Estimasi Model Regresi Binomial Negatif Bivariat (BNBR) Pada Penderita Kusta di Jawa Timur

Abstract

Abstract. One of the methods used to overcome overdispersion in poisson regression model is a bivariate negative binomial regression model also known as BNBR Model. Leprosy is a dangerous infectious disease, because it can cause paralysis. Leprosy is divided into 2 types, namely is a leprosy Pausibasilier(PB) type and leprosy Multibasilier (MB) type. Where PB type leprosy is a dry leprosy and MB type leprosy is a wet leprosy. Analysis of the data used to model the number of PB leprosy and MB leprosy cases and find out what factor influence it in East Java, the writer uses the BNBR models. Parameter estimation of the BNBR model uses to Maximum likelihood estimation (MLE) methods with Newton-Raphson iteration as well as testing the hypothesis using MLRT methods. After regression analysis, the results are obtained that of the 10 predictor variables tested, both in PB leprosy and MB leprosy, there are 3 predictor variables that are not significant in the model, namely are: variable percentage of poor population, variable ratio of population who did not graduated SMA, and variable ratio of health facilities.
 Abstrak. Salah satu metode yang digunakan untuk mengatasi overdispersi dalam regresi Poisson yakni dengan regresi binomial negatif bivariat atau dikenal juga dengan model regresi BNBR. Penyakit Kusta adalah salah satu penyakit menular yang berbahaya, karena dapat menyebabkan kelumpuhan. Jenis penyakit kusta terbagi menjadi 2, yakni Kusta tipe Pausibasiler (PB) dan tipe Multibasiler.(MB). Dimana kusta tipe PB merupakan Kusta kering, dan kusta tipe MB adalah kusta basah. Analisis data yang digunakan untuk memodelkan besarnya jumlah kasus kusta tipePB dan tipe MB, kemudian untuk mengetahui faktor apa saja yang mempengaruhinya di Jawa Timur, penulis menggunakan model BNBR. Penaksiran parameter model BNBR menggunakan Maximum Likelihood Estimation (MLE) dengan iterasi Newton-Raphson serta melakukan pengujian hipotesis menggunakan metode MLRT. Setelah dilakukan analisis regresi, diperoleh hasil bahwa dari 10 variabel prediktor yang diujikan, baik pada kusta tipe PB maupun tipe MB, terdapat 3 variabel prediktor yang tidak signifikan dalam model, yakni: variabel presentase penduduk miskin, variabel rasio penduduk yang tidak tamat SMA, dan variabel rasio sarana kesehatan.