Hasil Pencarian  ::  Simpan CSV :: Kembali

"Program pro-poor growth belum efektif mengurangi kemiskinan di Papua karena pemerintah tidak memiliki informasi yang lengkap mengenai faktor-faktor yang mempengaruhi kemiskinan menurut variasi wilayah. Oleh karena itu, penelitian ini akan menganalisis faktor-faktor yang mempengaruhi kemiskinan menurut variasi wilayah (spatial heterogeneity) dengan menggunakan model GWR. Kemiskinan diprediksi dengan menggunakan faktor-faktor yang berkaitan dengan mata pencaharian penduduk (Scoones, 1998 dan Kam et al., 2005). Unit observasi adalah kecamatan dan data yang digunakan merupakan data cross sectional (Podes 2008, PPLS 2008, dan Pemetaan 2010). Goodness of fit test menyimpulkan bahwa model GWR lebih baik dibanding model OLS dalam menjelaskan faktor-faktor yang mempengaruhi kemiskinan di Papua. Hasil GWR menunjukkan bahwa pengaruh tingkat pendidikan, tenaga medis, dan topografi wilayah terhadap kemiskinan hampir sama di semua wilayah. Sedangkan pengaruh luas lahan yang diusahakan, penggunaan irigasi teknis, sumber air minum, dan infrastruktur listrik terhadap kemiskinan bervariasi secara spasial. Hasil multivariate K-means clustering menunjukkan bahwa kecamatan mengelompok menurut karakteristik wilayah (kondisi geografis). Kemiskinan di wilayah Papua selatan lebih dipengaruhi oleh ketersediaan sumber air bersih dan listrik dibanding wilayah lain. Kemiskinan di wilayah kepulauan, Nabire, dan sekitarnya lebih dipengaruhi oleh ketersediaan tenaga medis, tingkat pendidikan, dan penggunaan irigasi teknis. Sedangkan kemiskinan di Kota Jayapura dan sekitarnya lebih dipengaruhi oleh luas lahan yang diusahakan. Hasil tersebut menyiratkan bahwa intervensi pengentasan kemiskinan seharusnya berbeda untuk wilayah yang berbeda. Kemungkinan kemiskinan di Papua dipengaruhi oleh kemiskinan di wilayah sekitarnya. Oleh karena itu, penelitian yang mengkombinasikan spatial dependence dan spatial heterogeneity dengan menggunakan model GWR sangat disarankan.

---

Program of pro-poor growth has not been effective to reduce poverty in Papua because the government does not have complete information about the spatial variation of poverty-influencing factors. Therefore, this study will analyze the spatial variation of poverty-influencing factors (spatial heterogeneity) using GWR model. Poverty predicted using livelihood-influencing factors (Scoones, 1998 and Kam et al., 2005). The unit of observation is subdistrict level and the data used is a cross-sectional data (Podes 2008, PPLS 2008, and Mapping 2010).

Goodness of fit tests conclude that GWR model is better than OLS model to explain the influencing factors of poverty in Papua. Result shows that influence of the level of education, health workers, and topography of area on poverty are almost the same in all regions. While the influence of the cultivated land area, use of technical irrigation, source of drinking water, and the electrical infrastructure vary spatially.

The result of multivariate K-means clustering shows that subdistricts are spatially clustered by regional characteristics (geographic conditions). Poverty in southern Papua (Merauke regency and surrounding area) is more influenced by the availability of clean water and electricity than other regions. Poverty in the archipelago, Nabire, and surrounding areas are more influenced by the availability of health workers, educational level, and use of technical irrigation than other regions. While poverty in Jayapura and the surrounding area is more affected by cultivated land area than other regions. These results imply that poverty alleviation interventions should be different for different areas.

Poverty in Papua maybe affected by poverty in the surrounding regions. Therefore, research that combines spatial dependence and spatial heterogeneity using GWR model is strongly recommended."

