| NIM | K1B022042 |
|---|
| Namamhs | KIKI ANDINI |
|---|
| Judul Artikel | PEMILIHAN MODEL REGRESI TERBAIK PADA KASUS TUBERKULOSIS DI KABUPATEN BANYUMAS TAHUN 2024
|
|---|
| Abstrak (Bhs. Indonesia) | Tuberkulosis (TBC) masih menjadi beban kesehatan masyarakat di Indonesia, dengan 5.207 kasus tercatat di Kabupaten Banyumas pada tahun 2024. Penelitian ini bertujuan membandingkan regresi Poisson, regresi Binomial Negatif, dan regresi Conway-Maxwell Poisson (COM-Poisson) dalam memodelkan jumlah kasus TBC di 27 kecamatan, menentukan model terbaik berdasarkan Akaike Information Criterion (AIC), serta mengidentifikasi faktor-faktor yang berpengaruh signifikan. Variabel penjelas meliputi kepadatan penduduk, jumlah tenaga medis, jumlah fasilitas kesehatan, dan persentase sanitasi layak, dengan log jumlah penduduk sebagai variabel offset. Uji multikolinearitas dilakukan menggunakan Variance Inflation Factor (VIF), dan hasilnya menunjukkan tidak terdapat multikolinearitas serius antarvariabel penjelas. Uji dispersi menunjukkan rasio varians terhadap rata-rata sebesar 36,6486 serta rasio deviance/df dan Pearson Chi-Square/df masing-masing sebesar 8,0936 dan 8,0006. Uji dispersi formal Cameron dan Trivedi (1990) menghasilkan nilai z = 5,3863 (p-value < 0,05), yang mengonfirmasi adanya overdispersi pada data. Berdasarkan nilai AIC, regresi Binomial Negatif terpilih sebagai model terbaik (AIC=279,5700), mengungguli regresi COM-Poisson (AIC=356,1026) dan regresi Poisson (AIC=377,0202). Kepadatan penduduk dan persentase sanitasi layak terbukti berpengaruh signifikan terhadap jumlah kasus TBC dengan nilai IRR masing-masing sebesar 1,4355 dan 0,8649. Temuan ini menegaskan pentingnya penataan permukiman dan perluasan akses sanitasi sebagai prioritas intervensi dalam pengendalian TBC di Kabupaten Banyumas. |
|---|
| Abtrak (Bhs. Inggris) | Tuberculosis (TBC) remains a significant public health burden in Indonesia, with 5,207 cases recorded in Banyumas Regency in 2024. This study aimed to compare Poisson regression, Negative Binomial regression, and Conway-Maxwell Poisson (COM-Poisson) regression in modeling TBC case counts across 27 sub-districts, to determine the best model based on the Akaike Information Criterion (AIC), and to identify significant influencing factors. The explanatory variables included population density, number of medical personnel, number of health facilities, and percentage of adequate sanitation, with the log of population size as an offset variable. Multicollinearity was assessed using the Variance Inflation Factor (VIF), and the results indicated no serious multicollinearity among the explanatory variables. The dispersion test showed a variance-to-mean ratio of 36.6486, along with deviance/df and Pearson Chi-Square/df ratios of 8.0936 and 8.0006, respectively. The formal Cameron and Trivedi (1990) dispersion test yielded a z value of 5.3863 (p-value < 0.05), confirming overdispersion in the data. Based on AIC, Negative Binomial regression was selected as the best model (AIC=279.5700), outperforming COM-Poisson regression (AIC=356.1026) and Poisson regression (AIC=377.0202). Population density and percentage of adequate sanitation were found to have a significant effect on TBC case counts, with IRR values of 1.4355 and 0.8649, respectively. These findings underscore the importance of settlement planning and expanded sanitation access as priority interventions for TBC control in Banyumas Regency. |
|---|
| Kata kunci | Data cacah, overdispersi, regresi Binomial Negatif, regresi COM-Poisson, regresi Poisson, tuberkulosis. |
|---|
| Pembimbing 1 | Dr. Jajang, S.Si., M.Si. |
|---|
| Pembimbing 2 | Triyani, S.Si., M.Si. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2026 |
|---|
| Jumlah Halaman | (belum diset) |
|---|
| Tgl. Entri | 2026-08-10 14:24:29.35066 |
|---|