the lowest Bayesian Information Criterion (BIC), the optimal model identified is the Spatial Autoregressive Negative Binomial (SAR NB). The final model is selected based on high correlation between each independent and dependent variable. This analysis reveals four variables that significantly affect the number of tuberculosis cases in West Java. The population density, the percentage of impoverished people, and the ratio of health centers to 1000 citizens are variables that positively influence the number of tuberculosis cases in West Java. In contrast, the air quality index negatively affects the number of tuberculosis cases in West Java.