Electronic Theses and Dissertation

Penyakit Demam Berdarah Dengue (DBD) hingga saat ini masih menjadi permasalahan kesehatan yang cukup serius di wilayah Pulau Sumatra dengan pola sebaran kasus yang beragam antar wilayah. Penelitian ini bertujuan untuk memodelkan faktor-faktor yang memengaruhi jumlah kasus DBD di 154 kabupaten/kota di Pulau Sumatra pada tahun 2023 menggunakan metode Geographically Weighted Negative Binomial Regression (GWNBR). Data yang digunakan meliputi jumlah kasus DBD serta enam variabel prediktor yang mencakup dari faktor demografis hingga kesehatan, yaitu kepadatan penduduk, persentase penduduk miskin, jumlah tenaga medis (dokter umum), jumlah sarana kesehatan (rumah sakit), persentase akses terhadap sanitasi layak, dan persentase pengelolaan sampah rumah tangga. Metode GWNBR digunakan karena adanya overdispersi pada data jumlah kasus DBD dan terdapat efek spasial seperti heterogenitas serta dependensi spasial antar wilayah. Pembobot yang digunakan pada penelitian ini adalah fungsi Adaptive Gaussian Kernel dengan nilai bandwidth optimum berdasarkan nilai Cross Validation (CV) terkecil. Hasil penelitian menunjukkan bahwa model GWNBR merupakan model terbaik dengan nilai AIC sebesar 1.553,323, lebih kecil dibandingkan model regresi binomial negatif dengan nilai AIC sebesar 1.766,7. Faktor-faktor yang berpengaruh signifikan terhadap jumlah kasus DBD di seluruh kabupaten/kota di Pulau Sumatra ialah jumlah tenaga medis (dokter umum), persentase akses terhadap sanitasi layak, dan persentase pengelolaan sampah rumah tangga.

Dengue hemorrhagic fever (DHF) remains a serious public health issue in the Sumatra region, with varying patterns of case distribution across different areas. This study aims to model the factors influencing the number of DF cases in 154 districts/cities on the island of Sumatra in 2023 using the Geographically Weighted Negative Binomial Regression (GWNBR) method. The data used includes the number of DF cases as well as six predictor variables ranging from demographic to health factors, namely population density, percentage of the poor, number of medical personnel (general practitioners), number of health facilities (hospitals), percentage of access to adequate sanitation, and percentage of household waste management. The GWNBR method was used due to the presence of overdispersion in the dengue fever case data and the existence of spatial effects such as heterogeneity and spatial dependence between regions. The weighting function used in this study was the Adaptive Gaussian Kernel with an optimal bandwidth value based on the smallest Cross-Validation (CV) value. The results showed that the GWNBR model was the best model with an AIC value of 1.553,323, which was smaller than that of the negative binomial regression model with an AIC value of 1.766,7. The factors that significantly influence the number of dengue fever cases across all districts/cities on the island of Sumatra are the number of medical personnel (general practitioners), the percentage of access to adequate sanitation, and the percentage of household waste management.