JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print)
Abstrak—Salah satu penyebab dari kesakitan dan menjadi 29 kasus dengan jumlah kematian sebanyak 15
kematian anak adalah Tetanus Neonatorum. Tetanus kasus [3]. Untuk tercapainya target eliminasi Tetanus
Neonatorum merupakan penyakit tetanus yang disebabkan Neonatorum di Jawa Timur, maka perlu diketahui faktor-
oleh neurotoxin yang dihasilkan oleh bakteri Clostridium faktor yang menyebabkan terjadinya kasus Tetanus
tetani pada luka tertutup pada bayi baru lahir yang dapat
Neonatorum.
menyebabkan kematian. Jumlah kasus Tetanus Neonatorum
merupakan data jumlahan dengan asumsi mengikuti Variabel respon dalam penelitian ini adalah jumlah
distribusi Poisson. Banyaknya data yang bernilai nol sebanyak kasus Tetanus Neonatorum yang berupa data diskrit
76,3% mengindikasikan adanya overdispersi dalam variabel sehingga dalam penelitian ini dapat dianalisis menggunakan
respon. Adanya overdispersi dapat menyebabkan model yang metode regresi Poisson namun regresi Poisson mewajibkan
terbentuk menghasilkan estimasi parameter yang bias kondisi equidispersi yaitu nilai mean dan varians dari
sehingga dalam penelitian ini menggunakan regresi Zero- variabel respon sama. Akan tetapi dalam penggunaan data
Inflated Generalized Poisson (ZIGP). Data yang digunakan diskrit, seringkali terjadi kasus over/under dispersi.
dalam penelitian ini adalah data sekunder yang diperoleh dari Salah satu penyebab adanya overdispersi yaitu
Dinas Kesehatan Provinsi Jawa Timur tahun 2012. Model
banyaknya nilai nol pada variabel respon [4]. Jumlah kasus
terbaik yang dihasilkan dari regresi Zero-Inflated Generalized
Poisson (ZIGP) menghasilkan 2 variabel prediktor yang Tetanus Neonatorum merupakan kasus yang jarang terjadi
berpengaruh signifikan terhadap jumlah kasus Tetanus sehingga banyak observasi yang bernilai nol maka dalam
Neonatorum yaitu persentase ibu bersalin ditolong dukun (X2) penelitian ini diduga variabel respon mengalami
dan persentase kunjungan neonatus 3 kali (KN3 atau KN overdispersi. Terdapat beberapa metode yang dapat
Lengkap) (X4). menyelesaikan overdispersi yaitu metode Zero-Inflated
Poisson (ZIP), Zero-Inflated Negative Binomial (ZINB),
Kata Kunci—Overdispersi, regresi Zero-Inflated dan metode Zero-Inflated Generalized Poisson (ZIGP).
Generalized Poisson (ZIGP), Tetanus Neonatorum. Metode Zero-Inflated Negative Binomial (ZINB) dalam
teknik iterasi yang digunakan pada estimasi parameter
I. PENDAHULUAN sering gagal konvergen [5]. Jika proporsi data yang bernilai
nol besar, maka disarankan menggunakan model regresi
4. Nilai 𝜷 𝑚 merupakan sekumpulan penaksir parameter dengan menggunakan alternatif lain yang membandingkan
dengan distribusi normal dengan statistik uji sebagai
yang konvergen pada iterasi ke-m.
berikut.
Jika belum didapatkan penaksir parameter yang
konvergen, maka dilanjutkan kembali langkah 4 hingga 𝛽𝑘
𝑧= (11)
iterasi ke m=m+1. Iterasi akan berhenti pada keadaan 𝑆𝐸 𝛽𝑘
konvergen yaitu pada saat 𝜷(𝑚 +1) − 𝜷 𝑚 ≤ 𝜀 , dimana 𝜀 Dimana 𝑆𝐸(𝛽 ) merupakan standart error untuk
adalah bilangan yang sangat kecil. maksimum likelihood estimator dengan daerah
penolakannya adalah tolak H0 jika nilai |𝑧𝑖𝑡𝑢𝑛𝑔 | > 𝑧𝛼 /2
D. Pengujian Kesesuaian Model dengan α adalah tingkat signifikansi
Pengujian kesesuaian model digunakan untuk menguji
model apakah model sesuai atau tidak dengan hipotesis F. Pemilihan Model Terbaik
sebagai berikut. Salah satu pemilihan model terbaik adalah dengan
H0 ∶ ω = 0 (model ZIGP(𝜏) tidak sesuai) metode Akaike’s Information Criterion (AIC). Nilai AIC
H1 ∶ ω ≠ 0 (model ZIGP(𝜏) sesuai) dapat dihitung dengan menggunakan rumus berikut [7].
