I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR

Transkripsi

1 Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka da Ilmu Pegetahua Alam, Isttut ekolog Sepuluh Nopember (IS Jl. Aref Rahma Hakm, Surabaya 60 e-mal: rfk@statstka.ts.ac.d (, da mutah_s@statstka.ts.ac.d ( Abstrak Idoesa memlk umlah kemata bu haml tertgg d ASEAN sebesar 307/ kelahra hdup Hal memberka art bahwa lebh dar bu tap tahu atau dua bu tap am meggal karea kehamla, persala, da fas. Oleh karea tu perlu dlakuka peelta lebh laut utuk megetahu faktor-faktor yag mempegaruh umlah kemata bu haml d Jawa mur. Aalss yag dguaka yatu dega pedekata bomal egatf da Geographcally Weghted Posso Regresso (GWPR. Bomal egatf merupaka metode yag dguaka utuk meaga kasus equdspers pada data dskrt. Da GWPR yag merupaka perluasa betuk lokal dar metode regres Posso dmaa lokas dperhatka utuk melhat kasus spasal. uua peelta adalah medapatka faktor-faktor yag mempegaruh umlah kemata bu haml d Jawa mur. Hasl peelta meuukka bahwa metode terbak megguaka GWPR da umlah kemata bu haml d Jawa mur secara global dsebabka oleh faktor presetase perlaku hdup bersh sehat da secara lokal dsebabka karea setap daerah mempuya kesamaa pegelompoka dega faktor peyebab kemata bu haml yag berbeda, hal megdkaska bahwa lokas yag berdekata memlk karakterstk perlaku sosal, ekoom, lgkuga, da budaya yag sama. Sehgga meyebabka kesamaa perlaku khususya terhadap kemata bu haml d Jawa mur. Kata Kuc kemata bu haml, Jawa mur, regres posso, bomal egatf, da GWPR I. PENDAHULUAN Jawa mur merupaka provs yag meduduk pergkat kelma dalam hal umlah kemata bu haml doesa []. Meurut Das Kesehata Jawa mur pada tahu 005 umlah kemata bu haml d Jawa mur sebesar 446 wa, tahu 006 meuru mead 354 wa, tetap pada tahu 007 hgga tahu 00 megalam pegkata. Pada tahu 009, umlah kemata bu haml d Jawa mur sebesar 90 per kelahra hdup sedagka pada tahu 00 megalam pegkata sebesar 0 per kelahra hdup []. Jumlah kemata bu haml d Jawa mur meuukka agka yag mash tgg karea umlah ormal kemata bu haml d setap provs seharusya sebesar 70 per kelahra hdup [3]. Beberapa faktor peyebab utama kemska sehgga kesadara da pegetahua para bu tetag kehamla kurag memada [4]. ggya agka kemata bu haml dpegaruh oleh bayak faktor da sagat kompleks [5]. Secara gars besar faktor determa kemata bu haml dgologka mead dua faktor besar yatu faktor meds/lagsug da faktor omeds /tdak lagsug. Berdasarka faktor meds, kemata bu haml d Idoesa kebayaka dsebabka oleh pedaraha, hpertes saat kehamla, da feks. Faktor reproduks bu turut meambah besar rsko kemata bu haml. Jumlah partas satu da partas d atas tga telah terbukt megkatka agka kemata bu haml dbadg partas -3, sela tu faktor umur bu melahrka uga mead faktor rsko kemata bu haml, d maa usa muda yatu < 0 tahu da usa tua 35 tahu pada saat melahrka mead faktor rsko kemata bu haml, sedagka arak atara tap kehamla yag daggap cukup ama adalah 3-4 tahu. Faktor kemata bu haml kemuda ddetfkas sebaga 4 terlalu (terlalu bayak, terlalu muda, terlalu tua, da terlalu rapat arak kehamlaya. Sedagka utuk faktor o-meds, kemata bu haml d Idoesa dsebabka oleh kods sosal budaya, ekoom, peddka, keduduka da pera wata, kods geografs, da trasportas, yag kemuda ddetfkas sebaga 3 terlambat (terlambat megambl keputusa, terlambat membawa ke tempat pelayaa da terlambat memberka