Pemodelan Kasus Pneumonia Berat pada Balita di Kota Surabaya Menggunakan Zero-Inflated Negative Binomial
Modeling Severe Pneumonia Cases among Children Under Five in Surabaya City Using a Zero-Inflated Negative Binomial Model
Pneumonia berat pada balita merupakan salah satu permasalahan kesehatan masyarakat yang signifikan, khususnya di perkotaan seperti Surabaya, karena dapat meningkatkan risiko morbiditas dan mortalitas balita. Data jumlah kasus pneumonia berat pada balita di Kota Surabaya berbentuk data cacah yang menunjukkan adanya overdispersi serta proporsi nilai nol berlebih. Penelitian ini bertujuan untuk memodelkan jumlah kasus pneumonia berat pada balita di Kota Surabaya menggunakan model Zero-Inflated Negative Binomial (ZINB) serta mengidentifikasi faktor-faktor yang memengaruhinya. Analisis awal menggunakan regresi Poisson menunjukkan ketidaksesuaian asumsi akibat overdispersi dan nilai nol berlebih, sehingga pemodelan dilanjutkan menggunakan beberapa pendekatan termasuk regresi ZINB. Pemilihan model dilakukan berdasarkan nilai Akaike Information Criterion (AIC). Hasil analisis menunjukkan bahwa model ZINB memiliki nilai AIC paling rendah dan mampu mengakomodasi karakteristik data dengan baik. Pada model ZINB, variabel jumlah rumah tangga dengan akses air bersih terbukti berpengaruh signifikan pada komponen count maupun pada komponen logit. Selain itu, variabel dummy tahun 2023 juga berpengaruh signifikan pada komponen count, yang menunjukkan jumlah kasus pneumonia berat yang lebih rendah dibandingkan dengan tahun 2022. Hasil ini menunjukkan bahwa akses air bersih merupakan faktor lingkungan yang berperan penting dalam menurunkan jumlah kasus pneumonia berat pada balita di Kota Surabaya.
Severe pneumonia among children under five remains a significant public health concern, particularly in urban areas such as Surabaya, as it increases the risk of morbidity and mortality in this age group. The data on the number of severe pneumonia cases among children under five in Surabaya City are count data characterized by overdispersion and an excess proportion of zero values. This study aims to model the number of severe pneumonia cases among children under five in Surabaya City using the Zero-Inflated Negative Binomial (ZINB) model and to identify factors influencing its occurrence. Preliminary analysis using Poisson regression indicated violations of model assumptions due to overdispersion and excess zeros; therefore, further modeling was conducted using several approaches, including ZINB regression. Model selection was based on the Akaike Information Criterion (AIC). The results show that the ZINB model yields the lowest AIC value and adequately accommodates the characteristics of the data. In the ZINB model, the variable representing the number of households with access to clean water has a significant effect on both the count and logit components. In addition, the dummy variable for the year 2023 is significant in the count component, indicating a lower number of severe pneumonia cases compared to the year 2022. These findings suggest that access to clean water is an important environmental factor in reducing the number of severe pneumonia cases among children under five in Surabaya City.