"AbstractPro-poor growth program has not been effective reducing poverty in Papua because the government does not have complete information about the spatial variation of poverty-causing factors (spatial heterogeneity). Therefore, this study will analyze poverty-causing factors using Geographically Weighted Regression (GWR) model. This study finds that the influence of the cultivated land area, use of technical irrigation, source of drinking water, and the electrical infrastructure vary spatially. In additions, multivariate K-means clusteringshows that subdistricts are spatially clustered by geographical conditions. These results imply that poverty alleviation interventions should be dierent for different areas.AbstrakProgram pro-poor growth (program pembangunan ekonomi yang berpihak kepada penduduk miskin) belum efektif mengurangi kemiskinan di Papua karena pemerintah tidak memiliki informasi lengkap mengenai faktor-faktor yang menyebabkan kemiskinan menurut variasi wilayah (spatial heterogeneity). Oleh karena itu, studi ini akan menganalisis faktor-faktor tersebut dengan menggunakan model Geographically Weighted Regression (GWR). Studi ini menemukan pengaruh luas lahan yang diusahakan, penggunaan irigasi teknis, sumber air minum, dan listrik terhadap kemiskinan bervariasi secara spasial. Sementara itu, multivariate K-means clustering menunjukkan kecamatan mengelompok menurut kondisi geografis. Ini menyiratkan bahwa intervensi pengentasan kemiskinan seharusnya berbeda untuk wilayah berbeda."

"Kemiskinan merupakan suatu kondisi yang ditandai dengan ketidakmampuan seseorang dalam memenuhi kebutuhan pokoknya. Berdasarkan publikasi Badan Pusat Statistik (BPS) dari tahun 2017 hingga 2020, Provinsi Papua dan Papua Barat yang berada di Pulau Papua merupakan dua provinsi dengan kemiskinan tertinggi di Indonesia. Oleh karena itu, penelitian ini bertujuan untuk menganalisis variabel-variabel yang signifikan memengaruhi kemiskinan di Pulau Papua. Permasalahan kemiskinan merupakan permasalahan kompleks yang tidak hanya terjadi pada satu waktu dan dapat dipengaruhi oleh aspek kewilayahan atau spasial. Hal ini mengindikasikan perlunya dilakukan suatu penelitian yang melibatkan efek spasial dalam beberapa periode waktu. Sehubungan dengan hal tersebut, maka data spasial dengan struktur panel digunakan dalam penelitian ini. Data penelitian yang merupakan data spasial dengan struktur panel mengakibatkan kemungkinan munculnya pengaruh spasial seperti heterogenitas spasial. Uji heterogenitas spasial dilakukan menggunakan uji Breusch-Pagan. Berdasarkan pengujian didapatkan bahwa terdapat heterogenitas spasial pada data kemiskinan di Pulau Papua tahun 2017-2020 sehingga dilakukan analisis lebih lanjut dengan menggunakan model Geographically Weighted Panel Regression (GWPR). Model GWPR dibentuk menggunakan fungsi pembobot kernel Fixed Gaussian, Fixed Bisquare, dan Fixed Tricube. Hasil penelitian menunjukkan bahwa model GWPR dengan fungsi pembobot kernel Fixed Gaussian merupakan model terbaik dalam memodelkan data kemiskinan di Pulau Papua tahun 2017-2020 dengan koefisien determinasi sebesar 84.93% dan RMSE sebesar 0.013459686. Variabel harapan lama sekolah, angka harapan hidup, rasio gini, pengeluaran per kapita disesuaikan, dan tingkat partisipasi angkatan kerja berpengaruh signifikan terhadap kemiskinan pada minimal satu lokasi di kabupaten/kota di Pulau Papua. Variabel angka harapan hidup dan pengeluaran per kapita disesuaikan merupakan variabel yang paling banyak berpengaruh signifikan terhadap kemiskinan di kabupaten/kota di Pulau Papua.

