Analisis Metode Negative Binomial Regression Dan Generalized Poisson Regression Untuk Menangani Data Overdispersi Pada Regresi Poisson

Jumlah Kematian Ibu merupakan salah satu indikator untuk melihat derajat kesehatan perempuan. Rendahnya kesadaran masyarakat tentang kesehatan ibu hamil menjadi faktor penentu angka kematian, meskipun masih banyak faktor yang harus diperhatikan untuk menangani masalah ini. Penelitian ini menggunakan peubah indeks pendidikan dan kesehatan ibu untuk mengetahui jumlah kematian ibu di Provinsi Jawa Timur sebagai faktor yang menyebabkan terjadinya kematian ibu pada saat melahirkan. Metode yang digunakan adalah regresi Poisson guna mengetahui hubungan ketergantungan antara peubah prediktor (X) dan peubah respon (Y). Regresi Poisson mengasumsikan bahwa nilai ragam sama dengan rata-rata (equidispersi), jika nilai ragam lebih besar dari nilai rata-rata (overdispersi), maka asumsi tersebut tidak terpenuhi dan harus ditangani. Overdispersi dapat ditangani dengan menggunakan metode Generalized Poisson Regression dan Negative Binomial Regression. Model Generalized Poisson Regression yang didapatkan adalah : Jumlah kematian = exp(6,502 − 0,003 IP0,068 KI) dan model Negative Binomial Regression yang didapatkan adalah : Jumlah kematian = exp(0,738 − 0.003 IP − 0.074 KI). AIC digunakan untuk mengetahui model mana yang paling tepat digunakan pada data jumlah kematian ibu. Berdasarkan nilai AIC, model Negative Binomial Regression yang lebih baik karena memiliki nilai AIC yang lebih kecil dibandingkan dengan model Generalized Poisson Regression