Terima kasih atas informasinya. Saya mengerti bahwa analisis data diskrit membutuhkan pemodelan yang tepat untuk mengatasi masalah overdispersi, dan kolaborasi antarprogram pengendalian penyakit merupakan hal penting untuk meningkatkan kualitas pelayanan kesehatan. Semoga informasi ini bermanfaat.

2. Metode regresi
klasik hanya
mampu
menganalisis
data dalam
bentuk kontinu
dan
berdistribusi
normal
Data yang
tersedia di
lapangan
dapat berupa
data diskrit
dan tidak
berdistribusi
normal
(regresi klasik
tdk cocok u/
meanalsis)
Regresi
poisson sering
digunakan
untuk
menganalisis
data diskrit
Data diskrit
yang tesedia di
lapangan
banyak yang
mengalami
overdispersi
Permasalahan
terjadi regresi
poisson
memiliki
asumsi
equidispersi

3. Jawa Timur
menempati
urutan ke 2
penemuan
kasus baru TB
BTA Positif =
23403 kasus.
Di Indonesia
TB merupakan
pembunuh no.1
penyakit
menular dan
peringkat ke-3
penyakit
pembunuh
tertinggi
dengan 88 ribu
kematian/th.
Hampir 10th
menempati
urutan ke-3
dunia dan
baru tahun
2010 turun
menjadi urutan
ke-5.
Indonesia
masuk dalam
22 negara
high-burden
country TB.
Data
kesehatan yg
memiliki ciri
percobaan
poisson adalah
jumlah kasus
baru TB
(menghsilkan
variabel
random diskrit)

4. 1
• Bagaimanakah karakteristik statistik deskriptif data kasus baru TB
di Propinsi Jawa Timur tahun 2013 ?
2
• Bagaimanakah model terbaik kasus baru TB di Propinsi Jawa Timur
tahun 2013 yang dihasilkan oleh analisis Generalized Poisson
Regresion untuk mengatasi overdispersi pada regresi Poisson ?
3
• Bagaimanakah pemilihan model regresi terbaik menggunakan
indikator AIC, AICC dan BIC antara regresi poisson dan Generalized
Poisson Regresion ?

7. KERANGKA KONSEPTUAL

8. • Jumlah kasus baru TB di Propinsi Jawa Timur
tahun 2013 dipengaruhi oleh kepadatan
penduduk, persentase buta huruf, persentase
penduduk usia 15-50 tahun, persentase penduduk
miskin, persentase UPK pelaksana DOTS,
persentase nakes terlatih TB dan aktif, persentase
Tempat Umum dan Pengelolaan Makanan
(TUPM) sehat, persentase rumah tangga dengan
Prilaku Hidup Bersih dan Sehat (PHBS), jumlah
kasus HIV, dan persentase balita gizi kurang dan
gizi buruk
Hipotesis

9. Jenis : Non reaktif / unobtrusive
method (data sekunder)
Sumber : Dinkes dan BPS
Unit Analisis : Kabupaten/Kota di
Propinsi Jawa Timur
Teknik Analisis Data : SPSS dan
SAS

10. No Variabel Definisi Operasional Cara Pengukuran Skala
Data
1. Jumlah kasus
baru TB (Y)
Jumlah seluruh kasus baru TB
tiap Kabupaten/Kota di
Propinsi Jawa Timur tahun
2013
Observasi Data
Sekunder
Rasio
2. Kepadatan
penduduk (X1)
Jumlah penduduk di suatu
daerah persatuan luas (km2)
tiap Kabupaten/Kota di
Propinsi Jawa Timur tahun
2013.
Hasil observasi data
sekunder
Rasio
3. Persentase buta
huruf (X2)
Persentase penduduk usia 15
tahun ke atas yang buta huruf
tiap Kabupaten/Kota di
Propinsi Jawa Timur tahun
2013.
Hasil observasi data
sekunder
Rasio
4. Persentase
penduduk usia
15-50 tahun
(X3)
Persentase jumlah penduduk
yang berusia 15-50 tahun baik
perempuan maupun laki-laki
tiap Kabupaten/Kota di
Propinsi Jawa Timur tahun
2013.
Hasil pembagian
jumlah penduduk
yang berusia 15-50
tahun
dengan total penduduk
dikali seratus persen
Rasio

