<![CDATA[Model regresi Poisson digunakan untuk menganalisis hubungan antara satu atau lebih variabel independen dengan variabel dependen berupa data cacahan. Salah satu asumsi utamanya adalah kesamaan antara nilai mean dan variansi (equidispersi). Namun, dalam praktiknya, asumsi tersebut sering tidak terpenuhi. Kondisi ini menyebabkan model regresi Poisson kurang sesuai digunakan, karena dapat menghasilkan estimasi standar error yang terlalu kecil (underestimate). Model alternatif yang dapat digunakan untuk mengatasi masalah overdispersi adalah Regresi Poisson Tweedie dan Conway Maxwell Poisson (CMP). Penelitian ini bertujuan untuk mengevaluasi kinerja model regresi Poisson Tweedie dan regresi CMP dalam menangani masalah dispersi pada data Angka Kematian Ibu (AKI) di Provinsi Sulawesi Selatan, Indonesia. Estimasi parameter dilakukan dengan metode Estimasi Kemungkinan Maksimum (MLE), sedangkan kinerja model dinilai berdasarkan Akaike Information Criterion (AIC), Mean Square Error (MSE), dan signifikansi parameter. Hasil penelitian menunjukkan bahwa model regresi Poisson standar kurang sesuai karena adanya pelanggaran asumsi ekuidispersi. Sebaliknya, model CMP dan Poisson Tweedie memberikan alternatif yang lebih tepat, dimana Model CMP menunjukkan akurasi prediktif yang lebih tinggi dengan nilai MSE terendah. Faktor perdarahan, hipertensi, gangguan kardiovaskular, dan komplikasi pasca-aborsi ditemukan memiliki pengaruh yang signifikan terhadap kematian ibu, sementara infeksi tidak signifikan secara statistik. ]]>
