Abstrak. Penelitian ini membahas tentang pembentukan model Generalized Poisson Regression (GPR) dan penerapannya pada angka pengangguran bagi penduduk usia kerja di Provinsi Sulawesi Selatan. Jenis penelitian ini adalah penelitian terapan yang menggunakan model regresi nonlinear, yaitu model regresi Poisson dan model GPR. Variabel respon yang digunakan adalah jumlah angka pengangguran pada usia kerja yang termasuk angkatan kerja di Provinsi Sulawesi Selatan pada tahun 2017. Adapun variabel-variabel prediktor yang digunakan yaitu persentase angkatan kerja terhadap penduduk usia kerja, Indeks Pembangunan Manusia, persentase bekerja terhadap angkatan kerja, kepadatan penduduk, dan pertumbuhan ekonomi. Penelitian menggunakan metode Maximum Likelihood Estimation (MLE) untuk mengestimasikan parameter dan menghasilkan sebuah model GPR. Variabel prediktor yang memberikan pengaruh secara signifikan adalah Indeks Pembangunan Manusia dan persentase bekerja terhadap angkatan kerja.Kata kunci: Angka Pengangguran, Regresi Poisson, Overdispersi, Generalized Poisson Regression, Maximum Likelihood Estimation Abstract. This study discusses the formation of the Generalized Poisson Regression (GPR) model and its application to the unemployment rate for the working age population in South Sulawesi Province. This type of research is applied research that uses the Poisson regression model, namely Poisson regression and GPR models. The response variabel used is the total unemployment rate at working age which includes the workforce in South Sulawesi Province in 2017. The predictor variables used are the percentage of the workforce on the working age population, the Human Development Index, the percentage of work on the labor force, population density, and economic growth. This research uses the Maximum Likelihood Estimation (MLE) method to estimate parameters and produce a GPR model. The predictor variables which have a significant influence are the Human Development Index and the percentage of work on the labor force.Keywords: Unemployment Rate, Poisson Regression, Overdispersion, Generalized Poisson Regression, Maximum Likelihood Estimation
Pemodelan Multivariate Adaptive Generalized Poisson Regression Spline pada Kasus Jumlah Kematian Ibu di Provinsi Jawa Timur
