Pemodelan Regresi Binomial Negatif untuk Mengevaluasi Faktor-faktor yang Mempengaruhi Kasus Tuberkulosis di Provinsi Jawa Barat
Abstract
Tuberculosis (TB) merupakan penyakit menular yang disebabkan oleh sejenis bakteri Mycobacterium tuberculosis yang bisa menginfeksi paru-paru atau bagian tubuh lainnya. Jumlah kasus tuberculosis adalah count data yang dapat dimodelkan dengan regresi Poisson. Model regresi Poisson saat diaplikasikan pada kasus nyata sering ditemukan pelanggaran asumsi overdispersi. Alternatif model yang dapat dilakukan untuk mengatasi pelanggaran asumsi overdispersi adalah Model Regresi Binomial Negatif. Berdasarkan hasil analisis, ditemukan bahwa model regresi Poisson terjadi overdispersi dan model regresi Binomial Negatif adalah model terbaik berdasarkan nilai AIC dan BIC terkecil yaitu sebesar 487.64 pada AIC dan 495.4153 pada BIC. Faktor yang berpengaruh signifikan terhadap jumlah kasus tuberkulosis di Provinsi Jawa Barat adalah jumlah tenaga keperawatan.
References
[1] Kemenkes. (2022). Tahun ini, kemenkes Rencanakan Skrining TBC Besar-besaran. https://www.kemkes.go.id/article/view/22032300001/tahun-ini-kemenkes-rencanakan-skrining-tbc-besar-besaran.html
[2] Dewi Kristini, T., & Hamidah, R. (2020). Potensi Penularan Tuberculosis Paru pada Anggota Keluarga Penderita. Jurnal Kesehatan Masyarakat Indonesia, 15(1), 24–28. https://doi.org/http://dx.doi.org/10.26714/jkmi.15.1.2020.24-28
[3] Ahdiat, A. (2022). Jumlah Kasus TB di 34 Provinsi Indonesia (2021). https://databoks.katadata.co.id/datapublish/2022/08/23/ini-provinsi-dengan-kasus-tbc-terbanyak-pada-2021
[4] Janan, M. (2019). Faktor-Faktor Risiko yang Berhubungan Dengan Peningkatan Prevalensi Kejadian TB MDR di Kabupaten Brebes Tahun 2011-2017. Jurnal Kebijakan Kesehatan Indonesia, 08, 64–70.
[5] Fitriani, E. (2013). Faktor Risiko yang Berhubungan Dengan Kejadian Tuberkulosis Paru. Unnes Journal of Public Health, 2. http://journal.unnes.ac.id/sju/index.php/ujph
[6] Budi, I. S., Ardillah, Y., Sari, I. P., & Septiawati, D. (2018). Analisis Faktor Risiko Kejadian penyakit Tuberculosis Bagi Masyarakat Daerah Kumuh Kota Palembang. JURNAL KESEHATAN LINGKUNGAN INDONESIA, 17(2), 87. https://doi.org/10.14710/jkli.17.2.87-94
[7] Hayat, M. J., & Higgins, M. (2014). Understanding Poisson Regression. Journal of Nursing Education, 53(4), 207–215. https://doi.org/https://doi.org/10.3928/01484834-20140325-04
[8] Damayanti CR, M., & Yanti, T. S. (2022). Regresi Poisson Invers Gaussian (PIG) untuk Pemodelan Jumlah Kasus Pneumonia pada Balita di Provinsi Jawa Tengah Tahun 2019. Jurnal Riset Statistika, 1(2), 143–151. https://doi.org/10.29313/jrs.v1i2.523
[9] Rahayu, A. (2021). Model-Model Regresi untuk Mengatasi Masalah Overdipersi pada Regresi Poisson. Journal Peqguruang: Conference Series, 2(1), 1. https://doi.org/10.35329/jp.v2i1.1866
[10] Fitrial, N. H., & Fatikhurrizqi, A. (2020). Pemodelan Jumlah Kasus COVID-19 di Indonesia dengan Pendekatan Regresi Poisson dan Regresi Binomial Negatif. Seminar Nasional Official Statistics.
