Kajian Simulasi Overdispersi dalam Regresi Poisson dan Binomial Negatif Terboboti Geografis serta Penerapannya pada Data Balita Gizi Buruk
Date
2020-08-27Author
Ambarwati, Puput Cahya
Indahwati
Aidi, Muhammad Nur
Metadata
Show full item recordAbstract
Salah satu model regresi terboboti geografis (RTG) yang dapat digunakan
untuk menjelaskan hubungan antara peubah respon yang berupa data cacah dengan
peubah penjelas adalah model regresi Poisson terboboti geografis (RPTG). Dalam
model RPTG terdapat asumsi yang harus dipenuhi yaitu kondisi ragam dan ratarata sama atau equidispersi. Jika kondisi ini diabaikan maka akan terjadi
overdispersi. Overdispersi adalah kondisi ragam lebih besar daripada rata-rata.
Penggunaan analisis RPTG jika terjadi overdispersi akan menghasilkan galat baku
yang terlalu kecil daripada seharusnya (underestimate). Hal ini akan menghasilkan
uji signifikansi peubah bebas cenderung menolak hipotesis nol. Salah satu
pendekatan klasik yang biasa digunakan untuk mengatasi overdispersi pada RPTG
adalah regresi binomial negatif terboboti geografis (RBNTG) yang merupakan
pendekatan yang diperoleh dari turunan sebaran poisson dan gamma yang mirip
dengan sebaran binomial negatif.
Data yang digunakan dalam penelitian ini merupakan data simulasi dan data
nyata (real). Data simulasi merupakan data bangkitan menggunakan software R.
Data nyata (real) pada penelitian ini merupakan data jumlah balita gizi buruk di
Jawa Timur pada tahun 2017. Penanganan overdispersi menggunakan RBNTG
untuk data cacah dengan keragaman spasial diduga memerlukan waktu komputasi
yang cukup lama jika dibandingkan RPTG. Hal ini dikarenakan parameter yang
diduga lebih banyak yaitu adanya tambahan parameter dispersi untuk setiap lokasi
pada RBNTG. Oleh karena itu perlu dikaji sampai sejauh mana RPTG masih tepat
digunakan untuk data cacah dengan keragaman spasial. Pembangkitan data simulasi
pada penelitian ini merupakan pengembangan dari simulasi yang telah dilakukan
oleh Liu et al. (2017). Lokasi pengamatan terdiri titik m × m dengan jarak l = 6 /
(m − 1). Dalam hal ini m = 7, dan ukuran sampel n = 49 pengamatan. Ulangan yang
digunakan dalam penelitian ini adalah 100 kali. Data jumlah gizi buruk pada balita
berasal dari buku Profil Kesehatan Jawa Timur Tahun 2017 yang diterbitkan oleh
Dinas Kesehatan Jawa Timur dan buku Saku Pemantauan Status Gizi Tahun 2017
yang diterbitkan oleh Kementerian Kesehatan Republik Indonesia. Dalam
penelitian ini, terdapat 38 kabupaten/kota sebagai lokasi pengamatan... dst...