Identifikasi Risiko Spasial Berdasarkan Jenis Kelamin pada Penyakit Tuberkulosis dengan Bayesian Shared Component Random Intercept di Wilayah Jawa Barat

Angeliya Milla Khariyani, Universitas Negeri Yogyakarta, Indonesia
Kismiantini Kismiantini, Universitas Negeri Yogyakarta, Indonesia

Abstract


Pada tahun 2020, Provinsi dengan angka kasus Tuberkulosis tertinggi yaitu Provinsi Jawa Barat dengan total kasus mencapai 79.840 jiwa, dengan persentase kasus laki-laki sebesar 55,04% sedangkan perempuan sebesar 44,96%. Tujuan penelitian ini adalah untuk mengetahui risiko relatif kasus Tuberkulosis laki-laki dan perempuan dengan menggunakan metode Bayesian Shared Component Random Intercept dan juga untuk mengetahui penyebaran nilai risiko relatif di setiap wilayah di Provinsi Jawa Barat dengan peta spasial. Bayesian Shared Component Random Intercept dapat menghitung nilai risiko relatif dengan memperhatikan efek spasialnya, hal tersebut berkesuaian dengan tujuan penelitian ini maka dari itu metode ini cocok digunakan dalam penelitian ini. Hasil yang diperoleh menunjukkan kemiripan pola spasial antara Tuberkulosis laki-laki dan Tuberkulosis Perempuan berdasarkan nilai delta yang diperoleh. Hal tersebut berkesesuaian dengan hasil peta spasial kedua jenis kelamin yang terlihat memiliki pola sebaran yang hampir sama dan juga nilai rata-rata risiko relatif Tuberkulosis antara laki-laki dan perempuan yang hampir sama yaitu untuk laki-laki sebesar 1,0403 sedangkan untuk perempuan yaitu 1,0413.

Keywords


tuberkulosis; risiko relatif; Bayesian Shared Component Random Intercept; jenis kelamin; pola spasial

References


Ancelet, S., Abellan, J. J., Del Rio Vilas, V. J., Birch, C., & Richardson, S. (2012). Bayesian shared spatial-component models to combine and borrow strength across sparse disease surveillance sources. Biometrical Journal. Biometrische Zeitschrift, 54(3), 385–404. https://doi.org/10.1002/bimj.201000106

Anselin, L. (1988). Spatial Econometrics: Methods and Models. Springer.

Becher, H., & Winkler, V. (2017). Estimating the standardized incidence ratio (SIR) with incomplete follow-up data. BMC Medical

Research Methodology, 17(1), 1–10. https://doi.org/10.1186/s12874-017-0335-3

Besag, J., York, J., & Mollié, A. (1991). Bayesian image restoration, with two applications in spatial statistics. Annals of the Institute of Statistical Mathematics, 43(1), 1–20. https://doi.org/10.1007/BF00116466

Bivand, R., & Wong, D. W. S. (2018). Comparing implementations of global and local indicators of spatial association. TEST, 27(3), 716–748.

Caraka, R. E., & Yasin, H. (2017). Geographically weighted regression (GWR) sebuah pendekatan regresi geografis. Mobius.

Dinkes Jawa Barat. (2020). Profil kesehatan Jawa Barat tahun 2020. In Dinas Kesehatan Provinsi Jawa Barat.

Jaya, I. G. N. M., & Andriyana, Y. (2020). Analisis data spasial perspektif Bayessian (N. Anggraeni (ed.)). Alqaprint.

Jaya, I. G. N. M., & Folmer, H. (2020). Bayesian spatiotemporal mapping of relative dengue disease risk in Bandung, Indonesia. In Journal of Geographical Systems (Vol. 22, Issue 1). https://doi.org/10.1007/s10109-019-00311-4

Jaya, I. G. N. M., Folmer, H., Ruchjana, B. N., Kristiani, F., & Andriyana, Y. (2017). Modeling of infectious diseases: A core research topic for the next hundred years. Advances in Spatial Science, 9783319505893, 239–255. https://doi.org/10.1007/978-3-319-50590-9_15

Jaya, I. G. N. M., Ruchjana, B. N., Abdullah, A. S., & Toharudin, T. (2020). Spatial distribution of tuberculosis disease among men and women in bandung city, indonesia. Communications in Mathematical Biology and Neuroscience, 2020, 1–13. https://doi.org/10.28919/cmbn/4804

Knorr-Held, & Best. (2001). A shared component model for detecting joint and selective clustering of two diseases. J. R. Stat. Soc, Ser. A(Stat. Soc), 73–85.

Kourounis, D., & Schenk, A. F. and O. (2018). Towards the next generation of multiperiod optimal power flow solvers. IEEE Transactions on Power Systems, PP(99), 1–10.

Neuwirth, E. (2014). RColorBrewer: ColorBrewer Palettes. https://cran.r-project.org/package=RColorBrewer

Romlah, L. (2015). Hubungan merokok dengan kejadian penyakit tuberkulosis paru di wilayah kerja puskesmas Setu Kota Tangerang Selatan. UIN Syarif Hidayatullah.

Sarwani, D., & Nurlaela, S. (2012). Merokok dan tuberkulosis paru (studi kasus di RS Margono Soekarjo Purwokerto). Seminar Nasional Kesehatan Jurusan Kesehatan Masyarakat FKIK UNSOED, 1–14.

Shaweno, D., Karmakar, M., Alene, K. A., Ragonnet, R., Clements, A. C. A., Trauer, J. M., Denholm, J. T., & McBryde, E. S. (2018). Methods used in the spatial analysis of tuberculosis epidemiology: a systematic review. BMC Medicine, 16(1), 193. https://doi.org/10.1186/s12916-018-1178-4

Tandang, F., Amat, A. L. S., & Pakan, P. D. (2018). Hubungan kebiasaan merokok pada perokok aktif dan pasif dengan kejadian tuberkulosis paru di Puskesmas Sikumana Kota Kupang. Cendana Medical Journal, Universitas Nusa Cendana, 15(3), 382–390.

Tim Riskesdas. (2018). Laporan riskesdas Provinsi Jawa Barat. In Lembaga Penerbit Badan Litbang Kesehatan. Lembaga Penerbit Badan Penelitian dan Pengembangan Kesehatan. https://litbang.kemkes.go.id

Westergaard, D., Moseley, P., Sørup, F. K. H., Baldi, P., & Brunak, S. (2019). Population-wide analysis of differences in disease progression patterns in men and women. Nature Communications, 10(1), 666. https://doi.org/10.1038/s41467-019-08475-9


Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Jurnal Statistika dan Sains Data

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

Our journal is indexed by:

Online ISSN (e-ISSN): 3025-9649

Creative Commons LicenseJurnal Statistika dan Sains Data by http://journal.student.uny.ac.id/ojs/index.php/jssd is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 JSSD Statistics