pertologa d tempat pelayaa. Peelta sebelumya tetag kemata bu haml dlakuka oleh [6] dega megguaka model regres Posso, dmaa model terbak yag dperoleh meuukka faktor-faktor yag berpegaruh terhadap kemata bu haml d Jawa mur pada tahu 003 yatu rata-rata pegeluara baya kesehata perkapta, persetase peduduk msk da umlah teaga meds da parameds. Namu Kods yag dsebut dega equdsperso basaya memlk mea harus sama dega varas utuk karakterstk petg yag dguaka dstrbus dalam pemodela rare evet (kasus arag terad. Pada umumya serg dtemu data dskrt dega varas lebh besar dbadgka dega ratarataya atau basa dsebut overdsperso. Jka mplkas dar data tdak terpeuhya equdsperso, maka regres posso tdak sesua utuk memodelka data da model yag aka terbetuk meghaslka estmas parameter yag bas. Utuk megatas hal tersebut metode bomal egatf merupaka alat yag cocok utuk megatas kasus equdsperso. Sela tu dega adaya perbedaa karakterstk d setap wlayah d Jawa mur meetuka tgkata kualtas kesehata pada daerah tersebut khususya pegaruh terhadap kesehata bu da pada kasus memlk aspek spasal petg utuk dka dalam peelta umlah kemata bu haml. Metode Geographcally Weghted Posso Regresso (GWPR merupaka metode pemodela spasal dega megguaka pedekata ttk, sedagka hasl peelta GWPR meympulka adaya pegelompoka varabel-varabel predktor yag sgfka pada lokas yag berdekata sehgga meuukka adaya persamaa perlaku atar lokas yag berdekata [7].

2 Meurut [8] dega data pada tahu 00 dalam pembetuka model GWPR ddapatka varabel persetase saraa kesehata yag sgfka mempegaruh secara global d seluruh Kabupate/kota da varabel persetase bu haml bersko tgg dtaga, varabel persetase bda, varabel persala yag dbatu oleh duku serta varabel laya tdak berpegaruh d seluruh Kabupate/kota. Namu varabel yag tdak berpegaruh d seluruh Kabupate/kota tersebut haya berpegaruh secara lokal d Kabupate /kota. Dalam peelta kal merupaka lauta dar peelta [8] dega data pada tahu 0 megguaka metode bomal egatf da GWPR, dkareaka varabel respo yag aka dtelt merupaka varabel radom berbetuk umlaha, berdstrbus Posso, mempuya peluag keada pada terval tertetu, da dduga memlk aspek spasal. II. INJAUAN PUSAKA A. Regres Posso Regres Posso dguaka utuk memodelka atara varabel respo da varabel predktor dega megasumska varabel y berdstrbus Posso yag probabltas ya kecl. Fugs peluag dar dstrbus Posso tu sedr meurut [9] dapat dyataka sebaga berkut: µ y e P( Y = µ = µ ; y = 0,,, ( y! Dmaa E(Y = Var(Y = μ. Dega µ merupaka ratarata varabel radom Y yag berdstrbus Posso dmaa la rata-rata da varas dar Y mempuya la lebh dar ol. Sehgga model regres Posso dapat dyataka sebaga berkut [0]. μ = exp (x β ( Dega x = [ x x x k ] = [β 0 β β β k ] da =,,...,. Meurut [9] metode yag dguaka utuk meaksr parameter regres Posso adalah MLE (Maxmum Lkelhood Estmato. exp( x β + y x β - l L( β = l(y! (3 = = = Selautya dturuka terhadap β yag merupaka betuk vektor, karea dalam hal memlk beberapa parameter. Kemuda dar persamaa (3 dsamaka dega ol yag dselesaka dega metode alteratf yatu dega megguaka metode teras Newto Raphso. Pegua parameter model regres Posso secara seretak du dega megguaka Maxmum Lkelhood Rato est (MLR. = β = β3 = = βk = 0 H : palg tdak ada salah satu β 0 ; =,,,k Statstk U : D( β ^ = (l L( Ωˆ l L( ˆ ω (4 D (βˆ dsebut uga dega devas model regres Posso atau lkelhood rato. Statstk