Pemodelan Jumlah Kasus Malaria di Indonesia Menggunakan Generalized Linear Model

Abstract

Generalized Linear Model (GLM) telah banyak digunakan untuk memodelkan berbagai macam tipe data dimana distribusi dari variabel respon merupakan distribusi yang termasuk dalam distribusi keluarga eksponensial. Contoh umum dari distribusi keluarga eksponensial adalah distribusi Poisson dan Binomial. Model regresi GLM mendeskripsikan struktur dari variabel prediktor, sedangkan fungsi penghubung secara khusus mendeskripsikan hubungan antara model regresi dengan nilai ekspektasi dari variabel respon. Tujuan dari artikel ini adalah mendapatkan variabel-variabel prediktor yang berpengaruh signifikan terhadap model. Metode Maximum Likelihood Estimation digunakan untuk mencari estimasi dari nilai parameter regresi model. Jumlah kasus malaria di Indonesia diidentifikasi berdistribusi Poisson. Terdapat 3 variabel prediktor yang berpengaruh signifikan terhadap jumlah kasus malaria di Indonesia, yaitu persentase rumah tangga yang memiliki akses sanitasi layak, jumlah kabupaten/kota yang menyelenggarakan tatanan kawasan kesehatan dan jumlah kabupaten/kota yang melakukan pengendalian vektor terpadu.

Pemodelan Jumlah Penduduk Miskin di Jawa Timur dengan Generalized Linier Model

“…Asumsi yang mendasari pendekatan ini adalah kurva regresi dapat diwakili oleh suatu model parametrik (Hardle, 1990) Generalized linier model (GLMs) merupakan perluasan dari model regresi linier dengan asumsi prediktor memiliki efek linier akan tetapi tidak mengasumsikan distribusi tertentu dari variabel respon dan digunakan ketika variabel respon merupakan anggota dari keluarga eksponensial (Nelder dan Weddeburn, 1972). Santi (2021) menggunakan GLMs untuk memodelkan jumlah kasus malaria dengan variabel respon berdistribusi Poisson. Penelitian mengenai factor yang mempengaruhi jumlah penduduk miskin sebelumnya diteliti oleh Indah (2018), hasilnya menunjukkan bahwa tingkat pengangguran dan tingkat pendidikan berpengaruh positif dan signifikan terhadap kemiskinan sedangkan jumlah penduduk tidak berpengaruh signifikan terhadap kemiskinan.…”