Pemodelan Multivariate Adaptive Generalized Poisson Regression Spline (Magprs) pada kasus polio di Jawa Timur

INDONESIA:

Poliomielitis (polio) merupakan penyakit menular yang disebabkan oleh virus polio dan masih menjadi permasalahan kesehatan masyarakat di Indonesia, khususnya di Provinsi Jawa Timur. Data kasus polio umumnya berbentuk data cacah (count data) yang sering kali tidak memenuhi asumsi equidispersi, sehingga diperlukan pendekatan pemodelan yang lebih fleksibel. Penelitian ini bertujuan untuk memodelkan banyaknya kasus polio di Jawa Timur menggunakan metode Multivariate Adaptive Generalized Poisson Regression Splines (MAGPRS). Metode MAGPRS merupakan pengembangan dari Multivariate Adaptive Regression Splines (MARS) yang dikombinasikan dengan estimator Generalized Poisson untuk mengakomodasi hubungan nonlinier dan kondisi overdispersi pada data. Hasil penelitian menunjukkan bahwa model MAGPRS terbaik diperoleh pada kombinasi BF =3, MI = 2, dan MO = 3. Setelah dilakukan backward stepwise, fungsi basis model tersebut menjadi 29, di mana akan menysusun persamaan MAGPRS. Variabel prediktor yang paling berpengaruh terhadap model secara berurutan adalah persentase kunjungan Neonatal 1 kali, persentase Desa UCI, persentase balita memiliki buku KIA, persentase imunisasi Polio 4, persentase pemberian vitamin A.

ENGLISH:

Poliomyelitis (polio) is an infectious disease caused by the poliovirus and remains a public health problem in Indonesia, particularly in East Java Province. Polio case data are generally in the form of count data, which often violate the assumption of equidispersion; therefore, a more flexible modeling approach is required. This study aims to model the number of polio cases in East Java using the Multivariate Adaptive Generalized Poisson Regression Splines (MAGPRS) method. The MAGPRS method is an extension of Multivariate Adaptive Regression Splines (MARS) combined with a Generalized Poisson estimator to accommodate nonlinear relationships and overdispersion conditions in the data. The results indicate that the best MAGPRS model is obtained with the combination BF = 3, MI = 2, and MO = 3. After applying the backward stepwise procedure, the number of basis functions in the model is reduced to 29, which are then used to construct the MAGPRS equation. The most influential predictor variables in the model, in descending order, are the percentage of one-time neonatal visits, the percentage of UCI villages, the percentage of children under five possessing a Maternal and Child Health (KIA) book, the percentage of Polio 4 immunizations, and the percentage of vitamin A supplementation.

ARABIC:

شلل الأطفال (شلل الأطفال) هو مرض معد يسببه فيروس شلل الأطفال ولا يزال مشكلة صحية عامة في إندونيسيا، خاصة في مقاطعة جاوة الشرقية. عادة ما تكون بيانات حالات شلل الأطفال على شكل بيانات عد غالبا لا تفي بافتراضات التشتت المتساوي، لذا هناك حاجة إلى نهج نمذجة أكثر مرونة. تهدف هذه الدراسة إلى نمذجة عدد حالات شلل الأطفال في جاوة الشرقية باستخدام طريقة الانحدار السريع بواسون المعمم والتكيفية متعددة المتغيرات (MAGPRS). طريقة MAGPRS هي تطوير لسلاسل الانحدار التكيفية متعددة المتغيرات (MARS) مع مقدرات بواسون المعممة لاستيعاب العلاقات غير الخطية وظروف التشتت الزائد في البيانات. أظهرت النتائج أن أفضل نموذج MAGPRS تم الحصول عليه عند مزيج من BF = ٣، MI = ٢، و MO = ٣. بعد تنفيذ النموذج خطوة بالعكس، تصبح دالة القاعدة للنموذج ٩٢، حيث يتم تجميع معادلة MAGPRS. كانت أكثر المتغيرات المؤثرة تأثيرا على النموذج هي نسبة زيارة واحدة لحديثي الولادة، ونسبة قرى UCI، ونسبة الأطفال الصغار الذين لديهم سجل KIA، ونسبة التطعيم ضد شلل الأطفال ٤، ونسبة إعطاء فيتامين A.