Saat ini, Indonesia menjadi negara ketiga dengan jumlah perokok tertinggi di dunia setelah Cina dan India. Kerugian makro ekonomi akibat konsumsi rokok di Indonesia pada 2015 mencapai hampir Rp 600 triliun. Ada banyak faktor yang dapat mengakibatkan seseorang mengkonsumsi rokok di antara dari segi sosio ekonomi, demografi, lingkungan, budaya dan lainnya. Mengingat konsumsi rokok yang tinggi di Indonesia serta faktor risiko yang terjadi akibat mengkonsumsi rokok, maka penelitian ini ingin mengetahui faktor-faktor yang mempengaruhi jumlah batang rokok yang dihisap. Jumlah rokok yang dihisap setiap hari merupakan data cacah nonnegatif. Untuk pemodelan variabel respon yang berupa data cacah, model yang biasa digunakan adalah regresi Poisson, regresi Binomial, dan regresi Negative Binomial. Konsumsi rokok dalam batang per hari merupakan salah satu kasus data cacahan dengan banyak nilai 0 (excess zero). Untuk mengatasi masalah overdispersion yang terjadi, salah satu cara adalah menggunakan Zero Inflated Negative Binomial (ZINB) atau Hurdle Negative Binomial (HNB). Kedua model tersebut digunakan untuk memodelkan data count dengan banyak nilai 0 pada respon dan terjadi overdispersion. Data konsumsi rokok yang dihasilkan dari IFLS memiliki nilai zero excess dan terdapat overdispersi. Model ZINB lebih baik daripada model HNP karena memiliki nilai AIC dan BIC yang lebih kecil. Pada model log hanya variabel penghasilan yang mempengaruhi peluang mengkonsumsi merokok. pada model logit hanya variabel dummy SMP yang tidak mempengaruhi peluang untuk tidak mengkonsumsi rokok, sedangkan variabel lainnya pendidikan, kesejahteraan dan penghasilan mempengaruhi peluang tidak mengkonsumsi rokok. Semakin tinggi pendidikan dan kesejaterahan akan meningkatkan peluang orang untuk tidak merokok