Page 2 - ARTIKEL BISMILLAH FIX

PENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENENTUKKAN
FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT DBD

Melati Biyan Puspowardaniputri

Universitas Negeri Malang
Email: melatibiyan06@gmail.com

ABSTRAK
Jumlah kematian pada tahun 2014 mengalami penurunan sebanyak 13 orang dibanding tahun
sebelumnya, kemudian naik pada tahun 2015 sebanyak 35 orang dan kembali turun pada tahun 2016
sebanyak 31 orang. Untuk tahun 2016 rata-rata kasus DBD paling banyak ditemukan di Kota
Yogyakarta (341,97/100.000 penduduk). Sementara itu, kasus DBD paling sedikit ditemukan di
Kabupaten Sleman (80,17/100.000 penduduk). Banyak faktor yang menyebabkan penyakit DBD,
meliputi presentase rumah tangga yang masih terdapat jentik nyamuk Aedes ( ), presentase tenaga
1
medis di sarana pelayanan kesehatan ( ), presentase rumah tangga yang memiliki rumah sehat ( ),
2
3
presentase masyarakat yang miskin ( ). Dengan menggumpulkan data dari Dinas Kesehatan
4
Istimewa Yogyakarta demam berdarah untuk mengetahui faktor-faktor yang mempengaruhi dengan
analisis regresi binomial negatif sebagai alternatif dari data overdispersi dan menggunakan alat bantu
SPSS, sehingga diperoleh model terbaik yang digunakan untuk memodelkan faktor yang
mempengaruhi pasien penyakit DBD. Data yang terjadi overdispersi pada jumlah penderita DBD
terdapat pada pengambilan kesimpulan uji signifikansi parameter.

Kata Kunci: Demam Berdarah, Regresi Binomial Negatif, Overdispersion
PENDAHULUAN
Jumlah kematian pada tahun 2014 mengalami penurunan sebanyak 13 orang dibanding
tahun sebelumnya, kemudian naik pada tahun 2015 sebanyak 35 orang dan kembali turun pada
tahun 2016 sebanyak 31 orang. Untuk tahun 2016 incidence rate kasus DBD paling banyak
ditemukan di Kota Yogyakarta (341,97/100.000 penduduk). Sementara itu, incidence rate
kasus DBD paling sedikit ditemukan di Kabupaten Sleman (80,17/100.000 penduduk).
Keterkaitan faktor-faktor pencegahan yang berasal dari penyakit DBD dapat
menggunakan Generalized Linear Models (GLM) dengan distribusi binomial negatif untuk
mencari kesalahan, dan memperkirakan pencegahan pada faktor tersebut (Gomes et al., 2017).
Salah satu metode yang dapat digunakan untuk mengatasi overdispersi pada regresi Poisson
adalah regresi Binomial Negatif (Utami,2013).
Dalam analisis data diskrit dengan model regresi Poisson biasanya terjadi perbedaan
asumsi, dimana nilai variansi lebih besar daripada mean atau yang biasa disebut overdispersi.
Overdispersi memiliki akibat yang sama dengan perbedaan asumsi jika pada data diskrit terjadi
overdispersi namun tetap menggunakkan regresi poisson, dugaan sementara dari parameter
koefisien regresinya tetap konsisten namun tidak efisien. Peristiwa overdispersi dapat
dituliskan ( ) > ( ). Bentuk khusus distribusi Binomial Negatif dengan nilai parameter
biasa disebut dengan Model Regresi Binomial Negatif = 0. Bentuk umum dari regresi
Binomial Negatif adalah

= ( ) = 1,2,3, … ,