---

Poverty is a condition characterized by a person’s inability to fulfill their basic needs. Based on the publications of Badan Pusat Statistik (BPS) from 2017 to 2020, the provinces of Papua and West Papua on the island of Papua are the two provinces with the highest rates of poverty in Indonesia. Therefore, this study aims to analyze the variables that significantly affect poverty on Papua Island. The problem of poverty is a complex problem that does not only occur at one time and can be influenced by regional or spatial aspects. This indicates the need for a study involving spatial effects over several periods. In this regard, spatial data with panel structure is used in this study. Research data which is spatial data with a panel structure results in the possibility of the emergence of spatial influences such as spatial heterogeneity. A spatial heterogeneity test was performed using the Breusch-Pagan test. Based on the test, it was found that there is spatial heterogeneity in poverty data in Papua Island in 2017-2020 so further analysis will be carried out using the Geographically Weighted Panel Regression (GWPR) model. The GWPR model is formed using the Fixed Gaussian, Fixed Bisquare, and Fixed Tricube kernel weighting functions. The results show that the GWPR model with the Fixed Gaussian kernel weighting function is the best in modeling poverty data in Papua Island in 2017- 2020 with the coefficient of determination of 84.93% and RMSE of 0.013459686. The variables of expected years of schooling, life expectancy, gini ratio, consumption per capita, and labor force participation rate have a significant effect on poverty in at least one location in a district/city on Papua Island. The variables of life expectancy and consumption per capita have a significant effect on poverty in most districts/cities on Papua Island."

"Penelitian ini bertujuan menganalisis faktor-faktor yang mempengaruhi kemiskinan di Propinsi Kepulauan Bangka Belitung Tahun 2003-2011. Faktor-faktor yang mempengaruhi kemiskinan yang dianalisis adalah 5 variabel penentu yaitu nilai PDRB ADHK 2000, upah minimum, pendidikan SD&SMP, pendidikan SMA dan jumlah pengangguran dengan menggunakan model panel data. Hasil regresi model panel memperlihatkan bahwa seluruh variabel independen secara statistik signifikan mempengaruhi kemiskinan. Variabel PDRB ADHK 2000 dan pendidikan SMA signifikan negatif sedangkan variabel upah minimum, pendidikan SD&SMP serta pengangguran signifikan positif. Dari hasil regresi pengaruh variabel PDRB ADHK 2000 sebesar -0,349896, variabel upah minimum sebesar 0,170965, variabel pendidikan SD&SMP sebesar 0,039336 dan variabel pendidikan SMA sebesar -0,852296 serta pengangguran sebesar 0,286976. Dari kelima variabel independen, variabel Pendidikan SMA paling signifikan mempengaruhi kemiskinan.Berdasarkan hasil tersebut saran yang diusulkan adalah PDRB dan pendidikan jenjang yang lebih tinggi (SMA keatas) harus terus ditingkatkan. Untuk PDRB yang mana kenaikan nilai PDRB melambangkan kenaikan pertumbuhan ekonomi sehingga hendaknya ke depan dapat dilaksanakan pembangunan yang berorientasi pada pemerataan pendapatan serta pemerataan hasil-hasil ekonomi keseluruh golongan masyarakat. Sedangkan pendidikan perlu ditingkatkan, kedepan masyarakat disetiap kabupaten/kota berpendidikan minimal tamat SMA/SMK. Dengan demikian semua mendapat pendidikan yang lebih tinggi dari pada pendidikan dasar, sehingga tingkat kemiskinan dapat diturunkan. Memberikan jaminan pendidikan bagi orang miskin serta meningkatkan fasilitas-fasilitas pendidikan secara merata tidak hanya terpusat di suatu daerah tetapi merata ke seluruh daerah. Kebijakan upah minimum perlu dikaji secara mendalam, meskipun tujuan utamanya adalah untuk meningkatkan taraf hidup pekerja/buruh sehingga terhindar dari kemiskinan, namun pada saat upah minimum meningkat pengangguran akan meningkat, menyebabkan kemiskinan meningkat pula. Kebijakan upah minimum tersebut harus diikuti oleh kebijakan pendukung lainnya. Tingkat pengangguran perlu diturunkan sekecil mungkin melalui upaya-upaya pengembangan pusat-pusat pertumbuhan baru atau melalui pemberdayaan masyarakat seperti kebijakan-kebijakan yang ditetapkan oleh pemerintah pusat.