Statistik uji sebagai berikut. AIC = −2 log L(β) + 2k (12)
max L Ω0 Dimana L(β) merupakan nilai likelihood dan k
ω∈Ω0
λ = λ y1 , y2 , … , yn = (8) merupakan jumlah parameter. Kriteria pemilihan model
max L Ω terbaik jika didapatkan nilai terkecil atau mendekati nol.
ω∈Ω
Daerah penolakan pada persamaan ini adalah H0 ditolak
jika dan hanya jika λ ≤ c. c adalah suatu konstanta yang G. Tetanus Neonatorum
memenuhi 0 ≤ c ≤ 1 yang ditentukan dengan tingkat Faktor risiko Tetanus Neonatorum terdiri dari 2 faktor
signifikansi α. yaitu faktor medis dan faktor non medis. Faktor medis
meliputi kurangnya standar perawatan prenatal (kurangnya
E. Pengujian Hipotesis Regresi Zero-Inflated Generalized perawatan antenatal pada ibu hamil, kurangnya
Poisson (ZIGP) pengetahuan ibu hamil tentang pentingnya imunisasi
1. Pengujian Parameter Secara Serentak tetanus toxoid), perawatan perinatal (kurang tersedianya
Pengujian parameter secara serentak dilakukan untuk fasilitas persalinan dan tenaga medis sehingga banyak
mengetahui faktor yang berpengaruh signifikan terhadap persalinan yang dilakukan di rumah dan penggunaan alat-
model. Berikut ini merupakan hipotesis uji parameter secara alat yang tidak steril, termasuk dalam penanganan tali
serentak model regresi ZIGP. pusat) dan perawatan neonatal (neonatus lahir dalam
H0 : β1 = β2 = ⋯ = βk = 0 keadaan tidak steril, tingginya prematuritas, dsb) sedangkan
H1 : minimal ada satu parameter βk ≠ 0, k = 0,1,2, … , k untuk faktor non medis berhubungan dengan adat istiadat
Statistik uji sebagai berikut. setempat [8].
𝑙𝑜 Penyebab penyakit Tetanus Neonatorum adalah sebagai
𝐺 2 = −2 ln (9) berikut [9].
𝑙1
1. Penggunaan alat yang tidak steril untuk memotong tali
dimana 𝑙𝑜 dan 𝑙1 merupakan lambang maximum ln pusat seringkali meningkatkan risiko penularan penyakit
likelihood di bawah H0 dan secara keseluruhan (H0 ∪ H1 ). tetanus neonatorum.
Daerah penolakan pada pengujian parameter secara 2. Cara perawatan tali pusat dengan teknik tradisional
2
serentak adalah tolak H0 jika 𝐺 2 > 𝜒(𝑝,𝛼 ) atau jika P-value < 3. Kekebalan ibu terhadap tetanus.
α. Menurut Nursewian, penyakit tetanus neonatorum
terjadi mendadak dengan otot yang makin bertambah
2. Pengujian Parameter Secara Individu terutama pada rahang dan leher. Dalam 48 jam penyakit
Uji Wald merupakan salah satu pengujian yang menjadi nyata dengan adanya trismus.
dilakukan untuk menguji signifikansi parameter regresi Tanda-tanda dan gejala sebagai berikut.
secara individu. Berikut ini merupakan hipotesis uji 1. Bayi tiba-tiba panas dan tidak mau minum ( karena
parameter secara individu model regresi ZIGP. tidak dapat menghisap)
D-119
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print)
2. Mulut mencucut seperti mulut ikan Jawa Timur merupakan provinsi dengan 229 pulau,
3. Mudah terangsang dan sering kejang disertai sianosis yang terdiri dari 162 pulau bernama dan 67 pulau tidak
4. Kaku kuduk sampai opistotonus bernama, dengan panjang pantai sekitar 2.833,85 km.
5. Dinding abdomen kaku, mengeras, dan kadang-kadang Provinsi Jawa Timur terdiri dari 38 kabupaten/kota yaitu 29
terjadi kejang kabupaten dan 9 kota dengan 662 kecamatan dan 8.505
6. Dari berkerut, alis mata terangkat, sudut mulut tertarik desa/kelurahan. Indonesia merupakan salah satu negara
kebawah, muka thisus sardunikus. yang belum memenuhi target ETN (Eliminasi Tetanus
7. Ekstermitas biasanya terulur atau kaku Neonatorum). Target ETN adalah 1 per 1000 kelahiran
8. Tiba-tiba bayi sensitif terhadap rangsangan, gelisah dan hidup. Kasus Tetanus Neonatorum di Jawa Timur
kadang-kadang menangis lemah. mengalami peningkatan dari tahun 2011 ke tahun 2012.
