Demam Berdarah Dengue (DBD) merupakan penyakit yang ditularkan oleh nyamuk betina terutama dari spesies Aedes aegypti pada tingkat lebih rendah dari Aedes albopictus yang rawan terjadi pada negara beriklim tropis seperti Indonesia. Data kasus DBD di Indonesia merupakan jenis data count. Model regresi yang biasa digunakan untuk memodelkan data count adalah model regresi Poisson. Regresi Poisson mempunyai asumsi equidispersi yaitu nilai varians dari variabel respon sama dengan nilai rata-ratanya. Pada kenyataannya, sering terjadi pelanggaran terhadap asumsi equidispersi pada regresi Poisson, yaitu varians lebih dari rata-rata yang disebut overdispersi. Jika terjadi overdispersi pada regresi Poisson, maka mengakibatkan taksiran parameter regresinya tetap konsisten tetapi tidak efisien, sehingga taksiran parameter menjadi bias dan mengakibatkan kesalahan penarikan kesimpulan terhadap data yang diamati. Oleh karena itu, diperlukan suatu model regresi yang dapat mengatasi overdispersi, salah satunya adalah model Poisson Inverse Gaussian Regression (PIGR). Distribusi variabel respon model PIGR merupakan kombinasi antara distribusi Poisson dan distribusi Poisson Inverse Gaussian (PIG). Data kasus DBD di Indonesia tahun 2020 tidak dapat dimodelkan dengan regresi Poisson karena mengalami overdispersi, sehingga dapat digunakan model PIGR. Penelitian ini bertujuan untuk mendapatkan model PIGR dan faktorfaktor yang berpengaruh signifikan terhadap kasus DBD di Indonesia tahun 2020. Penaksiran parameter model PIGR menggunakan metode Maximum Likelihood Estimation (MLE). Pengujian signifikansi parameter menggunakan metode likelihood Ratio Test (LRT) dan uji Wald. Faktor-faktor yang berpengaruh signifikan terhadap kasus DBD di Indonesia berdasarkan model PIGR adalah persentase rumah tangga kumuh yang memiliki akses sanitasi layak dan persentase jumlah tenaga kesehatan.