11. No Variabel Definisi Operasional Cara Pengukuran Skala
Data
5. Persentase
penduduk
miskin (X4)
Persentase penduduk yang
berada di bawah garis
kemiskinan tiap
Kabupaten/Kota di Propinsi
Jawa Timur tahun 2013.
Observasi data
sekunder
Rasio
6. Persentase UPK
pelaksana
DOTS (X5)
Persentase Unit Pelayanan
Kesehatan (UPK) yang teridiri
dari Puskesmas dan Rumah
Sakit yang melaksanakan
DOTS tiap Kabupaten/Kota di
Propinsi Jawa Timur tahun
2013.
Jumlah Puskesmas
dan Rumah Sakit yang
melaksanakan DOTS
dibagi dengan jumlah
seluruh Puskesmas
dan Rumah Sakit dikali
seratus persen
Rasio
7. Persentase
nakes terlatih
TB dan aktif
(X6)
Persentase tenaga kesehatan
baik dokter , paramedis dan
tenaga labolatorium di
Puskesmas dan Rumah Sakit
yang telah mendapatkan
pelatihan TB dan aktif dalam
segala kegiatan yang
berhubungan dengan TB tiap
Kabupaten/Kota di Propinsi
Jawa Timur tahun 2013.
Jumlah dokter,
paramedis dan tenaga
labolatorium yang telah
mendapatkan pelatihan
TB dan aktif dibagi
dengan jumlah seluruh
dokter, paramedis dan
tenaga labolatorium
dikali seratus persen
Rasio

12. No Variabel Definisi Operasional Cara
Pengukur
an
Skala
Data
8. Persentase
Tempat Umum
dan
Pengelolaan
Makanan
(TUPM) sehat
(X7)
Suatu sarana yang dikunjungi banyak orang
yang memenuhi syarat kesehatan yaitu
memiliki sarana air bersih, tempat
pembuangan sampah, sarana pembuangan
air limbah, ventilasi yang baik, luas lantai
sesuai dengan kepadatan pengunjung dan
memiliki pencahayaan ruang yang memadai.
Hasil
observasi
data
sekunder
Rasio
9. Persentase
rumah tangga
dengan Prilaku
Hidup Bersih
dan Sehat
(PHBS) (X8)
Rumah tangga di tiap Kabupaten/Kota
Propinsi Jawa Timur tahun 2013 yang telah
melaksanakan 10 indikator PHBS
(pertolongan persalinan tenaga kesehatan,
ASI eksklusif, balita ditimbang setiap bulan,
menggunakan air bersih, mencuci tangan
menggunakan air bersih dan sabun,
menggunakan jamban sehat, memberantas
jentik di rumah sekali seminggu, makan
sayur dan buah setiap hari, melakukan
aktifitas fisik setiap hari, tidak merokok di
dalam rumah)
Hasil
observasi
data
sekunder
Rasio

13. No Variabel Definisi Operasional Cara Pengukuran Skala
Data
10. Jumlah kasus
HIV (X9)
Jumlah kasus baru HIV tiap
Kabupaten/ Kota di Propinsi
Jawa Timur tahun 2013.
Hasil observasi data
sekunder
Rasio
11. Persentase
balita gizi
kurang dan gizi
buruk (X10)
Persentase balita dengan status
gizi kurang dan gizi buruk tiap
Kabupaten/Kota di Propinsi
Jawa Timur tahun 2013.
Penjumlahan
persentase balita
dengan status gizi
kurang dan status gizi
buruk
Rasio
12. Persentase
rumah sehat
(X11)
Persentase rumah tiap
Kabupaten/Kota di Propinsi
Jawa Timur tahun 2013 yang
memenuhi kriteria atap
berplafon, dinding permanen
(tembok/papan), jenis lantai
bukan tanah, tersedia jendela,
pencahayaan alami cukup, dan
tidak padat penghuni (lebih
besar atau sama dengan 8
m2/orang)
Hasil observasi data
sekunder
Rasio

14. Variabel Minimum Maximum Mean Std. Deviation Variance
TB 153 4039 1079,53 763,637 583.140,797
Kepadatan penduduk 272,34 8035,40 1839,43 2102,59084 4.420.888,24
Persentase buta huruf 1,65 26,51 9,3082 6,26057 39,195
Persentase penduduk usia (15-50)
tahun
48,26 59,36 53,6683 2,64918 7,018
Persentase penduduk miskin 2,14 43,58 12,3653 9,04677 81,844
Persentase UPK pelaksana DOTS 50 100 92,0027 10,77877 116,182
Persentase nakes terlatih & aktif 63,64 100 85,8832 10,67608 113,979
Persentase TUPM sehat 5,72 84,41 51,2868 18,69687 349,573
Persentase rumah tangga PHBS 17,14 67,32 45,3371 14,51725 210,751
Jumlah kasus HIV 0 1278 122,66 231,642 53.657,961
Persentase balita gizi kurang &
buruk
2,86 14,22 6,7542 2,82107 7,958
Persentase rumah sehat
1,02 81,03 38,8505 23,42914 548,925

