Model Regresi Zero Inflated Negative Binomial dan Hurdle Negative Binomial pada Data Tersensor Kanan

Abstract

Kesehatan adalah hal yang sangat penting bagi umat manusia. Kondisi kesehatan seseorang mempengaruhi kualitas hidupnya. Seseorang yang sehat berkesempatan memanfaatkan segala sumber daya yang ada pada dirinya untuk menjadi pribadi yang produktif. Menilai kondisi kesehatan seseorang dapat dilakukan, salah satunya melalui pendekatan morbiditas yang dihasilkan oleh Badan Pusat Statistik (BPS), yaitu ”jumlah hari terganggunya pekerjaan, sekolah atau kegiatan sehari-hari lainnya akibat adanya keluhan kesehatan”. Fenomena morbiditas seperti ”jumlah hari terganggunya pekerjaan, sekolah atau kegiatan sehari-hari lainnya akibat adanya keluhan kesehatan” tersebut merupakan contoh data cacah (count). Secara umum, masalah yang terjadi pada data cacah selain overdispersi adalah banyaknya amatan yang bernilai nol (excess zero). Regresi Poisson sebagai regresi dasar untuk data cacah, tidak mampu mengatasi permasalahan ini. Beberapa model regresi alternatif dikembangkan oleh banyak peneliti antara lain Zero Inflated dan Hurdle, dengan sebaran Negative Binomial sebagai sebaran yang paling tepat untuk mengatasi overdispersi. Pada perkembangan pemodelan, penyensoran dilakukan pada data cacah dapat dilakukan sebagai alternatif untuk mendapatkan hasil yang lebih baik. Penelitian ini bertujuan mendapatkan model terbaik untuk menangani masalah overdispersi dan banyaknya amatan yang bernilai nol pada data jumlah hari terganggunya kegiatan sehari-hari akibat keluhan kesehatan di Provinsi Gorontalo pada tahun 2017. Model yang digunakan adalah Zero Inflated Negative Binomial, dan Hurdle Negative Binomial pada data sebelum dan setelah tersensor kanan. Berdasarkan hasil analisis data diperoleh bahwa model regresi Zero Inflated Negative Binomial pada data yang telah tersensor kanan sebagai model terbaik untuk menangani masalah overdispersi dan banyaknya amatan yang bernilai nol.