Electronic Theses and Dissertation

Tuberkulosis (tb) masih menjadi masalah kesehatan global dengan 10,8 juta kasus pada tahun 2023. di indonesia, provinsi aceh termasuk wilayah dengan beban tb yang tinggi, mencapai 21.128 kasus. salah satu indikator keberhasilan pengobatan tb adalah treatment success rate (tsr), namun capaian tsr di provinsi aceh masih belum optimal. keberhasilan pengobatan tb dipengaruhi oleh berbagai faktor demografis dan klinis yang perlu diidentifikasi untuk mendukung upaya peningkatan tsr. penelitian ini bertujuan membangun model regresi logistik biner untuk mengidentifikasi faktor-faktor yang memengaruhi keberhasilan pengobatan tb di provinsi aceh. penelitian menggunakan data sekunder pasien tb provinsi aceh tahun 2023 dengan jumlah 11.759 observasi. variabel respon adalah hasil pengobatan (berhasil/gagal), sedangkan variabel prediktor meliputi jenis kelamin, usia, durasi pengobatan, riwayat pengobatan sebelumnya, lokasi anatomi tb, paduan oat, dan status hiv. pemilihan model dilakukan menggunakan metode backward stepwise selection berdasarkan akaike information criterion (aic). hasil penelitian menunjukkan bahwa model terbaik melibatkan seluruh variabel prediktor serta satu interaksi antara durasi pengobatan dan lokasi anatomi tb. terdapat delapan kategori variabel dummy dan satu interaksi yang berpengaruh signifikan terhadap keberhasilan pengobatan tb. lokasi anatomi tb paru memiliki kecenderungan meningkatkan peluang keberhasilan pengobatan, sedangkan usia ≥60 tahun, durasi pengobatan

Tuberculosis (TB) remains a global health problem with 10.8 million cases in 2023. In Indonesia, Aceh Province is among the areas with a high TB burden, with 21,128 cases. One indicator of successful TB treatment is the Treatment Success Rate (TSR), but TSR achievement in Aceh Province is still not optimal. The success of TB treatment is influenced by various demographic and clinical factors that need to be identified to support efforts to increase TSR. This study aims to build a binary logistic regression model to identify factors influencing the success of TB treatment in Aceh Province. The study used secondary data from 11,759 observations of TB patients in Aceh Province in 2023. The response variable was treatment outcome (success/failure), while predictor variables included gender, age, treatment duration, previous treatment history, anatomical location of TB, OAT combination, and HIV status. Model selection was carried out using the backward stepwise selection method based on the Akaike Information Criterion (AIC). The results showed that the best model involved all predictor variables and one interaction between treatment duration and anatomical location of TB. Eight dummy variable categories and one interaction significantly influence the success of TB treatment. The anatomical location of pulmonary TB increases the chance of treatment success, while age ≥60 years, treatment duration