15. Variabel Tolerance VIF
Kepadatan penduduk (X1) 0,168 5,945
Persentase buta huruf (X2) 0,289 3,461
Persentase penduduk usia 15-50 tahun (X3) 0,385 2,595
Persentase kemiskinan (X4) 0,197 5,071
UPK pelaksana DOTS (X5) 0,573 1,745
Persentase Nakes terlatih dan aktif (X6) 0,599 1,668
Persentase TUPM sehat (X7) 0,631 1,585
Persentase rumah tangga PHBS (X8) 0,468 2,137
Jumlah kasus HIV (X9) 0,408 2,453
Persentase balita gizi kurang dan gizi buruk (X10) 0,641 1,560
Persentase rumah sehat (X11) 0,536 1,866

16. Deteksi Overdispersi
Kriteria Nilai DF Nilai/DF
Deviance 1799,114 26 69,197
Pearson Chi-
Square
1651,604 26 63,532

17. Variabel yang memiliki pengaruh terhadap jumlah kasus baru TB di Propinsi
Jawa Timur Tahun 2013 berdasarkan metode regresi poisson adalah
Kepadatan penduduk (X1), Persentase buta huruf (X2), Persentase penduduk
usia 15-50 tahun (X3), Persentase kemiskinan (X4), UPK pelaksana DOTS
(X5), Persentase Nakes terlatih dan aktif (X6), Persentase TUPM sehat (X7),
Persentase rumah tangga PHBS (X8), Jumlah kasus HIV (X9), Persentase balita
gizi kurang dan gizi buruk (X10)
Model Regressi Poisson

18. Variabel yang memiliki pengaruh terhadap jumlah kasus baru TB di
Propinsi Jawa Timur Tahun 2013 berdasarkan metode Generalized
Poisson Regression adalah Persentase kemiskinan (X4), Persentase
Nakes terlatih dan aktif (X6), Jumlah kasus HIV (X9)
Model Generalized Poisson Regression

19. Perbandingan Nilai AIC, AICC dan BIC
Model AIC AICC BIC
Regresi Poisson 2149,183 2159,337 2167,197
Generalized Poisson 535,2 537,1 543,4

20. 1
•Jumlah kasus baru TB (variabel dependen) memiliki nilai varian
lebih besar dari nilai rata-rata, sehingga mengindikasikan
terjadinya overdispersi
2
•Nilai deviance dan pearson chi-square dibagi derajad bebas
menghasilkan nilai lebih dari satu membuktikan telah terjadinya
overdispersi pada data jumlah kasus TB di Propinsi Jawa Timur
tahun 2013
3
•Faktor yang mempengaruhi jumlah kasus baru TB di Propinsi Jawa Timur tahun 2013
melalui metode regresi poisson adalah kepadatan penduduk, persentase buta huruf,
persentase penduduk usia 15-50 tahun, persentase penduduk miskin, persentase UPK
pelaksana DOTS, persentase nakes terlatih TB dan aktif, persentase Tempat Umum
dan Pengelolaan Makanan (TUPM) sehat, persentase rumah tangga dengan Prilaku
Hidup Bersih dan Sehat (PHBS), jumlah kasus HIV , dan persentase balita gizi kurang
dan gizi buruk

21. 4
•Faktor yang mempengaruhi jumlah kasus baru TB di Propinsi
Jawa Timur tahun 2013 melalui metode Generalized Poisson
Regression adalah persentase kemiskinan, persentase tenaga
kesehatan terlatih TB dan aktif, serta jumlah kasus HIV.
5
•Model terbaik untuk kasus baru TB di Propinsi Jawa Timur tahun
2013 adalah model yang dihasilkan melalui metode Generalized
Poisson Regression melalui indikator nilai AIC, AICC dan BIC
terkecil.

22.  Pembuatan model data diskrit menggunakan metode regresi
poisson harus memperhatikan pemenuhan asumsi equidispersi
yaitu varian sama dengan rata-rata.
 Ketika terjadi masalah iterasi yang kurang pada saat pemodelan
Generalized Poisson Regression maka cara pengestimasian
parameter tidak disama dengankan nol tapi disama dengankan
nilai koefisien β dan scale dari masing-masing variabel yang
dihasilkan pada regresi poisson.
 Kegiatan kolaborasi TB-HIV adalah adalah salah program penting
pengendalian TB yang perlu dilaksanakan oleh seluruh jajaran
Kabupaten/Kota di Propinsi Jawa Timur
 Pemilihan tenaga kesehatan yang akan mendapatkan pelatihan
TB sebaiknya diperioritaskan pada tenaga kesehatan yang
berkontribusi aktif dalam kegiatan pengendalian TB dan belum
pernah mendapatkan pelatihan sebelumnya.