---

This study aims to analyze the factors that affect poverty in the Province of Bangka Belitung of the year 2003-2011. Factors that affect poverty determinant variables analyzed were 5 the variabel of GDP ADHK 2000, minimum wage, education SD&SMP, education SMA and unemployment using panel data models. Panel regression model showed that all the independent variables were statistically significantly affect poverty. Variable GDP ADHK 2000 and high school education significant negative while variable minimum wage, education and elementary and junior high and unemployment significantly positive. From the results of the regression variables influence GDP ADHK 2000 was -0.349896, minimum wage variable was 0.170965, the variable of primary education and junior high school variable 0.039336 and education high school -0.852296 and the unemployment rate of 0.286976. Of the five independent variables, the most significant variable high school education affecting poverty.Based on these results the proposed suggestion is GDP and a higher level of education (high school and above) should be improved. For GDP which represents the increase in the value of GDP increase in economic growth that should be implemented in the future development of income-oriented equity and equal economic outcomes throughout the community group. While education needs to be improved, future society in every district / city minimum education completed high school / vocational school. Thus all got an education higher than elementary education, so that poverty can be reduced. Guarantee the education of the poor and improving educational facilities evenly not only concentrated in one area but evenly throughout the area. Minimum wage policy should be examined in depth, although the ultimate goal is to improve the lives of workers / laborers so avoid poverty, but at the minimum wage increases unemployment will increase, leading to increased poverty anyway. Minimum wage policy should be followed by other supporting policies. The unemployment rate needs to be reduced as small as possible through the efforts of the development of new growth centers or through community empowerment as the policies set by the central government."

"Skripsi ini membahas mengenai faktor - faktor apa saja yang berhubungan dengan kunjungan antenatal care di Provinsi Papua pada tahun 2010. Tujuannya adalah untuk mengetahui distribusi faktor - faktor yang berhubungan dengan peningkatan kunjungan antenatal. Metode penelitian dengan menggunakan desain cross sectional dengan menggunakan data yang diambil dari riset kesehatan dasar di Provinsi Papua pada tahun 2010 yang dilakukan oleh Badan Penelitian dan Pengembangan Kesehatan.Hasil penelitian ini menunjukkan ibu hamil di Provinsi Papua memiliki persentase sebesar 53,9% dalam melakukan kunjungan antenatal secara lengkap. Faktor yang dapat mempengaruhi kunjungan antenatal dalam penelitian ini adalah faktor penghasilan keluarga dengan persentase sebesar 67,9% yang melakukan kunjungan antenatal secara lengkap. Oleh karena itu perlu adanya monitoring serta evaluasi kegiatan ke seluruh masyarakat agar faktor-faktor yang dapat mempengaruhi ibu hamil dalam berkunjung ke pelayanan antenatal dapat ditingkatkan, dengan adanya fasilitas yang terjangkau oleh seluruh lapisan masyarakat.

---

This paper discusses about what factors are associated with antenatal care visits in Papua Province in 2010. The aim was to determine the distribution of factors associated with increased antenatal visits. Methods of research using cross sectional design using data taken from health research base in Papua Province in 2010 conducted by the Agency for Health Research and Development.

The results of this study suggest pregnant women in the province of Papua has a percentage of 53.9% in antenatal visits are complete. Factors that can affect antenatal visits in this study is the factor of family income with a percentage of 67.9% of antenatal visits are complete. Therefore there is need for monitoring and evaluation activities to the entire community so that the factors that can affect pregnant women in antenatal care visit can be improved, with the facility affordable to all segments of society."

