Analisis Faktor-Faktor yang Mempengaruhi Kasus Kusta di Jawa Timur Pada Tahun 2013 Dengan Menggunakan Geographically Weighted Negative Binomial Regression (GWNBR)

Penyakit kusta merupakan penyakit kronis disebabkan oleh Micobacterium Leprae yang terutama menyerang kulit dan saraf tepi (fungsi sensoris, motoris dan otonom). Keterlambatan untuk mendapatkan pengobatan akan menyebabkan kecacatan yang permanen pada mata, tangan dan kaki. Perlu dilakukan analisis untuk mengetahui faktor apa saja yang berpengaruh terhadap jumlah kusta sehingga jumlah penderita kusta bisa diminimalisir. Salah satu metode yang dapat digunakan untuk pemodelan jumlah kasus kusta adalah regresi Binomial Negatif. Regresi Binomial Negatif merupakan salah satu model regresi terapan dari Generalized Linear Model (GLM) karena distribusi Binomial Negatif termasuk anggota dari distribusi keluarga eksponensial. Regresi Binomial Negatif merupakan salah satu metode untuk mengatasi kasus overdispersi. Oleh karena itu dalam penelitian ini dilakukan analisis menggunakan metode Geographically Weighted Negative Binomial Regression (GWNBR) yang mampu mengatasi kondisi overdispersion dengan ditambahkan aspek spasial didalamnya. Hasil penelitian menunjukan bahwa faktor-faktor yang berpengaruh terhadap jumlah kasus kusta di Jawa Timur adalah persentase rumah tangga yang memiliki rumah sehat, tingkat kepadatan penduduk dan persentase rumah tangga yang berlokasi di daerah kumuh. ====================================================================================================== Leprosy is a chronic disease caused by Micobacterium leprae which mainly affects the skin and peripheral nerves (sensory function, motor and autonomic). Delay for treatment will lead to a permanent disability to the eyes, hands and feet. Analysis is needed to determine what factors influence the amount that the number of lepers leprosy can be minimized. One method that can be used for modeling the number of cases of leprosy is Negative Binomial regression. Negative Binomial Regression is one regression model applied on the Generalized Linear Model (GLM) for Negative Binomial distribution, including members of the exponential family distribution. Negative binomial regression is one method to solve the case overdispersi. Therefore, in this study analyzed using Negative Binomial Geographically Weighted Regression (GWNBR) are able to cope with the added condition overdispersion spatial aspects therein. The results showed that the factors that influence the number of leprosy cases in East Java is the percentage of households who have a healthy home, the population density and the percentage of households located in slums