Kajian Regresi Poisson, Poisson Terampat, dan Binomial Negatif Pada Data Kemiskinan di Indonesia

Abstract

Data cacahan diperoleh dengan menghitung banyaknya objek dan menghasilkan himpunan bilangan bulat yang non negatif. Salah satu analisis yang digunakan pada data cacahan adalah analisis regresi dengan metode yang berbeda daripada analisis regresi pada umumnya. Penelitian ini dilakukan untuk mengkaji faktor-faktor eksternal yang memengaruhi angka kemiskinan suatu provinsi di Indonesia dengan menggunakan analisis regresi Poisson, regresi Poisson Terampat, dan regresi Binomial Negatif. Data yang digunakan merupakan data kemiskinan yang diambil dari publikasi Badan Pusat Statistik (BPS) berjudul Statistik Indonesia 2017, Statistik Indonesia 2018, dan Statistik Indonesia 2019 yang melibatkan sepuluh peubah penjelas numerik dan satu peubah penjelas kategorik. Pengujian overdispersi menggunakan nilai deviance membuktikan bahwa data kemiskinan di Indonesia memiliki masalah overdispersi. Penelitian ini menunjukkan model regresi Poisson Terampat dengan delapan peubah penjelas signifikan adalah model terbaik berdasarkan perhitungan nilai Akaike Information Criteria (AIC) dan Bayesian Information Criteria (BIC) untuk memodelkan data kemiskinan suatu provinsi di Indonesia tahun 2016-2018.