Pemetaan dan Pemodelan Jumlah Kasus Penyakit Tuberkulosis di Kota Bandung dengan

Pendekatan Geographically Weighted Negative Binomial Regression

Nurul Qisthi dan I Gede Nyoman Mindra Jaya

Departemen Statistika, FMIPA, Universitas Padjadjaran
Jl. Raya Bandung Sumedang KM. 21, Jatinangor, Sumedang, 45361, Jawa Barat, Indonesia

Abstrak
Tuberkulosis merupakan penyakit menular yang menyerang saluran pernapasan yang disebabkan oleh kuman
Mycobacterium Tuberculosis. Kota Bandung memiliki angka kasus tuberkulosis yang cukup tinggi. Salah satu metode yang
digunakan dalam penelitian ini adalah Geographically Weighted Negative Binomial Regression.
Berdasarkan hasil pemetaan kasus tuberkulosis di Kota Bandung, terdapat empat kelompok dearah berdasarkan
tingginya angka kasus tuberkulosis. Ada tujuh kecamatan yang tergolong memiliki angka kasus tuberkulosis tinggi dan tujuh
kecamatan memiliki angka kasus yang rendah.
Berdasarkan hasil analisis, data telah memenuhi asumsi multikolinearitas yang dilihat dari nilai VIF dan asumsi
heteroskedastisitas spasial menggunakan uji Breusch-Pagan dengan p-value sebesar 0,238. Hasil penelitian menggunakan
metode Geographically Weighted Negative Binomial Regression didapat tiga pengelompokan wilayah yang berbeda
berdasarkan variabel yang signifikan berpengaruh terhadap jumlah kasus tuberkulosis di Kota Bandung.

Kata Kunci : GWNBR, Tuberkulosis, Regresi Poisson, Regresi Binomial Negatif, Dependensi Spasial, Heterogenitas
Spasial.

Pendahuluan menyebabkan penyakit tuberkulosis paru.

Penyakit Tuberkulosis merupakan penyakit infeksi
yang paling banyak menyebabkan kematian baik pada anak
maupun orang dewasa. WHO telah mencatat ada sebanyak
sepertiga penduduk dunia tertular tuberkulosis dan lebih
dari 8 juta penduduk dunia menderita tuberkulosis aktif
pada tahun 2000. (Kartasasmita, 2009)
Salah satu faktor penyebab berkembangnya
penyakit ini dengan cepat adalah lingkungan rumah yang
kurang sehat, seperti kurangnya ventilasi dan pencahayaan
matahari pada rumah penduduk, serta kurangnya istirahat.
(Pratama & Wulandari, 2015)
Setiap wilayah pasti memiliki karakteristik
wilayah yang berbeda sehingga menyebabkan adanya
perbedaan angka kasus tuberkulosis pada masing-masing
wilayah sesuai dengan karakteristik wilayahnya dan kondisi
lingkungan rumah tangga penduduk tersebut.
Tujuan dari penelitian ini adalah untuk mengetahui
faktor-faktor apa saja yang secara spasial berpengaruh
terhadap tuberkulosis serta memetakan dan memodelkan
jumlah kasus tuberkulosis di Kota Bandung menggunakan
pendekatan Geographically Weighted Negative Binomial
Regression (GWNBR).
Tinjauan Pustaka
1. Tuberkulosis
Tuberkulosis adalah penyakit menular
langsung yang disebabkan oleh kuman
Mycobacterium Tuberculosis, sebagian besar
kuman tersebut menyerang paru, tetapi dapat juga
mengenai organ tubuh lainnya. (Kementerian
Kesehatan, 2011)
Penularan penyakit tuberkulosis terjadi
ketika penderita batuk, butir-butir air ludah yang
mengandung basil kuman tuberkulosis
beterbangan di udara dan terhisap oleh orang yang
sehat dan masuk ke dalam paru yang kemudian
(Manalu, 2010)
2. Perilaku Hidup Bersih dan Sehat (PHBS)
PHBS adalah semua perilaku kesehatan
yang dilakukan atas kesadaran sehingga anggota
keluarga atau keluarga dapat menolong dirinya
sendiri di bidang kesehatan dan berperan aktif
dalam kegiatan-kegiatan kesehatan di masyarakat.
