PENERAPAN DATA COUNT DENGAN MENGGUNAKAN REGRESI HURDLE POISSON

Abstract

Regresi Poisson merupakan suatu model regresi yang dapat memodelkan bentuk hubungan antara variabel respon yang berbentuk data count dengan variabel prediktor. Pada regresi Poisson harus memenuhi asumsi bahwa nilai varians sama dengan nilai mean (equidispersi). Namun, dalam beberapa kasus, terdapat data yang memiliki banyak nilai nol (excess zero) pada variabel respon yang mengakibatkan nilai varians tidak sama dengan nilai mean. Nilai varians lebih besar dari nilai mean disebut overdispersi. Sehingga Model regresi Poisson menjadi tidak cocok untuk memodelkan data tersebut. Alternatif yang dapat digunakan apabila terjadi overdispersi akibat banyaknya data bernilai nol (excess zero) pada variabel respon adalah model regresi Hurdle Poisson. Model Hurdle Poisson terdapat dua bagian. Bagian pertama, model untuk data biner yang bernilai nol atau nilai positif yang ditaksir dengan menggunakan model Logit. Bagian kedua, model untuk data yang bernilai positif saja yang ditaksir dengan menggunakan model Truncated Poisson. Regrsi Hurdle Poisson kemudian diterapkan dalam memodelkan faktor-faktor yang mempengaruhi banyaknya kasus kematian ibu, dengan faktor-faktor tersebut ialah: persentase persalinan oleh tenaga medis, persentase K4, persentase wanita kawin dengan umur perkawinan pertama dibawah 18 tahun, persentase ibu hamil yang mendapatkan Fe1, persentase ibu hamil yang mendapatkan Fe3, persentase ibu nifas mendapatkan vitamin A, persentase komplikasi kebidanan yang ditangani. Dilihat dari hasil pengujian, faktor-faktor yang mempengaruhi banyaknya kasus kematian ibu secara signifikan pada model regresi Hurdle Poisson bagian model Logit adalah persentase ibu hamil mendapatkan Fe1. Sedangkan pada bagian model Truncated Poisson adalah persentase wanita kawin dengan umur perkawinan pertama dibawah 18 tahun dan variabel persentase ibu hamil mendapatkan Fe3.