Metode subsampling merupakan salah satu metode yang dapat digunakan untuk menyelesaikan permasalahan pada big data. Penelitian ini berfokus pada perkiraan estimasi dalam Regresi Poisson menggunakan Maximun Likelihood Estimation (MLE). Pada penelitian ini akan dibahas tentang aplikasi metode Subsampling yaitu pada data The Demand for Medical care. Pada Subsampling, beberapa subsampel akan diambil dengan jumlah yang berbeda yang akan dicari model terbaik diantara subsampel tersebut. Hasil yang diperoleh dari penelitian ini berupa estimasi parameter dan model regresi Poisson pada setiap subsampel. Pada subsampel dengan jumlah terbanyak merupakan model terbaik diantara subsampel lainnya karena memperoleh nilai AIC (Akaike Information Criterion) yang paling kecil.

Subsampling method is one method that can be used to solve big data problems. In this paper focus on estimation in Poisson Regression using Maximum Likelihood Estimation (MLE). In this study will be discussed about the implementation of the Subsampling method of The Demand for Medical Care data. In the subsampling, some subsamples will be taken with different number which will be searched for the best model among the subsamples. The results of this study obtained parameter estimates and Poisson regression models on each subsample. In the subsample with the highest number has the better model among other subsamples due to obtaining the smaller value of AIC (Akaike Information Criterion).