u megkut dstrbus ch-square dega deraat bebas k []. Keputusa, olak H 0 ka D ( ˆ β > χ artya bahwa ada salah satu ( k; parameter yag berpegaruh secara sgfka. Namu ka gagal tolak H 0 ka D( ˆ β χ artya bahwa tdak ada ( k; satupu parameter yag berpegaruh secara sgfka. Dar hasl pembetuka model regres Posso, estmas parameter belum tetu berpegaruh secara sgfka terhadap model. Sehgga perlu dlakuka pegua parameter secara parsal utuk melhat sgfkas parameter terhadap model tersebut. Berkut adalah hpotess utuk u parsal []. = 0 H 0 ; =,,,k ˆ β Statstk U : z = (5 se( ˆ β Keputusa, olak H 0 ka z > z artya bahwa htug ( k ; parameter ke- sgfka terhadap model yag dbetuk. Gagal tolak H 0 ka z z artya bahwa htug ( k ; parameter ke- tdak sgfka terhadap model dmaa adalah umlah sampel, k bayakya varabel, da α sebaga taraf sgfkas. B. Multkoleartas Multkoleartas merupaka adaya hubuga atar varabel dalam model regres ketka megguaka varabel predktor lebh dar satu. Salah satu asums yag harus dpeuh dalam model regres adalah tdak adaya multkolertas, karea aka meyebabka error semak besar. Meurut [] cara utuk medeteks kasus multkoleartas salah satuya dega megguaka VIF (Varace Iflato Factors. VIF = (6 R Dapat dkataka terad multkoleartas ka la VIF > 0. C. Regres Bomal Negatf Peagaa overdspers pada regres posso uga dapat dlakuka megguaka pedekata model bomal egatf. Dalam regres bomal egatf, ka θ meuu ol maka var(y meuu µ sehgga bomal egatf aka koverge meuu posso. Model regres bomal egatf memlk betuk yag sama dega model regres posso yatu persamaa (. Peaksra parameter regres bomal egatf dlakuka megguaka metode MLE. Persamaa log-lkelhood utuk bomal egatf adalah. y ( { l L θ = l ( + θ l y! ( y + θ } = = 0 ( θ ( xβ dmaa = l + exp + y lθ + yx β Estmas parameter ( ˆ, ˆ θ β dperoleh dega meuruka persamaa (6 terhadap β da θ. Pegua parameter yag dlakuka sama dega pegua pada regres posso. U seretak megguaka D ˆ β da u parsal megguaka u z. statstk u ( D. Geographcally Weghted Posso Regresso (GWPR GWPR merupaka suatu metode statstka yag merupaka pegembaga dar regres Posso amu yag membedaka adalah dalam metode memperhatka pembobot berupa letak ltag da letak buur dar ttk-ttk pegamata yag damat.. Meurut [7] model GWPR meghaslka peaksr parameter model yag bersfat lokal utuk setap ttk pegamata. Berkut adalah model

3 3 GWPR dmaa u sebaga koordat ltag da v sebaga koordat buur yag dguaka sebaga pembobot peaksra parameter atya. k µ = exp β ( u, v x (7 = 0 Metode yag dguaka utuk peaksra parameter model GWPR adalah Maxmum Lkelhood estmato. Lagkah awal yatu membetuk fugs lkelhood. y exp( µ µ L( β ( u, v = (8 = y! Selautya setelah dlakuka peyelesaa tersebut dperoleh hasl yag mplst. Jad utuk medapatka hasl yag eksplst dselesaka dega megguaka metode Newto Raphso. Utuk medapatka peaksra parameter yag tepat, sehgga dselesaka ke dalam betuk persamaa Newto Raphso. Berkut adalah hpotess utuk pegua kelayaka model GWPR dega megguaka Maxmum Lkelhood Rato est (MLR. : ( β ( u, v = β H : ( β ( u v β ; =,,,k, Msalka model GWPR dsebut model B dega deraat bebas df B da model Posso dsebut model A dega deraat bebas df A, maka statstk uya adalah sebaga berkut. Devas Model A df (9 A F ht = Devas Model B df B Megkut dstrbus F dega deraat bebas df da A df. B Keputusa : olak H 0 ka F > F artya bahwa ht ( α, df A, df B