Perpustakaan Digital ITB

Pada bidang kesehatan menarik untuk mengetahui frekuensi penyakit pada suatu lokasi yang diamati dari waktu ke waktu. Untuk penyakit dengan kejadian yang langka, terdapat banyak nilai nol pada data. Sedangkan data diskrit biasa dimodelkan dengan model Poisson. Namun, variansi dari data akan bernilai lebih besar dari pada rataannya, dan model Poisson sudah tidak sesuai lagi. Salah satu alternatif yang dapat digunakan adalah distribusi Zero Inflated Poisson (ZIP). Generalized Linier Model (GLM) digunakan untuk membangun model ZIP Autoregression yang bergantung dengan frekuensi penyakit pada waktu sebelumnya. Efek ketetanggaan ditambahkan pada regresor untuk melihat pengaruh frekuensi kejadian pada tetangga-tetangga sekitarnya terhadap frekuensi kejadian di lokasi yang akan dimodelkan. Aplikasi dari model ini digunakan pada data frekuensi penyakit Syphilis di Negara Bagian Nevada, Oregon, dan California. Efek ketetanggaan ditambahkan dengan bobot seragam dan kuadrat invers jarak.