[11] Winata, H. M. (2023). Mengatasi Overdispersi Dengan Regresi Binomial Negatif Pada Angka Kematian Ibu di Kota Bandung. Jurnal Gaussian, 11(4), 616–622. https://doi.org/http://dx.doi.org/10.14710/j.gauss.11.4.616-622
[12] Haris, M. Al, & Arum, P. R. (2022). Negative Binomial Regression and Generalized Poisson Regression Models on The Number of Traffic Accidents in Central Java. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 16(2), 471–482. https://doi.org/10.30598/barekengvol16iss2pp471-482
[13] Sauddin, A., Auliah, N. I., & Alwi, W. (2020). Pemodelan Jumlah Kematian Ibu di Provinsi Sulawesi Selatan Menggunakan Regresi Binomial Negatif. Jurnal Matematika Dan Statistika Serta Aplikasinya, 8(2), 42. https://doi.org/http://dx.doi.org/10.24252/msa.v8i2.17409
[14] Suryadi, F., Jonathan, S., Jonatan, K., & Ohyver, M. (2023). Handling Overdispersion in Poisson Regression Using Negative Binomial Regression for Poverty Case in West Java. Procedia Computer Science, 216, 517–523. https://doi.org/https://doi.org/10.1016/j.procs.2022.12.164
[15] Made, N., Keswari, R., Sumarjaya, W., Luh, N., & Suciptawati, P. (2014). Perbandingan Regresi Binomial Negatif dan Regresi Generalisasi Poisson dalam Mengatasi Overdispersi (Studi Kasus: Jumlah Tenaga Kerja Usaha Pencetak Genteng di Br. Dukuh, Desa Pejaten). E-Jurnal Matematika, 3(3), 107–115.
[16] Kementerian Kesehatan. (2016). Peraturan Menteri Kesehatan tentang Penanggulangan Tuberkulosis. https://peraturan.bpk.go.id/Home/Details/114486/permenkes-no-67-tahun-2016
[17] WHO. (2023). Tuberculosis. https://www.who.int/news-room/fact-sheets/detail/tuberculosis
[18] Nurrusydah, Z., & Dewi, N. P. A. M. (2020). Penerapan Flexible Space Time Scan Statistics untuk Mengidentifikasi Hotspot Tuberkulosis. Jurnal Matematika Dan Statistika Serta Aplikasinya, 8(2), 111. https://doi.org/http://dx.doi.org/10.24252/msa.v8i2.16065
[19] Ridwan, M. R., & Hadi, A. (2019). Penggunaan dan Pengembangan Model Epidemi Sir pada Penyebaran Penyakit Tuberkulosis di Sulawesi Selatan. Jurnal Matematika Dan Statistika Serta Aplikasinya, 7(2).
[20] Pratama, W., & Wulandari, S. P. (2015). Pemetaan dan Pemodelan Jumlah Kasus Penyakit Tuberculosis (TBC) di Provinsi Jawa Barat dengan Pendekatan Geographically Weighted Negative Binomial Regression. Jurnal Sains Dan Seni ITS, 4(1), 37–42. https://doi.org/https://dx.doi.org/10.12962/j23373520.v4i1.8844
[21] Majore, M. M., Deiby, T. S., & Prang, J. D. (2020). Penerapan Regresi Binomial Negatif Dalam Mengatasi Overdispersi Regresi Poisson Pada Kasus Jumlah Kematian Ibu. Jurnal Matematika Dan Aplikasi, 9(2), 133–139. https://ejournal.unsrat.ac.id/index.php/decartesian
[22] Leiva, V., Marchant, C., Allende Cid, H., Alvares, D., Aykkroyd, R. G., Balakrishnan, N., Barros, M., Bourguignon, M., Castro, L. M., Fierro, R., Figueroa-Zúñiga, J., Galea, M., Genest, C., Genton, M. G., Gutiérrez-Peña, E., Lalla, E., Mendoza, M., Andrés Bello, U., Ana Nieto, C. B., … Dolores Ugarte, M. (2021). On a Weighted Poisson Distribution and its Associated Regression Model. Chilean Journal of Statistics, 12(2), 229–252. http://www.soche.cl/chjs
[23] Zuhrat, L., Devianto, D., & Rahmi, I. (2015). Pemodelan Jumlah Kasus DBD Yang Meninggal Di Kota Padang Dengan Menggunakan Regresi Poisson. Jurnal Matematika Unand, 4(4), 57–64. https://doi.org/http://dx.doi.org/10.25077/jmu.4.4.57-64.2015
