PEMODELAN ANGKA KEMATIAN IBU DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) DI SULAWESI TENGGARA TAHUN 2016

Ratna Ambar Wati, Kris Suryowati, Rokhana Dwi Bekti

Abstract


Analisis regresi merupakan analisis statistik yang bertujuan untuk
memodelkan hubungan antara variabel prediktor dengan variabel respon. Apabila
variabel respon berdistribusi poisson maka model regresi yang digunakan adalah regresi
poisson, masalah utama dari metode ini adalah jika metode ini diterapakan pada data
spasial akan terjadi underdispersi. Pada kasus angka kematian ibu, metode yang dapat
digunakan untuk analisis pengaruh angka kematian ibu adalah regresi poisson karena
data tersebut merupakan data count namun pada kasus ini ada efek spasial sehingga
perlu dilakukukan juga model GWPR.
Hasil peneleitian menunjukkan bahwa analisis deskriptif karakteristik jumlah
angka kematian ibu di Sulawesi Tenggara diketahui bahwa rata-rata jumlah kasus angka
kematian ibu di Sulawesi Tenggara tahun 2016 sebanyak 5 kasus jumlah angka
kematian ibu dengan jumlah kasus minimum 1 dan jumlah kasus terbanyak maksimum
10. Kabupaten Konawe Kepulauan merupakan kabupaten/kota dimana pada tahun 2016
mempunyai kasus jumlah kematian ibu terendah di Sulawesi Tenggara, sedangkan 

kabupaten Konawe Selatan merupakan kabupaten dengan kasus jumlah kematian ibu
terbanyak pada tahun 2016 dengan model regresi poisson diperoleh nilai AIC sebesar
73,158 dimana ketika diuji moran pada variabel Y terdapat efek spasial dan dengan
model GWPR menggunakan aplikasi GWPR 4 pada data angka kematian ibu yang di
pengaruhi oleh fasilitas kesehatan di Sulawesi Tenggara menunjukkan bahwa dengan
menggunakan pembobot fungsi kernel gaussian maka akan menghasilkan nilai AIC
sebesar 18,197 dengan demikian metode GWPR lebih tepat digunakan untuk
menganalisis angka kematian ibu di Sulawesi Tenggara.
Kata kunci: Regresi Poisson, GWPR, Angka Kematian Ibu.


Full Text:

PDF

References


Anselin L, (1988), Spatial Econometrics Methods and Models, Kluwer Academmic

Publiser, London.

Anselin, S.N, (2010), Model Geographically Weighted Poisson Regression (Studi Kasus

Jumlah Kematian Bayi di Propinsi Jawa Timur dan Jawa Tengah Tahun 2017),

Program Pasca Sarjana, Institut Teknologi Sepuluh Nopember, Surabaya.

Astuti, C.C., E. Sumarningsih, dan L.A Soehono. 2006. Perbandingan Generalized

Poisson Regression dan Negative Binomial Regression untuk Data Overdispersi

dan Underdispersi pada Regresi Poisson. Bandung.

Badan Pusat Statistika. 2016. Kota Sulawesi Tenggara Dalam Angka 2016. Sulawesi

Tenggara: Badan Pusat Statistik Sulawesi Tenggara.

Cahyandari, R. 2014. Pengujian Overdispersi pada Model Regresi Poisson. Jurnal

Statistika, 14(2): 69-76. Di

http://ejournal.unisba.ac.id/index.php/statistika/article/download/1204/719[diakses

tanggal 01-12-2017].

Darnah.2011. Mengatasi Overdispersi pada Model Regresi Poisson dengan

Generalized Poisson Regression I. Jurnal Eksponensial, 2(2): 5-10. Di

http://fmipa.unmul.ac.id/pdf/108[ diakses tanggal 19-11-2017].

Dinas Kesehatan Provinsi Sulawesi.2016. Profil Kesehatan Sulawesi Tenggara 2016.

Sulawesi Tenggara : Dinas Kesehatan Sulawesi Tenggara.

Fotheringham, (2002), Geographically Weighted Regression The Analysis of Spatially

Varying Relationships, University of Newcastle, UK.

Gujarati, N. D dan C.D. Porter. 2010. Dasar-dasar Ekonometrika. Translated by

Mardanugraha, E. , Wardani, S., Mangunsong, C. 2010. Jakarta: Penerbit

Salemba Empat.

Ismail dan A.A. Jemain. 2005 Generalized Poisson Regression: An Alternative For Risk

Classification. Jurnal Teknologi, 43(C): 39-54. http://www.jurnalteknologi

.utm.my/index.php/jurnalteknologi/article/viewFile/770/754[diakses tanggal 20-

-2017].

Khotimah, (2012), Pemodelan Angka Kematian Ibu dengan pendekatan Geographically

Weighted Poisson Regression di Provinsi Bali, Universitas Udayana, Bali.

Nakaya T.,Fotheringham AS, dan Brudson. C, (2005), Geographically Weighted

Poisson Regression for diseace association mapping, Statistics in Medicine

,24:2695-2717,UK.

Priyatno, D. 2013. Analis Korelasi, Regresi dan Multivarite dengan SPSS. Yogyakarta:

Penerbit Gava Media.

Pusat Kesehatan Reproduksi Fakultas Kedokteran UGM, Yogyakarta.2010. Kajian

Angka Kematian Bayi di Kabupaten Donggala Sulawesi Tengah Tahun 2010.

Ruliani, (2015), Pemodelan Generalized Poisson Regression (GPR) untuk Mengatasi

Pelanggaran Eduidispersi pada Regresi Poisson Kasus Campak di Kota

Semarang, Universitas Semarang, Semarang.

Safrida, N., D. Ispriyanti, dan T. Widiharih. 2013. Aplikasi Model Regresi Poisson

Tergenelisasi Pada Kasus Angka Kematian Bayi di Jawa Tengah Tahun 2007.

Suryowati, K. dan Harmastuti, 2013, Aljabar Linear, Akprind Press, Yogyakarta

Walpole, R.E, 1986. Ilmu Peluang Untuk Insinyur dan Ilmuwan, ITB, Bandung.

Widarjono, A.,2007, Ekonometrika Teori dan Aplikasi untuk Ekonomi dan Bisnis, Edisi

Kedua, Penerbit Ekonisia Fakultas Ekonomi UII, Yogyakarta.


Refbacks

  • There are currently no refbacks.