<![CDATA[Abstract. Poisson Regression is one of the regression models that involves count data with the assumption of equidispersion, meaning that the mean and variance have the same value. However, in practice, Poisson regression methods often encounter the problem of overdispersion, where the variance is greater than the mean. To address overdispersion, the mixed Poisson distribution is employed. Bivariate Poisson Inverse Gaussian regression is suitable for modeling paired count data that experiences overdispersion. The data used in this thesis consists of the number of maternal and infant deaths. Maternal and infant deaths are two interconnected aspects because they relate to the nutritional and health status of the infant during the mother's pregnancy. Therefore, both variables can be modeled using a bivariate distribution. With five predictor variables: the percentage of K1 visits during pregnancy (X1), the percentage of K4 visits by pregnant women (X2), the percentage of pregnant women receiving Fe+ tablets (X3), the percentage of obstetric complication management (X4), and the percentage of mothers and infants receiving Vitamin A (X5). This study utilized data from the health profile of Bandung City in 2021. In this thesis, I will apply Bivariate Poisson Inverse Gaussian regression to the data on maternal and infant deaths in Bandung City in 2021. Abstrak. Regresi Poisson merupakan salah satu dari regresi yang dapat memodelkan data cacahan dengan memiliki asumsi equidispersion yaitu nilai rata-rata dan varians memiliki nilai yang sama. Namun dalam prakteknya metode regresi poisson sering terjadi masalah overdispersi yaitu nilai varians lebih besar daripada rata-rata. Untuk mengatasi data overdispersi yaitu dengan menggunakan distribusi mixed poisson. Regresi Bivariate Poisson Inverse Gaussian cocok untuk pemodelan data cacahan berpasangan dengan mengalami overdispersi. Data yang digunakan dalam skripsi ini adalah data jumlah kematian ibu dan kematian bayi. Kematian ibu dan kematian bayi termasuk dua hal yang saling berhubungan karena dari status gizi dan kesehatan bayi pada masa kandungan ibu. Oleh karena itu kedua variabel tersebut dapat dimodelkan menggunakan distribusi bivariate. Dengan terdapat 5 variabel prediktor yaitu persentase kunjungan K1 pada ibu hamil (X1), persentase kunjungan K4 ibu hamil (X2), persentase ibu hamil mendapatkan tablet Fe+ (X3), persentase penanganan komplikasi kebidanan (X4), dan persentase ibu dan bayi mendapatkan Vitamin A (X5). Penelitian ini mengambil data dari profil kesehatan Kota Bandung pada tahun 2021. Pada skripsi ini saya akan menerapkan regresi Bivariate Poisson Inverse Gaussian pada data kematian ibu dan kematian bayi di Kota Bandung pada tahun 2021.]]>
