PEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA EM

Indah Manfaati Nur

Sari


Salah satu tolok ukur yang sensitif dari semua upaya intervensi yang dilakukan pemerintah khususnya di bidang kesehatan adalah Infant Mortality Rate (IMR). Apabila IMR di suatu wilayah tinggi, berarti status kesehatan di wilayah tersebut rendah Berbagai upaya terus dilakukan untuk menurunkan Infant Mortality Rate (IMR) di Indonesia. Salah satu cara yang dapat dilakukan untuk menurunkan Infant Mortality Rate (IMR) adalah dengan mengkaji faktor-faktor penyebabnya. Banyaknya kejadian kematian merupakan variabel respon yang berupa data diskrit maka salah satu model regresi yang dapat digunakan adalah model regresi Poisson. Suatu ciri dari distribusi Poisson adalah adanya equidispersi, yakni kondisi dimana nilai mean dan varians dari variabel respon bernilai sama. Namun pada praktiknya, sering ditemukan suatu keadaan overdispersi pada regresi Poisson. Model regresi Zero-Inflated Poisson merupakan suatu metode yang mampu untuk menangani overdispersi yang terjadi. Tujuan dari penelitian ini adalah untuk mendapatkan model terbaik tentang Infant Mortality Rate (IMR) dengan menggunakan Zero-Inflated Poisson berbasis Algoritma EM. Hasil penelitian menunjukkan bahwa faktor-faktor yang berpengaruh secara signifikan terhadap IMR adalah jumlah sarana kesehatan pada tiap kabupaten/kota, rasio ketersediaan bidan desa pada tiap kabupaten/kota, dan presentase persalinan ditolong tenaga kesehatan.

 

Kata kunci: Infant Mortality Rate (IMR), Overdispersi, Regresi Zero Inflated Poisson (ZIP)


Teks Lengkap:

PDF

Referensi


Badan Pusat Statistik.(2001). Estimasi Fertilitas, Mortalitas dan Migrasi Hasil Sensus Penduduk Tahun 2000. Jakarta :Badan Pusat Statistik.

Baharuddin. (2005). “Ukuran R2 dalam Model Regresi Poisson”. Integral .10,(3),114-121

Bozdogan, H. (2000). Akaike's Information Criterion and Recent Developments in Information Complexity, Mathematical Psychology, 44, 62-91.

Cameron, A.C, dan Trivedi, P.K. 1998. Regression Analysis of Count Data. Cambridge:Cambridge University Press.

Jansakul, N. & Hinde, J. P. “Score Tests for Zero-Inflated Poisson Models,” Computational Statistics & Data Analysis, vol. 40, pp. 75-96, 2002.

Lambert, D. 1992. Zero Inflated Poisson Regression, With An Application To Detect In Manufacturing, Journal Techno metrics, Feb 1992 Vol 32 no 1.

Myers, R.H. 1990. Classical and Modern Regression with Applications, second. edition Boston: PWS-KENT Publishing Company.

Pramasita (2005). Faktor-faktor yang Mempengaruhi Angka. Kematian Bayi di Wilayah Jawa Timur Tahun 2002.

Rusli, S. 2012. Pengantar Ilmu Kependudukan. Jakarta : LP3ES

www.dinkesjatengprov.go.id/buku profil kesehatan provinsi jawa tengah 2014


Refbacks

  • Saat ini tidak ada refbacks.