Bahasa Indonesia

Authors

  • Brenda Bunga Prasenda Universitas Airlangga, Indonesia
  • Mohamad David Hermawan Universitas Airlangga, Indonesia
  • Mutiara Aisharezka Universitas Airlangga, Indonesia
  • Sufyan Ats Tsauri Universitas Airlangga, Indonesia
  • Nur Chamidah Universitas Airlangga, Indonesia

DOI:

https://doi.org/10.33379/gtech.v8i1.3881

Keywords:

Geographically Weighted Negative Binomial Regression, Spatial Regression, Tuberculosis

Abstract

Tuberculosis (TB) is an infectious disease. According to WHO (2020), 1.5 million people die from tuberculosis and it is also the 13th largest cause of death in the world and the second largest infectious disease cause of death after COVID-19. This research aims to create a new model based on different methods, targets and time to determine the modeling of factors that influence the number of tuberculosis diseases in Bandung City using the Geographically Weight Negative Binomial Regression (GWNBR) method. The modeling in this study is known to have differences between Negative Binomial Regression and Geographically Weight Negative Binomial Regression (GWNBR) with Bojongloa Kaler having the highest cases, significantly influenced by the number of cases in adult men. This research encourages the Bandung City government to provide equitable health services, consider these factors, and evaluate policies to reduce tuberculosis cases in children aged 0-14 years, especially in adult males.

References

Andayani, S. (2020). Jurnal Ilmiah Prediksi Kejadian Penyakit Tuberkulosis Paru Berdasarkan Jenis Kelamin. Jurnal Keperawatan Muhammadiyah Bengkulu, 8(2), 135-140.

Bappenas. (2015). Sustainable Development Goals (SDGs). Diakses dari https://sdgs.bappenas.go.id/tujuan-3/.

BPS. (2018). Istilah. Diakses dari https://www.bps.go.id/istilah/index.html?Istilah_page=22&Istilah_sort=deskripsi_ind

Damayanti, Y., & Sunendiari, S. (2021). Pemodelan Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis Menggunakan Metode Multivariate Adaptive Regression Spline (MARS) (Studi kasus Provinsi Jawa Barat, Jawa Timur dan Jawa Tengah tahun 2019). Prosiding Statistika, 676-683.

Fitrial, N. H., & Fatikhurrizqi, A. (2020). Pemodelan Jumlah Kasus COVID-19 di Indonesia dengan Pendekatan Regresi Poisson dan Regresi Binomial Negatif. Seminar Nasional Official Statistics. 65-72.

Ghozali, I. (2016). Aplikasi Analisis Multivariate dengan Program IBM SPSS 23: Edisi 8. Semarang. Badan Penerbit Universitas Diponegoro

Handayani, P. (2021). Pemetaam Spasial dan Deteksi Wilayah Kantong Tuberkulosis Menggunakan Metode Geographically Weighted Negative Binomial Regression dan Flexibily Shaped Spatial Scan Statistic. Skripsi. Fakultas Sains dan Teknologi. UIN Syarif Hidayatullah Jakarta. Jakarta.

Karch, J. (2020). Improving on Adjusted R-Squared. Collabra: Psychology. 6(1). 45. https://doi.org/10.1525/collabra.343.

Maulidiyah, F., Utami, T. W., & Wasono, R. (2019). Pemodelan Regresi Binomial Negatif dan Geographically Weighted Negative Binomial Regression untuk Kasus HIV di Provinsi Papua. Skripsi. Fakultas Sains dan Matematika. Universitas Muhammadiyah Semarang. Semarang.

Kemenkes. (2022). Pentingnya Imunisasi bagi Anak. Diakses dari https://yankes.kemkes.go.id/view_artikel/1331/pentingnya-imunisasi-bagi-anak.

Kusumo, I. J., & Yuyetta, E. N. (2019). Pengaruh Independensi, Kompetensi, dan Tekanan Waktu Terhadap Kualitas Audit. Diponegoro Journal of Accounting. 8(1). 1-10.

Delvia, N., Mustafid, & Yasin, H. (2021). Geographically Weighted Negative Binomial Regression untuk Menangani Overdispersi pada Jumlah Penduduk Miskin. Jurnal Gaussian. 10(4). 532-543.

Salim, R. B., Pratiwi, S. D., Alhakam, M. A., & Hapsery, A. (2023). Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Tuberkulosis di Jawa Timur pada Tahun 2020 Menggunakan Model Regresi Poisson. Seminar Nasional Hasil Riset dan Pengabdian, 318-323.

Solikhah, P. H., & Sutiko. (2022). Model Geographically Weighted Negative Binomial Regression pada Kasus Jumlah Rumah Tangga Miskin di Kabupaten Tuban. Jurnal Sains dan Seni ITS. 11(2). D235-D242.

Winata, H. M. (2023). Mengatasi Overdispersi dengan Regresi Binomial Negatif pada Angka Kematian Ibu di Kota Bandung. Jurnal Gaussian, 11(4), 616-622.

World Health Organization. (2020). Fakta-Fakta Utama Tuberkulosis. Diakses dari https://www.who.int/indonesia/news/campaign/tb-day-2022/fact-sheets.

Downloads

Published

2024-01-15

Issue

Vol. 8 No. 1 (2024): G-Tech, Vol. 8 No. 1 Januari 2024

Section

Articles

License

Copyright (c) 2023 Brenda Bunga Prasenda, Mohamad David Hermawan, Mutiara Aisharezka, Sufyan Ats Tsauri, Nur Chamidah

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

How to Cite

Bahasa Indonesia. (2024). G-Tech: Jurnal Teknologi Terapan, 8(1), 528-537. https://doi.org/10.33379/gtech.v8i1.3881