<![CDATA[Abstract. In this study, the response variable is assumed to be Poisson-distributed enumeration data. However, in the Poisson regression model, the enumerated data often deviates from the Poisson distribution because of the proportion of excess zero values in the response variable (excess zero), resulting in a larger variance than the average of the observed variables (overdispersion). Therefore, this study aims to model the data with Zero Inflated Poisson (ZIP) and Hurdle Poisson regression. Based on the results of the study by comparing the ZIP and Hurdle Poisson regression models using the Akaike Information Criterion (AIC) and Bayesian Information Criteria (BIC) values, it is found that the Hurdle Poisson regression model is more appropriate for modeling child mortality data in the city of Bandung in 2021 or in other words the Hurdle Poisson regression model is better at dealing with overdispersion and excess zeros problems compared to the Zero Inflated Poisson (ZIP) regression model. Abstrak. Pada penelitian ini variabel respon diasumsikan merupakan data cacahan yang berdistribusi Poisson. Namun, pada model regresi Poisson data cacah seringkali menyimpang dari distribusi Poisson karena proporsi nilai nol yang berlebih pada variabel respon (excess zero), sehingga menghasilkan varian yang lebih besar dari rata-rata variabel yang diamati (overdispersi). Maka dari itu, penelitian ini bertujuan untuk memodelkan data dengan regresi Zero Inflated Poisson (ZIP) dan Hurdle Poisson. Berdasarkan hasil penelitian dengan membandingkan model regresi ZIP dan Hurdle Poisson menggunakan nilai Akaike Information Criterion (AIC) dan Bayesian Information Criteria (BIC), maka diperoleh bahwa model regresi Hurdle Poisson lebih tepat digunakan untuk memodelkan data kematian balita di Kota Bandung tahun 2021 atau dengan kata lain model regresi Hurdle Poisson lebih baik dalam menangani masalah overdispersi dan excess zeros dibandingkan dengan model regresi Zero Inflated Poisson (ZIP).]]>