"ABSTRAKTindak kriminal di Indonesia semakin meningkat, baik variasi maupun jumlahnya setiap tahun. Tindak kriminal dalam penelitian ini termasuk pembunuhan, perkosaan, penganiayaan, perusakan, pencurian, penipuan, dan kasus lain yang membuat masyarakat merasa tidak aman. Penelitian ini bertujuan untuk mengetahui faktor-faktor apa saja yang mempengaruhi jumlah tindak kriminal di Provinsi Sumatera Utara serta mengetahui bagaimana pengaruh waktu dan tempat kejadian di 33 kabupaten/kota di Provinsi Sumatera Utara pada tahun 2016. Penelitian ini menggunakan data sekunder yang dihimpun oleh POLRI, BPS, dan Dinsos di Provinsi Sumatera Utara pada tahun 2013, 2014, 2015 dan 2016. Variabel bebas yang digunakan adalah jumlah pengangguran, jumlah penduduk miskin, kepadatan penduduk, indeks pembangunan manusia, jumlah tempat Ibadah, laju pertumbuhan ekonomi, dan jumlah keluarga bermasalah sosial psikologis. Untuk menjawab tujuan penelitian ini maka dilakukan pemodelan regresi dengan memasukkan unsur spasial sebagai pendekatan analisis data spasial. Variabel Dummy berfungsi untuk mengetahui apakah ada pengaruh waktu terhadap terjadinya tindak kriminal di 33 kabupaten/kota Provinsi Sumatera Utara. Hasil penelitian menunjukkan bahwa variabel jumlah pengangguran, jumlah penduduk miskin, kepadatan penduduk, dan indeks pembangunan manusia signifikan pada model.

---

ABSTRACTCrime in Indonesia is increasing, both variation and number every year. Crimes in this research include murder, rape, torture, vandalism, theft, fraud, and other cases that make people feel insecure. This study aims to determine what factors affect the number of criminal acts in North Sumatra Province and find out how the influence of time and place in 33 districts cities in the Province of North Sumatra in 2016. This study uses secondary data collected by POLRI, BPS and Dinsos in North Sumatra Province in 2013, 2014, 2015 and 2016. The independent variables used are the number of unemployed, the number of poor, the population density, the human development index, the number of places of worship, the rate of economic growth, and the number of families with social problems psychologi. To answer the purpose of this study, it is done regression modeling by incorporating spatial elements as a spatial data analysis approach. Dummy variable serves to determine whether there is influence of time to the occurrence of criminal acts in 33 districts cities of North Sumatra Province. The results showed that the variables of unemployment, number of poor, population density, and human development index were significant in model. "

"Cakupan vitamin A di Provinsi Papua pada tahun 2019 hanya mencapai 31,7% dan merupakan salah satu provinsi dengan angka cakupan paling rendah di Indonesia. Angka cakupan tersebut juga jauh di bawah standar UNICEF, yakni 80%. Rendahnya cakupan vitamin A bisa disebabkan beberapa faktor yang bervariasi pada tiap kabupaten/kota Provinsi Papua. Analisis spasial dilakukan untuk melihat sebaran serta korelasi antara faktor determinan dengan angka cakupan vitamin A. Penelitian ini merupakan penelitian kuantitatif yang penggunakan pendekatan analisis spasial dan korelasi. Data yang digunakan adalah data sekunder dari Badan Pusat Statistika dan Dinas Kesehatan Provinsi Papua tahun 2019.  Hasil analisis spasial cakupan vitamin A menunjukkan bahwa sejumlah 16 kabupaten/kota tergolong baik, 12 kabupaten tergolong sedang, dan 1 kabupaten tergolong buruk. Sedangkan analisis korelasi menunjukkan adanya hubungan cakupan vitamin A dengan topografi wilayah dan tingkat pendidikan, serta tidak berhubungan dengan rasio tenaga kesehatan, fasilitas kesehatan, dan jumlah penduduk yang bekerja. Perlu adanya perhatian khusus terhadap sarana transportasi bagi wilayah dataran tinggi dan penyesuaian edukasi kesehatan bagi penduduk dengan tingkat pendidikan rendah. Penelitian lebih lanjut diperlukan untuk menggali faktor lain terkait cakupan vitamin A di Provinsi Papua.

