Pemilihan Model Terbaik pada Generalized Poisson Regression Menggunakan Akaike Information Criterion

ABSTRAK
 Poisson regression merupakan salah satu model regresi yang dapat digunakan untuk menganalisis hubungan antara variabel respon berupa data count dengan prediktor count, kontinu, kategorik atau campuran syarat terjadi equidispersion yaitu nilai variansi dari harus sama rata-ratanya. Namun sering adalah pelanggaran terhadap equidispersion. Generalized Regression (GPR) suatu lebih dan mengalami underdispersion, equidispersion, overdispersion. Data tuberkulosis paru (TB paru) di Indonesia tahun 2020 overdispersion, sehingga GPR metode cocok memodelkan tersebut. Tujuan penelitian ini mendapatkan terbaik pada jumlah kasus TB mengetahui faktor-faktor memengaruhinya. Hasil analisis menunjukkan bahwa terdapat lima belas terbentuk empat berpengaruh 2020. Model berdasarkan Akaike Information Criterion (AIC) terkecil kepadatan penduduk, penduduk miskin, persentase lantai rumah tidak kedap air, tempat pengelolaan pangan memenuhi syarat.
 ABSTRACT
 is a that can be used to analyze the relationship between response variables in form of and predictor continuous, categorical or mixed with condition occurs, namely variance value variable must equal average value. However, what often happens greater than called one more occure for pulmonary tuberculosis occured so suitable method data. The purpose this study was obtain best factors significantly influence number cases results analysis show there are fifteen models formed from four affect based on smallest influential variables, population density, poor people, percentage house floors not waterproof, food management places meet requirements.