PEMODELAN NEGATIVE BINOMIAL REGRESSION PADA DATA JUMLAH KEMATIAN BAYI DI KABUPATEN JOMBANG

Dian Kusuma Wardani; Anggun Wulandari

doi:10.36526/tr.v4i2.968

Dian Kusuma Wardani Universitas KH A Wahab Hasbullah
Anggun Wulandari Universitas KH A Wahab Hasbullah

DOI: https://doi.org/10.36526/tr.v4i2.968

Keywords: poisson, overdispersi, underdispersi, binomial negatif

Abstract

Regresi Poisson merupakan salah satu metode regresi untuk menganalisis apabila variabel terikat berupa data diskrit. Asumsi bahwa nilai rata-rata dan nilai varian dari variabel terikat harus sama terpenuhi akan menghasilkan kesimpulan yang valid. Kasus overdispersi terjadi jika nilai varian lebih besar dari nilai rata-rata sedangkan nilai varian kurang dari nilai rata-rata disebut underdispersi. Pada penelitian ini data yang digunakan adalah data jumlah kematian bayi di Kabupaten Jombang Tahun 2018. Tujuan dari penelitian ini untuk mengetahui faktor-faktor yang berpengaruh terhadap jumlah kematian bayi. Model yang digunakan untuk mengetahui faktor-faktor yang mempengaruhi jumlah kematian bayi adalah model Negative Binomial Regression. Berdasarkan hasil analisis diketahui bahwa model Negative Binomial Regression yang terbentuk bahwa variabel bebas yang memberikan pengaruh signifikan yaitu variabel persentase ibu hamil mendapatkan tablet Fe3, variabel persentase komplikasi kebidanan yang ditangani, variabel persentase ibu hamil melaksanakan program K4 dan persentase Berat Badan Lahir Rendah (BBLR).

Author Biographies

Dian Kusuma Wardani, Universitas KH A Wahab Hasbullah

Statistika

Anggun Wulandari, Universitas KH A Wahab Hasbullah

Statistika

References

Astuti C C, Sumarminingsih E dan Soehono, L A. (2013). Perbandingan Generalized Poisson Regression dan Negative Binomial Regression untuk Data Overdispersi dan Underdispersi pada Regresi Poisson. Skripsi : Program Studi Statistika FMIPA. Universitas Brawijaya. Malang.

Dinas Kesehatan Kabupaten Jombang. (2018). Profil Kesehatan Indonesia. Dinas Kesehatan .Jombang.

Greene, W. (2008). Functional Forms For The Negative Binomial Model For Count Data Working Paper Department of Economics-Stren School of Business, 585-590.

Hilbe, J. M. (2011). Negative Binomial Regression. New York: Cambridge University Press.

Ismail, N dan Jemain, A A. (2007). Handling Overdispersion with Negative Binomial and Generalized Poisson Regression Models. Casualty Actuarial Society Forum. http://semanticscholar.org/paper/. Tanggal akses : 9 Juli 2020.

Li, F. (2000). Multicollinearity. Department of Statistics, Stockholm University, Hal. 1-10. http://people.su.se/. Tanggal Akses: 29 Juni 2019.

Melliana A, Yeni Setyorini, Haris Eko, Sistya Rosi dan Purhadi. (2013). The Compar-ison Of Generalized Poisson Regression And Negative Binomial Regression Me-thods In Overcoming Overdispersion. International Journal Of Scientific & Technology Research Volume 2. http://www.ijstr.org/final-print/aug2013/. Tanggal akses : 10 Juli 2020.

Myers,R.H., Montgomery, D.C., Vining, G.G., dan Robinson, T.J. ( 2010). Generalized Linier Models with Aplication in Engineering and Sciences. John Wiley and Sons, Inc., Publication. Canada.

Wahyuni W. (2011). Penaksir Parameter Model Regresi Binomial Negatif pada Kasus Overdispersi. Skripsi: Program Studi Matematika FMIPA. Universitas In-donesia. Depok.