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).

Modeling Factors Influencing Covid-19 Cases in South Sulawesi Using Bayesian Conditional Autoregressive Localised

“…Berbagai model Bayesian telah digunakan untuk menggambarkan pola spasial data area. Penggunaan model Bayesian spasial CAR Localised direkomendasikan jika rata-rata dan variansi peubah terikat antar wilayah relatif besar karena dapat mengidentifikasi kelompok area yang berisiko tinggi, sedang dan rendah (Aswi & Sukarna, 2020). Jika nilai rata rata dan variansi antar wilayah relatif besar, pembentukan kelompok dan anggotanya dipengaruhi juga oleh pemilihan hyperprior pada deviasi standar.…”

Peramalan Jumlah Kedatangan Wisatawan Mancanegara di Sulawesi Selatan Menggunakan Model ARFIMA

“…Oleh karena itu, diperlukan suatu peramalan yang dapat memberikan informasi atau gambaran pada proses jumlah kunjungan wisatawan mancanegara. Model yang berkaitan dengan ramalan biasanya menggunakan model Autoregressive Integrated Moving Average (ARIMA) (Aswi & Sukarna, 2017;Maulana, 2018;Sukarna, Ananda, & Wahyuni, 2021), namun penelitian ini menggunakan model Autoregressive Fractionally Integrated Moving Average (ARFIMA). ARFIMA merupakan model ARIMA yang nilai integrated d-nya adalah pecahan.…”