9. Terjadi penurunan kesadaran Jumlah kasus Tetanus Neonatorum tiap
kabupaten/kota di Jawa Timur dapat dilihat pada Tabel 1
sebagai berikut.
III. METODOLOGI PENELITIAN
Tabel 1. Jumlah kasus Tetanus Neonatorum di tiap kabupaten/kota di Jawa
Data yang digunakan dalam penelitian ini adalah data
Timur
sekunder yang berasal dari Dinas Kesehatan Provinsi Jawa Jumlah Kasus Frekuensi Persen
Timur. Unit penelitiannya adalah 38 kabupaten/kota di 0 29 76,3
Provinsi Jawa Timur. Variabel penelitian yang digunakan 1 3 7,9
dalam penelitian ini adalah jumlah kasus Tetanus 2 2 5,3
Neonatorum (Y), persentase ibu bersalin ditolong nakes 3 1 2,6
5 1 2,6
(tenaga kesehatan) (X1), persentase ibu bersalin ditolong 7 2 5,3
dukun (X2), persentase kunjungan ibu hamil K4 (X3), dan Total 38 100,0
persentase kunjungan neonatus 3 kali (KN3 atau KN Tabel 1 menunjukkan bahwa sebesar 76,3%
Lengkap) (X4). kabupaten/kota di Jawa Timur tidak ada kasus terkena
Tahap dan langkah-langkah analisis data dalam Tetanus Neonatorum. Sebesar 7,9% kabupaten/kota dengan
penelitian ini sebagai berikut. 1 kasus Tetanus. Sebesar 5,3% kabupaten/kota dengan 2
1. Mendeskriptifkan karakterisktik data dengan statistika kasus Tetanus Neronatorum. Sebesar 2,6% kabupaten/kota
deskriptif. dengan 3 dan 5 kasus Tetanus Neonatorum. Sebesar 5,3%
2. Menaksir parameter model regresi Generalized Poisson kabupaten/kota dengan 7 kasus Tetanus Neonatorum.
(GP) dengan algoritma Newton Raphson. Kabupaten/kota tertinggi dengan kasus Tetanus
3. Menguji hipotesis model regresi Generalized Poisson Neonatorum adalah kabupaten Jember dan kabupaten
(GP). Bangkalan dengan masing-masing 7 kasus kemudian
Uji hipotesis dilakukan untuk pengujian parameter kabupaten Sampang dengan 5 kasus, kabupaten Situbondo
secara serentak dan individu. dengan 3 kasus, kabupaten Bojonegoro dan kabupaten
4. Menentukan model regresi Generalized Poisson (GP). Sumenep dengan 2 kasus serta kabupaten Bondowoso,
5. Menguji overdispersi. kabupaten Probolinggo, dan kabupaten Tuban dengan 1
Taksiran dispersi lebih dari 0 menunjukkan bahwa kasus.
variabel respon terbukti mengalami ovardispersi.
6. Menaksir parameter model regresi ZIGP. B. Karakteristik Faktor-Faktor yang diduga
Untuk menaksir parameter pada regresi ZIGP dengan Mempengaruhi Kasus Tetanus Neonatorum
menggunakan algoritma Newton-Raphson. Terdapat faktor-faktor yang diduga mempengaruhi
7. Menguji kesesuaian model regresi ZIGP. kasus Tetanus Neonatorum di Jawa Timur yaitu persentase
Menentukan apakah model regresi ZIGP sesuai atau ibu bersalin ditolong nakes (tenaga kesehatan) (X1),
tidak. Jika tidak model regresi ZIGP akan menjadi persentase ibu bersalin ditolong dukun (X2), persentase