ada perbedaa yag sgfka atara model Posso dega model GWPR. Namu ka gagal tolak H 0 ka F F artya bahwa tdak ada perbedaa yag ht ( α, df A, df B sgfka atara model Posso dega model GWPR dmaa α (alfa merupaka taraf sgfkas. Pegua selautya yatu pegua secara parsal utuk setap parameter model GWPR. Berkut adalah pegua hpotess secara parsal [7]. ( u, v = 0 H ( u, v 0 ; =,,,k ˆ Statstk U : β ( u, v z = (0 se( ˆ β ( u, v Keputusa : olak H 0 ka z > z artya bahwa htug ( k ; (, v parameter ke- pada lokas ke- u berpegaruh sgfka terhadap model. Gagal tolak H 0 ka z z artya bahwa parameter ke- pada lokas htug ( k ; ke- ( u, v tdak sgfka terhadap model dmaa adalah umlah sampel, k bayakya varabel, da α sebaga taraf sgfkas. E. Pembobot Optmum da Badwdth Badwdth merupaka suatu lgkara yag dguaka sebaga dasar utuk meetuka bobot pada setap pegamata. Lgkara badwdth (lgakara peghalus memlk radus sebesar s dar ttk pegamata u, v. ( Meurut [] pegamata yag terletak dekat dega lokas maka aka lebh berpegaruh dalam membetuk parameter model pada lokas. tk-ttk yag berada dalam lokas radus s berpegaruh yag terhadap model dber pembobot sesua fugs yag dguaka. Pemlha badwdth optmum aka berpegaruh terhadap ketepata model terhadap data dega megatur varas da bas dar model. Metode yag dguaka utuk memlh badwdth optmum adalah Cross Valdato (CV. CV ( s = ( y yˆ ( G ( = Bobot yag dguaka utuk masg-masg lokas pegamata adalah fugs fxed gaussa kerel. Metode fxed kerel memugkka la badwdth optmal utuk tap lokas adalah sama atau kosta. Jka ttk-ttk data tersebar secara beratura pada wlayah peelta maka pegguaa metode fxed aka cocok utuk pemodela [3]. d w ( u, v = exp ( g F. Peetua Krtera Model erbak Utuk medapatka model terbak dar beberapa kemugka metode dega asums Posso maka megguaka krtera. Metode yag dguaka utuk memlh badwdth optmum da pemlha model terbak utuk GWPR adalah dega megguaka metode AIC (Akakes s Iformato Crtero [7] AIC=D(G+K(G (3 G. Defs Kemata Ibu Haml Kemata bu haml merupaka kemata dar setap wata selama masa kehamla bersal atau dalam 4 har sesudah berakhrya kehamla. Oleh sebab apapu tapa melhat usa serta lokas kehamla, bak yag berhubuga dega atau dperberat oleh kehamla atau peagaaya tetap buka oleh kecelakaa atau sdetal (faktor kebetula. Sedagka pokok permasalaha tggya kemata bu haml d Idoesa, dapat dduga d ataraya dsebabka oleh beberapa faktor yatu:. Redahya akses peduduk msk pada kuragya saraa layaa kesehata yag berkualtas [4].. Motvas bda tggal d desa redah karea kuragya setf bag bda khususya utuk peempata d daerah terpecl da msk. Jumlah bda desa yag sagat kurag dbadgka dega umlah peduduk [4]. 3. Salah satu upaya pecegaha da peaggulaga aema gz bu haml melalu pembera tablet Fe (zat bes yag basaya dberka pada saat pelayaa ateatal [5]. 4. Kualtas pelayaa kesehata bu haml rsko tgg/komplkas yag dtaga berpegaruh terhadap kesehata bu haml da bay yag dkadug [6]. 5. Upaya pegkatka status kesehata bu, pemertah da berbaga phak yag pedul telah megupayaka berbaga lagkah utuk mempromoska Perlaku Hdup Bersh da Sehat (PHBS yag terdr dar 0 dkator yatu pertologa persala oleh teaga kesehata, member as eksklusf, membag balta setap bula, megguaka ar bersh, mecuc taga dega sabu, megguaka amba sehat, memberatas etk semggu sekal, maka buah da sayur setap har, olahraga, da tdak merokok ddalam rumah [6].