(Departemen Kesehatan RI, 2009)
3. Air Minum Layak
Air sangat dibutuhkan oleh masyarakat
sebagai sumber kehidupan. Penyedian sir bersih
harus dapat memenuhi kebutuhan masyarakat
karena persediaan air yang terbatas dapat
menimbukan berbagai penyakit di masyarakat.
(Dinas Kesehatan Kota Bandung, 2017)
4. Jamban Sehat
Jamban sehat merupakan fasilitas
membuangan tinja yang bermanfaat untuk
meningkatkan sanitasi dan kesehatan karena dapat
memutus penyebaran penyakit yang terkait dengan
sanitasi. (Water and Sanitation Program , 2009)
5. Tempat Pengelolaan Makanan Sehat
Makanan dan minuman merupakan
kebutuhan pokok yang harus dipenuhi. Apabila
makanan dan minuman tidak dikelola dengan
dapat menjadi media yang efektif untuk penularan
penyakit oleh karena itu tempat-tempat
pengelolaan makanan perlu dibina tentang keadaan
lingkungan dan upaya untuk menciptakan
lingkungan sehatnya secara terus menerus agar
tetap terjamin kualitas makanan dan minuman
yang dihasilkannya. (Dinas Kesehatan Kota
Bandung, 2017)
6. Penduduk Kota Bandung
Secara geografi Kota Bandung terletak di
posisi 107o36’ bujur timur dan 6o55’ lintang
selatan. Wilayah Kota bandung memiliki luas
 sebesar 16.729,65 Ha dengan jumlah penduduk
sebesar 2.490.479 jiwa yang terdiri dari 50,51%
laki-laki dan 49,49% perempuan. (Dinas
Kesehatan Kota Bandung, 2017)
7. Regresi Poisson
Regresi poisson digunakan apabila data
berupa data counting dengan model regresi
poisson adalah sebagai berikut.
𝜇𝑖 = 𝑒𝑥𝑝[𝛽0 + 𝛽1 𝑋1𝑖 + 𝛽2 𝑋2𝑖 + ⋯ + 𝛽𝑘 𝑋𝑘𝑖 ]
Dalam analisis regresi poisson sering
ternjadi fenomena overdisversi. Overdispersi
adalah kondisi apabila ragam dari peubah respon
lebih besar dari nilai tengah peubah respon.
(Safitri, Rahmi, & Devianto)
Overdispersi dapat terjadi jika nilai
devians atau nilai pearson chi-square dibagi
derajat bebasnya bernilai lebih dari satu.
8. Regresi Binomial Negatif
Regresi binomial negatif digunakan untuk
mengatasi masalah overdispersi dalam regresi
poisson.
Estimasi model regresi binomial negatif
adalah sebagai berikut.
𝑦̂𝑖 = 𝑒𝑥𝑝[𝛽̂0 + 𝛽̂1 𝑋1𝑖 + 𝛽̂2 𝑋2𝑖 + ⋯ + 𝛽̂𝑘 𝑋𝑘𝑖 ]
Pengujian parameter secara parsial
dilakukan untuk mengetahui parameter mana saja
yang berpengaruh terhadap model. Hipotesis yang
digunakan adalah sebagai berikut.
𝐻0 : 𝛽𝑘 = 0
𝐻1 : 𝛽𝑘 ≠ 0
Statistik uji :
𝛽̂𝑘
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑆𝐸(𝛽̂𝑘 )
Kriteria uji : tolak H0 jika thitung > ttabel atau p-value
<α
9. Data Spasial
a. Pengujian Dependensi Spasial
Pengujian dependensi spasial berfungsi
untuk melihat apakah pengamatan di suatu
lokasi berpengaruh terhadap pengamatan di
lokasi lain yang letaknya berdekatan.
(Pratama & Wulandari, 2015)
Pengujian ini dilakukan
mengunakan uji Moran’s I.
Hipotesis yang digunakan :
𝐻0 : 𝐼 = 0
𝐻1 : 𝐼 ≠ 0
Statistika uji :
𝐼̂ − 𝐸(𝐼̂)
𝑍𝐼 =
√𝑉𝑎𝑟(𝐼̂)
Kriteria uji : Tolak H0 jika ZI > Zα/2
b. Pengujian Heteroskedastisitas Spasial
Heteroskedastisitas spasial dilakukan
untuk melihat adanya keberagaman dalam
hubungan secara kewilayahan. (Tanadjaja,
Zain, & Wibowo, 2017). Pengujian
heteroskedastisitas spasial dilakukan
menggunakan uji Breusch-Pagan.