model regresi ZIP. kunjungan ibu hamil K4 (X3), dan persentase kunjungan
8. Menguji hipotesis model regresi ZIGP. neonatus 3 kali (KN3 atau KN Lengkap) (X4).
Uji hipotesis merupakan pengujian parameter yang Tabel 2. Analisis Deskriptif Faktor-Faktor yang diduga
dilakukan secara serentak dan secara individu untuk Mempengaruhi Kasus Tetanus Neonatorum
mengetahui signifikansi dari masing-masing parameter N Minimum Maximum Mean Median Varians
X1 38 75,02 101,41 88,9408 89,11 46,103
yang diperoleh. X2 38 0,00 7,72 1,1558 0,115 4,069
9. Menentukan model terbaik dari regresi ZIGP. X3 38 70,67 101,55 84,0605 84,07 55,002
10. Kesimpulan. X4 38 76,59 111,22 94,2389 94,64 69,842
Berdasarkan Tabel 2 dapat dilihat bahwa menunjukkan
bahwa X1 memiliki nilai minimum sebesar 75,02% yaitu
IV. ANALISIS DAN PEMBAHASAN Kota Kediri dan nilai maksimum sebesar 101,41% yaitu
A. Karakteristik Kasus Tetanus Neonatorum di Jawa Timur Kabupaten Lamongan serta rata-rata sebesar 88,94 , nilai
tengah sebesar 89,11 dan varians sebesar 46,103. X2
D-120
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print)
memiliki nilai minimum sebesar 0% yaitu Kabupaten Generalized Poisson (ZIGP). Kovariat-kovariat pada model
Sidoarjo, Kabupaten Lamongan, Kota Blitar, Kota ZIGP yang mempengaruhi rata-rata Poisson pada zero state
Pasuruan, Kota Mojokerto, dan Kota Madiun dan nilai bisa sama dengan kovariat-kovariat yang mempengaruhi
maksimum sebesar 7,72% yaitu Kabupaten Bondowoso probabilitas pada poisson state sehingga ZIGP
serta rata-rata sebesar 1,156, nilai tengah sebesar 0,115 dan dilambangkan menjadi ZIGP(𝜏). Variabel yang signifikan
varians sebesar 4,069. X3 memiliki nilai minimum sebesar pada model regresi ZIP(𝜏) menghasilkan 15 kombinasi
70,67% yaitu Kabupaten Jember dan nilai maksimum kemungkinan model regresi ZIGP(𝜏) namun terdapat
sebesar 101,55% yaitu Kabupaten Lamongan serta rata-rata beberapa model yang gagal konvergen sehingga
sebesar 84,06 , nilai tengah sebesar 84,07 dan varians kemungkinan model yang terbentuk adalah sebanyak 7
sebesar 55,002. X4 memiliki nilai minimum sebesar 76,59% model sebagai berikut.
yaitu Kota Kediri dan nilai maksimum sebesar 111,22% 1. 𝜇𝑖 = 𝑒𝑥𝑝 𝛽0 +𝛽1 𝑋 1𝑖
yaitu Kabupaten Sampang serta rata-rata sebesar 94,24 , 2. 𝜇𝑖 = 𝑒𝑥𝑝 𝛽0 +𝛽4 𝑋 4𝑖
nilai tengah sebesar 94,64 dan varians sebesar 69,842. Pada 3. 𝜇𝑖 = 𝑒𝑥𝑝 𝛽0 +𝛽1 𝑋 1𝑖 +𝛽2 𝑋 2𝑖
variabel prediktor, terdapat nilai maksimum melebihi 100
4. 𝜇𝑖 = 𝑒𝑥𝑝 𝛽0 +𝛽1 𝑋 1𝑖 +𝛽4 𝑋 4𝑖
persen, ini terjadi karena terdapat data dengan pembilang
5. 𝜇𝑖 = 𝑒𝑥𝑝 𝛽0 +𝛽2 𝑋 2𝑖 +𝛽4 𝑋 4𝑖
lebih besar dari penyebutnya. Data dari Dinas Kesehatan
Jawa Timur merupakan gabungan dari hasil yang diperoleh 6. 𝜇𝑖 = 𝑒𝑥𝑝 𝛽0 +𝛽1 𝑋 1𝑖 +𝛽2 𝑋 2𝑖 +𝛽4 𝑋 4𝑖
dari Dinas Kesehatan Jawa Timur sebagai pembilang dan 7. 𝜇𝑖 = 𝑒𝑥𝑝 𝛽0 +𝛽1 𝑋 1𝑖 +𝛽2 𝑋 2𝑖 +𝛽3 𝑋 3𝑖 +𝛽4 𝑋 4𝑖
hasil prediksi dari Badan Pusat Statistik (BPS) Jawa Timur Sebelum membuat model, maka perlu dilakukan
sebagai penyebut atau pembaginya. penaksiran parameter, pengujian kesesuaian model, dan
pengujian parameter secara serentak dan secara individu.
