Modifikasi Regression Correlation Coefficient (RCC) untuk Model Regresi Poisson

Abstract

Abstract. The Poisson regression model originating from data must be evaluated by using a certain prediction strength so that the best candidate model is selected. Some measures of predictive power that have been proposed, most have limitations in certain situations such as interpretation, application, consistency and affinity. To overcome these limitations, Zheng and Agresti (2000) proposed Regression Correlation Coefficient (RCC) for the Generalized Linear Model (GLM). Then, Takahashi and Kurosawa (2016) propose RCC for Poisson regression models developed from RCC for GLM. However, the RCC for the Poisson regression model is considered to still have deficiencies, namely if there is multicollinearity in the predictor variable. Therefore, to overcome these shortcomings, Kaengthong and Domthong (2017) propose modification the RCC for Poisson regression models that can work well in the case of two or more predictor variables and have multicollinearity in predictor variables. This paper discusses the application of the modified RCC for the Poisson regression model. The data used in the application is the number of maternal deaths in West Kalimantan Province in 2017. The results obtained the best model for Poisson regression models with 1 variable, namely the percentage variable of pregnant women implementing the K4 ( ) program with a value of  of 0.5826.

Keywords: Poisson Regression Model. Measure Predictive Power, Modification RCC.

Abstrak. Model regresi Poisson yang berasal dari data harus dievaluasi dengan menggunakan ukuran kekuatan prediksi tertentu agar kandidat model terbaik terpilih. Beberapa ukuran kekuatan prediksi yang telah diusulkan, sebagian besar memiliki keterbatasan dalam situasi tertentu seperti interpretasi, penerapan, konsistensi dan afinitas. Untuk mengatasi keterbatasan tersebut, Zheng dan Agresti (2000) mengusulkan Koefisien Korelasi Regresi atau Regression Correlation Coefficient (RCC) untuk Generalized Linear Model (GLM). Kemudian, Takahashi dan Kurosawa (2016) mengusulkan RCC untuk model regresi Poisson yang dikembangkan dari RCC untuk GLM. Namun, RCC untuk model regresi Poisson tersebut dianggap masih memiliki kekurangan yaitu jika terdapat multikoliniearitas dalam variabel prediktor. Oleh karena itu, untuk mengatasi kekurangan tersebut, Kaengthong dan Domthong (2017) mengusulkan modifikasi RCC untuk model regresi Poisson yang dapat bekerja dengan baik dalam kasus dua atau lebih variabel prediktor dan memiliki multikolinieritas dalam variabel prediktor. Makalah ini membahas penerapan modifikasi RCC untuk model regresi Poisson. Data yang digunakan dalam pengaplikasiannya adalah jumlah kematian ibu di Provinsi Kalimantan Barat tahun 2017. Hasilnya diperoleh model terbaik untuk model regresi Poisson dengan 1 variabel yaitu variabel persentase ibu hamil melaksanakan program K4  dengan nilai  sebesar 0,5826.

Kata Kunci: Model Regresi Poisson, Ukuran Kekuatan Prediksi, Modifikasi RCC.