Pemodelan Regresi Spasial Pada Faktor-Faktor Yang Mempengaruhi Penyakit Tuberkulosis di Provinsi Jawa Barat

Juanita, Felicia (2026) Pemodelan Regresi Spasial Pada Faktor-Faktor Yang Mempengaruhi Penyakit Tuberkulosis di Provinsi Jawa Barat. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006221018-Undergraduate_Theses.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Tuberkulosis masih menjadi masalah kesehatan global dengan beban kasus tinggi, termasuk di Indonesia yang menempati urutan kedua setelah India. Provinsi Jawa Barat merupakan salah satu wilayah dengan jumlah kasus tuberkulosis tertinggi, sehingga penting dilakukan kajian untuk memahami distribusi spasial dan faktor-faktor yang memengaruhi penyebaran penyakit ini. Penelitian ini bertujuan menganalisis pengaruh faktor sosial, ekonomi, dan kesehatan terhadap persebaran tuberkulosis di Jawa Barat menggunakan pendekatan regresi spasial. Data yang digunakan merupakan data sekunder tingkat kabupaten atau kota, mencakup jumlah kasus tuberkulosis serta variabel prediktor seperti kepadatan penduduk, tingkat kemiskinan, ketersediaan fasilitas kesehatan, dan faktor lingkungan. Analisis diawali dengan pemodelan awal menggunakan Ordinary Least Squares (OLS), kemudian dilakukan uji autokorelasi spasial dengan Moran’s I serta uji efek spasial menggunakan Lagrange Multiplier (LM). Berdasarkan hasil uji tersebut, model spasial yang sesuai akan dipilih, yaitu Spatial Lag Model (SLM) apabila hasil uji LM-Lag signifikan atau Spatial Error Model (SEM) apabila hasil uji LM-Error signifikan. Evaluasi kebaikan model dilakukan menggunakan indikator seperti Akaike Information Criterion (AIC), log-likelihood, dan koefisien determinasi (R² spasial). Hasil penelitian menunjukkan adanya autokorelasi spasial positif yang signifikan dengan hasil Moran’s I adalah 0,3553 dengan p-value sebesar 0,0018, yang berarti kasus tuberkulosis di suatu kabupaten atau kota dipengaruhi oleh wilayah tetangga. Berdasarkan pemilihan model terbaik, didapatkan model terbaik adalah SLM yang berarti jumlah kasus tuberkulosis pada suatu wilayah memiliki keterkaitan statistik dengan jumlah kasus pada wilayah yang menjadi tetangganya. Faktor signifikan yang memengaruhi persebaran tuberkulosis meliputi akses sanitasi layak dan jumlah Puskesmas. Hasil pemodelan ini menyediakan dasar bagi strategi pengendalian tuberkulosis berbasis bukti, termasuk prioritas intervensi lintas wilayah, peningkatan akses sanitasi, dan penguatan kapasitas deteksi kasus. Pemetaan risiko tuberkulosis yang dihasilkan dapat membantu pembuat kebijakan menargetkan intervensi dengan lebih efektif.
=====================================================================================================================================
Tuberculosis remains a global health problem with a high burden, including in Indonesia, which ranks second after India. West Java Province is one of the regions with the highest number of tuberculosis cases, making it crucial to study the spatial distribution and factors influencing the spread of this disease. This study aims to analyze the influence of social, economic, and health factors on the distribution of tuberculosis in West Java using a spatial regression approach. The data used are secondary data at the district or city level, including tuberculosis cases and predictor variables such as population density, poverty rate, availability of health facilities, and environmental factors. The analysis began with an initial Ordinary Least Squares (OLS) model, followed by testing for spatial autocorrelation using Moran’s I and spatial effects using the Lagrange Multiplier (LM) test. Based on these tests, an appropriate spatial model was selected, i.e., the Spatial Lag Model (SLM) if the LM-Lag test was significant or the Spatial Error Model (SEM) if the LM-Error test was significant. Model performance was evaluated using indicators such as the Akaike Information Criterion (AIC), log-likelihood, and spatial R². The results indicate a significant positive spatial autocorrelation, with Moran’s I of 0.3553 and a p-value of 0.0018, suggesting that tuberculosis cases in a district or city are influenced by neighboring areas. Based on the model selection results, the best-fitting model is the Spatial Lag Model (SLM), which indicates that the number of tuberculosis cases in a given area is statistically related to the number of cases in its neighboring areas. Significant factors affecting tuberculosis distribution include population density, access to adequate sanitation, and the number of primary health centers (Puskesmas). The modeling results provide a basis for evidence-based tuberculosis control strategies, including prioritizing cross-regional interventions, improving sanitation access, and strengthening case detection capacity. The resulting tuberculosis risk mapping can assist policymakers in targeting interventions more effectively.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Regresi Spasial, Morans’I, Spatial Error Model, Spatial Lag Model, Tuberkulosis Morans’ I, Spatial Regression Analysis, Spatial Error Model, Spatial Lag Model, Tuberculosis
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA278.3 Structural equation modeling.
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Felicia Juanita
Date Deposited:	14 Jan 2026 00:46
Last Modified:	14 Jan 2026 00:46
URI:	http://repository.its.ac.id/id/eprint/129571

Actions (login required)

View Item