Академический Документы
Профессиональный Документы
Культура Документы
1
Program studi Matematika, Fakultas MIPA – Universitas Udayana [Email: diahsihmawati14@gmail.com]
2
Program studi Matematika, Fakultas MIPA –Universitas Udayana [Email: sumarjaya@unud.ac.id]
3
Program studi Matematika, Fakultas MIPA –Universitas Udayana [Email: susilawati.made@gmail.com]
§
Corresponding Author
ABSTRACT
Neonatal mortality rate (NMR) is the number of infant death up to 28 days expressed in 1,000 live
births in the same year. The aim of this research is to obtain the best model for NMR in Bali and to
find significant factors that influence NMR in Bali using multiple linear regression and spatial
regression methods. The data used in this study was obtained from the Health Departement in each
district in Bali.The result shows that there is no spatial dependence between regions and no
interregional heterogeneity. This suggests that spatial regression is not applicable in this study.
Hence, we model the NMR using multiple linear regression. Furthermore, we obtained the estimated
NMR model in Bali is ̂ . In conclusion, the factors that
influence the NMR are the percentage of babies with low weight ( ) and percentage of households
with a clean and healthy living behavior ( ).
Keywords: Neonatal mortality rate (NMR), Regression analysis, Spatial regression analysis.
1. PENDAHULUAN
Peningkatan derajat kesehatan merupakan 2015 menurun menjadi 4,41 per 1.000 KH
bagian yang tidak terpisahkan dari pembangunan (DisKes Bali, 2015).
nasional yang harus terus-menerus diupayakan Tujuan penelitian ini adalah untuk
oleh pemerintah. Selain angka kematian ibu, mendeteksi parameter lokal yang dapat
indikator lain yang juga digunakan sebagai tolok menjelaskan variasi spasial dalam hubungan
ukur kemajuan hasil pembangunan pada bidang antara kasus kematian neonatal di Provinsi Bali
kesehatan adalah angka kematian neonatal dengan fakror-faktor yang berkontribusi dengan
(AKN). AKN adalah jumlah kematian usia menggunakan model regresi spasial.
sampai 28 hari yang dinyatakan dalam 1.000
kelahiran hidup pada tahun yang sama. 2. TINJAUAN PUSTAKA
Sebaran AKN per kabupaten/kota di
Analisis Regresi
Provinsi Bali seperti, Kabupaten Karangasem
meningkat 0,95 per 1.000 kelahiran hidup (KH) Analisis regresi merupakan analisis statistika
Kabupaten Buleleng meningkat 1,34 per 1.000 yang digunakan untuk mendapatkan hubungan
KH, Kota Denpasar meningkat sebesar 0,13 per dan model antara variabel terikat dan satu atau
1.000 KH. Sedangkan di Kabupaten lain terjadi lebih variabel bebas. Adapun model regresi
penurunan AKN, sehingga mempengaruhi berganda sebagai berikut (Draper dan Smith,
capaian Provinsi Bali yang menurun 1992):
dibandingkan tahun 2014 sebesar 0,09 per 1.000 (1)
KH. Pada tahun 2014 AKN Provinsi Bali dengan merupakan nilai pengamatan variabel
sebesar 4,50 per 1.000 KH, sedangkan di tahun terikat; merupakan koefisien
regresi; merupakan nilai
246
Sihmawati, N.W.D., I W. Sumarjaya, M. Susilawati Analisis Angka Kematian Neonatal Di Provinsi Bali…
pengamatan variabel bebas; merupakan nilai Statistik uji parsial sebagai berikut:
eror regresi dengan asumsi IIND dan ̂
̂ (5)
.
dengan (̂ ) , ̂
Pendugaan Parameter Analisis Regresi merupakan penduga parameter ke-k dan SE
Jika diasumsikan , maka merupakan standar deviasi. Dengan keputusan
. Bila model regresi linear benar dan tolak jika .
merupakan penduga terbaik yaitu dengan
penggadaan awal dengan sehingga Analisis Regresi Spasial
didapatkan persamaan sebagai berikut: Model regresi spasial merupakan model
. (2) regresi yang melibatkan pengaruh spasial. Salah
Nilai vektor dapat diduga dengan satu pengaruh spasial yaitu autokorelasi spasial.
menggunakan penduga kuadrat terkecil (least Adanya unsur autokorelasi menyebabkan
square) bagi parameter regresi. Adapun notasi terbentuknya parameter spasial autoregresif dan
dalam matriks yang dapat dibentuk yaitu sebagai moving average, sehingga bentuk proses yang
berikut: terjadi yaitu sebagai berikut (Anselin, 1988,
̂ (3) p.32):
(6)
Pengujian Parameter Analisis Regresi
dan
Pengujian pada regresi linear dilakukan (7)
dengan dua cara yaitu pengujian serentak dan tidak ada autokorelasi
pengujian parsial. sehingga model umum yang terbentuk adalah
1. Pengujian Serentak sebagai berikut:
Hipotesis uji serentak sebagai berikut: (8)
dengan merupakan vektor variabel terikat,
minimal ada satu dengan ukuran , merupakan matriks
Statistik uji serentak sebagai berikut: variabel bebas dengan ukuran ,
merupakan vektor parameter koefisien regresi,
( )
dengan ukuran , merupakan
parameter koefisien lag spasial variabel terikat,
∑ ̂ ̅ merupakan parameter koefisien lag spasial pada
∑ ̂ (4) error, merupakan vektor error pada persamaan
(4) berukuran , merupakan vektor error
dengan merupakan nilai aktual pada periode pada persamaan (5) berukuran dan
ke-i , ̂ merupakan nilai terhitung dari variabel merupakan matriks pembobot berukuran ,
yang akan diprediksi pada periode ke-i , k di mana .
merupakan banyaknya parameter regresi, dan n
Pendugaan Parameter dan Pengujian
merupakan banyaknya pengamatan. Dengan
Signifikansi Regresi Spasial
keputusan tolak , jika lebih besar atau
sama dengan . Pendugaan parameter pada regresi spasial
menggunakan Maximum Likehood Estimation
2. Pengujian Parsial
(MLE) (Anselin, 1988, p.61). Pengujian
Uji signifikasi parsial adalah uji untuk
terhadap parameter model regresi spasial yang
mengetahui variabel mana saja yang
dilakukan adalah untuk mengetahui peranan
memengaruhi variabel secara signifikan.
variabel bebas dalam model. Untuk menguji
Hipotesis uji parsial sebagai berikut:
parameter digunakan uji Wald.
