Perbandingan Model Regresi Zero Inflated Poisson (ZIP) dan Zero Inflated Negative Binomial (ZINB) pada Data Kematian Ibu Bersalin

Abstract

Model regresi Poisson biasa digunakan untuk menangani data cacah. Model ini memiliki asumsi equidispersi yang menyatakan bahwa nilai ragam sama dengan nilai rataan dari sebaran. Asumsi ini jarang terpenuhi, nilai ragam sering kali lebih besar dari rataan sebaran (overdispersi). Overdispersi menyebabkan peubah penjelas seolah-olah berpengaruh padahal sebenarnya tidak. Hal ini mengakibatkan kesimpulan model regresi tidak valid. Penanganan overdispersi dilakukan dengan menggunakan model regresi Zero Inflated Poisson (ZIP) dan Zero Inflated Negative Binomial (ZINB). Model terbaik didapatkan dengan melihat nilai Akaike Information Criterion (AIC) terkecil. Penelitian ini menggunakan data kasus kematian ibu bersalin sebagai salah satu indikator Sustainable Development Goals (SDGs) ketiga yakni kehidupan yang sehat dan sejahtera. Data yang akan digunakan adalah data Provinsi Jawa Barat pada tahun 2020 sebagai Provinsi dengan kematian ibu bersalin terbanyak di Indonesia. Penelitian ini bertujuan untuk mengetahui indikator-indikator penyebab kematian ibu bersalin sebagai langkah awal dalam mengurangi angka kematian ibu dengan menggunakan model ZIP dan ZINB serta mendapatkan model terbaik di antara kedua model. Penelitian ini menghasilkan kesimpulan bahwa indikator yang berpengaruh terhadap jumlah kematian ibu bersalin adalah persentase jumlah Puskesmas dan persentase jumlah dokter, dimana apabila kedua peubah ini bertambah maka kematian ibu bersalin akan berkurang. Adapun model terbaik yang didapatkan adalah model regresi ZINB dengan nilai AIC sebesar 148 dan ZIP sebesar 155,61.