4 4 6. Persala yag dbatu oleh duku/orag yag daggap terampl da dpercaya oleh masyarakat dega baya persala yag lebh ekooms serg kal dplh oleh masyarakat meegah kebawah, padahal beresko kemata bay da bu haml [5]. 7. Pelayaa ateatal program K merupaka pelayaa kesehata yag dlakuka oleh teaga kesehata professoal kepada bu haml selama masa kehamlaya sebaga lagkah awal utuk melhat da meaga kods kesehata bu da aak yag sedag dkadug, sepert pegukura berat bada da tekaa darah, pemerksaa tgg fudus uter, musas ( serta pembera tablet bes[5]. 8. Masalah kemska dserta dega pegaggura, kekuraga gz, kebodoha, redahya akses pelayaa sosal da kesehata, termasuk pelayaa kesehata reproduks da keluarga berecaa [6] III. MEODOLOGI PENELIIAN Data yag dguaka dalam peelta adalah data sekuder yag dperoleh dar Das Kesehata Provs Jawa mur pada tahu 0. Varabel yag dguaka adalah umlah kemata bu haml yag berfugs sebaga respo (Y da faktor-faktor yag mempegaruhya pada tahu 0 sebaga predktor adalah Presetase bu haml melaksaaka program K (X, Persetase persala dbatu oleh duku tap kabupate/kota (X, Persetase bu haml yag medapatka tablet Fe (X 3, Persetase bu haml bersko tgg/komplkas yag dtaga (X 4, Persetase rumah tagga berperlaku hdup bersh sehat (X 5, Persetase bda dsetap kabupate/kota d Jawa mur (X 6, Persetase saraa kesehata (X 7, Persetase peduduk msk (X 8, Persetase pelayaa kesehata bu fas (X 9, serta data letak astrooms dar masg-masg ttk pegamata yatu letak ltag da buur sebaga faktor pembobot geografsya. Ut peelta terdr dar 9 kabupate da 9 kota d provs Jawa mur. Dalam mecapa tuua peelta, maka dlakuka aalss yag tepat. Berkut adalah lagkah-lagkah aalss peelta. Medeskrpska kabupate d Jawa mur berdasarka umlah kemata bu haml dega megguaka peta tematk. Idetfkas pola hubuga atar varabel Pegua adaya multkolertas atar varabel predktor Megaalss model regres posso a. Peaksra parameter model regres posso dega metode MLE b. Megu sgfkas parameter model regres posso c. Meghtug la AIC model regres Posso Medapatka model terbak dar Regres Bomal Negatf pada pemodela umlah kasus kaker servks yag terad dkabupate/kota Jawa mur. a. Meaksr parameter model regres bomal egatf. b. Megu sgfkas parameter model regres bomal egatf secara seretak da parsal. c. Meghtug la AIC dar model regres bomal egatf. Megaalss model GWPR a. Meghtug arak euclda atar lokas pegamata berdasarka poss geografs. Jarak euclda atara lokas yag terletak pada koordat (u,v terhadap lokas yag terletak pada koordat (u,v. b. Megurutka arak euclde dar seluruh lokas terhadap suatu lokas, sehgga dperoleh uruta tetagga terdekat dar lokas. c. Meetuka badwdth optmum berdasarka krtera CV mmum. d. Meghtug matrks pembobot dega megguaka fugs pembobot kerel. e. Meaksr parameter model. f. Pegua kesesuaa model. h. Pegua sgfkas parameter model Medapatka model terbak utuk pemodela kemata bu haml dega krtera AIC. IV. HASIL DAN PEMBAHASAN Jumlah kemata bu haml d Jawa mur pada tahu 0 umlah kemata bu haml d Jawa mur sebayak 67 wa dega rata-rata d tap kabupate/kota sebayak 6,5 wa. Gambar. Persebara Jumlah kemata bu haml ap Kabupate/Kota d Jawa mur 0 umlah kemata bu tertgg d Jawa mur pada tahu 0 terad d Jember da Surabaya sebayak 3 sampa 54 wa da umlah kemata bu teredah terad d Kota Mookerto, Kota Pasurua, Kota Madu, Kota Batu da Kota Kedr sebayak sampa 4 wa. Utuk varabel predktor terdapat tga varabel yag telah melaksaaka program pecegaha tgkat kemata bu haml dega rata-rata 90% yatu persetase bu haml melaksaaka program K, presetase