Pemodelan Geographically Weighted Zero Inflated Negative Binomial Regression pada Data Jumlah Kasus Kematian Bayi Akibat Demam di Provinsi Sulawesi Selatan

AHMAD RYAN AL AQSHA. Pemodelan Geographically Weighted Zero Inflated Negative Binomial Regression pada Data Jumlah Kasus Kematian Bayi Akibat Demam di Provinsi Sulawesi Selatan (dibimbing oleh Raupong).

Latar belakang. Distribusi Poisson terjadi pada data diskrit dengan variabel respon berupa data count dengan asumsi equidispersi. Namun, sering ditemukan kejadian overdispersi pada data. Nilai nol yang berlebih pada data (excess zeros) juga dapat menyebabkan overdispersi. Regresi Zero Inflated Negative Binomial (ZINB) dapat menjadi alternatif yang dapat digunakan dalam proses analisis untuk mengatasi hal tersebut. Selain itu, faktor geografis juga sering muncul pada data yang dapat menyebabkan heterogenitas spasial sehingga digunakan Geographically Weighted Regression (GWR) dalam proses analisis. ZINB dan GWR dapat digabungkan menjadi Geographically Weighted Zero Inflated Negative Binomial Regression (GWZINBR) yang menjadi pengembangan model regresi untuk memodelkan data yang mengalami overdispersi pada regresi Poisson, excess zeros, dan heterogenitas spasial. Data yang digunakan dalam penelitian ini adalah jumlah kasus kematian bayi akibat demam di Provinsi Sulawesi Selatan Tahun 2020 yang mengandung 70,83% nilai nol. Tujuan. Penelitian ini bertujuan untuk memperoleh estimator parameter dan membentuk model GWZINBR pada data. Metode. Penelitian ini dibagi menjadi dua tahap, yaitu 1) estimasi parameter model GWZINBR menggunakan Maximum Likelihood Estimation (MLE) dengan algoritma Expectation Maximization (EM); dan 2) penerapan model GWZINBR pada data. Hasil. Pengujian secara parsial pada parameter model GWZINBR dengan pembobot adaptive bisquare kernel menghasilkan variabel prediktor signifikan yang beragam antar kabupaten/kota baik itu model log ataupun model logit. Beberapa kabupaten/kota memiliki variabel prediktor signifikan yang sama, dan juga terdapat daerah yang sama sekali tidak memilik variabel prediktor signifikan. Kesimpulan. Model GWZINBR dapat diterapkan pada data dan menghasilkan model bersifat lokal untuk setiap kabupaten/kota dalam pengamatan.