Perbandinganregresi Zero Inflated Generalized Poisson (Zigp) Danregresi Zero Inflated Negative Binomial (Zinb)Pada Data Overdispersion

Analisisregresimerupakan metode yang digunakanuntukmengetahuihubunganketergantunganantarapeubahrespon (Y) denganpeubah prediktor (X). Regresi Poissonmerupakan analisis regresi untuk data diskrit atau count. Padaregresi Poisson terdapatasumsi nilai rata-rata yang samadengannilai ragam (equidispersion) tetapi dapat dijumpai data yang memiliki nilai ragam lebih besar dari nilai rata-ratanya(overdispersion), sehingga regresi Poisson tidak tepat lagi digunakan untuk memodelkan data. Model regresi yang lebihsesuaiuntuk data overdispersionadalah model regresi Generalized Poisson (GP)danNegative Binomial (NB). Pada peubah respon sering dijumpai adanya data yang bernilai nol dan proporsinya besar (zero inflation) yaitu lebih dari 50%. Besarnya proporsi data yang bernilai nol dapat berakibat pada ketepatan (presisi) dari inferensia. Selain itu, regresi Poissonmenjadi tidak tepat lagi memodelkan data yang sebenarnya. Alternatif model regresi yang lebihsesuaiuntuk dataoverdispersiondan zero inflationpada peubah respon adalah model regresi Zero Inflated Generalized Poisson (ZIGP)danZero Inflated Negative Binomial (ZINB). Penelitianinibertujuanuntukmembandingkan model regresi Zero InflatedGeneralized Poisson (ZIGP) danZero InflatedNegative Binomial (ZINB) berdasarkannilai AIC (Akaike Information Criterion). Data yang digunakanadalah 3 data sekunder yang overdispersiondan zero inflation pada peubah respon.Hasilanalisismenunjukkanmodel Zero Inflated Generalized Poisson (ZIGP) lebihsesuaijikadigunakanpada data overdispersiondanzero inflation pada peubah respon