PEMODELAN REGRESI HURDLE BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON

Asumsi yang harus dipenuhi dalam regresi Poisson yaitu equidispersi yakni nilai mean sama dengan nilai variansi. Namun, dalam beberapa kasus terdapat data yang nilai variansinya lebih besar dari nilai mean (overdispersi). Hal ini dapat disebabkan adanya nilai nol berlebih (excess zeros) pada data. Model hurdle binomial negatif diaplikasikan pada data yang mengalami overdispersi akibat excess zeros. Selain itu, paramater dispersi dalam model hurdle binomial negatif dapat menjelaskan variansi dalam data. Model hurdle terdiri atas model zero hurdle dan model truncated binomial negatif. Model zero hurdle menjelaskan kecenderungan ada atau tidaknya terjadi kasus di suatu lokasi dan model truncated binomial negatif menjelaskan seberapa banyak jumlah kasus yang ditemukan di suatu lokasi. Model ini diterapkan pada data jumlah kasus kematian bayi di Kota Makassar Tahun 2017 dengan faktor-faktor yang diduga mempengaruhi diantaranya persentase bayi dengan berat badan lahir rendah, persentase pelayanan kesehatan bayi, persentase bayi yang diberi ASI eksklusif, serta persentase kunjungan neonatus. Pada penelitian ini, regresi hurdle binomial negatif diestimasi menggunakan maximum likelihood estimation dengan algoritma Broyden-Fletcher-Goldfarb-Shanno. Hasil yang diperoleh menunjukkan bahwa model dengan persentase bayi yang diberi ASI eksklusif signifikan mempengaruhi jumlah kasus kematian bayi di Kota Makassar Tahun 2017 baik pada model zero hurdle dan model truncated binomial negatif. Selain itu, nilai akaike information criterion minimum untuk model yang hanya melibatkan variabel persentase bayi yang diberi ASI eksklusif sebesar 112,02.