Pemodelan Bayesian Spasial Conditional Autoregressive (Car) Pada Kasus Demam Berdarah Dengue Di Indonesia

Abstract

Demam Berdarah Dengue (DBD) merupakan salah satu penyakit menular yang masih merupakan masalah utama dalam kesehatan masyarakat di Indonesia. Total kasus DBD di Indonesia pada tahun 2020 masih cukup tinggi yaitu 108.303 kasus. Beberapa penelitian terkait pemodelan DBD telah menggunakan metode Bayesian spasial. Akan tetapi, penelitian tersebut masih fokus pada salah satu provinsi yang ada di Indonesia. Penelitian ini bertujuan untuk memodelkan risiko relatif (RR) kasus DBD tahun 2020 di Indonesia dengan 34 provinsi dan menghasilkan peta tematik RR. Data yang digunakan data kasus DBD serta data jumlah penduduk di Indonesia tahun 2020 yang diperoleh dari Publikasi Kementerian Kesehatan Republik Indonesia 2021. Model Bayesian spasial Conditional Autoregressive (CAR) Leroux digunakan dengan pemilihan model terbaik didasarkan pada Deviance Information Criteria (DIC), Watanabe Akaike Information Criteria (WAIC), dan Modifikasi Moran’s I (MMI) untuk residual. Hasil yang diperoleh menunjukkan bahwa model Bayesian spasial CAR Leroux dengan hyperprior IG(1; 0,1) merupakan model terbaik dalam pemodelan kasus DBD tahun 2020 di Indonesia. Sekitar 53% provinsi yang ada di Indonesia merupakan wilayah dengan RR tinggi, dimana Provinsi Bali memiliki nilai RR tertinggi (6,84), diikuti oleh Provinsi Nusa Tenggara Timur (RR=2,70), dan Daerah Istimewa Yogyakarta (RR=2,33). Sebaliknya, provinsi dengan RR terendah adalah Provinsi Maluku (RR=0,11), diikuti oleh Provinsi Papua (RR = 0,13), dan Provinsi Kalimantan Barat (RR =0,38).