Perbandingan Model Bayesian Spasial Conditional Autoregressive (CAR): Kasus Covid-19 di Kota Makassar, Indonesia

Muhammad Arif Tiro(1*), Aswi Aswi(2), Zulkifli Rais(3),

(1) Universitas Negeri Makassar
(2) Universitas Negeri Makassar
(3) Universitas Negeri Makassar
(*) Corresponding Author



Abstract


Abstrak. Jumlah pasien positif penyakit Coronavirus-2019 (Covid-19) meningkat secara tajam mengikuti sebaran eksponensial. Salah satu Provinsi di Indonesia di luar Pulau Jawa yang memiliki jumlah kasus Covid-19 tertinggi adalah Provinsi Sulawesi Selatan. Diantara 24 Kabupaten/Kota di Provinsi Sulawesi Selatan, Kota Makassar sebagai ibukota provinsi Sulawesi Selatan memiliki kasus terkonfirmasi positif Covid-19 tertinggi. Penelitian ini bertujuan untuk membandingkan model Bayesian spasial Conditional Autoregressive (CAR) dalam mengestimasi risiko relative (RR) kasus Covid-19 di Makassar. Beberapa model model Bayesian spasial CAR yang digunakan adalah CAR BYM, CAR Leroux, CAR localised dan model Independent. Data yang digunakan pada penelitiaan ini adalah data jumlah kasus terkonfirmasi positif Covid-19 (20 Maret 2020 - 30 Agustus 2021) dan data jumlah penduduk pada 15 kecamatan di Kota Makassar. Pemilihan model terbaik didasarkan pada beberapa ukuran kecocokan model yaitu Deviance Information Criteria (DIC), Watanabe Akaike Information Criteria (WAIC). Berdasarkan nilai DIC dan WAIC yang terkecil, dapat disimpulkan bahwa Bayesian spasial CAR localised merupakan model yang terbaik dalam memodelkan kasus terkonfirmasi Covid-19 di kota Makassar. Berdasarkan Bayesian spasial CAR localised tersebut, diperoleh bahwa Ujung Pandang memiliki RR Covid-19 tertinggi (RR=1,70) sedangkan Kabupaten Sangkarrang memiliki RR Covid-19 terendah (RR=0,09). Hasil ini dapat membantu para pembuat kebijakan dalam pengambilan keputusan.

Kata Kunci: Bayesian, Conditional Autoregressive priors, Leroux, BYM, Localised


Full Text:

PDF

References


Aswi, A., Cramb, S., Duncan, E., & Mengersen, K. (2020). Evaluating the impact of a small number of areas on spatial estimation. International Journal of Health Geographics, 19(1), 39-39. doi:10.1186/s12942-020-00233-1

Aswi, A., Cramb, S., Duncan, E., & Mengersen, K. (2021). Detecting Spatial Autocorrelation for a Small Number of Areas: a practical example. Journal of physics. Conference series, 1899(1), 12098. doi:10.1088/1742-6596/1899/1/012098

Carrijo, T. B., & Da Silva, A. R. (2017). Modified Moran's I for Small Samples. Geographical Analysis, 49(4), 451-467. doi:10.1111/gean.12130

CNN, I. (2020). Sulsel Jadi Wilayah Kasus Corona Tertinggi di Luar Pulau Jawa. Retrieved from https://www.cnnindonesia.com/nasional/20200407154248-20-491274/sulsel-jadi-wilayah-kasus-corona-tertinggi-di-luar-pulau-jawa

DiMaggio, C., Klein, M., Berry, C., & Frangos, S. (2020). Black/African American Communities are at highest risk of COVID-19: spatial modeling of New York City ZIP Code–level testing results. Annals of epidemiology, 51, 7-13. doi:10.1016/j.annepidem.2020.08.012

Dinkes, K. M. (2021). Info Penanggulangan Covid-19 Kota Makassar. Retrieved from https://infocorona.makassar.go.id/

Konstantinoudis, G., Padellini, T., Bennett, J., Davies, B., Ezzati, M., & Blangiardo, M. (2021). Long-term exposure to air-pollution and COVID-19 mortality in England: A hierarchical spatial analysis. Environment International, 146, 106316. doi:10.1016/j.envint.2020.106316

Lee, D. (2013). CARBayes: an R package for Bayesian spatial modeling with conditional autoregressive priors. Journal of Statistical Software, 55(13), 1-24.

Moran, P. A. P. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1-2), 17. doi:10.1093/biomet/37.1-2.17

R Core Team. (2019). R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. Retrieved from http://www.R-project.org

Shereen, M. A., Khan, S., Kazmi, A., Bashir, N., & Siddique, R. (2020). COVID-19 infection: Origin, transmission, and characteristics of human coronaviruses. Journal of advanced research, 24, 91-98. doi:10.1016/j.jare.2020.03.005

Spiegelhalter, D. J., Best, N. G., Carlin, B. P., & Van Der Linde, A. (2002). Bayesian measures of model complexity and fit. Journal of the Royal Statistical Society. Series B, Statistical methodology, 64(4), 583-639. doi:10.1111/1467-9868.00353

Statistik, B. P. (2021). Makassar Municipality in Figures 2021. Retrieved from Makassar:

Waller, L. A., & Gotway, C. A. (2004). Applied spatial statistics for public health data Hoboken, N.J: John Wiley & Sons.

Whittle, R. S., & Diaz-Artiles, A. (2020). An ecological study of socioeconomic predictors in detection of COVID-19 cases across neighborhoods in New York City. BMC medicine, 18(1), 271-271. doi:10.1186/s12916-020-01731-6


Article Metrics

Abstract view : 602 times | PDF view : 94 times

Refbacks

  • There are currently no refbacks.