Electronic Theses and Dissertation

Tuberkulosis (TB) masih menjadi tantangan kesehatan masyarakat global, khususnya di Provinsi Aceh yang menunjukkan variasi signifikan terkait kasus TB antar kabupaten/kota. Identifikasi risiko relatif (RR) berbasis spasial menjadi kunci dalam memahami distribusi penyakit dan menentukan intervensi kesehatan yang tepat. Penelitian ini bertujuan untuk membandingkan performa model Besag-York-Mollie (BYM) dan model Leroux dalam mengestimasi RR kasus TB di Provinsi Aceh dari tahun 2020-2023. Penelitian ini menggunakan desain observasional dengan data sekunder dari laporan Dinas Kesehatan Aceh. Analisis melibatkan 23 kabupaten/kota dengan metode spasial berbasis Bayesian menggunakan model BYM dan model Leroux. Estimasi RR dilakukan dengan simulasi Markov Chain Monte Carlo (MCMC) menggunakan perangkat lunak OpenBUGS dan R. Evaluasi model dilakukan berdasarkan kriteria Mean Deviance (D ̅) dan Deviance Information Criterion (DIC). Model BYM menunjukkan performa terbaik dengan nilai D ̅ sebesar 197,5 dan DIC sebesar 193,0, lebih baik dibandingkan model Leroux. Estimasi RR mengidentifikasi wilayah dengan risiko tinggi, seperti Kota Lhokseumawe dan Kota Banda Aceh, sedangkan wilayah dengan risiko rendah termasuk Kabupaten Bener Meriah dan Kota Sabang. Model BYM lebih efektif dalam memetakan risiko relatif kasus TB di Aceh. Pemetaan risiko ini memberikan dasar untuk alokasi sumber daya kesehatan yang lebih efisien dan intervensi yang terfokus pada wilayah dengan beban penyakit tertinggi. Penelitian ini berkontribusi dalam pengembangan metode pemetaan risiko penyakit menular di Indonesia.

Tuberculosis (TB) still a global public health challenge, particularly in Aceh Province, which shows significant variations in TB case across districts/cities. Identifying spatial-based relative risk (RR) is crucial for understanding disease distribution and determining appropriate health interventions. This study aims to compare the performance of the Besag-York-Mollie (BYM) model and the Leroux model in estimating the RR of TB cases in Aceh Province from 2020 to 2023. This observational study used secondary data from the Aceh Health Department Reports. The analysis involved 23 districts/cities using a Bayesian spatial method with the BYM and Leroux models. RR estimation was conducted through Markov Chain Monte Carlo (MCMC) simulation using OpenBUGS and R software. Model evaluation was based on Mean Deviance (D ̅) and Deviance Information Criterion (DIC). The BYM model demonstrated the best performance with a D ̅ value of 197.5 and a DIC value of 193.0, outperforming the Leroux model. RR estimation identified high-risk areas such as Lhokseumawe City and Banda Aceh City, while low-risk areas included Bener Meriah and Sabang City. The BYM model was more effective in mapping the relative risk of TB cases in Aceh. This risk mapping provides a foundation for more efficient health resource allocation and focused interventions in areas with the highest disease burden. This study contributes to the development of disease risk mapping methods for infectious diseases in Indonesia.