Pemodelan Geographically Weighted Negative Binomial Regression (GWNBR) untuk Kasus Kematian Bayi Di Provinsi Jawa Tengah

 Abstract views: 144 ,  downloads: 90
  • Teguh Susanto
Keywords: AKB, Regresi Poisson, Regresi Binomial Negatif, GWNBR

Abstract

Angka Kematian Bayi (AKB) adalah salah satu indikator kesehatan yang belum mencapai target MDGs sehingga perlu diketahui faktor-faktor yang mempengaruhi kematian bayi. Data kematian bayi yang digunakan dalam penelitian ini adalah jumlah kematian bayi di Provinsi Jawa Tengah 2017. Ini bersumber dari Profil Kesehatan Provinsi Jawa Tengah pada tahun 2017. Regresi Poisson adalah salah satu analisis statistik yang dapat digunakan untuk menentukan faktor-faktor itu mempengaruhi jumlah kematian bayi. Model Regresi Poisson adalah model regresi non-linear yang digunakan untuk menganalisis data diskrit. Asumsi rata-rata sama dengan varians dalam analisis regresi poisson jarang dipenuhi karena masalah penyebaran berlebihan sering muncul dalam pemodelan, di mana varians lebih besar dari nilai tmean. Salah satu metode yang digunakan dalam mengatasi overdispersi dalam regresi Poisson adalah regresi Binomial Negatif. Dalam penelitian ini juga menggunakan Model Regresi Binomial Negatif Berbobot Geografis (GWNBR) untuk menjelaskan keberadaan heterogenitas regional. Setiap nilai parameter dihitung pada setiap titik lokasi geografis sehingga setiap titik lokasi geografis memiliki nilai parameter regresi yang berbeda. Ini akan memberikan variasi pada nilai parameter regresi dalam kumpulan wilayah geografis. Hasil pemodelan GWNBR dengan fungsi bobot kernel Gaussian tetap menunjukkan ada 6 kelompok regional berdasarkan variabel signifikan.

Downloads

Download data is not yet available.

References

Afri, Lusi Eka. 2012. Model Regresi Binomial Negatif Terboboti Geografis Untuk Data Kematian Bayi (Studi Kasus 38 Kabupaten/Kota di Jawa Timur). IPB, Bogor.
Agresti, A. 2002. Categorical Data Analysis Second Edition. New York: John Wiley and Sons. Inc.
Anselin, Luc. 1988. Spatial Econometrics: Methods and Models. Dordecht; Kluwer: Academic Publishers.
Badan Pusat Statistik. 2012. Potret Awal tujuan Pembangunan Berkelanjutan (Sustainable Development Goals) di Indonesia. BPS, Jakarta.
Badan Pusat Statistik. 2017. Statistik Kesejahteraan Rakyat Provinsi Jawa Tengah Tahun 2017. BPS Jawa Tengah. Semarang.
Da Silva, Alan Ricardo & Carvalho Valadares Rodrigues. 2013. Geographically Weighted Negative Binomial Regression—incorporating overdispersion. Universidade de Brasília. Dep. de Estatística. Brazil.
Dinas Kesehatan. 2017. Profil Kesehatan Provinsi Jawa Tengah Tahun 2017. Dinkes Jateng. Semarang.
Fotheringham, A.S., Brunsdon, C., dan Charlton, M. 2002. Geographically Weighted Regression : the Analysis of Spatially Varying Relationships. Chichester: Wiley.
Henry Mosley, dan Lincoln Chen. 1983. An Analytical Framework for the Study of Child Survival in Developing Countries. Bellagio Conference Centre. Italia.
Hocking, R. 1996. Methods and Application of Linear Models. New York: John Wiley and Sons, ltd.
Kementerian Kesehatan Republik Indonesia. 2017. Profil Kesehatan Indonesia Tahun 2017. Kemenkes RI. Jakarta.
McCullagh, P. and Nelder, J. A. 1989. Generalized Linear Models. London: Chapman & Hall/CRC.
Mocthar, R. 1998. Sinopsis Obstetri I. Jakarta: Penerbit Buku Kedokteran EGC
Published
2020-06-30
How to Cite
Susanto, T. (2020). Pemodelan Geographically Weighted Negative Binomial Regression (GWNBR) untuk Kasus Kematian Bayi Di Provinsi Jawa Tengah. J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 13(1), 15 - 21. https://doi.org/10.36456/jstat.vol13.no1.a3266