Model Regresi Zero Inflated Negative Binomial dan Hurdle Negative Binomial pada Data Tersensor Kanan
View/ Open
Date
2019Author
Rumahorbo, Kusni Rohani
Susetyo, Budi
Sadik, Kusman
Metadata
Show full item recordAbstract
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.