Hipotesis yang digunakan adalah :
𝐻0 : 𝜎1 2 = 𝜎2 2 = ⋯ = 𝜎 2
𝐻1 : 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑠𝑎𝑡𝑢 𝜎𝑖 2 ≠ 𝜎 2
Statistika uji :
1
𝐵𝑃 = ( ) 𝑓 𝑇 𝑍(𝑍 𝑇 𝑍)−1 𝑍 𝑇 𝑓
2
Diamana Z merupakan vektor pengamatan
variabel respon y yang berukuran (n x 1)
dengan nilai untuk setiap pengamatannya
sudah dibakukan. (Sugiarto & Arsyadana,
2015)
Kriteria uji : Total H0 jika BP > χ2(α,k) atau p-
value < α
10. Model Geographically Weighted Negatif Binomial
Regression (GWNBR)
Model GWNBR akan menghasilkan
pendugaan parameter lokal dengan masing-masing
lokasi akan memiliki parameter yang berbeda
beda. (Evadianti & Purhadi, 2014)
Model GWNBR adalah sebagai berikut.
𝑦𝑖 ~𝑁𝐵 (𝑡𝑗 𝑒𝑥𝑝 (∑ 𝛽𝑘(𝑢𝑖,𝑣𝑖) 𝑥𝑖𝑘 ) , 𝜃(𝑢𝑖 ,𝑣𝑖 )
𝑘
Ada tiga macam pengujian parameter
yang dilakukan dalam GWNBR, yitu :
a. Uji kesamaan model GWNBR dengan regresi
binomial negatif
Pengujian kesamaan model dilakukan
untuk menguji apakah ada kesamaan model
antara GWNBR dengan regresi binomial
nagatif.
Hipotesis yang digunakan adalah sebagai
berikut
𝐻0 : 𝛽𝑘 (𝑢𝑖 , 𝑣𝑖 ) = 𝛽𝑘
𝐻1 : 𝛽𝑘 (𝑢𝑖 , 𝑣𝑖 ) ≠ 𝛽𝑘
Statistik uji :
𝐷𝑒𝑣𝑖𝑎𝑛𝑐𝑒𝐵𝑁
⁄𝑑𝑓
𝐵𝑁
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝐷𝑒𝑣𝑖𝑎𝑛𝑐𝑒𝐺𝑊𝑁𝐵𝑅
⁄𝑑𝑓
𝐺𝑊𝑁𝐵𝑅
Kriteria uji : Tolak H0 jika Fhitung > Ftabel
b. Uji overall
Pengujian parameter secara overall
dilakukan untuk menguji pengaruh parameter
terhadap model secara menyeluruh. Hipotesis
yang digunakan adalah sebagai berikut.
𝐻0 : 𝛽1 (𝑢𝑖 , 𝑣𝑖 ) = ⋯ = 𝛽𝑘 (𝑢𝑖 , 𝑣𝑖 ) = 0
dengnan 𝐻1 : 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑎𝑑𝑎 𝑠𝑎𝑡𝑢 𝛽𝑘 (𝑢𝑖 , 𝑣𝑖 ) ≠ 0
Statistik uji :
𝐿(𝜔̂)
𝐺 2 = −2𝑙𝑛 ( )
𝐿(Ω̂)
Kriteria uji : Tolak H0 jika G2 > χ2(p;α)
c. Uji parsial
Pengujian parameter secara parsial
dilakukan untuk mengetahui parameter mana
saja yang berpengaruh terhadap model.
Hipotesis yang digunakan adalah sebagai
berikut.
