Kajian Perbandingan Regresi Binomial Negatif dan Regresi Poisson Terampat dalam Kondisi Overdispersi
Abstract
Analisis regresi Poisson menunjukkan hubungan antara peubah penjelas
dengan peubah respon yang menyebar Poisson. Regresi Poisson memiliki asumsi
ekuidispersi, yaitu kondisi dimana nilai rataan dan ragam pada peubah respon
bernilai sama. Namun kondisi ini jarang sekali ditemukan sehingga terjadi masalah
overdispersi pada data. Untuk menangani kondisi ini dapat dilakukan dengan
regresi Binomial Negatif dan regresi Poisson Terampat. Penelitian ini dilakukan
dengan menggunakan kajian simulasi perbandingan regresi Binomial Negatif dan
regresi Poisson Terampat. Pembangkitan data peubah respon dilakukan dengan dua
sebaran data yaitu sebaran Binomial Negatif dan sebaran Poisson Terampat dalam
kondisi overdispersi dengan dua peubah penjelas yang menyebar seragam. Hasil
simulasi yang diperoleh menyatakan bahwa nilai AIC dan BIC regresi Binomial
Negatif lebih kecil dibandingkan regresi Poisson Terampat. Penelitian ini juga
dilakukan dengan data terapan yaitu data penderita campak Kota Semarang sebagai
peubah respon dan empat peubah penjelas diantaranya jumlah imunisasi, jumlah
puskesmas, jumlah keluarga miskin, dan jumlah penduduk. Berdasarkan pemilihan
model terbaik pada data simulasi dan data terapan dengan melihat nilai AIC dan
BIC terkecil disimpulkan bahwa regresi Binomial Negatif lebih baik digunakan
untuk mengatasi overdispersi.