Penerapan Regresi Binomial Negatif dalam Menangani Overdispersi pada Data Kepesertaan Aktif BPJS Ketenagakerjaan di Indonesia
Penerapan Regresi Binomial Negatif dalam Menangani Overdispersi pada Data Kepesertaan Aktif BPJS Ketenagakerjaan di Indonesia
Pebri Wulandari NIM. 119410010
Yuciana Wilandari, S.Si., M.Si. NIP. 197005191998022001
Indah Gumala Andirasdini, S.Si., M.Si. NRK. 1994121620212259
ABSTRAK
Analisis regresi paling sederhana dalam menangani data cacahan adalah analisis Regresi Poisson. Regresi Poisson merupakan penerapan dari Generalized Linear Model, yaitu pengembangan dari model regresi ketika variabel respon mengikuti distribusi keluarga eksponensial. Terdapat asumsi yang harus dipenuhi dalam Regresi Poisson, yakni equidispersi yang berarti nilai ragam atau variansi sama dengan nilai harapan atau ekspektasi dari respon. Namun seringkali data respon yang dijumpai memiliki nilai variansi lebih besar dari nilai harapanya atau disebut juga sebagai overdispersi. Saat terjadi overdispersi, data cacahan (count data) tidak berdistibusi poisson sehingga perlu dicari distribusi lain untuk mengatasi masalah tersebut. Salah satu alternatif yang dapat digunakan adalah dengan pendekatan distribusi Binomial Negatif. Penerapan Regresi Binomial Negatif dilakukan untuk mengetahui faktor-faktor yang mempengaruhi jumlah peserta aktif BPJS Ketenagakerjaan di Indonesia tahun 2003-2019. Hasil analisis menunjukkan bahwa Regresi Binomial Negatif mampu menangani masalah overdispersi pada Regresi Poisson ditunjukkan dengan nilai parameter dispersi (ϕ) yang mendekati 1. Berdasarkan model Regresi Binomial Negatif ini, faktor-faktor yang mempengaruhi jumlah peserta aktif BPJS Ketenagakerjaan pada tahun 2003-2019 adalah jumlah kepesertaan perusahaan aktif BPJS Ketenagakerjaan dan tingkat pengangguran terbuka di Indonesia.
Kata kunci: Data cacahan, Regresi Poisson, Overdispersi, Regresi Binomial Negatif
URI
https://repo.itera.ac.id/depan/submission/SB2306120035
Keyword