Penerapan Regresi Spatial Durbin Error model pada kasus tuberkulosis di Jawa Barat

ABSTRAK:

Regresi spasial merupakan pengembangan regresi linier klasik yang digunakan ketika terdapat pengaruh spasial antar wilayah pada data penelitian. Spatial Durbin Error Model (SDEM) adalah salah satu model regresi spasial yang mempertimbangkan lag spasial pada variabel independen serta ketergantungan spasial pada error. Model menggunakan matriks pembobot rook contiguity dan estimasi parameter dilakukan dengan metode Maximum Likelihood Estimation (MLE). Tuberkulosis (TBC) merupakan salah satu masalah kesehatan di Provinsi Jawa Barat yang dipengaruhi oleh berbagai faktor sosial, ekonomi, dan kesehatan. Berdasarkan hasil pemodelan SDEM, faktor yang berpengaruh signifikan terhadap kasus TBC yaitu rasio jenis kelamin penduduk, penduduk miskin, sanitasi layak, tenaga kesehatan, dan penderita HIV/AIDS. Selain itu, terdapat pengaruh spasial signifikan dari wilayah tetangga, yaitu penduduk miskin, PHBS, dan balita gizi buruk. Berikut model SDEM dengan nilai Adjusted R^2 sebesar 93.68% dengan variabel yang berpengaruh signifikan terhadap TBC yaitu x_1,x_2,x_3,x_5,x_7,lagx_2,lagx_4 dan lagx_6.
y_i=-60.2107+0.6814x_i1-0.3894x_i2-0.0173x_i3+0.2245x_i5+0.4648x_i7+0.4369∑_(j=1)^27▒〖w_ij x_j2 〗-0.0788∑_(j=1)^27▒〖w_ij x_j4 〗-0.3527∑_(j=1)^27▒〖w_ij x_j6 〗-1.1405∑_(j=1)^27▒〖w_ij u_j+ε_i 〗.

ABSTRACT:

Spatial regression is an extension of classical linear regression used when spatial effects exist among regions in the research data. The Spatial Durbin Error Model (SDEM) is one type of spatial regression model that considers the spatial lag of independent variables as well as spatial dependence in the error term. The model uses a rook contiguity weight matrix, and parameter estimation is conducted using the Maximum Likelihood Estimation (MLE) method. Tuberculosis (TB) is one of the major health problems in West Java and is influenced by various social, economic, and health-related factors. Based on the SDEM modeling results, the factors that significantly affect TB cases are the population sex ratio, poor population, proper sanitation, health workers, and HIV/AIDS patients. In addition, there are significant spatial effects from neighboring regions, namely poor population, clean and healthy living behavior (PHBS), and malnourished toddlers. The resulting SDEM model has an Adjusted