[24] Ramadhani, N., Yanuar, F., & Yozza, H. (2018). Penerapan Regresi Poisson Generalized Poisson Regresi Dalam Memodelkan Kasus Angka Kematian Ibu Di Sumatera Barat Tahun 2015. Jurnal Matematika Unand, 7(2), 112–117. https://doi.org/http://dx.doi.org/10.25077/jmu.7.2.112-117.2018
[2] Dewi Kristini, T., & Hamidah, R. (2020). Potensi Penularan Tuberculosis Paru pada Anggota Keluarga Penderita. Jurnal Kesehatan Masyarakat Indonesia, 15(1), 24–28. https://doi.org/http://dx.doi.org/10.26714/jkmi.15.1.2020.24-28
[3] Ahdiat, A. (2022). Jumlah Kasus TB di 34 Provinsi Indonesia (2021). https://databoks.katadata.co.id/datapublish/2022/08/23/ini-provinsi-dengan-kasus-tbc-terbanyak-pada-2021
[4] Janan, M. (2019). Faktor-Faktor Risiko yang Berhubungan Dengan Peningkatan Prevalensi Kejadian TB MDR di Kabupaten Brebes Tahun 2011-2017. Jurnal Kebijakan Kesehatan Indonesia, 08, 64–70.
[5] Fitriani, E. (2013). Faktor Risiko yang Berhubungan Dengan Kejadian Tuberkulosis Paru. Unnes Journal of Public Health, 2. http://journal.unnes.ac.id/sju/index.php/ujph
[6] Budi, I. S., Ardillah, Y., Sari, I. P., & Septiawati, D. (2018). Analisis Faktor Risiko Kejadian penyakit Tuberculosis Bagi Masyarakat Daerah Kumuh Kota Palembang. JURNAL KESEHATAN LINGKUNGAN INDONESIA, 17(2), 87. https://doi.org/10.14710/jkli.17.2.87-94
[7] Hayat, M. J., & Higgins, M. (2014). Understanding Poisson Regression. Journal of Nursing Education, 53(4), 207–215. https://doi.org/https://doi.org/10.3928/01484834-20140325-04
[8] Damayanti CR, M., & Yanti, T. S. (2022). Regresi Poisson Invers Gaussian (PIG) untuk Pemodelan Jumlah Kasus Pneumonia pada Balita di Provinsi Jawa Tengah Tahun 2019. Jurnal Riset Statistika, 1(2), 143–151. https://doi.org/10.29313/jrs.v1i2.523
[9] Rahayu, A. (2021). Model-Model Regresi untuk Mengatasi Masalah Overdipersi pada Regresi Poisson. Journal Peqguruang: Conference Series, 2(1), 1. https://doi.org/10.35329/jp.v2i1.1866
[10] Fitrial, N. H., & Fatikhurrizqi, A. (2020). Pemodelan Jumlah Kasus COVID-19 di Indonesia dengan Pendekatan Regresi Poisson dan Regresi Binomial Negatif. Seminar Nasional Official Statistics.
[11] Winata, H. M. (2023). Mengatasi Overdispersi Dengan Regresi Binomial Negatif Pada Angka Kematian Ibu di Kota Bandung. Jurnal Gaussian, 11(4), 616–622. https://doi.org/http://dx.doi.org/10.14710/j.gauss.11.4.616-622
[12] Haris, M. Al, & Arum, P. R. (2022). Negative Binomial Regression and Generalized Poisson Regression Models on The Number of Traffic Accidents in Central Java. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 16(2), 471–482. https://doi.org/10.30598/barekengvol16iss2pp471-482
[13] Sauddin, A., Auliah, N. I., & Alwi, W. (2020). Pemodelan Jumlah Kematian Ibu di Provinsi Sulawesi Selatan Menggunakan Regresi Binomial Negatif. Jurnal Matematika Dan Statistika Serta Aplikasinya, 8(2), 42. https://doi.org/http://dx.doi.org/10.24252/msa.v8i2.17409
[14] Suryadi, F., Jonathan, S., Jonatan, K., & Ohyver, M. (2023). Handling Overdispersion in Poisson Regression Using Negative Binomial Regression for Poverty Case in West Java. Procedia Computer Science, 216, 517–523. https://doi.org/https://doi.org/10.1016/j.procs.2022.12.164
[15] Made, N., Keswari, R., Sumarjaya, W., Luh, N., & Suciptawati, P. (2014). Perbandingan Regresi Binomial Negatif dan Regresi Generalisasi Poisson dalam Mengatasi Overdispersi (Studi Kasus: Jumlah Tenaga Kerja Usaha Pencetak Genteng di Br. Dukuh, Desa Pejaten). E-Jurnal Matematika, 3(3), 107–115.
