Aplikasi Generalized Poisson Regression dalam Mengatasi Overdispersi pada Data Jumlah Penderita Demam Berdarah Dengue

Abstract

Asumsi dasar dalam regresi Poisson yaitu nilai variansi data sama dengan nilai mean data. Namun,
asumsi tersebut umumnya tidak terpenuhi, misalnya terdapat kasus overdispersi. Overdispersi
dalam regresi Poisson terjadi apabila nilai variansinya lebih besar daripada nilai meannya. Jika
terjadi overdispersi pada data, maka model regresi Poisson kurang akurat digunakan karena
berdampak pada nilai standard error dari taksiran parameter yang dihasilkan cenderung menjadi
underestimate sehingga kesimpulan yang diperoleh menjadi kurang valid. Dalam penelitian ini,
kasus overdispersi dapat diatasi dengan model generalized Poisson regression. Hasil penelitian
menunjukkan bahwa nilai AIC minimum diberikan oleh model generalized Poisson regression.
Sehingga dalam penelitian ini disimpulkan bahwa pada penelitian terhadap data yang mengalami
overdispersi pada Jumlah Penderita DBD di Kota Makassar tahun 2016, pemodelan regresi
generalized Poisson mampu mengatasi terjadinya overdispersi yang terjadi pada pemodelan regresi
Poisson. Nilai R
2
yang dimiliki sebesar 67% yang artinya jumlah penderita DBD ditentukan oleh
persentase tempat-tempat umum memenuhi syarat kesehatan, persentase penduduk yang memiliki
akses air minum layak, persentase rumah tangga berprilaku hidup bersih dan sehat dan persentase
rumah yang memenuhi syarat kesehatan. Selebihnya 33% ditentukan oleh faktor lain.