Pemodelan Berbasis Wilayah dengan Generalized LASSO pada Peubah-Peubah yang Memengaruhi Angka Morbiditas di Pulau Jawa

Abstract

Angka morbiditas mencerminkan jumlah penduduk yang mengalami keluhan kesehatan dalam suatu periode serta menjadi indikator penting untuk mengukur derajat kesehatan masyarakat. Pulau Jawa sebagai pulau dengan tingkat kepadatan penduduk tertinggi di Indonesia memiliki angka morbiditas bervariasi antarwilayah. Penelitian ini bertujuan untuk melakukan seleksi peubah untuk mengidentifikasi peubah-peubah yang memengaruhi angka morbiditas dan mengidentifikasi pengaruh yang sama dari setiap peubah terhadap angka morbiditas pada provinsi di Pulau Jawa menggunakan metode Generalized LASSO. Peubah respon merupakan angka morbiditas, sedangkan peubah bebas terdiri dari sembilan peubah yang mencakup aspek sosial, ekonomi, dan lingkungan/budaya. Data berasal dari Badan Pusat Statistik (BPS) 2023 yang mencakup 119 kabupaten/kota di Pulau Jawa. Model dibangun dengan ? = 4,678 dan matriks penalti ?? berukuran 120 × 60. Hasilnya menunjukkan bahwa peubah yang berpengaruh terhadap angka morbiditas adalah rata-rata lama sekolah, persentase penduduk miskin, upah minimum kabupaten/kota, persentase rumah tangga dengan akses sumber air minum layak, persentase rumah tangga dengan layanan sanitasi layak, jumlah fasilitas kesehatan, dan persentase penduduk usia lima tahun keatas yang merokok tembakau sebulan terakhir. Banten dan DKI Jakarta memiliki pengaruh yang sama dari seluruh peubah dalam memengaruhi angka morbiditas. Tidak terdapat peubah yang memberikan pengaruh yang sama untuk keenam provinsi di Pulau Jawa.

Morbidity rates reflect the number of people experiencing health complaints within a given period and serve as an important indicator of public health status. Java, as the most densely populated island in Indonesia, exhibits varying morbidity rates across its regions. This study aims to perform variable selection to identify the factors influencing morbidity rates and determine which variables have consistent effects across regions using the Generalized LASSO method. The response variable is the morbidity rate, while the explanatory variables consist of nine indicators representing social, economic, and cultural/environmental aspects. The data were obtained from Badan Pusat Statistik (BPS) in 2023, covering 119 regencies/cities on the island of Java. The model was constructed with ? = 4,678 and a penalty matrix ?? of size 120 × 60. The results indicate that the variables influencing morbidity rates include average years of schooling, percentage of the population living in poverty, district/city minimum wage, percentage of households with access to safe drinking water, percentage of households with access to proper sanitation, number of health facilities, and percentage of the population who smoked tobacco in the past month. No variable was found to have a uniform effect across all provinces in Java. However, Banten and DKI Jakarta exhibited similar influences from all variables on morbidity rates. There is no variable that has the same effect across all six provinces in Java.