Spatiotemporal Analysis of Tuberculosis Notification Rates in West Java, Indonesia (2019–2024): A LISA-Based Clustering Approach

Abstract

Latar Belakang: Jawa Barat termasuk salah satu provinsi dengan beban Tuberkulosis (TB) tertinggi di Indonesia. Meskipun data notifikasi TB di Indonesia diterbitkan secara rutin, analisis spasial longitudinal mengenai tren penemuan kasus masih terbatas. Penelitian ini mengkaji pola klastering spasiotemporal dari angka notifikasi kasus di seluruh kota dan kabupaten di provinsi Jawa Barat dari tahun 2019 hingga 2024. Metode: Studi ekologis yang menggunakan kota dan kabupaten sebagai unit spasial (n=27). Metode Global Moran digunakan untuk menemukan pola spasial tahunan secara keseluruhan di provinsi tersebut, sedangkan analisis Local Moran’s I (LISA) dengan kedekatan queen tingkat pertama (first-order queen contiguity) dan 999 permutasi (alpha < 0,05$) digunakan untuk menilai autokorelasi spasial tahunan. Karena adanya ketimpangan angka yang sangat besar antara kota dan kabupaten, Empirical Bayes Smoothing (EBS) diterapkan untuk memastikan bahwa data pencilan (outlier) tidak menyamarkan pola mendasar dalam analisis. Hasil: Nilai Global Moran’s I bernilai positif sepanjang periode penelitian, tetapi tidak menunjukkan signifikansi statistik (rentang nilai I: 0,094 - 0,188; semua nilai p > 0,05). Klastering angka notifikasi TB terpantau konsisten selama 6 tahun, di mana tidak ditemukan perbedaan signifikan antara tahun 2019 hingga 2026. Pola klastering high-high (tinggi-tinggi) terdeteksi di 6 (22%) kota dan kabupaten di Jawa Barat, sedangkan pola klastering low-low (rendah-rendah) ditemukan di 1 kabupaten. Dua kabupaten terdeteksi memiliki jumlah kasus rendah yang dikelilingi oleh wilayah dengan kasus tinggi (low-high). Kesimpulan: Meskipun angka notifikasi TB di Jawa Barat tidak menunjukkan pola spasial global yang signifikan, klaster-klaster lokal tetap bertahan selama enam tahun. Stabilitas pola ini menunjukkan adanya dinamika geografis yang mendalam (baik faktor alami maupun migrasi). Wilayah dengan pola klastering low-low atau low-high dapat mengindikasikan adanya pelaporan yang kurang (under-reporting) atau adanya variabel pelindung (protective variables) yang perlu diteliti lebih lanjut di masa mendatang.