Electronic Theses and Dissertation

Tuberkulosis merupakan salah satu penyakit menular yang menjadi tantangan kesehatan global, memengaruhi jutaan orang di seluruh dunia. Indonesia menduduki peringkat ke-2 penderita tuberkulosis tertinggi di dunia. Penyebaran tuberkulosis yang terus mengalami peningkatan menuntut perhatian yang serius dan strategi penanganan yang lebih efektif. Oleh karena itu, penting untuk mengidentifikasi faktor-faktor yang memengaruhi tuberkulosis. Kondisi geografis dan demografis Indonesia yang beragam menuntut strategi penanganan yang harus disesuaikan untuk setiap provinsi, hal ini mendorong perlunya pengelompokan provinsi berdasarkan faktor-faktor yang memengaruhi TB. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap penyebaran tuberkulosis, serta mengelompokkan provinsi berdasarkan faktor-faktor yang memengaruhi tuberkulosis. Untuk mencapai tujuan tersebut, penelitian ini menggunakan 2 metode, yaitu analisis regresi data panel dan Fuzzy Possibilistic C-Means Clustering (FPCM). Terdapat 8 variabel independen yang digunakan pada 34 provinsi di Indonesia selama 3 tahun, yaitu tahun 2020-2022. Hasil analisis regresi data panel menunjukkan bahwa Fixed Effect Model adalah model terbaik, dengan 5 variabel yang memengaruhi tuberkulosis secara signifikan, yaitu jumlah layanan kesehatan, jumlah kasus HIV, persentase penduduk merokok pada usia \geq 15 tahun, jumlah Tempat Pengelolaan Pangan (TPP), serta jumlah Tempat dan Fasilitas Umum (TFU), dengan koefisien determinasi mencapai 88,2%. Menggunakan metode FPCM, provinsi-provinsi di Indonesia dapat dikelompokkan menjadi 3 cluster berdasarkan faktor-faktor yang memengaruhi tuberkulosis. Cluster 3 menunjukkan karakteristik faktor-faktor yang memengaruhi tuberkulosis tertinggi, kemudian diikuti oleh Cluster 1 dan Cluster 2, sehingga provinsi-provinsi yang termasuk ke dalam Cluster 3 memerlukan prioritas penanganan tuberkulosis yang lebih utama.

Kata kunci: tuberkulosis, regresi data panel, fixed effect model, clustering, fuzzy possibilistic c-means

Tuberculosis is an infectious disease that is a global health challenge, affecting millions of people worldwide. Indonesia has the second highest number of tuberculosis patients in the world. The increasing spread of tuberculosis demands serious attention and more effective treatment strategies. Therefore, it is important to identify factors that influence tuberculosis. Indonesia's diverse geographical and demographic conditions demand a treatment strategy that must be tailored to each province, prompting the need to group provinces based on factors that influence TB. This study aims to identify factors that influence the spread of tuberculosis, as well as to cluster provinces based on factors that influence tuberculosis. To achieve these objectives, this study uses 2 methods, namely panel data regression analysis and Fuzzy Possibilistic C-Means Clustering (FPCM). There are 8 independent variables used in 34 provinces in Indonesia for 3 years, namely 2020-2022. The results of the panel data regression analysis showed that the Fixed Effect Model was the best model, with 5 variables significantly affecting tuberculosis, namely the number of health services, the number of HIV cases, the percentage of smoking population at the age of 15 years, the number of Food Management Sites (TPP), and the number of Public Places and Facilities (TFU), with the coefficient of determination reaching 88.2%. Using the FPCM method, provinces in Indonesia can be grouped into 3 clusters based on factors affecting tuberculosis. Cluster 3 shows the highest characteristics of factors affecting tuberculosis, followed by Cluster 1 and Cluster 2, so provinces included in Cluster 3 need more priority in handling tuberculosis. Keyword: tuberculosis, panel data regression, fixed effect model, clustering, fuzzy possibilistic c-means