PERBANDINGAN REGRESI BINOMIAL NEGATIF DAN REGRESI M-KUANTIL PADA DATA EXCESS ZEROES DALAM KONTEKS SMALL AREA ESTIMATION

Abstract

Beberapa penelitian tentang SAE telah dilakukan dengan beberapa model regresi diantaranya adalah model Binomial Negatif dan model M-kuantil. Namun yang sering terjadi adalah data yang mengalami excess zeroes. Hal ini menyebabkan overdispersi atau varians dan rataannya tidak sebanding. Anggraini (2014) menunjukkan bahwa model Binomial Negatif memberikan estimasi area yang lebih baik dibandingkan dengan model Poisson. Sedangkan Oktarin (2015) dalam penelitiannya menyimpulkan bahwa model M-kuantil memberikan estimasi area yang lebih baik dibandingkan dengan model Poisson. Namun data yang digunakan pada kedua penelitian tersebut merupakan data count yang berdistribusi Poisson. Pada faktanya excess zeroes sangat sering terjadi pada suatu pengamatan atau survei. Excess zeroes merupakan suatu kejadian dimana data pengamatan memiliki nilai 0 yang berlebih. Penelitian ini merupakan perbandingan estimasi area antara model Binomial Negatif dan model M-kuantil dengan data mengalami excess zeroes. Data pada penelitian ini 50% bagiannya mengandung nilai 0. Artinya data yang sudah didapatkan menunjukkan adanya excess zeroes. Pada pendugaan area yang dilakukan baik dengan 20 area, 35 area dan 50 area menunjukkan bahwa model M-kuantil lebih baik dalam menduga nilai 0 dibandingkan dengan model Binomial Negatif. Namun secara keseluruhan model Binomial Negatif lebih baik dalam menduga area dibandingkan dengan model M-kuantil. Hal ini ditunjukkan dengan nilai Mean Square Error (MSE) pada model Binomial Negatif lebih kecil dibandingkan nilai MSE pada model M-kuantil.