𝐻0 : 𝛽𝑘 (𝑢𝑖 , 𝑣𝑖 ) = 0
𝐻1 : 𝛽𝑘 (𝑢𝑖 , 𝑣𝑖 ) ≠ 0
Statistik uji :
𝛽̂𝑘 (𝑢𝑖 , 𝑣𝑖 )
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑆𝐸(𝛽̂𝑘 (𝑢𝑖 , 𝑣𝑖 ))
Kriteria uji : tolak H0 jika thitung > ttabel atau p-
value < α
Metode Penelitian 2. Menguji adanya multikolinearitas pada masing-
Data yang digunakan dalam penelitian ini adalah masing variabel dengan menggunakan nilai VIF
data sekunder yang diambil dari Dinas Kesehatan Kota 3. Memodelkan regresi poisson
Bandung. Variabel yang digunakan dalam penelitian ini 4. Memodelkan regresi binomial negatif
disajikan dalam tabel sebagai berikut. 5. Menguji dependensi spasial dan
Tabel 1. Variabel dalam Penelitian heteroskedastisitas spasial
No. Nama Variabel Simbol 6. Memodelkan GWNBR dan memetakan wilayah
Jumlah kasus penderita berdasarkan variabel yang signifikan
1 TBC di Kota Bandung Y
pada tahun 2017 Hasil dan Pembahasan
Persentase rumah tangga 1. Mendeskripsikan dan Memetakan Jumlah Kasus
2 yang berperilaku hidup X1 Penderita TBC di Kota Bandung
bersih dan sehat Jumlah kasus tuberkulosis di Kota
Persentase penduduk Bandung sebesar 9505 kasus pada tahun 2017
3 dengan akses air minum X2 dengan rata-ratanya sebesar 317 kasus.
layak Jumlah kasus Tuberkulosis di Kota
Persentase penduduk Bandung memiliki standar deviasi yang besar
4 X3 yaitu sebesar 317,96097 sehingga terdapat
dengan akses jamban sehat
Persentase tempat perbedaan jumlah kasus tuberkulosis ditiap
pengelolaan makanan kecamatan.
5 X4 Angka kasus tuberkulosis terbesar adalah
yang memenihi syarat
higiene sanitasi sebesar 1112 kasus yang terjadi di Kecamatan
Jumlah penduduk Kota Bojongloa Kidul. Sedangkan angka kasus terkecil
6 X5 adalah sebesar 17 kasus yang terjadi di Kecamatan
Bandung
Dalam pemetaan kasus tuberkulosis di Kota Gedebage.
Bandung akan dilakukan dengan menggunakan pendekatan Terdapat empat kelompok dearah
Geographically Weighted Negative Binomial Regression berdasarkan tingginya angka kasus tuberkulosis
dengan memperhatikan aspek spasialnya. (gambar 1). Kelompok dengan kasus tuburkulosis
tinggi adalah Kecamatan Cidadap, Kecamatan
Tahapan Analisis Sukajadi, Kecamatan Coblong, Kecamatan Andir,
Analisis yang digunakan meliputi : Kecamatan Bojongloa Kidul, Kecamatan
1. Mendeskripsikan jumlah kasus penderita Cibeunying Kidul, Kecamatan Cinambo.
tuberkulosis menggunakan statistika deskripsi dan
pemetaan kasus per kecamatan di Kota Bandung

Gambar 1. Peta Kasus Tuberkulosisi di Kota Bandung

2. Menguji Multikolinearitas Tabel 2. Nilai VIF

Cara mendeteksi multikolinearitas adalah VIF VIF VIF
dengan melihat nilai VIF. Berikut adalah nilai VIF X1 1,055 X3 1,165 X5 1,348
tiap variabel yang disajikan dalam tabel sebagai X2 1,055 X4 1,310
berikut.
 Nilai VIF dari masing-masing variabel Tabel 6. Goodness of fit regresi binomial negatif
kurang dari 10 artinya tidak ada multikolinearitas. Devians Pearson
3. Pemoodelan Regresi Poisson Value 30,366 27,894
Berikut adalah estimasi parameter model Df 24 24
regresi poisson yang disajikan dalam tabel. Value/Df 1,265 1,162
Tabel 3. Hasil analisis regresi poisson Walaupun masih ada indikasi
Estimate Std. Eror p-value overdispersi, tetapi terjadi penurunan koefisien
Intercept 5,915 0,0673 0,000 overdispersi setalah menggunakan binomial
X1 0,000 3,9630E-006 0,000 negatif. Sehingga regresi binomial negatif dapat
X2 4,370E-005 4,0170E-006 0,000 mengendalian overdispersi pada regresi poisson.