---

Vitamin A coverage in Papua Province in 2019 only reached 31.7% and is one of the provinces with the lowest coverage rates in Indonesia. The coverage figure is also far below the UNICEF standard, which is 80%. The low coverage of vitamin A can be caused by several factors that vary in each district/city of Papua Province. Spatial analysis was carried out to see the distribution and correlation between the determinants and the coverage rate of vitamin A. This research is a quantitative study that uses a spatial analysis approach and correlation. The data used is secondary data from the Central Bureau of Statistics and the Papua Provincial Health Office in 2019. The results of the spatial analysis of vitamin A coverage show that a total of 16 districts/cities are classified as good, 12 districts are classified as moderate, and 1 district is classified as poor. Meanwhile, correlation analysis shows that there is a relationship between vitamin A coverage and regional topography and education level, and it is not related to the ratio of health workers, health facilities, and the number of working people. There needs to be special attention to transportation facilities for highland areas and adjustment of health education for people with low levels of education. Further research is needed to explore other factors related to vitamin A coverage in Papua Province."

"Skripsi ini merupakan studi replikasi yang bertujuan untuk memperkuat konsep komunikasi dalam kaitannya dengan kelelahan penggunaan media sosial. Studi ini berusaha untuk menganalisis hubungan antara faktor-faktor boredom proneness, kelebihan informasi, kelebihan komunikasi dan social media fatigue atau kelelahan penggunaan media sosial di Indonesia selama pandemi COVID-19. Hubungan antar variabel dibalut dengan kerangka S-S-O untuk memudahkan pemahaman korelasi antar faktor. Intensitas penggunaan media sosial dalam penelitian ini digunakan sebagai faktor yang memoderasi hubungan antara kelebihan informasi dan komunikasi dengan kelelahan penggunaan media sosial. Hasil penelitian terhadap 226 mahasiswa dari salah satu universitas di Jawa Barat mengungkapkan adanya hubungan positif antara boredom proneness, kelebihan informasi, dan kelebihan komunikasi terhadap kelelahan penggunan media sosial. Namun, intensitas penggunaan media sosial tidak memoderasi hubungan antara kelebihan informasi dan komunikasi dengan kelelahan penggunaan media sosial secara signifikan, dengan asumsi adanya perubahan perilaku pengguna media sosial selama pandemi COVID-19. Sehingga, perlu dilakukan penelitian kualitatif untuk dapat lebih memahami alasan tidak signifikannya faktor intensitas penggunaan media sosial.

---

This study of replication aims to strengthen communication concept related to social media fatigue. Through this study, researcher analyzed correlations between the factors of boredom proneness, information overload, communication overload and social media fatigue amid COVID-19 pandemic. Stress-strain-outcome (S-S-O) framework was used for further understanding of the correlation between factors. In this study, social media use intensity moderated the relations between information and communication overload toward social media fatigue. The result of the study conducted to 226 participants from a university in West Java shows that there are positive correlation between boredom proneness, information overload, communication overload, and social media fatigue. However, social media use intensity does not significantly moderate the correlation between information overload, communication overload, and social media fatigue. The assumption is that there are behavioral changes of social media usage during COVID-19 pandemic. Thus, qualitative research is needed to further discuss the reason why the factor of social media use intensity is not significant."

