Analisis Faktor-Faktor yang Mempengaruhi Jumlah Kematian Ibu di Provinsi Maluku dengan Menggunakan Regresi Poisson
Abstract
The statistical method used to model the relationship between the response variable (Y) and one or more independent variables (X) is regression analysis. Linear regression equations are used to analyze the response variables in the form of continuous random variables and follow a normal distribution, however, many response variables are found that are not normally distributed and are not linear in parameters becausethe mortality rate for mothers and babies always increases from year to year. The number of maternal deaths that occurred in Maluku province is an example of data count. Poisson regression is a nonlinear regression analysis of the Poisson distribution which is generally used in analyzing discrete (count) data. The purpose of this study was to determine the factors that significantly affect maternal mortality in Maluku Province using Poisson Regression, The results of this study indicate that the factors that significantly influence the number of maternal deaths in Maluku Province are the number of health centers and medical personnel in each regency / district. City (X1), the percentage of female population with education that has completed at least SD per Regency / City (X2), the frequency coverage of K4 services for pregnant women in each Regency / City (X3), and the percentage of immunization coverage for pregnant women in each Regency / City (X4).
Keywords: Maternal Mortality, Poisson Regression, Regression Analysis.
Abstrak
Metode statistika yang digunakan untuk memodelkan hubungan antara variabel respons (Y) dengan satu atau lebih variabel bebas (X) adalah analisis regresi. Persamaan regresi linear digunakan untuk menganalisis variabel respons yang berupa peubah acak kontinu dan mengikuti distribusi normal, namun banyak ditemukan variabel respons yang tidak berdistribusi normal dan tidak linear dalam parameter. Jumlah kematian ibu yang terjadi di provinsi Maluku merupakan salah satu contoh data count. Regresi Poisson merupakan analisis regresi nonlinear dari distribusi Poisson yang umumnya digunakan dalam menganalisis data diskrit (count). Tujuan dari penilitian ini adalah untuk mengetahui faktor-faktor yang signifikan mempengaruhi jumlah kematian ibu di Provinsi Maluku dengan menggunakan Regresi Poisson. Hasil penelitian ini menunjukan bahwa Faktor-faktor yang signifikan mempengaruhi jumlah kematian ibu di Provinsi Maluku adalah jumlah puskesmas dan tenaga medis tiap Kabupaten/Kota (X1), persentase penduduk perempuan dengan pendidikan yang ditamatkan minimal SD tiap Kabupaten/Kota (X2), cakupan frekuensi pelayanan K4 bagi ibu hamil tiap Kabupaten/Kota (X3), dan persentase cakupan imunisasi bagi ibu hamil tiap Kabupaten/Kota (X4).
Keywords
Full Text:
PDFReferences
Brown, L. D., & Zhao, L. H. (2001). A test for the Poisson distribution. Sankhyā: The Indian Journal of Statistics, 64(3), 611-625.
Cahyandari, R. (2014). Pengujian overdispersi pada model regresi poisson (Studi kasus: laka lantas mobil penumpang di Provinsi Jawa Barat). Statistika, 14(2), 69-76.
Cameron, A. C., & Trivedi, P. K. (1990). Regression-based tests for overdispersion in the Poisson model. Journal of econometrics, 46(3), 347-364.
Daoud, J. I. (2017). Multicollinearity and regression analysis. Journal of Physics, 949(1), 1-6.
Dewanti, N. P. P., Susilawati, M., & Srinadi, I. G. A. M. (2016). Perbandingan regresi Zero Inflated Poisson (ZIP) dan regresi Zero Inflated Negative Binomial (ZINB) pada data overdispersion. E-Jurnal Matematika, 5(4), 133-138.
Kurniawan, U. (2018). Regresi poisson bivariat dengan kovarian merupakan fungsi dari variabel bebas. Indonesian Journal of Statistics and Its Applications, 2(1), 23-34.
Maneking, F. D. G., Salaki, D. T., & Hatidja, D. (2020). Model regresi poisson tergeneralisasi untuk anak gizi buruk di Sulawesi Utara. Jurnal Ilmiah Sains, 20(2), 141-146.
Rahayu, A. (2020). Model-model regresi untuk mengatasi masalah overdipersi pada regresi Poisson. Journal Peqguruang, 2(1), 1-5.
Simarmata, R. T., & Ispriyanti, D. (2011). Penanganan overdispersi pada model regresi poisson menggunakan model regresi binomial negatif. Media Statistika, 4(2), 95-104.
Sriningsih, M., Hatidja, D., & Prang, J. D. (2018). Penanganan multikolinearitas dengan menggunakan analisis regresi komponen utama pada kasus impor beras di Provinsi Sulut. Jurnal Ilmiah Sains, 18(1), 18-24.
Umami, N. S., Ispriyanti, D., & Widiharih, T. (2013). Aplikasi model regresi poisson tergeneralisasi pada kasus angka kematian bayi di Jawa Tengah tahun 2007. Jurnal Gaussian, 2(4), 361-368.
DOI: https://doi.org/10.17509/jem.v9i1.33244
Refbacks
- There are currently no refbacks.
Copyright (c) 2021 Jurnal EurekaMatika
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.