Analisis Faktor Kasus Tuberkulosis di Jawa Barat Menggunakan SDEM

Abstract. The Spatial Durbin Error Model (SDEM) is a spatial regression method designed to account for spatial dependence in both error terms and independent variables. This approach enables more accurate analysis of spatial data, particularly when geographic linkages exist between regions. This study applies the SDEM to examine factors influencing the number of Tuberculosis (TB) cases in 27 regencies/cities in West Java Province. The data used is secondary data from Statistics Indonesia (BPS) for the year 2024. The dependent variable is the number of TB cases, while the independent variables include the number of poor people, population density, and the number of healthcare facilities. The results show that the SDEM effectively captures spatial effects in the data, as reflected by the significance of the spatial parameter (lambda) and other spatial diagnostic tests. The model yields an Adjusted R² of 90.65%, indicating a strong model fit. Estimation results indicate that all three independent variables have a significant direct effect on TB cases. However, the indirect effects from neighboring areas are statistically insignificant, suggesting that TB case distribution is more influenced by local conditions than by surrounding areas. Abstrak. Metode Spatial Durbin Error Model (SDEM) merupakan pendekatan regresi spasial yang dirancang untuk mengakomodasi ketergantungan spasial, baik dalam komponen error maupun dalam variabel independen. Pendekatan ini memungkinkan analisis yang lebih akurat pada data yang memiliki unsur spasial, terutama ketika terdapat keterkaitan antar wilayah secara geografis. Dalam penelitian ini, metode SDEM diterapkan untuk mengetahui faktor-faktor yang memengaruhi jumlah kasus Tuberkulosis (TBC) di 27 kabupaten/kota di Provinsi Jawa Barat. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik (BPS) tahun 2024, dengan variabel dependen yaitu jumlah kasus TBC dan variabel independen yang digunakan meliputi jumlah penduduk miskin, kepadatan penduduk, dan jumlah fasilitas kesehatan. Hasil analisis menunjukkan bahwa model SDEM mampu menangkap pengaruh spasial dalam data, yang ditunjukkan melalui signifikansi parameter spasial (lambda) dan uji diagnostik spasial lainnya. Model yang diperoleh memiliki nilai Adjusted R2 sebesar 90,65%, menunjukkan tingkat kecocokan model yang sangat baik. Dari hasil estimasi, diketahui bahwa ketiga variabel independen memiliki pengaruh langsung yang signifikan terhadap jumlah kasus TBC. Sementara itu, efek tidak langsung dari wilayah sekitar tidak signifikan secara statistik, sehingga penyebaran kasus TBC lebih banyak dipengaruhi oleh kondisi masing-masing wilayah dibandingkan oleh wilayah sekitarnya.