Pemodelan Jumlah Kasus Tuberculosis Di Provinsi Jawa Barat Menggunakan Pendekatan Binomial Negatif
Isi Artikel Utama
Abstrak
Tujuan: Penelitian ini bertujuan untuk memodelkan jumlah kasus Tuberculosis di Provinsi Jawa Barat pada tahun 2021 dengan menggunakan pendekatan Regresi Binomial Negatif.
Metode: Penelitian ini menggunakan metode penelitian kuantitatif dengan data sekunder yang diperoleh dari website Badan Pusat Statistik dan Dinas Kesehatan Provinsi Jawa Barat. Subjek dalam penelitian ini yaitu 27 kabupaten/kota di Provinsi Jawa Barat, sedangkan objek penelitian yaitu jumlah kejadian Tuberculosis di Provinsi Jawa Barat tahun 2021. Faktor yang diduga berpengaruh terhadap jumlah kasus Tuberculosis dalam kasus ini yaitu persentase penduduk miskin, kepadatan penduduk, persentase rumah tangga yang mempunyai akses sanitasi layak, dan persentase penduduk yang mempunyai keluhan kesehatan selama sebulan terakhir. Metode analisis data yang digunakan yaitu Regresi Binomial Negatif.
Hasil: Hasil penelitian menunjukkan bahwa ketika data dianalisis dengan Regresi Poisson terjadi overdispersi, sehingga diselesaikan dengan pendekatan Regresi Binomial Negatif. Kemudian, dilakukan uji overall terhadap model Regresi Binomial Negatif tersebut dan diperoleh hasil bahwa model dapat digunakan. Kemudian dilanjutkan uji parsial yang memberikan hasil bahwa hanya variabel persentase penduduk miskin dan persentase penduduk yang mempunyai keluhan kesehatan yang berpengaruh signifikan terhadap model dengan koefisien regresi masing-masing sebesar 0,8755 dan 1,0318. Model terbaik untuk penelitian ini yaitu model akhir Regresi Binomial Negatif dilihat dari nilai Akaike Information Criterion terkecil yaitu sebesar 491,9.
Kesimpulan: Model yang paling sesuai untuk memodelkan jumlah kasus Tuberculosis di Provinsi Jawa Barat tahun 2021 yaitu model Regresi Binomial Negatif dengan variabel independen yang berpengaruh secara signifikan terhadap model yaitu persentase penduduk miskin dan persentase penduduk yang mempunyai keluhan beberapa waktu terakhir.
Rincian Artikel
Referensi
World Health Organization. Tuberculosis [Internet]. 2021. Available from: https://www.who.int/health-topics/tuberculosis#tab=tab_1
Kementerian Kesehatan Republik Indonesia. Pusat Data dan Informasi . Retrieved from Pusat Data dan Informasi Kementerian Kesehatan Republik Indonesia [Internet]. 2022. Available from: https://pusdatin.kemkes.go.id/folder/view/01/structure-publikasi-pusdatin-profil-kesehatan.html
Kementerian Kesehatan Republik Indonesia. Stop Tuberculosis. Retrieved from Kementerian Kesehatann Jenderal Pelayanan Kesehatan [Internet]. 2022. Available from: ttps://yankes.kemkes.go.id/view_artikel/1767/stop-tuberkulosis
Walpole R, Myers R. Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan. Bandung: ITB; 1995.
Cameron A.C, Trivedi P.K. Regression Analysis of Count Data. Cambridge: Cambridge University Press; 1998.
Wang W, Famoye F. Modeling household fertility decisions with generalized Poisson regression. J Popul Econ. 1997;10(3):273–83.
Shmueli G, Minka TP, Kadane JB, Borle S, Boatwright P. A useful distribution for fitting discrete data: Revival of the Conway-Maxwell-Poisson distribution. J R Stat Soc Ser C Appl Stat. 2005;54(1):127–42.
Diendéré E, Tiéno H, Bognounou R, Ouédraogo D, Simporé J, Ouédraogo-Traoré RDJ. Prevalence and risk factors associated with infection by human immunodeficiency virus, hepatitis B virus, syphilis and bacillary pulmonary tuberculosis in prisons in Burkina Faso. Med Trop. 2011;
Du Preez K, Mandalakas AM, Kirchner HL, Grewal HMS, Schaaf HS, Van Wyk SS, et al. Environmental tobacco smoke exposure increases Mycobacterium tuberculosis infection risk in children. Int J Tuberc Lung Dis. 2011;15(11):1490–6.
Aravindan P. Host genetics and tuberculosis: Theory of genetic polymorphism and tuberculosis. Lung India. 2019;36(3):41–6.
Byrd RP, Mehta JB, Roy TM. Malnutrition and pulmonary tuberculosis. Clin Infect Dis. 2002;35(5):634–6.
Singh SK, Kashyap GC, Puri P. Potential effect of household environment on prevalence of tuberculosis in India: Evidence from the recent round of a cross-sectional survey. BMC Pulm Med. 2018;18(1).
Siroka A, Law I, Macinko J, Floyd K, Banda RP, Hoa NB, et al. The effect of household poverty on tuberculosis. Int J Tuberc Lung Dis. 2016;20(12):1603–8.
Mohidem NA, Hashim Z, Osman M, Muharam FM, Elias SM, Shaharudin R. Environment as the risk factor for tuberculosis in Malaysia: A systematic review of the literature. Rev Environ Health. 2021;36(4):493–9.
Caraka, R.E., Yasin, H. Geographically Weighted Regression (GWR) Sebuah Pendekatan Regresi Geografis. Yogyakarta: Mobius; 2017.
Gujarati, D.N. Basic Econometrics, Fourth Edition. New York: The McGraw-Hill Companies; 2004.