bu haml medapatka Fe, da presetase pelayaa kesehata terhadap bu fas. Berart secara merata 90% telah dlaksaaka dega memuaska d semua Kabupate/kota Jawa mur. Utuk varabel presetase bda, presetase saraa kesehata, presetase rumah tagga hdup bersh sehat drasaka kurag maksmal pelaksaaa da persebaraya pada tap daerah, karea rata-rata pelaksaaaya haya 30% d tap Kabupate/kota Jawa mur. Da utuk varabel presetase persala yag tdak dtolog teaga kesehata, presetase bu haml beresko tgg d taga, serta presetase peduduk msk memlk resko kemugka terhadap kemata bu haml. Utuk melhat adaya kods multkoleartas maka dapat megguaka la VIF (Varace Iflato Factor. Dar aalss meuukka bahwa tdak ada varabel predktor yag memlk la VIF lebh dar 0 yag artya bahwa tdak ada varabel predktor yag salg berkorelas dega varabel predktor laya atau dapat dkataka tdak terad multkolertas. Sehgga utuk pembetuka model bak model posso da model GWPR megguaka semua varabel predktor. A. Pemodela Megguaka Regres Posso Berdasarka pegua seretak parameter regres posso. Ddapatka la devas D (βˆ yatu sebesar

5 5 7,86. Kemuda la devas dbadgka dega la Ch-square dega taraf sgfkas (α sebesar 5%. Sehgga χ sebesar 6,99, da D (βˆ lebh besar (0.05;9 dar χ (0.05;9. Jad keputusaya yatu tolak H 0 artya bahwa mmal terdapat salah satu parameter yag berpegaruh secara sgfka terhadap model. Selautya utuk mecar parameter maa saa yag berpegaruh terhadap model. Maka perlu dlakuka u parsal parameter model da ddapatka parameterparameter yag sgfka yatu β 0, β Varabel predktor yag berpegaruh terhadap umlah kemata bu haml d Jawa mur yatu presetase bu haml melaksaaka program K(X, presetase Persala yag tdak dtolog teaga kesehata(x, persetase rumah tagga berperlaku hdup bersh sehat(x 5, persetase bda dsetap Kabupate/kota d Jawa mur(x 6, persetase saraa kesehata(x 7, persetase peduduk msk(x 8. Model yag ddapatka meelaska bahwa bu haml melaksaaka program K, persebara bda d daerahdaerah, da umlah saraa kesehata d Jawa mur pada tahu 0, ka bertambah sebayak % maka dapat meuruka rata-rata umlah kemata bu haml d Jawa mur. Sedagka ketka persala yag tdak dtolog oleh teaga kesehata da umlah peduduk msk bertambah sebayak % maka dapat megkatka rata-rata umlah kemata bu haml. Hal uga berlaku utuk varabel rumah tagga besh sehat. B. Permodela Megguaka Bomal Negatf Dar sembla varabel predktor yag telah sgfka dapat membetuk model regres bomal egatf dega kemugka sebayak 5 model da aka dcar la AIC terkeclya utuk model yag terbak. Setap kombas varabel yag dmula dar kombas satu sampa ke sembla varabel predktor dega megguaka taraf sgfka sebesar 5% dapat dlhat pada abel sebaga berkut. abel. Model Regres Bomal Negatf dar Kombas Varabel Kemugka Model (Y dega X AIC Parameter yag Sgfka X 83.7 β 0 X,X β 5 X,X 5,X 6 8. β 0 5 X,X 5,X 6,X β 0 5 X,X 4,X 5,X 6,X β 0 5 X, X 4,X 5,X 6,X 7,X 8 86 β X, X 4,X 5,X 6,X 7,X 8,X β X,X 3, X 4,X 5,X 6,X 7,X 8,X β X,X, X 3,X 4,X 5,X 6,X 7,X 8,X β 5 Dar semua varabel predktor haya kombas ketga yag memlk parameter sgfka lebh bayak dega la AIC terkecl yatu 8,. Sehgga pada kombas ketga yag aka dbuat model regres bomal egatf. Utuk Pegua secara seretak ddapatka la devas D(βˆ sebesar 7,08. Kemuda la devas dbadgka dega la Ch-Square dega taraf sgfkas sebesar 5%. Nla ˆ D (β > χ (0,05:3 (7,85 sehgga keputusaya tolak H 0 yag mempuya art bahwa terdapat satu parameter yag berpegaruh secara sgfka terhadap model. Setelah melakuka pegua seretak, maka selautya melakuka pegua secara parsal utuk megetahu varabel