Pemodelan Faktor-Faktor yang Memengaruhi Kasus Tuberculosis Provinsi Jawa Timur dengan Geographically Weighted Log-Normal Regression

Shahira, Azizah (2025) Pemodelan Faktor-Faktor yang Memengaruhi Kasus Tuberculosis Provinsi Jawa Timur dengan Geographically Weighted Log-Normal Regression. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003211159-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Penyakit Tuberculosis (TB) merupakan penyakit yang disebabkan oleh infeksi bakteri Mycrobacterium Tuberculosis. Provinsi Jawa Timur yang merupakan Provinsi kedua dengan kasus TB tertinggi di Indonesia pada tahun 2023, memiliki peningkatan signifikan terhadap kasus TB dari tiga tahun terakhir. Salah satu upaya untuk mengatasi permasalahan kasus TB di Provinsi Jawa Timur adalah dengan melakukan analisis faktor-faktor yang memengaruhi kasus TB. Metode yang digunakan dalam penelitian ini adalah Geographically Weighted Log-Normal Regression (GWLNR) karena memungkinkan analisis yang mempertimbangkan variasi spasial dengan variabel respon berdistribusi log-normal. Variabel yang digunakan dalam penelitian ini adalah persentase kasus baru pada Orang Dengan HIV (ODHIV), persentase rumah sehat, rasio rumah sakit umum, persentase pengeluaran makanan, dan Tempat Pengolahan Makanan (TPP) memenuhi standar kesehatan. Hasil penelitian menunjukkan bahwa persebaran spasial pada masing-masing variabel berdasarkan peta tematik menunjukkan pola yang menyebar dan wilayah yang berdekatan cenderung memiliki tingkat kondisi yang serupa, khususnya pada variabel persentase kasus TB, KK askes rumah sehat, rasio rumah sakit, dan TPP memenuhi syarat kesehatan. Pada variabel persentase kasus baru ODHIV dan persentase pengeluaran makanan menunjukkan pola yang cenderung mengelompok dan bagian wilayah tertentu memiliki kategori yang relatif sama. Hasil uji Breusch-Pagan menunjukkan adanya heterogenitas spasial dalam data, sehingga pendekatan GWLNR dipertimbangkan untuk menggambarkan ketidakhomogenan pengaruh antar wilayah. Model GWLNR dengan Adaptive Gaussian Kernel dan Adaptive Bisquare Kernel menunjukkan performa yang sebanding dalam memodelkan persentase kasus TB. Berdasarkan signifikansi variabel prediktor, kernel Adaptive Gaussian menghasilkan tiga kombinasi kelompok wilayah, sedangkan metode kernel Adaptive Bisquare membentuk dua kelompok. Kelompok 1 dan kelompok 2 pada kedua kernel memiliki kesamaan kombinasi signifikansi variabel, namun pembagian wilayah pada kedua metode kernel ini menghasilkan wilayah yang berbeda. Perbedaan ini menunjukkan apabila kedua kernel tersebut memiliki cara yang berbeda dalam menangkap pola spasial lokal sehingga menghasilkan variasi dalam intepretasi wilayah yang signifikan.
=====================================================================================================================================
Tuberculosis (TB) is a disease caused by infection with the Mycobacterium Tuberculosis bacterium. East Java Province, which ranked as the second-highest province in Indonesia for TB cases in 2023, has experienced a significant increase in TB cases over the past three years. One of the efforts to address the TB issue in East Java is to analyze the factors influencing TB incidence. This study employs the Geographically Weighted Log-Normal Regression (GWLNR) method, which allows for spatial variation analysis with a log-normal response variable. The variables used in this study include the percentage of new cases among People Living with HIV, the proportion of households with access to healthy housing, the ratio of general hospitals, the percentage of food expenditure, and the proportion of food processing facilities meeting health standards. The results reveal that the spatial distribution of each variable, as shown through thematic maps, tends to be dispersed, with adjacent areas generally exhibiting similar conditions, particularly for TB incidence rate, access to healthy housing, hospital ratio, and compliant food processing facilities. Meanwhile, the percentage of new HIV cases and food expenditure tends to show a clustered pattern, where certain regions share relatively similar characteristics. The Breusch-Pagan test indicates the presence of spatial heterogeneity in the data, justifying the use of GWLNR to capture non-homogeneous effects across regions. The GWLNR models using Adaptive Gaussian Kernel and Adaptive Bisquare Kernel both demonstrate comparable performance in modeling the percentage of TB cases. Based on the significance of predictor variables, the Adaptive Gaussian Kernel forms three regional groupings, while the Adaptive Bisquare Kernel forms two. Groups 1 and 2 in both kernels share similar combinations of significant variables; however, the spatial distribution of these groups differs between the two kernel methods. This discrepancy indicates that each kernel captures local spatial patterns differently, resulting in variation in the interpretation of significant regional effects.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Geographically Weighted Log-normal Regression (GWLNR), Log-normal, Tuberculosis, Geographically Weighted Log-normal Regression (GWLNR), Log-normal, Tuberculosis.
Subjects:	H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics H Social Sciences > HA Statistics > HA30.6 Spatial analysis H Social Sciences > HA Statistics > HA31.3 Regression. Correlation. Logistic regression analysis. H Social Sciences > HA Statistics > HA31.7 Estimation
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Azizah Azwa Shahira
Date Deposited:	31 Jul 2025 08:44
Last Modified:	31 Jul 2025 08:44
URI:	http://repository.its.ac.id/id/eprint/125025

Actions (login required)

View Item