PEMODELAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL PADA DATA YANG MENGALAMI OVERDISPERSI = MODELLING ZERO INFLATED NEGATIVE BINOMIAL REGRESSION ON OVERDISPERSION DATA

Regresi Poisson merupakan model regresi non linear dengan variabel responnya berupa data diskrit dan berdistribusi Poisson. Analisis data menggunakan regresi Poisson harus memenuhi asumsi seperti nilai varians dan nilai rata-rata dari variabel respon memiliki nilai yang sama. Akan tetapi, pada penerapannya sering terjadi overdispersi, yaitu nilai varians lebih besar dari nilai rata-ratanya. Overdispersi pada regresi Poisson dapat terjadi karena banyaknya pengamatan yang bernilai nol pada variabel respon (excess zeros). Data yang terdapat excess zeros dan overdispersi lebih sesuai menggunakan regresi Zero-Inflated Negative Binomial (ZINB). Model regresi Zero Inflated Negative Binomial (ZINB) merupakan model yang dibentuk dari distribusi campuran Poisson gamma. Parameter model regresi Zero Inflated Negative Binomial (ZINB) diestimasi menggunakan metode Maximum Likelihood Estimation (MLE) dengan algoritma Expectation Maximization (EM). Penelitian ini diaplikasikan pada data jumlah kematian neonatal di Kota Makassar tahun 2018. Hasil pengujian parameter model regresi Zero Inflated Negative Binomial (ZINB) menunjukkan bahwa variabel prediktor yang berpengaruh signifikan secara parsial adalah jumlah bayi yang baru lahir dengan Berat Badan Lahir Rendah (BBLR).
Keywords : Overdispersi, Kematian Neonatal, Regresi ZINB, MLE