Perbandingan Model Regresi Zero Inflated Poisson (ZIP) dan Hurdle Poisson (HP) pada Kasus Kematian Balita di Kota Bandung Tahun 2021
Abstract
Abstract. In this study, the response variable is assumed to be Poisson-distributed enumeration data. However, in the Poisson regression model, the enumerated data often deviates from the Poisson distribution because of the proportion of excess zero values in the response variable (excess zero), resulting in a larger variance than the average of the observed variables (overdispersion). Therefore, this study aims to model the data with Zero Inflated Poisson (ZIP) and Hurdle Poisson regression. Based on the results of the study by comparing the ZIP and Hurdle Poisson regression models using the Akaike Information Criterion (AIC) and Bayesian Information Criteria (BIC) values, it is found that the Hurdle Poisson regression model is more appropriate for modeling child mortality data in the city of Bandung in 2021 or in other words the Hurdle Poisson regression model is better at dealing with overdispersion and excess zeros problems compared to the Zero Inflated Poisson (ZIP) regression model.
Abstrak. Pada penelitian ini variabel respon diasumsikan merupakan data cacahan yang berdistribusi Poisson. Namun, pada model regresi Poisson data cacah seringkali menyimpang dari distribusi Poisson karena proporsi nilai nol yang berlebih pada variabel respon (excess zero), sehingga menghasilkan varian yang lebih besar dari rata-rata variabel yang diamati (overdispersi). Maka dari itu, penelitian ini bertujuan untuk memodelkan data dengan regresi Zero Inflated Poisson (ZIP) dan Hurdle Poisson. Berdasarkan hasil penelitian dengan membandingkan model regresi ZIP dan Hurdle Poisson menggunakan nilai Akaike Information Criterion (AIC) dan Bayesian Information Criteria (BIC), maka diperoleh bahwa model regresi Hurdle Poisson lebih tepat digunakan untuk memodelkan data kematian balita di Kota Bandung tahun 2021 atau dengan kata lain model regresi Hurdle Poisson lebih baik dalam menangani masalah overdispersi dan excess zeros dibandingkan dengan model regresi Zero Inflated Poisson (ZIP).
References
Alwani, N. N., & Achmad, A. I. (2021). Model Regresi Hurdle Poisson dalam Mengatasi Permasalahan Excess Zero untuk Kasus AIDS di Provinsi Jambi Tahun 2015-2017. Prosiding Statistika, 7(2), 557-563.
Dean, C., & Lawless, J. F. (1989). Test for Detecting Overdispersion in Poisson Regression Models. Journal of the American Statistical Association, 84(406), 467-472.
Famoye, F., & Singh, K. P. (2006). Zero-Inflated Generalized Poisson Regression Model with an Application to Domestic Violence Data. Journal of Data Science, 4, 117-130.
Kusuma, W., Komalasari, D., & Hadijati, M. (2013). Model Regresi Zero Inflated Poisson pada Data Overdispersion. Jurnal Matematika, 3(2), 71-85.
Pradana, D. A., & Lestari, T. E. (2020). Estimasi Parameter Regresi Zero-Inflated Negative Binomial dengan Metode Algoritma Expectation Maximization (EM) (Studi Kasus: Penyakit Difteri di Jawa Barat Tahun 2016). Jurnal Kajian Matematika dan Aplikasinya, 1(1), 18-26.
Purnama, D. I. (2021). Perbandingan Regresi Zero Inflated Poisson (ZIP), Regresi Zero Inflated Negative Binomial (ZINB) dan Regresi Hurdle Negative Binomial (HNB) untuk Memodelkan Data Konsumsi Rokok Harian Penduduk Dewasa di Indonesia. Jurnal Matematika, Statistika dan Komputasi, 17(3), 357-369.
Ridout, M., Demetrio, C. G., & Hinde, J. (1998). Models for Count Data with Many Zeros. International Biometric Conference, 1-12.
Sa'diyah, N. K., Astuti, A. B., & Mitakda, M. B. (2021). Hurdle Regression Modelling on the Number of Deaths from Chronic Filariasis Cases in Indonesia. Advances in Computer Science Research, 96, 178-183.
Samson, Rizki, S. W., & Perdana, H. (2022). Perbandingan Regresi Zero Inflated Poisson (ZIP) dan Regresi Zero Inflated Negative Binomial (ZINB) pada Data Overdispersi. Buletin Ilmiah Matematika, Statistika, dan Terapannya (Bimaster), 11(1), 103-110.
Fadilah, T. S., & Kudus, A. (2023). Penerapan Metode Regresi Kernel Smoothing untuk Imputasi Data Lama Waktu Terinfeksi Covid-19. Jurnal Riset Statistika, 51–60. https://doi.org/10.29313/jrs.v3i1.1802