247
E-Jurnal Matematika Vol. 7(3), Agustus 2018, pp. 246-251 ISSN: 2303-1751
DOI: https://doi.org/10.24843/MTK.2018.v07.i03.p210
248
Sihmawati, N.W.D., I W. Sumarjaya, M. Susilawati Analisis Angka Kematian Neonatal Di Provinsi Bali…
249
E-Jurnal Matematika Vol. 7(3), Agustus 2018, pp. 246-251 ISSN: 2303-1751
DOI: https://doi.org/10.24843/MTK.2018.v07.i03.p210
bertambah sebanyak satu satuan maka kematian Berdasarkan hasil pengujian | | dengan
neonatal akan cenderung bertambah sebanyak signifikansi 5% seperti pada Tabel 3,
8,78207 kali dengan asumsi variabel yang lain maka pengambilan keputusan yang diambil
konstan, apabila persentase rumah tangga adalah terima yang berarti tidak ada
dengan berperilaku hidup bersih dan sehat kebergantungan atau dependensi spasial untuk
bertambah satu satuan maka akan cenderung setiap kecamatan.
mengurangi kematian neonatal sebanyak
0,08069 kali dengan asumsi variabel yang lain 3) Uji Breusch-Pagan Test (BP Test)
konstan. Pada pengujian heterogenitas spasial
Intersep 8,78207 artinya kematian neonatal dilakukan dengan uji Breusch-Pagan Test (BP
pada bayi sebesar 8,78207, apabila tidak terdapat Test). Hipotesis yang digunakan sebagai berikut:
faktor-faktor yang memengaruhi kematian
neonatal seperti persentase bayi dengan berat (homoskedastisitas), dan
badan rendah dan persentase rumah tangga minimal ada satu
dengan berperilaku hidup bersih dan sehat. (heterokedastisitas) .
Setelah mendapatkan model OLS selanjutnya Pengambilan keputusan dilakukan jika
dilakukan pengujian asumsi residual.
atau p-value , maka ditolak
Nilai Moran’s I pada residual sebesar -
yang berarti bahwa ada heterogenitas spasial
0.017516118 di mana menghasilan nilai yang
antardaerah.Hasil pengujian heterogenitas
lebih besar dari nilai , maka
spasial disajikan pada Tabel 4.
dapat diindikasi terdapat pengelompokkan
residual.
Tabel 4. Uji Heterogenitas Spasial Breusch-
2) Uji Dependensi Spasial Pagan Test
Uji dependenssi spasial dilakukan untuk Uji DF Nilai Prob.
mengidentifikasi apakah ada hubungan Breusch-Pagan 7 3.2637 0.8596
antarlokasi terhadap masing-masing variabel. Uji Test
dependensi spasial dilakukan dengan nilai Sumber: data diolah 2018
Moran’s I.
Adapun hipotesis yang digunakan yaitu: Berdasarkan Tabel 4 didapatkan nilai Breusch-
(tidak ada autokorelasi antarlokasi), Pagan Test sebesar dan p-value sebesar
(ada autokorelasi antarlokasi), . P-value yang diperoleh lebih besar dari
dengan pengambilan keputusan tolak atau . Keputusan yang diambil adalah
terdapat dependensi spasial apabila terima H0, yang berarti bahwa tidak ada adanya
| | . heterogenitas spasial antardaerah. Karena pada
kasus ini tidak ada kebergantungan spasial
Tabel 3 Pengujian Moran’s I antardaerah dan tidak ada heterogenitas spasial
Kode Moran’s I | | antardaerah, maka kurang tepat digunakan
Y -0,24573423 0,84315289 metode regresi spasial.
0,03953867 0,21387246
0,03576633 0,19989476 5. KESIMPULAN
-0,03430690 0,05974849 Berdasarkan hasil dan pembahasan
0.01172620 0,11081855 penyebaran kasus kematian neonatal di Provinsi
0,01130341 0,10925201 Bali tahun 2015, tidak terdapat kebergantungan
-0,32198461 1,12568439
spasial antardaerah dan heterogenitas spasial
-0,04530546 0,10050158
antardaerah, sehingga pemodelan hanya
Sumber: data diolah 2018
menggunakan metode regresi sederhana. Model
Ket: signifikan pada ;
250
Sihmawati, N.W.D., I W. Sumarjaya, M. Susilawati Analisis Angka Kematian Neonatal Di Provinsi Bali…
DAFTAR PUSTAKA
Anselin, Luc. (1988). Spatial
Econometrics:Medhods and Model.
California: Dordretht : Kluer Academic
Publishers.
Dinas Kesehatan. (2016). Profil Kesehatan
Provinsi Bali Tahun 2015. Bali: Profil
Kesehatan Provinsi Bali Tahun 2016.
Draper, N. dan Smith. (1992). Analisis Regresi
Terapan. Edisi Kedua. Jakarta: Gramedia
Pustaka Utama.
251