X3 -3,170E-005 4,1677E-006 0,000 5. Menguji dependensi spasial dan
X4 -3,078E-005 7,2434E-006 0,000 heteroskedastisitas spasial
X5 5,726E-006 3,7066E-007 0,000 Berdasarkan hasil pengujian dependensi
Berdasarkan pengujian paramater dengan spasial dan heterogenitas spasial didapat hasil
taraf signifikansi 25% didapat bahwa semua sebagai berikut.
variabel prediktor dalam tabel memberikan Tabel 7. Hasil analisis aspek data spasial
pengaruh yang signifikan terhadap jumlah kasus p-value
tuberkulosis di Kota Bandung. Sehingga didapat Breusch-Pagan 0,238
model regresi sebagai berikut. Moran’s Index 0,3857
𝑦𝑖 = 𝑒𝑥𝑝(5,915 + 0,0000437𝑋2 − 0,0000317𝑋3 Untuk heteroskedastisitas spasial, dengan
− 0,00003978𝑋4 taraf signifikansi 25% didapat bahwa terdapat
+ 0,000005726𝑋5 ) perbedaan karakteristik antara satu wilayah dengan
Tetapi model regresi poisson tidak cocok wilayah lainnya.
digunakan dalam penelitian ini karena memiliki Untuk dependensi spasial, dengan taraf
tingkat kesalahan yang tinggi (overdispersi). Hal signifikansi 25% didapat bahwa tidak ada
tersebut dapat dilihat dalam tabel sebagai berikut. dependensi spasial yang artinya bahwa
Tabel 4. Goodness of fit Regresi Poisson pengamatan suatu lokasi tidak bergantung pada
Devians Pearson pengamatan di lokasi lain yang letaknya
Value 7510,549 7828,419 berdekatan.
Df 24 24 6. Pemodelan GWNBR
Value/Df 312,940 326,184 a. Uji kesamaan model
Dari tabel diatas didapat nilai devians dan Berdasarkan pengujian kesamaan model
nilai pearson chi-square dibagi derajat bebasnya didapat hasil sebagai berikut.
lebih dari satu. Artinya terjadi overdispersi dalam Tabel 8. Perhitungan uji kesamaan model
model regresi poisson ini, sehingga digunakan Devians =
Binomial
model regresi binominal negatif untuk mengatasi 30,366
Negatif
overdispersi dalam regresi poisson. Df = 24
F = 0,006
4. Pemodelan Regresi Binomial Negatif Devians =
Berikut adalah estimasi parameter model GWNBR 5042,621615
regresi poisson yang disajikan dalam tabel. Df = 24
Tabel 5. Hasil analisis regresi binomial negatif Dengan taraf signifikansi 25%, didapat
Estimate Std. Eror p-value nilai Ftabel = 1,321 sehingga dapat disimpulkan
Intercept 5,833 1,0741 0,000 bahwa H0 diterima artinya tidak ada
X1 0,000 9,0138E-005 0,041 perbedaan antara model regresi binomial
X2 0,000 7,5973E-005 0,151 dengan model GWNBR.
X3 -7,617E-005 7,3963E-005 0,303 b. Uji overall
X4 -5,079E-005 ,0001 0,711 Berdasarkan hasil perhitungan didapatkan
X5 9,472E-006 6,5540E-006 0,148 nilai devians model GWNBR sebesar
Berdasarkan pengujian parameter dengan 5042,621615. Dengan taraf nyata 25%
2
taraf signifikansi 25% didapat bahwa varibabel didapatkan 𝜒(6;0,25) sebesar 6,6257 maka H0
yang signifikan berpengaruh terhdap jumlah kasus ditolak, artinya minimal ada satu parameter
tuberkulosis di Kota Bandung adalah variabel X1, yang signifikan berpengaruh terhadap model
X2, dan X5. GWNBR.
Didapat model regresi binomial negatif c. Uji parsial
sebagai berikut Berdasarkan hasil pengujian signifikansi
𝑦𝑖 = 𝑒𝑥𝑝(5,833 − 0,0000761𝑋3 parameter didapat tiga pengelompokan
− 0,00005079𝑋4 wilayah berdasarkan variabel yang signifikan.