[16] Kementerian Kesehatan. (2016). Peraturan Menteri Kesehatan tentang Penanggulangan Tuberkulosis. https://peraturan.bpk.go.id/Home/Details/114486/permenkes-no-67-tahun-2016
[17] WHO. (2023). Tuberculosis. https://www.who.int/news-room/fact-sheets/detail/tuberculosis
[18] Nurrusydah, Z., & Dewi, N. P. A. M. (2020). Penerapan Flexible Space Time Scan Statistics untuk Mengidentifikasi Hotspot Tuberkulosis. Jurnal Matematika Dan Statistika Serta Aplikasinya, 8(2), 111. https://doi.org/http://dx.doi.org/10.24252/msa.v8i2.16065
[19] Ridwan, M. R., & Hadi, A. (2019). Penggunaan dan Pengembangan Model Epidemi Sir pada Penyebaran Penyakit Tuberkulosis di Sulawesi Selatan. Jurnal Matematika Dan Statistika Serta Aplikasinya, 7(2).
[20] Pratama, W., & Wulandari, S. P. (2015). Pemetaan dan Pemodelan Jumlah Kasus Penyakit Tuberculosis (TBC) di Provinsi Jawa Barat dengan Pendekatan Geographically Weighted Negative Binomial Regression. Jurnal Sains Dan Seni ITS, 4(1), 37–42. https://doi.org/https://dx.doi.org/10.12962/j23373520.v4i1.8844
[21] Majore, M. M., Deiby, T. S., & Prang, J. D. (2020). Penerapan Regresi Binomial Negatif Dalam Mengatasi Overdispersi Regresi Poisson Pada Kasus Jumlah Kematian Ibu. Jurnal Matematika Dan Aplikasi, 9(2), 133–139. https://ejournal.unsrat.ac.id/index.php/decartesian
[22] Leiva, V., Marchant, C., Allende Cid, H., Alvares, D., Aykkroyd, R. G., Balakrishnan, N., Barros, M., Bourguignon, M., Castro, L. M., Fierro, R., Figueroa-Zúñiga, J., Galea, M., Genest, C., Genton, M. G., Gutiérrez-Peña, E., Lalla, E., Mendoza, M., Andrés Bello, U., Ana Nieto, C. B., … Dolores Ugarte, M. (2021). On a Weighted Poisson Distribution and its Associated Regression Model. Chilean Journal of Statistics, 12(2), 229–252. http://www.soche.cl/chjs
[23] Zuhrat, L., Devianto, D., & Rahmi, I. (2015). Pemodelan Jumlah Kasus DBD Yang Meninggal Di Kota Padang Dengan Menggunakan Regresi Poisson. Jurnal Matematika Unand, 4(4), 57–64. https://doi.org/http://dx.doi.org/10.25077/jmu.4.4.57-64.2015
[24] Ramadhani, N., Yanuar, F., & Yozza, H. (2018). Penerapan Regresi Poisson Generalized Poisson Regresi Dalam Memodelkan Kasus Angka Kematian Ibu Di Sumatera Barat Tahun 2015. Jurnal Matematika Unand, 7(2), 112–117. https://doi.org/http://dx.doi.org/10.25077/jmu.7.2.112-117.2018
Published
2024-06-10
How to Cite
[1]
Amalia Jihan Syafiqoh, Ryan Mahardika, Shinta Amaria, Eny Winaryati, and M. Al Haris, “Pemodelan Regresi Binomial Negatif untuk Mengevaluasi Faktor-faktor yang Mempengaruhi Kasus Tuberkulosis di Provinsi Jawa Barat ”, MSA, vol. 12, no. 1, pp. 15-23, Jun. 2024.
Section
Artikel
Copyright (c) 2024 Jurnal MSA ( Matematika dan Statistika serta Aplikasinya)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
