Analisis Perbandingan Model Linear dan Graph Neural Network untuk Pemodelan Risiko Tuberkulosis Paru Berbasis Faktor Sosial dan Kesehatan di Jawa Timur

Abstract

Abstrak— Tuberkulosis (TB) paru masih menjadi masalah kesehatan utama di Indonesia, dengan Jawa Timur sebagai salah satu provinsi dengan kasus tertinggi. Penelitian ini bertujuan untuk membandingkan kinerja dari beberapa model seperti Linear Regression dan Graph Neural Network (GNN) dalam memodelkan risiko TB paru berbasis faktor sosial dan kesehatan. Data sekunder diperoleh dari BPS Jawa Timur tahun 2022-2023 yang mencakup 39 kab/kota. Model yang di uji meliputi Naive Mean, Linear Regression, Gradient Boosting Regressor, dan Graph Convolutional Network (GCN). Model dievaluasi menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Hasilnya menunjukan Linear Regression memiliki performa yang paling baik (MAE = 590,88; RMSE = 871,05; R² = 0,92), sedangkan GCN menunjukkan hasil negatif (R² = -0,25). Temuan ini mengindikasikan bahwa variansi risiko TB lebih banyak dipengaruhi faktor sosial-kesehatan internal suatu wilayah dibandingkan dengan hubungan spasial antarwilayah. Model linear terbukti lebih efisien untuk analisis risiko TB paru pada skala kab/kota.