predktor maa saa yag berpegaruh secara sgfka terhadap model abel. Estmas Parameter Model Regres Bomal Negatf. Parameter Estmas Stadart Error Z htug P value β E-06 β β β Dar hasl yag telah ddapat pada abel la Z htug aka dbadgka dega la Z α/ dega taraf sgfkaya 5% yatu,96. Dapat dlhat semua la Z htug > Z α/ terkecual parameter β 6, sehgga dapat delaska bahwa parameter β 0 5 berpegaruh secara sgfka terhadap model Regres Posso. Model terbakya sebaga berkut. µˆ = exp(, ,09487X + 0,0438X 5 0,0035X 6 Varabel predktor yag berpegaruh berdasarka model regres bomal egatf terhadap umlah kemata bu haml d d Jawa mur yatu presetase persala yag tdak dtolog oleh teaga kesehata(x da persetase rumah tagga hdup bersh sehat(x 5. Dar hasl estmas dketahu bahwa pada setap pegkata % presetase persala yag tdak dtolog oleh teaga kesehata maka aka meambah umlah kemata bu haml d Jawa mur. Da begtu uga dega presetase persala yag tdak dtolog oleh teaga kesehata. C. Pemodela Megguaka GWPR Sebelum melakuka pemodela dega GWPR yag harus dlakuka adalah meetuka letak geografs tap kabupate /kota d Provs Jawa mur. Lagkah awal meetuka badwth (G optmum setap kabupate /kota dmaa pemlha badwdth optmum megguaka krtera CV. Selautya badwdth optmum yag dhaslka dapat dguaka utuk mecar matrks pembobot d setap kabupate/kota dmaa dalam peelta megguaka pembobot Kerel Gaussa. Msalka matrks pembobot d lokas Pacta (u,v adalah W(u,v maka lagkah awal sebelum medapatka matrks pembobot adalah dega mecar arak euclde lokas Pacta (u,v pada masg-masg Kabupate /kota. Hasl Matrks pembobot yag dguaka utuk meaksr model GWPR d kabupate Pacta adalah sebaga berkut. W(u, v = dag[w (u, v ; W (u, v ; ; W 38 (u 38, v 38 ] = dag[; 0,976;.. ; 0,75] Sebelum dlakuka pegua parameter model bak pegua seretak maupu pegua parsal, maka tahap yag perlu dlakuka adalah megu kesesuaa model dbadgka dega model posso. Berkut adalah u kesesuaa model GWPR dega dbadgka dega model posso. abel 3. U Kesesuaa Model GWPR F Model Devas df Devas/df htug Global 7,86 8 6,74 0,8 GWPR 98,354 3,059 7,53 Berdasarka abel 3 yag meuukka bahwa la F- htug sebesar 0,8. Dar la F-htug kemuda dbadgka dega la F ( 0.05;8;3 =, 39. Jad dapat dsmpulka bahwa gagal tolak H 0 karea la F-htug

6 6 kurag dar F-tabel. Sehgga dapat dkataka bahwa dega taraf sgfkas 5% maka tdak ada perbedaa atara model posso dega model GWPR da uga megformaska bahwa terad overdspers dmaa la devas dbag df (degree of freedom lebh dar, Pegua awal yatu melakuka pegua parameter secara seretak dar model GWPR Ddapatka la devas D (βˆ sebesar 98,35. Kemuda la devas dbadgka dega la Ch-square dega taraf sgfkas (α sebesar 5%. Sehgga χ sebesar 6,99, da D (βˆ (0.05;9 lebh besar dar χ (0.05;9. Jad keputusaya yatu tolak H 0 artya bahwa mmal terdapat salah satu parameter yag berpegaruh secara sgfka terhadap model. Selautya pegua secara parsal pada wlayah Pacta meuukka bahwa dega taraf sgfkas 5% dmaa Z-tabel yatu Z =, 96 ada beberapa parameter α yag berpegaruh secara sgfka terhadap model yatu karea Z > Z. Adapu parameter-parameter d Kabupat-e α Pacta yag sgfka yatu β 0 3, β 5, β. Jad model 9 yag dapat dbetuk adalah sebaga berkut. ˆ µ = exp(,497 0,389X 3 + 0,X 5 0, 96X 9 l( ˆ µ =,497 0,389X 3 + 0,X 5 0, 96X 9 Varabel predktor yag berpegaruh terhadap umlah kemata bu haml d Kabupate Pacta yatu persetase pembera tablet Fe (X 3, persetase rumah tagga bersh sehat(x 5, da pelayaa kesehata bu fas(x 9. Artya, Ketka persetase persala yag tdak dtolog teaga kesehata da pelayaa kesehata bu fas