MEIRTA RIZKY UTARI, 101411131075 (2018) ANALISIS REGRESI GENERALISASI POISSON DAN REGRESI BINOMIAL NEGATIF UNTUK PEMODELAN FAKTOR YANG MEMENGARUHI JUMLAH KEMATIAN BAYI DI KOTA SURABAYA. Skripsi thesis, Universitas Airlangga.

Preview	Text (ABSTRACT) KKC KK FKM 227 - 18 Uta a-Abstract.pdf Download (28kB) | Preview
	Text (FULLTEXT) KKC KK FKM 227 - 18 Uta a.pdf Restricted to Registered users only until 20 October 2021. Download (1MB) | Request a copy

Abstract

Kematian bayi merupakan kematian yang terjadi antara setelah bayi lahir sampai bayi belum berusia tepat satu tahun. Jumlah kematian bayi di Kota Surabaya mengalami peningkatan dan penurunan setiap tahunnya. Data kematian bayi di Kota Surabaya merupakan data count berdistribusi Poisson yang mengalami Overdispersi. Oleh karena itu, analisis yang digunakan pada penelitian yaitu analisis Regresi Generalisasi Poisson dan Regresi Binomial Negatif. Tujuan penelitian ini untuk mengaplikasikan metode analisis Regresi Generalisasi Poisson dan Regresi Binomial Negatif untuk memperoleh model regresi faktor yang memengaruhi jumlah kematian bayi di Kota Surabaya. Penelitian ini menggunakan data sekunder dari Dinas Kesehatan Kota Surabaya dengan unit analisis 63 Puskesmas.Variabel dependen yang digunakan yaitu jumlah kematian bayi (Y). Variabel independen yang digunakan yaitu persentase bayi Berat Badan Lahir Rendah (X1), persentase Kunjungan Neonatal 1 (X2), persentase bayi yang diberi Air Susu Ibu eksklusif (X3), persentase bayi yang mendapat Vitamin A (X4), serta persentase peserta Keluarga Berencana aktif (X5). Hasil penelitian menggunakan analisis Regresi Generalisasi Poisson yaitu model Y = exp (1,106 + 0,059 X1) dan hasil penelitian menggunakan analisis Regresi Binomial Negatif yaitu model Y = exp (1,114 + 0,056 X1). Hasil model tersebut dapat menunjukkan bahwa faktor yang memengaruhi jumlah kematian bayi di Kota Surabaya yaitu persentase bayi Berat Badan Lahir Rendah. Kesimpulan penelitian ini adalah model faktor yang memengaruhi jumlah kematian bayi di Kota Surabaya menggunakan analisis Regresi Generalisasi Poisson lebih baik dibandingkan analisis Regresi Binomial Negatif. Penentuan model terbaik menggunakan kriteria nilai Akaike's Information Criterion dan Bayesian Information Criterion yang lebih kecil.

Actions (login required)

View Item