Pemodelan Regresi Binomial Negatif pada Kasus Jumlah Kematian Bayi di Indonesia Tahun 2021

10060119085, Andhika Ryandi
Nur Azizah Komara Rifai

Bandung Conference Series: Statistics
Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics

Abstrak. Regresi Poisson memiliki asumsi equidispersi dimana nilai rata-rata pada data sama dengan nilai variansnya. Akan tetapi permasalahan overdispersi bisa terjadi ketika nilai varians pada data lebih besar daripada nilai rata-ratanya. Salah satu penanganan overdispersi yaitu dengan menggunakan regresi binomial negatif. Tujuan penelitian ini untuk memodelkan regresi binomial negatif pada data jumlah kematian bayi di Indonesia tahun 2021 dan mengetahui faktor-faktor yang mempengaruhinya. Data diperoleh dari Kementerian Kesehatan Republik Indonesia pada Laporan Profil Kesehatan Indonesia tahun 2021 dengan unit penelitian yaitu 34 Provinsi di Indonesia. Variabel terikat yang digunakan yaitu jumlah kematian bayi (jumlah kematian bayi yang meninggal sebelum usia satu tahun per 1000 kelahiran hidup pada satu tahun tertentu) dan variabel bebas yang digunakan pada penelitian ini yaitu persentase kunjungan neonatal lengkap (KN3), persentase kunjungan ibu hamil K4, jumlah berat badan lahir (BBLR), persentase pemberian ASI ekslusif, dan persentase bayi di imunisasi dasar lengkap. Berdasarkan hasil analisis pada pemodelan regresi Poisson data mengalami kondisi overdispersi, sehingga alternatif model yang digunakan yaitu regresi binomial negatif. Pada regresi binomial negatif diperoleh model dengan nilai estimasi parameter yang berbeda dan menunjukan bahwa faktor-faktor yang berpengaruh terhadap jumlah kematian bayi di Indonesia tahun 2021 yaitu variabel persentase kunjungan ibu hamil K4, jumlah berat badan lahir rendah dan persentase bayi diberi asi ekslusif berpengaruh secara signifikan terhadap jumlah kematian bayi di Indonesia tahun 2021. Abstract, Poisson regression has an equidispersion assumption where the average value of the data is equal to the variance value. However, overdispersion problems can occur when the variance value in the data is greater than the average value. One way to handle overdispersion is by using negative binomial regression. The purpose of this study is to model negative binomial regression on data on the number of infant deaths in Indonesia in 2021 and determine the factors that influence it. Data was obtained from the Ministry of Health of the Republic of Indonesia in the 2021 Indonesian Health Profile Report with the research unit being 34 provinces in Indonesia. The dependent variable used is the number of infant deaths (the number of deaths of infants who died before the age of one year per 1000 live births in a given year) and the independent variable used in this study is the percentage of complete neonatal visits (KN3), percentage of K4 maternal visits, total birth weight (LBW), percentage of exclusive breastfeeding, and percentage of infants in complete basic immunization. Based on the results of the analysis on Poisson regression modeling, the data experienced overdispersion conditions, so the alternative model used was negative binomial regression. In negative binomial regression, a model with different parameter estimation values is obtained and shows that the factors that affect the number of infant deaths in Indonesia in 2021, namely the variable percentage of K4 pregnant women visits, the number of low birth weight and the percentage of babies given exclusive breastfeeding, have a significant effect on the number of infant deaths in Indonesia in 2021.