bertambah sebayak % maka dapat meuruka rata-rata umlah kemata bu haml d Kabupate Pacta. Sedagka persetase rumah tagga bersh sehat bertambah sebayak % maka dapat meambah rata-rata umlah kemata bu haml. Gambar. Persebara Varabel yagsgfka Gambar secara vsual meuukka terdapat sebelas pegelompokka varabel sgfka d lokas yag berdekata. Varabel persetase rumah tagga hdup bersh sehat (X 5 berpegaruh sgfka d setap kabupate/kota. Wlayah Jawa mur baga barat memlk varabel yag sgfka sebayak tga varabel yatu X 3, X 5, da X 9. Wlayah Jawa mur baga tmur memlk lma varabel yag sgfka yatu X 5, X 6, X 7, X 8, da X 9. Adaya pegelompokka varabel yag sgfka datara lokaslokas yag berdekata d sebabka oleh adaya kesamaa karakterstk sosal budaya yag salg berkata pada perlaku masyarakat sektarya. Kesamaa karakterstk lokas yag berdekata megdkaska perlaku yag sama pada kemata bu haml. V. KESIMPULAN DAN SARAN A. Kesmpula Dega metode Geographcally Weghted Posso Regresso pada pemodela umlah kemata bu haml d Jawa mur megguaka pembobot fugs kerel fx gaussa. Dalam metode terdapat varabel yag sgfka secara global d semua daerah d Kabupate /kota Jawa mur yatu Presetase rumah tagga hdup bersh sehat. Da sebalkya uga terdapat salah satu varabel yag yag tdak sgfka d seluruh Kabupate/kota Jawa mur yatu varabel presetase persala yag tdak d tolog oleh teaga kesehata. Utuk beberapa varabel yag laya, terdapat pegelompokka kesamaa sgfkas varabel predktor d kabupate /kota yag berdekata sehgga meuuka adaya persamaa perlaku peyebab umlah kemata bu haml pada lokas yag berdekata. Da utuk perbadga model terbak yag dlhat dar la AIC mmum, GWPR lebh cocok dguaka sebaga metode aalss kemata bu haml. DAFAR PUSAKA [] Wahyugsh, Merry. 0. Kemata bu terbayak d Jawa Barat, eredah d Jakarta.URL: health. com/read /03/0/9/7075/6768 6/764/ kemata bu terbayak d awa barat teredah d akarta>[9 Febuar 03] [] Purama, Erk. 0. Megkat, Agka Kemata Ibu Haml d Jawa mur. <URL: www. republka.co.d> [9 Febuar 03] [3] Opk D Jawa mur Agka Kemata Ibu da Bay Mash gg. <URL: v03/dex.php?mod=berta&d=480.html>[9febuar 03] [4] BKKBN. 00. Data Kemata Ibu Haml BKKBN. Jakarta : BKKBN [5] Dwata, Idra Kemata materal. Blog spot.com/03/0/ kemata materal.html. [7 Februar 03] [6] Darah Pedekata Ukura R Devas pada Model Regres Posso (Aplkas pada Data Materal Mortalty d Jawa mur. Surabaya: Program Pasca Saraa, Isttut ekolog Sepuluh Nopember. [7] Nakaya,., Fothergham, A.S. da Brudso, C Geographcally weghted Posso regresso for dsease assocato mappg. Statstcs Medce; 4: [8] Novta, L. 0. Pemodela Materal Mortalty d Jawa mur Dega Pedekata Geographcally Weghted Posso Regresso (GWPR. ugas Akhr. Surabaya: Isttut ekolog Sepuluh Nopember. [9] Camero, A.C da rved, P.K Regresso Aalyss of Cout Data. Cambrdge: Cambrdge Uversty Press. [0] Myers, R.H Classcal ad Moder Regresso wth Applcatos, secod edto.bosto:pws-ken Publsh-g Compay. [] Hockg, R Methods ad Applcato of Ler Models. Joh Wley & Sos, New York. [] Me, C.L Geographcally Weghted Regresso echque for Spatal Data Aalyss. School Of Scece X a Jaotog Uversty. [3] Fothergham AS, Brudso C, da Charlto M. 00. Geographcally Weghted Regresso: the Aalyss of spatally varyg Relatoshp. Chchester: Wley. [4] Amalaftr, Adh. 00. Waspada Agka Kemata Ibu d Idoesa. 7/369/search.html. [5 Februar 03] [5] Depkes RI Pegerta duku Bay, <URL:http: //tutoral kulah. blogspot. com/03/9/ pegerta duku bay. html >[9 Febuar 03] [6] Das Kesehata Provs Jawa mur. 0. Profl Kesehata Provs Jawa mur. Surabaya : Dkes Jatm.