Perbandingan Regresi Nonparametrik Spline Truncated dan Kernel Gaussian dalam Pemodelan Penderita Tuberkulosis (TBC) di Indonesia Tahun 2025

Abstract

Tuberkulosis (TBC) masih menjadi masalah kesehatan utama di Indonesia dengan tingkat prevalensi yang bervariasi antar wilayah. Hubungan antara prevalensi TBC dan faktor-faktor yang memengaruhinya cenderung kompleks serta tidak selalu mengikuti pola linier. Penelitian ini membandingkan kinerja regresi nonparametrik Spline Truncated dan Kernel Gaussian dalam memodelkan prevalensi TBC di Indonesia tahun 2025, menggunakan variabel jumlah rumah sakit umum, jumlah kasus HIV/AIDS, persentase akses sanitasi layak, dan persentase akses air minum layak. Pemilihan knot optimal pada Spline Truncated dan bandwith optimal pada Kernel Gaussian dilakukan menggunakan GCV. Pada metode Spline Truncated diperoleh model terbaik dengan satu titik knot optimal pada masing-masing variabel prediktor, nilai MSE sebesar 2,2365 dan  sebesar 83,89%. Sementara itu, metode Kernel Gaussian menghasilkan MSE sebesar 8,311203 dan  sebesar 40,13%. Berdasarkan perbandingan tersebut, regresi Spline Truncated menunjukkan kinerja yang lebih baik dibandingkan Kernel Gaussian karena memiliki MSE lebih kecil dan  lebih tinggi. Temuan ini dapat digunakan sebagai alternatif statistik untuk mendukung kebijakan kesehatan masyarakat di Indonesia.