Electronic Theses and Dissertation

Jawa Barat dan Jawa Tengah tercatat sebagai provinsi dengan beban kasus TB tertinggi di Indonesia, sehingga diperlukan analisis mendalam untuk mengidentifikasi faktor-faktor yang memengaruhi jumlah kasus di tiap kabupaten/kota. Penelitian ini bertujuan memodelkan jumlah kasus TB di 26 kabupaten/kota Provinsi Jawa Barat dan 36 kabupaten/kota Provinsi Jawa Tengah tahun 2023 menggunakan pendekatan Geographically Weighted Negative Binomial Regression. Data yang digunakan merupakan data cacah dengan tujuh variabel independen yang bersumber dari Publikasi Badan Pusat Statistik (BPS) Jawa Barat dan Jawa Tengah tahun 2023 dan Profil Kesehatan Jawa Barat dan Jawa Tengah tahun 2023. Hasil uji overdispersi menunjukkan nilai dispersi sebesar 1.230,767 (>1), sehingga model regresi binomial negatif lebih sesuai dibandingkan Regresi Poisson. Selanjutnya, uji Breusch-Pagan (p-value = 0,003) dan Moran's I (p-value = 9,86 ×10-10) menunjukkan adanya heterogenitas dan dependensi spasial yang signifikan, sehingga pendekatan GWNBR diperlukan. Model GWNBR dengan fungsi kernel bisquare menghasilkan bandwidth optimum sebesar 52. Variabel yang signifikan memengaruhi jumlah kasus TB adalah persentase sanitasi layak (X3), jumlah kasus HIV (X4), jumlah tenaga kesehatan (X5), dan persentase rumah tangga layak huni (X6), dengan kabupaten/kota terbagi menjadi delapan kelompok berdasarkan kombinasi variabel signifikan. Perbandingan model menunjukkan GWNBR memiliki performa terbaik dengan nilai AIC sebesar 1.108,013; RMSE 2.157,305; MAE 1.440,562; dan Pearson R² sebesar 0,783; lebih besar dari Regresi Poisson dan regresi binomial negatif global.

Kata kunci: Tuberkulosis, GWNBR, overdispersi, heterogenitas spasial, Jawa Barat, Jawa Tengah

West Java and Central Java are recorded as the provinces with the highest Tuberculosis case burden in Indonesia, requiring in-depth analysis to identify the factors influencing case numbers across regencies/cities. This study aims to model the number of Tuberculosis cases in 26 regencies/cities in West Java Province and 36 regencies/cities in Central Java Province in 2023 using the Geographically Weighted Negative Binomial Regression approach. The data used are count data with seven independent variables obtained from Central Bureau of Statistics (BPS) publications of West Java and Central Java in 2023 and the Health Profile of West Java and Central Java in 2023. The overdispersion test showed a dispersion value of 1.230,767 (>1), indicating that the Negative Binomial Regression model is more appropriate than Poisson Regression. Furthermore, the Breusch-Pagan test (p-value = 0.003) and Moran's I test (p-value = 9,86×10⁻10) revealed significant spatial heterogeneity and spatial dependence, confirming the need for a GWNBR approach. The GWNBR model with a bisquare kernel function produced an optimum bandwidth of 52. The variables found to significantly affect the number of TB cases were the percentage of proper sanitation (X3), number of HIV cases (X4), number of health workers (X5), and percentage of livable households (X6), with the regencies/cities grouped into eight clusters based on the combination of significant variables. Model comparison showed that GWNBR performed best, with an AIC value of 1.108,013; RMSE of 2.157,305; MAE of 1.440,562; and Pearson R² of 0,783; outperforming both the Poisson Regression and Negative Binomial Regression models. Keywords: Tuberculosis, GWNBR, overdispersion, spatial heterogeneity, West Java, Central Java