GENERALIZED POISSON REGRESSION

• GENERALIZED POISSON REGRESSION ADALAH SALAH SATU MODEL REGRESI YANG DAPAT
DIGUNAKAN UNTUK MENGGAMBARKAN HUBUNGAN ANTARA VARIABEL BEBAS DENGAN
VARIABEL RESPON, DIMANA

• VARIABEL RESPON DISKRIT BERDISTRIBUSI POISSON. PENERAPAN GENERALIZED POISSON

REGRESSION JUGA DIGUNAKAN
• UNTUK DATA YANG MENGALAMI OVER DISPERSI. DATA YANG MEMILIKI KASUS OVER ATAU UNDER
DISPERSI TIDAK SESUAI APABILA DIMODELKAN MENGGUNAKAN REGRESI POISSON. UNTUK ITU,
PADA KASUS OVER MAUPUN UNDER DISPERSI DAPAT DILAKUKAN ANALISIS MENGGUNAKAN MODEL
GPR.
DIAGRAM ALIR GPR
CONTOH
 Uji Distribusi Poisson Variabel Respon
Pengujian distribusi poisson pada variabel respon bertujuan untuk mengetahui apakah variabel respon
berdistribusi poisson.
Pengujian tersebut menggunakan Kolmogorov Smirnov dengan hipotesis sebagai berikut:

H0: Data berdistribusi poisson

H1: Data tidak berdistribusi poisson

Dengan derajat kebebasan sebesar 0.05 dan output dari pengujian adalah sebagai berikut.
Tabel 3. Hasil Uji Distribusi Poisson Variabel Respon
Statistik uji yang digunakan adalah p-value atau Asymp. Sig. (2-tailed).

N 34
Poisson Parametera,b Mean 137.2353

Kolmogorov-Smirnov Z 3.203

Asymp. Sig. (2-tailed) .000

Pengujian overdispersi atau underdispersi dilakukan dengan melihat perbandingan antara Deviance dan df nya

. Berikut merupakan hasil dari pengujian yang dilakukan.

Tabel 5. Statistika Deskriptif Angka Kematian Ibu di Indonesia
Variabel Mean Varians
AKI 137.2353 17391.337
Hasil analisis data banyaknya kasus kematian ibu di Indonesia pada Tabel 5 menunjukkan bahwa
nilai rata-ratanya adalah 137.2353 dan variansinya adalah 17391.337. Karena nilai rata-rata dan variansinya
tidak sama maka dapat disimpulkan bahwa data tidak memenuhi asumsi equidispersi. Sehingga perlu
dilakukan generalisasi pada model regresi poisson.

UJI MULTIKOLINIER
PENGUJIAN ASUMSI MULTIKOLINEARITAS DILAKUKAN DENGAN MENGGUNAKAN HIPOTESIS
SEBAGAI BERIKUT.
• H0: MODEL TERDAPAT MASALAH MULTIKOLINIERITAS
• H1: MODEL TIDAK TERDAPAT MASALAH MULTIKOLINIERITAS

Nilai-nilai variance inflation factor yang lebih besar dari 10 menunjukkan deteksi adanya masalah
multikolinieritas (Chatterjee & Hadi, 2006).
 BERIKUT MERUPAKAN NILAI AIC PADA SETIAP
KEMUNGKINAN MODEL GENERALIZED POISSON
REGRESSION.
 BERDASARKAN HASIL TERSEBUT DAPAT DILIHAT BAHWA NILAI
AIC TERKECIL YAITU 2285,335 DIPEROLEH DARI MODEL
GENERALIZED POISSON REGRESSION DENGAN LIMA VARIABEL
PREDIKTOR TERSEBUT.

Uji Parameter Serentak

Pengujian serentak parameter model regresi Poisson digunakan untuk
mengetahui ada tidaknya pengaruh variabel prediktor terhadap variabel responnya
yaitu dalam kasus ini adalah Angka Kematian Ibu di Indonesia. Pengujian tersebut
dilakukan dengan hipotesis sebagai berikut.

Nilai p-value atau Sig. sebesar 0.00. Maka, keputusannya adalah tolak H0 yang berarti minimal
ada salah satu β tidak sama dengan 0 atau adanya minimal satu variabel prediktor yang
berpengaruh terhadap model.
 UJI PARSIAL PARAMETER
• PENGUJIAN SECARA PARSIAL DIGUNAKAN UNTUK MENGETAHUI APAKAH
VARIABEL PREDICTOR BERPENGARUH TERHADAP VARIABEL RESPON SECARA
INDIVIDUAL YANG DIHASILKAN. STATISTIK UJI YANG DIGUNAKAN UNTUK UJI
PARSIAL ADALAH UJI WALD
• BERDASARKAN HASIL ANALISIS TERSEBUT DAPAT DILIHAT BAHWA NILAI SIG ATAU P-VALUE PADA
MASING-MASING VARIABEL PREDIKTOR KURANG DARI 0.05. SEHINGGA VARIABEL PRESENTASE
PERSALINAN OLEH TENAGA KESEHATAN, PRESENTASE IBU HAMIL MENDAPATKAN TABLET TAMBAH
DARAH FE3, PRESENTASE RUMAH TANGGA YANG MENEMPATI RUMAH LAYAK HUNI, PRESENTASE IBU
HAMIL MELAKSANAKAN PROGRAM K4, DAN PRESENTASE PUSKESMAS MELAKSANAKAN PROGRAM
PERENCANAAN PERSALINAN DAN PENCEGAHAN KOMPLIKASI (P4K) BERPENGARUH SECARA
SIGNIFIKAN TERHADAP ANGKA KEMATIAN IBU DI INDONESIA DENGAN MODEL GENERALIZED POISSON
REGRESSION YANG TERBENTUK YAITU: