Model Generalized Poisson Regression untuk Data Overdispersi pada Jumlah Penderita Demam Berdarah Dengue
| Main Authors: | Arisandi, Arwini, Herdiani, Erna Tri, Sahriman, Sitti |
|---|---|
| Format: | Article |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.unhas.ac.id/handle/123456789/27086 |
Daftar Isi:
- 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 diatasi dengan model generalized Poisson regression. Hasil penelitian menunjukkan bahwa pemodelan regresi generalized Poisson mampu mengatasi terjadinya overdispersi yang terjadi pada pemodelan regresi Poisson dengan nilai AIC minimum yaitu 254,976 sehingga diperoleh model regresi generalized Poisson: (??_i ) ??=exp???(1,032+0,216x_1-0,012x_2+2,062x_3-0,506x_4). Model memiliki nilai R^2 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.