Model-Model Regresi untuk Mengatasi Masalah Overdipersi pada Regresi Poisson

Abstract

Model Regresi Poisson merupakan model standar yang digunakan untuk menganalisis data yang memuat variabel dependen berupa diskrit (count data). Pada regresi Poisson terdapat asumsi yang harus dipenuhi yaitu kesamaan antara nilai mean dan variansinya. Akan tetapi, pada analisis data diskrit yang menggunakan regresi Poisson sering terjadi overdispersi (overdispersion) yaitu keadaan nilai variansnya lebih besar dari nilai meannya. Salah satu penyebab terjadinya overdispersi adalah terdapat kelebihan nilai nol pada variabel dependennya. Adanya overdispersi dalam data menyebabkan nilai prediksi menjadi tidak tepat sehingga distribusi Poisson tidak layak digunakan. Model-model regresi alternatif yang dapat digunakan untuk mengatasi masalah overdispersi adalah dengan menggunakan model regresi Generalized Poisson (GP), Zero Inflated Poisson (ZIP), dan Zero Inflated Generalized Poisson (ZIGP). Dengan membandingkan nilai AIC, Log-likelihood, Pearson Chi Square/DB maka model ZIP lebih baik digunakan untuk mengatasi masalah overdispersi yang disebabkan oleh kelebihan nilai nol pada varaibel dependennya dibandingkan dengan model GP dan ZIGP.