Penerapan Regresi Binomial Negatif Dalam Mengatasi Overdispersi Regresi Poisson Pada Kasus Jumlah Kematian Ibu

Authors

  • Marzena Majore Sam Ratulangi University
  • Deiby T. Salaki Sam Ratulangi University
  • Jantje D. Prang Sam Ratulangi University

DOI:

https://doi.org/10.35799/dc.9.2.2020.29150

Abstract

Angka kematian ibu merupakan banyaknya kematian yang terjadi selama proses kehamilan serta dalam periode 42 hari setelah berakhirnya kehamilan per 100.000 kelahiran hidup. Hubungan antara faktor-faktor dengan banyaknya kematian ibu dapat diketahui dengan menggunakan analisis regresi Poisson.  Penelitian ini menggunakan data tahun 2018 dari Dinas Kesehatan Provinsi Sulawesi Utara berupa jumlah kematian ibu sebagai variabel respon dan sejumlah variabel prediktor dengan unit pengamatannya adalah kabupaten/kota.  Dalam analisis regresi Poisson, variabel respon mengasumsikan ekuidispersi (nilai ragam sama dengan nilai rataannya). Namun, dalam data riil seringkali terjadi overdispersi (nilai varians lebih besar dari mean). Salah satu cara untuk mengatasinya adalah dengan analisis regresi binomial negatif. Tujuan dari penelitian ini adalah menentukan model regresi Poisson dan regresi binomial negatif untuk mendapatkan faktor-faktor yang secara signifikan mempengaruhi jumlah kematian ibu di Provinsi Sulawesi Utara. Model regresi binomial negatif yang diperoleh adalah

 

bertambahnya jumlah kasus perdarahan pada ibu hamil  dan jumlah kasus yang disebabkan oleh faktor-faktor lainnya , maka akan meningkatkan angka kematian ibu di Provinsi Sulawesi Utara.

Author Biographies

Marzena Majore, Sam Ratulangi University

Jurusan Matematika

Deiby T. Salaki, Sam Ratulangi University

Jurusan Matematika

Jantje D. Prang, Sam Ratulangi University

Jurusan Matematika

Downloads

Published

2021-01-06

How to Cite

Majore, M., Salaki, D. T., & Prang, J. D. (2021). Penerapan Regresi Binomial Negatif Dalam Mengatasi Overdispersi Regresi Poisson Pada Kasus Jumlah Kematian Ibu. d\’Cartesian: Jurnal Matematika Dan Aplikasi, 9(2), 133–139. https://doi.org/10.35799/dc.9.2.2020.29150

Most read articles by the same author(s)