Perpustakaan Digital ITB

Frekuensi seseorang berkunjung ke dokter untuk konsultasi, dalam selang waktu tertentu, dapat merupakan salah satu indikasi kesuksesan layanan kesehatan yang diberikan. Seberapa sering seseorang mengunjungi dokter dipengaruhi oleh beberapa faktor, seperti: status sosial-ekonomi; jenis asuransi yang dimiliki; kondisi finansial. Banyak kunjungan ke dokter dapat dikategorikan sebagai tipe data count. Umumnya, model Poisson menjadi pilihan untuk memodelkan data count. Akan tetapi, data banyak kunjungan ke dokter memiliki banyak observasi yang bernilai nol; yang berarti, ada banyak orang yang tidak mengunjungi dokter. Apabila observasi bernilai nol sangat banyak, dapat mengakibatkan terjadinya overdispersion, yaitu nilai variansi yang lebih besar dari rataan. Oleh sebab itu, model Poisson tidak dapat menangani masalah overdispersion pada data. Model peluang Binomial Negatif dapat menangani overdispersion yang berasal dari heterogenitas data; sedangkan model zero-inflated Poisson dapat menangani overdispersion yang berasal dari excess zeros. Pada Tugas Akhir ini, diaplikasikan dan dibandingkan model Poisson, Binomial Negatif, dan zero-inflated Poisson pada data banyak kunjungan ke dokter. Berdasarkan nilai AIC, BIC, dan uji Vuong, didapati bahwa model Binomial Negatif adalah model yang paling baik untuk memodelkan data yang dianalisis, dengan nilai AIC sebesar 6.422,982 dan nilai BIC sebesar 6.495,081. Ditemukan melalui uji Wald bahwa faktor yang signifikan berpengaruh pada banyak kunjungan ke dokter, dengan taraf signifikansi 5%, adalah: jenis kelamin; jenis asuransi yang dimiliki; dan variabel-variabel yang berhubungan dengan kesehatan.