"TB paru masih menjadi masalah kesehatan utama di dunia termasuk di Indonesia sebagai salah satu negara dengan prevalensi TB paru yang tinggi. Menurut hasil Riskesdas 2007 prevalensi TB paru di Indonesia sebesar 400/100.000 penduduk sedangkan hasil Riskesdas 2010 sebesar 725/100.000 penduduk begitupun di Sumatera. Selain adanya sumber penular, kejadian TB paru juga dipengaruhi oleh faktor lingkungan rumah (ventilasi, pencahayaan, lantai serta kepadatan hunian rumah). Rendahnya persentase rumah sehat diduga ikut memperbesar penularan TB paru di Indonesia. Tujuan penelitian ini adalah untuk mengetahui apakah hubungan kondisi lingkungan fisik rumah dengan kejadian TB paru di Sumatera berbeda berdasarkan faktor umur, jenis kelamin dan daerah tempat tinggal. Penelitian ini menggunakan disain studi potong lintang dengan sampel penelitian penduduk yang berumur diatas 15 tahun di Sumatera yang berjumlah 38.419 responden. Penderita TB paru didapatkan berdasarkan diagnosis tenaga kesehatan melalui pemeriksaan dahak atau rongten paru. Dari hasil penelitian ditemukan bahwa faktor lingkungan fisik rumah yang berisiko terhadap kejadian TB paru di Sumatera adalah ventilasi rumah PR 1,314 (90% CI:1,034-1,670), pencahayaan PR 1,564 (90% CI:1,223-2,000) dan kepadatan hunian PR 1,029 (90% CI:0,798-1,327). Dari model akhir didapatkan bahwa hubungan lingkungan fisik rumah dengan kejadian TB paru di Sumatera berbeda signifikan berdasarkan faktor umur dan jenis kelamin.

---

Pulmonary tuberculosis is still a major health problem in the world, including in Indonesia as a country with a high prevalence of pulmonary tuberculosis. According to the basic medical research in 2007 obtained prevalence of pulmonary tuberculosis in Indonesia for 400/100.000 population while the results in 2010 for 725/100.000 population as did the population in Sumatera. In addition to the transmitting source, the occurence of pulmonary tuberculosis is also influenced by house environmental factors (ventilation, lighting, flooring and density of residential houses). The low percentage of healthy homes contribute to the transmission of suspected pulmonary tuberculosis in Indonesia.

The purpose of this study was to determine whether the association of physical environmental conditions of the house with the occurence of pulmonary tuberculosis different by factors age, sex and area of residence in Sumatera. This study uses a cross-sectional study design with a sample of the study population over the age of 15 years in Sumatera, which amounted to 38,419 respondents. Patients with pulmonary tuberculosis diagnosis obtained by health professionals through the examination of sputum or lung rongten.

From the research found that the factor of the physical environment the home is at risk on the occurence of pulmonary tuberculosis in Sumatera is ventilated house PR 1.314 (90% CI :1.034,1.670), lighting PR 1.564 (90% CI :1.223,2.000) and the density of residential PR 1.029 (90% CI :0.798,1.327). From the final model was found that the relationship of the physical environment house with pulmonary tuberculosis occurence in Sumatera different significantly by age and gender."

"Tantangan pengobatan ARV adalah kepatuhan. Kepatuhan pengobatan ARV di Kabupaten Mimika menurun dari 84.3% pada tahun 2009 menjadi 62% pada tahun 2011. Berdasarkan fakta ini dilakukan penelitian cross sectional agar diketahui faktor yang berhubungan dengan kepatuhan pengobatan.Hasil penelitian menunjukan bahwa kepatuhan ≥ 80% : 44.59% dan kepatuhan < 80% : 55.41%. Hasil uji regresi logistik menunjukan bahwa pasien berpendidikan tinggi lebih patuh dari berpendidikan rendah, pasien tidak bekerja lebih patuh dari pasien yang bekerja, Pasien bukan suku Papua lebih patuh dari pasien suku Papua dan pasien yang mendapat dukungan keluarga lebih patuh dari pasien yang tidak mendapat dukungan keluarga.

---

ARV treatment is compliance challenges. ARV treatment adherence in Mimika District decreased from 84.3% in 2009 to 62% in 2011. This fact-based cross sectional study carried out in order to know the factors related to medication adherence.

The results showed that compliance ≥ 80%: 44.59% and adherence <80%: 55.41%. The results of logistic regression test showed that highly educated patients had better adherence than less educated, not working more adherent patients than patients who work, not the tribe of Papua patients more adherent than patients Papuan tribal and family support for patients who received more adherent than patients who did not receive family support."