<![CDATA[Abstract. In general, if a response variable is in the form of a proportion with an open interval (0,1), a beta regression model can be used. In forming the beta regression model, it is necessary to include the average response simultaneously using the dispersion parameter, therefore it is necessary to reparameterize the density function of the beta distribution. The parameters of the beta regression model can be interpreted in the form of averages derived from the response variables, and when using the logit relationship function, these regression parameters are interpreted as odds ratios. The estimation parameter model uses the Maximum Likelihood Estimator (MLE) method, with a log-likelihood function where the estimation process can be solved numerically. This thesis will discuss the factors that cause neonatal death through parameter estimation and the application of data modeling on the proportion of neonatal mortality through a beta regression model. The data used comes from secondary data obtained from the West Java Provincial Health Office. The results of the research that was carried out using the Beta regression model showed that there was only one predictor variable that had a significant effect on the proportion of neonatal mortality, namely the number of cases of Low Birth Weight (LBW), where the highest proportion of cases was the highest out of every 27 districts/cities in West Java Province in 2020, namely Indramayu Regency and Garut Regency, while the lowest proportion of cases was Bekasi City and Tasikmalaya City. Abstrak. Pada umumnya jika suatu variabel respons yang berbentuk proporsi dengan selang terbuka (0,1) dapat menggunakan model regresi beta. Dalam membentuk model regresi beta perlu menyertakan rata-rata respons bersamaan menggunakan parameter dispersinya, oleh karena itu perlu dilakukan reparameterisasi dari fungsi densitas distribusi beta. Parameter model regresi beta dapat diinterpretasikan dalam bentuk rata-rata yang berasal dari variabel respons, serta saat menggunakan fungsi hubung logit, maka parameter regresi ini diinterpretasikan menjadi odds ratio. Penaksiran parameter model menggunakan metode Maximum Likelihood Estimator (MLE), dengan turunan fungsi log-likelihood dimana proses penaksirannya dapat diselesaikan secara numerik. Dalam skripsi ini akan membahas mengenai faktor-faktor penyebab kematian neonatal melalui penaksiran parameter dan penerapan dari pemodelan data proporsi angka kematian neonatal melalui model regresi beta. Data yang digunakan berasal dari data sekunder yang diperoleh dari Dinas Kesehatan Provinsi Jawa Barat. Dari hasil penelitian yang telah dilakukan menggunakan model regresi Beta menunjukkan bahwa hanya terdapat satu variabel prediktor yang berpengaruh secara signifikan terhadap proporsi angka kematian neonatal, yaitu banyaknya kasus Berat Badan Lahir Rendah (BBLR), dimana proporsi kasus tertinggi dari setiap 27 kabupaten/kota di Provinsi Jawa Barat tahun 2020 yaitu Kabupaten Indramayu dan Kabupaten Garut, sedangkan untuk proporsi jumlah kasus terendah yaitu Kota Bekasi dan Kota Tasikmalaya.]]>
