Perbandingan Model Generalized Linear Mixed Models (GLMMs) Dan Generalized Estimating Equation (GEE) Pada Data Longitudinal dengan Respon Berdistribusi Poisson

Hasil pengamatan sebuah penelitian bisa berupa banyak kemunculan suatu kejadian sehingga disebut data hitung dan diasumsikan mengikuti distribusi Poisson karena diperoleh dari hasil menghitung banyak kejadian yang muncul secara acak dalam selang waktu tertentu, bersifat saling bebas, dan selalu bernilai positif. Data longitudinal adalah hasil pengukuran berulang dari waktu ke waktu pada masing-masing subyek. Sebagai konsekuensi adanya pengukuran berulang pada unit waktu, menimbulkan korelasi dalam unit subyek yang sama. Data longitudinal dengan respon berdistribusi Poisson dapat dimodelkan dalam Generalized Estimating Equation (GEE) dan Generalized Linear Mixed Models (GLMMs). Tujuan penelitian adalah memilih model terbaik untuk data longitudinal dengan respon berdistribusi Poisson berdasarkan nilai Akaike’s Information Criterion (AIC) dengan membandingkan model GLMMs dan GEE yang terbentuk. Data yang digunakan dalam penelitian ini adalah data hasil penelitian di bidang kesehatan mengenai penyakit kanker kulit, episode efek samping, dan penyakit epilepsi. Berdasarkan hasil dan pembahasan diketahui bahwa seluruh model GLMMs yang terbentuk dari ketiga data dalam penelitian memiliki nilai AIC yang lebih kecil daripada seluruh model GEE. Kesimpulan dari penelitian ini adalah model GLMMs lebih baik daripada model GEE untuk memodelkan data longitudinal dengan respon berdistribusi Poisson sehingga pada ketiga data penelitian di bidang kesehatan dalam penelitian ini, digunakan model GLMMs untuk memodelkan data longitudinal dengan respon berdistribusi Poisson