PENGELOMPOKAN NEGARA BERDASARKAN KEJADIAN PENYAKIT TUBERKULOSIS DENGAN MODEL FINITE MIXTURE NORMAL MELALUI KRITERIA INTEGRATED COMPLETED LIKELIHOOD

Abstract

Tuberkulosis (TB) adalah penyakitmenular yang menyerang paru-parudisebabkan oleh bakteri Mycobacterium tuberculosis. Penyakit tuberkulosis dicanangkan oleh World Health Organization (WHO)sebagai Global Emergency sejaktahun 1992. Penelitian ini bertujuan untukmengelompokkannegara-negara berdasarkan kejadian penyakit tuberkulosis melaluikriteria nilai Integrated Completed Likelihood (ICL)untuk menjadi referensi penyusunan strategi kebijakan menanggulangi tuberkulosis.Metode estimasi parameter model mixturedilakukan dengan metode estimasi maksimum likelihood menggunakan algoritma expectation maximization (EM) dan keseluruhan populasi dimodelkan sebagai model finite mixture normal.Penggunaan model finite mixture dapat digunakan pada datamultimodal atau diindikasikan sebagai adanyakelompokyang berbeda pada data dengan banyaknyamodus lebih dari satu. Kriteria ICL mampu memperkirakanjumlah komponen mixture yang stabil dan reliabel dibandingkan kriteria Bayesian Information Criterion (BIC).Penentuanjumlah kelompok optimal yang terbentuk berdasarkan nilai ICL terbesar. Berdasarkan analisis diperoleh hasil tiga kelompok yang terbentuk yaitu kelompokpertamaterdapat 60 negara yang didominasi oleh negara-negaradengansistem kesehatan yang baik, kelompok kedua terdapat 81 negara yang didominasi oleh negara-negara berkembang, selanjutnya kelompok ketiga terdapat 62 negarayang didominasi oleh negara-negaradengantingkat kualitas udara yang kurang baik.