JudulPerbandingan Regresi Generalized Poisson Dan Regresi Binomial Negatif Dalam Mengatasi Overdispersi (Studi Kasus: Jumlah Penderita Acute Flaccid Paralysis Di Pulau Sulawesi) |
Nama: DHEANDRY CHAIRUNNISA |
Tahun: 2023 |
Abstrak Acute Flaccid Paralysis (AFP) adalah kelumpuhan layuh tanpa penyebab lain pada anak kurang dari 15 tahun. Data kasus AFP merupakan data berdistribusi Poisson karena merupakan data berkategori diskrit, sehingga pemodelan dapat menggunakan regresi Poisson. Namun model regresi Poisson memiliki salah satu asumsi yang harus dipenuhi yaitu varian sama dengan mean, tetapi pada model regresi Poisson terkadang dapat terjadi pelanggaran asumsi, dimana nilai varian lebih besar dari nilai mean yang disebut overdispersi. Penelitian ini menjelaskan penanganan model regresi Poisson yang mengalami overdispersi. Model yang digunakan adalah model regresi Generalized Poisson dan regresi Binomial Negatif. Penelitian ini bertujuan untuk memilih model terbaik yang digunakan dalam pemodelan kasus AFP. Berdasarkan hasil analisis, model regresi Binomial Negatif merupakan model terbaik untuk digunakan dalam mengatasi overdispersi pada kasus AFP. Variabel yang mempengaruhi kasus AFP yaitu jumlah penduduk<15 tahun ?(X?_1), persentase cakupan imunisasi (X_2), jumlah sarana kesehatan (X_5). Kata Kunci: AFP, Overdispersi, Regresi Generalized Poisson, Regresi Binomial Negatif. |