+ 0,000009472𝑋5 ) Persentase penduduk dengan akses air minum
Berikut adalah goodness of fit dari jumlah layak, persentase tempat pengelolaan
kaus tuberkulosis di Kota bandugn dengan makanan yang memenuhi syarat higiene
menggunakan model regresi binomial negatif. sanitasi dan jumlah penduduk Kota Bandung
secara signifikan mempengaruhi kasus
 tuberkulosis disetiap kecamatan yang ada di
Kota Bandung dengan taraf signifikansi
sebesar 25%.
Gambar 2. Pengelompokan berdasarkan variabel yang signifikan
Kesimpulan
Pada tahun 2017 terdapat 9505 kasus tuberkulosis
di Kota Bandung, terdapat tujuh kecamatan yang memiliki
angka kasus tinggi dengan angka kasus tertinggi sebesar
1112 kasus berada di Kecamatan Bojongloa Kidul dan
terdapat tujuh kecamatan yang memiliki angka kasus
rendah dengan angka kasus terrendah sebesar 17 kasus
berada di Kecamatan Gedebage.
Berdasarkan hasil pemodelan GWNBR didapatkan
tiga pengelompokan wilayah berdasarkan variabel yang
signifikan memperngaruhi jumlah kasus tuberkulosis di
Kota Bandung.
Dengan hasil yang didapatkan ini diharapkan
kedepannya dapat mengurangi jumlah kasus tuberkulosis di
Kota Bandung dengan cara mengimplementasikan pola
hidup berdasarkan variabel yang signifikan pada masing-
masing wilayah kecamatan.
Daftar Pustaka
Departemen Kesehatan RI. (2009). Rumah Tangga Sehat
dengan Perilaku Hidup Bersih dan Sehat.
Dinas Kesehatan Kota Bandung. (2017). Profil Kesehatan
Kota Bandung. Bandung.
Evadianti, E., & Purhadi. (2014). Pemodelan Jumlah
Kematian Ibu di Jawa Timur dengan
Geographically Weighted Negative Binomial
Regression. Jurnal Sains dan Seni POMITS, Vol.
3, No. 2.
Hasan, I. I. (2012). Pokok-Pokok Materi Statistik 1
(Statistik Deskriptif). Jakarta: Bumi Aksara.
Janie, D. N. (2012). Statistik Deskriptif & Regresi Linear
Berganda dengan SPSS. Semarang: Semarang
University Press.
Berikut adalah peta pengelompokan
kecamatan di Kota Bandung berdasarkan
variabel yang signifikan.
Kartasasmita, C. B. (2009). Epidemiologi Tuberkulosis.
Sari Pediatri, Vol. 11, No. 2.
Kementerian Kesehatan. (2011). Pedoman Nasional
Pengendalian Tuberkulosis. Jakarta.
Manalu, H. S. (2010). Faktor-Faktor yang Memperngaruhi
Kejadian TB Paru dan Upaya Penanggulangannya.
Jurnal Ekologi Kesehatan , Vol. 9, No. 4.
Pratama, W., & Wulandari, S. P. (2015). Pemetaan dan
Pemodelan Jumlah Kasus Penyakit Tuberculosis
(TBC) di Provinsi Jawa Barat dengan Pendekatan
Geographically Weighted Negative Binomial
Regression. Jurnal Sains dan Seni ITS, Vol. 4, No.
1.
Safitri, A., Rahmi, I., & Devianto, D. (t.thn.). Penerapan
Regresi Poisson dan Binomial Negatif dalam
Memodelkan Kasus Penderita AIDS di Indonesia
Berdasarkan Faktor Sosiodemografi. Jurnal
Matematika UNAND, Vol. 3 No. 4 Hal. 58 – 65 .
Sugiarto, & Arsyadana, H. H. (2015). Perbandingan
Regresi Globaldan Geographically Weighted
Regression (GWR) pada Kasus Prevalensi
Penyakit Hepatitis. Statistika, Vol. 3, No. 2.
Tanadjaja, A., Zain, I., & Wibowo, W. (2017). Pemodelan
Angka Harapan Hidup di Papua dengan
pendekatan Geographically Weighted Regression .
Jurnal Sains dan Seni ITS, Vol. 6, No. 1.
Water and Sanitation Program . (2009). Informasi Pilihan
Jamban Sehat. Jakarta: World Bank Offi.