Pemodelan Generalized Poisson Regression dengan Estimasi Modified Jackknifed Poisson Ridge pada Kasus Jumlah Kematian Ibu di Provinsi Sulawesi Selatan Tahun 2021

Latar Belakang. Generalized Poisson Regression (GPR) merupakan pengembangan dari regresi Poisson yang digunakan untuk menganalisis data yang mengalami overdispersi yaitu nilai variansi lebih besar dari rata-rata yang tidak dapat ditangani oleh regresi Poisson. Estimasi parameter GPR umumnya menggunakan Maximum Likelihood Estimation (MLE), namun metode ini juga mengasumsikan tidak adanya multikolinearitas pada data yang dapat menyebabkan estimasi parameter menjadi tidak akurat. Untuk menyelesaikan masalah tersebut, digunakan estimasi Modified Jackknifed Poisson Ridge (MJPR). Metode ini menggunakan teknik Jackknife untuk mengurangi bias dan menangani multikolinearitas, sehingga menghasilkan estimasi parameter yang lebih akurat dan stabil. Tujuan. Penelitian ini bertujuan memperoleh faktor-faktor yang mempengaruhi jumlah kematian ibu di Provinsi Sulawesi Selatan tahun 2021 menggunakan model GPR dengan estimasi MJPR. Metode. Analisis data dilakukan dalam dua tahap, pertama mengestimasi parameter GPR dengan MLE untuk menangani overdispersi. Kedua mengestimasi parameter GPR dengan MJPR untuk mengatasi multikolinearitas menggunakan beta dari hasil MLE sebagai penduga awal dalam MJPR. Hasil. Hasil analisis menunjukkan bahwa model GPR dengan MJPR lebih baik dalam menangani overdispersi dan multikolinearitas berdasarkan nilai AIC (133.1317) yang lebih kecil dibandingkan model GPR dengan MLE (134.9758). Selain itu, estimasi MJPR mampu menjelaskan keragaman data lebih baik berdasarkan nilai R^2 (89.05%) dibandingkan dengan MLE yang memiliki nilai R^2 (88.99%). Kesimpulan. Faktor-faktor yang teridentifikasi mempengaruhi jumlah kematian ibu di Provinsi Sulawesi Selatan berdasarkan hasil pengujian signifikansi parameter yaitu variabel Perkiraan Jumlah Ibu Hamil dengan Komplikasi Kebidanan (X_4) pada taraf signifikan 0.05.