Regresi Multiskala Tertimbang Geografis dan Temporal dengan LASSO dan Adaptif LASSO untuk Pemetaan Kejadian Tuberkulosis di Jawa Barat

Abstrak

Tuberkulosis (TB) merupakan masalah kesehatan global yang disebabkan oleh Mycobacterium tuberculosis dan dapat menyerang organ tubuh mana pun, terutama paru-paru. Tren kasus TB bervariasi antar wilayah, dan diperlukan penilaian analitik untuk mengidentifikasi variabel prediktor. Tujuan penelitian ini adalah membandingkan metode Regresi Tertimbang Geografis dan Temporal Multiskala (RTGTM) dan Regresi Tertimbang Geografis dan Temporal (RTGT), yang keduanya menggunakan fungsi kernel Gaussian, Exponential, Uniform, dan Bi-Square, untuk mengidentifikasi variabel yang signifikan di setiap wilayah setiap tahunnya. Metode RTGTM memiliki keunggulan karena menggunakan bandwidth yang fleksibel untuk setiap observasi, sehingga menghasilkan estimasi koefisien yang lebih akurat. Sampel yang digunakan adalah 27 kabupaten dan kota di Provinsi Jawa Barat, yang melibatkan 36 variabel yang dibagi menjadi 5 dimensi, yaitu iklim global, kesehatan, demografi, populasi, dan kebijakan pemerintah, dengan rentang waktu 2019–2022. Untuk mengatasi masalah multikolinearitas, pendekatan yang dilakukan adalah dengan menggunakan Least Absolute Shrinkage Selection Operator (LASSO) dan metode adaptive LASSO. Dalam menentukan model terbaik, kriteria yang diprioritaskan adalah mencapai R2 (R square) tertinggi yang menunjukkan tingkat kecocokan model yang optimal, serta AIC terkecil yang menunjukkan kebaikan model yang paling efisien. Model terbaik adalah RMTGT dengan pemilihan variabel LASSO pada kernel Bi-Square. Model ini memiliki R2 (R square) sebesar 91,25% dan AIC terkecil sebesar 139,868. Dari model terbaik tersebut, dihasilkan wilayah dengan struktur klaster yang dipengaruhi oleh berbagai variabel dari tahun 2019 hingga 2022, sehingga memberikan pemahaman mendalam tentang pemetaan TB yang dapat membantu dalam merumuskan tindakan intervensi yang lebih efektif.