PEMODELAN KASUS TUBERKULOSIS DI INDONESIA MENGGUNAKAN REGRESI BINOMIAL NEGATIF DENGAN ESTIMATOR MODIFIED JACKKNIFE NEGATIVE BINOMIAL RIDGE REGRESSION

Tuberkulosis masih menjadi masalah kesehatan serius di Indonesia yang ditandai
dengan peningkatan jumlah kasus setiap tahun. Untuk menganalisis faktor yang
mempengaruhi jumlah kasus Tuberkulosis, digunakan Regresi Binomial Negatif
karena mampu menangani data yang mengalami overdispersi dan tidak dapat
dimodelkan dengan Regresi Poisson. Namun, adanya multikolinearitas antar
variabel prediktor menyebabkan estimasi parameter menjadi tidak stabil. Oleh
karena itu, penelitian ini menerapkan metode Modified Jackknife Negative
Binomial Ridge Regression, dimana pendekatan jackknife digunakan untuk
mengurangi bias dan ridge digunakan untuk mengatasi multikolinearitas. Hasil
penelitian menunjukkan bahwa jumlah puskesmas (X1), jumlah tenaga kesehatan
(X2), jumlah penduduk miskin (X3), persentase perokok (X4), dan akses sanitasi
layak (X5) berpengaruh signifikan terhadap jumlah kasus Tuberkulosis. Model
Modified Jackknife Negative Binomial Ridge Regression mampu mengatasi
multikolinearitas yang ditunjukkan oleh nilai korelasi < 0,8 serta memiliki kinerja
lebih baik dibandingkan metode Maximum Likelihood Estimation, dengan nilai
Root Mean Square Error sebesar 46.445,67 yang lebih kecil dibandingkan
59.288,48.

Kata Kunci: Modified Jackknife Negative Binomial Ridge, Multikolinearitas,

Regresi Binomial Negatif, Overdispersi, Tuberkulosis