Pemodelan Jumlah Kematian Bayi di Kota Bandung dengan Menggunakan Regresi Zero-Inflated Poisson

Abstract

Kematian bayi merupakan salah satu indikator dalam menentukan tingkatkesehatan masyarakat. Salah satu upaya untuk mengurangi jumlah kematian bayi adalah dengan mengkaji faktor - faktor penyebabnya. Banyaknya kasus kematian bayi yang berupa data diskrit dan faktor - faktor yang mempengaruhinya dapat dimodelkan menggunakan regresi Poisson. Namun, dalam analisis regresi Poisson sering ditemukan kondisi overdispersi yakni nilai varians dari variabel respon lebih besar dari nilai mean. Overdispersi dapat terjadi karena terlalu banyaknya nilai nol (excess zeros) pada variabel respon.Model regresi Zero-In ated Poisson merupakan salah satu metode yang dapat mengatasi masalah overdispersi. Pada penelitian ini, data kasus jumlah kematian bayi memiliki terlalu banyak nilai nol, sehingga regresi Zero-Inflated Poisson lebih tepat digunakan untuk memodelkan jumlah kematian bayi dan faktor - faktor yang mempengaruhinya di Kota Bandung Tahun 2019. Hasil analisis menunjukkan bahwa faktor - faktor yang berpengaruh secara signifikan terhadap kasus jumlah kematian bayi adalah persentase berat badan bayi lahir rendah (BBLR), persentase kunjungan neonatal selama 3x dan persentase bayi yang diberikan ASI eksklusif.

The Implementation of ZIP Regression and ZINB Regression to Overcome Overdispersion of Death Cases Due to Filariasis in Indonesia

“…However, overdispersion often occurs. Overdispersion is a condition where the variance value is greater than the average value (Dwi Putri et al, 2022). The cause of overdispersion is a large number of observations with a zero value in the response variable.…”

“…ZIP and ZINB regression methods have often been used in previous studies. For example, research (Dwi Putri et al, 2022) uses the ZIP regression method. In this study, the response variable was the number of infant mortality cases in Bandung.…”