https://aboutmusicschools.com https://slotmgc.com https://300thcombatengineersinwwii.com https://mobilephonesource.co.uk https://discord-servers.io https://esmark.net https://slotmgc.com https://nikeshoesinc.us https://ellisislandimmigrants.org https://holidaysanthology.com https://southaventownecenter.net https://jimgodfreydesign.com https://mckinneypaintingpros.com https://enchantedmansion.org https://mckinneypaintingpros.com https://laurabrodieauthor.com https://holidaysanthology.com https://ardictionary.com https://113.30.151.116 https://103.252.118.20 https://206.189.83.174 https://157.230.39.109 https://128.199.85.208 https://172.104.51.149 https://174.138.21.250 https://157.245.50.183 https://152.42.239.189 https://188.166.210.125 https://152.42.178.155 https://192.53.172.202 https://172.104.188.91 https://103.252.118.157 https://63.250.61.107 https://165.22.104.74

Penerapan Regresi Complementary Log-Log Dalam Analisis Status Kejadian Tuberkulosis Paru Penduduk Usia Produktif di Provinsi Banten Tahun 2018

Authors

  • Dessy Kurniati Polstat STIS
  • Budyanra

DOI:

https://doi.org/10.29313/statistika.v22i2.1127

Keywords:

complementary log-log, rare events, tuberkulosis paru, usia produktif

Abstract

Regresi complementary log-log merupakan salah satu model GLM dengan fungsi hubung yang digunakan adalah complementary log-log. Metode ini merupakan salah satu metode yang dinilai tepat untuk digunakan ketika data pada variabel respon termasuk kedalam kategori jarang (rare events). Transformasi complementary log-log dinilai lebih tepat untuk digunakan karena kebanyakan observasi pada variabel respon akan berada pada kelompok kategori tertentu atau dapat dikatakan bahwa pada variabel respon tidak berdistribusi simetris. Salah satu data yang berisfat rare events adalah status kejadian tuberkulosis paru penduduk usia produktif di Provinsi Banten. Dimana berdasarkan data Riskesdas tahun 2018, persnetase penduduk usia produktif di Provinsi Banten yang mengalami TB paru hanya sebesar 1,21 persen. Sehingga, penelitian ini bertujuan untuk menerapkan regresi complementary log-log dalam menganalisis determinan status kejadian tuberkulosis paru penduduk usia produktif di Provinsi Banten tahun 2018. Hasil penelitian ini menunjukan bahwa dengan regresi complementary log-log didapatkan hasil bahwa variabel yang signifikan memengaruhi status kejadian tuberkulosis paru yaitu tingkat pendidikan, status bekerja, status gizi, status gangguan mental emosional, status konsumsi buah dan sayur, serta status kelayakan air minum.

References

Agresti, A. (2002). Categorical Data Analysis (2nd ed). New York: John Wiley & Sons.
Allison, P.D. (2012). Logistic Regression Using the SAS System : Theory and Application. Cary, NC: SAS Institute Inc.
BPS. (2020). Indikator kesejahteraan Rakyat Provinsi Banten. Serang : BPS Provinsi Banten
Balitbangkes. (2018). Laporan Nasional Riskesdas 2018. Jakarta: Kementrian Kesehatan RI
Da Silva, M. M., & Utomo, A. P. (2020). Penerapan Regresi Complementary Log-Log Dalam Analisis Kemiskinan Anak Di Daerah Perkotaan Di Provinsi Bengkulu Tahun 2018. Seminar Nasional Official Statistics, 2020(1), 825–834.
Ellyse S, B. (2021). Pengaruh Kepadatan Hunian, Malnutrisi, Umur dan Jenis Kelmain terhadap Kejadian Tuberkulosis Paru (Studi Observasional di Wilayah Kerja Puskesmas Batulicin I Kecamatan Karang Bintang Kabupaten Tanah Bumbu Provinsi Kalimantan Selatan Tahun 2019). Universitas Islam Kalimantan MAB.
Girsang, M., Tobing, K., & Rafrizal, R. (2011). Faktor Penyebab Kejadian Tuberculosis Serta Hubungannya dengan Lingkungan Tempat Tinggal di Provinsi Jaw A Tengah (Analisis Lanjut Riskesdas 2007). Indonesian Bulletin of Health Research, 39(1), 34–41.
Hosmer, D.W., Lemeshow, S., & Sturdivant, R, X. (2000). Applied Logistic Regression Second Edition. New Jersey: John Wiley & Sons Inc
Kemenkes RI. (2021). Profil Kesehatan Indonesia 2020. Jakarta: Kementrian Kesehatan RI
King, G., & Zeng, L. (2001). Logistic regression in rare events data. Political Analysis, 9(2), 137–163.
Kitali, A. E., Alluri, P., Sando, T., Haule, H., Kidando, E., & Lentz, R. (2018). Likelihood estimation of secondary crashes using Bayesian complementary log-log model. Accident Analysis & Prevention, 119, 58–67.
Kismiantini, K. (2007). Analisis Peubah Respon Biner. Pythagoras: Jurnal Pendidikan Matematika, 3(1).
Localio, A. R., Margolis, D. J., & Berlin, J. A. (2007). Relative risks and confidence intervals were easily computed indirectly from multivariable logistic regression. Journal of Clinical Epidemiology, 60(9), 874–882.
Nurjanah, S. (2020). Gangguan mental emosional pada klien pandemi covid 19 di rumah karantina. Journal Ilmu Keperawatan Jiwa, 3(3), 329–334.
McCullagh, P., and J.A. Nelder (1989). Generalized Linear Models. Secon Edition. New York: Chapman and Hall.
Pangaribuan, L., Kristina, K., Perwitasari, D., Tejayanti, T., & Lolong, D. B. (2020). Faktor-Faktor yang memengaruhi kejadian tuberkulosis pada umur 15 tahun ke atas di Indonesia. Buletin Penelitian Sistem Kesehatan, 23(1), 10–17.
Setyawati, B., & Putri, D. S. K. (2008). Hubungan Pola Konsumsi Bahan Makanan Sumber Antioksidan Dengan Risiko Tuberculosis (TB) Paru. Diakses pada Tanggal 15 Maret 20222 melalui http://repository.litbang.kemkes.go.id/2247/
Simbolon, D. R., Mutiara, E., & Lubis, R. (2019). Analisis spasial dan faktor risiko tuberkulosis paru di Kecamatan Sidikalang, Kabupaten Dairi-Sumatera Utara tahun 2018. Berita Kedokteran Masyarakat, 35(2), 65–71.
Susanti, D. S., Sukmawaty, Y., & SALAM, N. U. R. (2019). Analisis Regresi dan Korelasi. IRDH.
World health Organization. (2020). Global Tuberculosis Report 2020. Geneva: World Health Organization
World health Organization. (2021). Global Tuberculosis Report 2021. Geneva: World Health Organization

Downloads

Published

2022-12-29

Issue

Section

Articles