Description:
Abstract. Count data is data that describes an event in a certain period of time. Infant mortality is an example of count data. Poisson Distribution is often used to analyzed count data. One of the characteristics of Poisson distribution is the value of mean and variance have to be the same. Maximimum Likelihood Estimator (MLE) is used to estimate parameter of Poisson regression. The Poisson regression model of infant mortality in West Java in 2017 is . From the model we can conlude that all of the predictor variabels have significant effect for infant mortality.Keywords: Count Data, Infant Mortality, Poisson Regression, MLE.Abstrak. Data cacahan merupakan data yang menggambarkan suatau kejadian dalam kurun waktu tertentu. Salah satu contoh data cacahan adalah kematian bayi. Distribusi Poisson sering digunakan untuk menganalisis data cacahan. Salah satu karakteristik distribusi Poisson adalah nilai rata-rata dan variansnya harus sama. Metode MLE digunakan untuk menaksir parameter dari regresi Poissson. Model regresi Poisson untuk data jumlah kasus kematian bayi di Provinsi Jawa Barat pada tahun 2017 adalah . Dimana, dari model tersebut dapat disimpulkan bahwa seluruh variabel prediktor berpengaruh terhadap kematian bayi.Kata Kunci: Data Cacahah, Kematian Bayi, Regresi Poisson, MLE.