PERBANDINGAN GENERALIZED POISSON REGRESSION DAN NEGATIVE BINOMIAL REGRESSION UNTUK DATA OVERDISPERSI DAN UNDERDISPERSI PADA REGRESI POISSON
Abstract: Analisis regresi
digunakan untuk mengetahui hubungan ketergantungan antara satu peubah respon
(Y) dengan satu atau beberapa peubah prediktor (X). Model regresi yang
digunakan untuk menjelaskan hubungan antara peubah prediktor dan peubah respon
yang memiliki sebaran Poisson adalah model regresi Poisson. Namun, pada regresi
Poisson memiliki asumsi rata-rata yang sama dengan ragam (equidispersi)
sehingga model ini tidak tepat digunakan pada data yang mengalami overdispersi
(ragam lebih besar dari rata-rata) dan underdispersi (ragam lebih kecil dari
rata-rata). Alternatif model regresi yang lebih sesuai untuk data overdispersi
dan underdispersi adalah model Generalized Poisson Regression dan Negative
Binomial Regression. Penelitian ini bertujuan untuk membandingkan model
Generalized Poisson Regression dan NegativeBinomial Regression pada data
overdispersi dan underdispersi menggunakan kriteria pembanding nilai AIC
(Akaike Information Criterion). Data yang digunakan adalah 6 data sekunder yang
mengalami overdispersi dan underdispersi. Hasilanalisis menunjukkan model
Negative Binomial Regression lebih sesuai jika digunakan pada data yang
mengalami overdispersi dan underdispersi.
Kata kunci: Generalized
Poisson Regression, Negative Binomial Regression, Overdispersi, Underdispersi,
AIC
Penulis: Cindy Cahyaning
Astuti, Eni Sumarminingsih, Loekito Adi Nugroho
Kode Jurnal: jpmatematikadd130812