Tabel 5 Estimasi Parameter Kemungkinan Model Regresi ZIGP(𝜏)
B. Model Regresi Generalized Poisson
𝛽0 𝛽1 𝛽2 𝛽3 𝛽4 𝜏
Model Generalized Poisson (GP) dapat digunakan saat X1 -1,2760 0,01563 604,41
data mengalami overdispersi pada regresi Poisson. X4 -2,8423 0,03146 600,92
Tabel 3. Nilai -2 log likelihood model GP X1,X2 -1,7716 0,01875 0,2474 600,93
Value X1,X4 -2,7987 -0,01060 0,04074 600,92
-2 log likelihood -26,2 X2,X4 -2,8548 0,2331 0,02876 600,93
Tabel 3 menunjukkan bahwa nilai -2 log likelihood dari X1,X2,X4 -2,7058 -0,00350 0,2313 0,03058 600,93
model GP adalah sebesar -26,2 kemudian di bandingkan X1,X2,X3 600,92
-3,3517 0,04456 0,1343 -0,07054 0,05409
,X4
dengan nilai 𝜒 20,1;4 = 7,78. Didapatkan nilai -2 log
Tabel 5 menunjukkan bahwa parameter 𝜏 yang
likelihood lebih kecil dari nilai 𝜒 20,1;4 sehingga keputusan signifikan menunjukkan variabel yang mempengaruhi zero
gagal tolak H0 yang berarti tidak ada parameter β yang state sama dengan variabel yang mempengaruhi poisson
berpengaruh signifikan dalam model state sehingga dapat diartikan bahwa variabel yang
Tabel 4 Estimasi parameter model GP
signifikan pada model log sama dengan variabel yang
Parameter Estimasi SE Z P-value signifikan pada model logit.
𝛽0 -0,02196 5,7347 -0,00 0,9970
𝛽1 0,005825 0,2783 0,02 0,9834 D. Pengujian Kesesuaian Model
𝛽2 0,5415 0,4074 1,33 0,1917
𝛽3 -0,06553 0,1425 -0,46 0,6481
Pengujian kesesuaian model regresi ZIGP(𝜏) untuk
𝛽4 0,0472 0,235 0,20 0,8419 menguji model ZIGP(𝜏) sesuai atau tidak yaitu dengan
𝜔 1,2019 . . . melihat parameter dispersi 𝜔 dengan hipotesis sebagai
Jika dilihat dari pengujian parameter secara individu, berikut.
Tabel 4 menunjukkan bahwa tidak ada parameter β yang H0 ∶ ω = 0 (model ZIGP(𝜏) tidak sesuai)
berpengaruh signifikan dalam model GP dilihat nilai P- H1 ∶ ω ≠ 0 (model ZIGP(𝜏) sesuai)
value pada setiap variabel yang lebih dari α = 0,1 selain itu Tabel 6 Parameter dispersi model ZIGP(𝜏)
juga dapat dilihat dari nilai 𝑧𝑖𝑡 yang dibandingkan Variabel Estimate 𝜔 P-value Keputusan
X1 1,7568 0,0290 Tolak H0
dengan 𝑧𝛼 /2 =1,64. Nilai 𝑧𝑖𝑡 lebih kecil 𝑧𝛼/2 sehingga X4 1,4517 0,0360 Tolak H0
keputusan gagal tolak 𝐻0 yang berarti tidak ada variabel X1,X2 0,5079 0,0869 Tolak H0
yang berpengaruh signifikan terhadap model. 𝜔 merupakan X1,X4 1,3380 0,0402 Tolak H0
parameter dispersi yang digunakan untuk mendeteksi X2,X4 0,4390 0,0792 Tolak H0
X1,X2,X4 0,4375 0,0790 Tolak H0
adanya overdispersi. Nilai parameter dispersi 𝜔 adalah X1,X2,X3,X4 0,2534 0,1842 Gagal Tolak H0
1,2019 yaitu lebih dari 0 yang berarti data mengalami Tabel 6 menunjukkan bahwa model dengan nilai P-
overdispersi. value pada parameter dispersi 𝜔 yang kurang dari α = 0,1
berarti tolak H0 atau model ZIGP(𝜏) sesuai.
C. Model Regresi Zero-Inflated Generalized Poisson
Kasus Tetanus Neonatorum merupakan kasus dengan E. Pengujian Hipotesis
banyak observasi yang bernilai 0 sebanyak 76,3% yang Pengujian parameter secara serentak dapat dilihat dari
akan dimodelkan dengan model regresi Zero-Inflated nilai -2 log likelihood dengan hipotesis sebagai berikut.
D-121
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print)