PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

Transkripsi

1 PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 0 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Selfy Atka Sary, I Nyoma Latra Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya 60 Idoesa E-mal : _yoma_l@statstka.ts.ac.d Abstrak Mlleum Developmet Goals (MDGS) merupaka sebuah paradgma pembagua global. Salah satu tujua dar MDGs yag dlaksaaka oleh Negara Idoesa adalah me-uruka Agka Kemata Bay (AKB). Peurua Agka Kemata Bay (AKB) megdkaska bahwa adaya pegkata derajat kesehata masyarakat. Tujua peelta adalah memodelka jumlah kemata bay d Jawa Tmur utuk medapatka faktor-faktor yag berpegaruh sgfka dega megguaka regres Posso. Berdasarka hasl aalss, dketahu bahwa terdapat pelaggara asums yatu varas lebh besar dar mea (overdsvers) pada regres Posso. Utuk meaga pelaggara asums tersebut maka dlakuka pemodela megguaka regres Bomal Negatf. Hasl peelta meujukka bahwa faktor-faktor yag mempegaruh jumlah kemata bay d Provs Jawa Tmur pada tahu 0 adalah prosetase bay yag dber ASI eksklusf da prosetase bu bersal yag dtolog oleh teaga kesehata. Kata Kuc Kemata bay, Overdsvers, regres Bomal Negatf I. PENDAHULUAN lleum Developmet Goals (MDGS) dapat dartka M sebaga tujua pembagua Mlleum yag merupaka sebuah paradgma pembagua global yag d deklaraska oleh aggota PBB d New York. Sebaga salah satu Negara yag kut serta dalam meadataga deklaras MDGs, Idoesa memlk komtme utuk melaksaaka progam pembagua asoal. Salah satu tujua dar MDGs yag dlaksaaka oleh Negara Idoesa adalah meuruka Agka Kemata Bay (AKB). Idoesa merupaka Negara yag memlk jumlah kemata bay relatf tgg bla d-badgka dega egara ASEAN la []. Berdasarka Huma Developmet Report 00, AKB d Idoesa me-capa 3 per.000 kelahra hdup. Agka tersebut 5. kal lebh tgg dbadgka Malaysa,. kal lebh tgg dbadgka Fhlpa da.4 kal lebh tgg dbadgka Thalad. D Idoesa, ada lma provs yag meyumbag 50 perse atau sektar delapa puluh rbu jwa lebh kemata bay d Idoesa yatu Jawa Barat, Jawa Tmur, Jawa Tegah, Sumatera da Bate []. Agka Kemata Bay (AKB) d Jawa Tmur pada tahu 005 sampa 0 telah megalam peurua, dar 36,65 per 000 kelahra hdup mejad 9,4 kelahra hdup. Agka tersebut mash jauh dar target MDG s pada tahu 05 yatu 3 per 000 kelahra hdup. [3] Peurua Agka Kemata Bay (AKB) megdkaska bahwa adaya pegkata derajat kesehata masyarakat sebaga salah satu wujud keberhasla pembagua d bdag kesehata. Kemata bay adalah kemata yag terjad atara saat setelah bay lahr sampa bay belum berusa tepat satu tahu. Model Regres Posso adalah model stadar yag dguaka utuk megaalss cout data. Karakterstk petg dar dstrbus yag serg dguaka dalam pemodela rare evet (kasus jarag terjad) yatu mea harus sama dega varas. Pada praktkya, serg dtemu cout data dega varas lebh besar dbadg rara-rata atau basa dsebut dega overdsperso. Salah satu metode yag dapat dguaka utuk meaga masalah overdsperso adalah dega megguaka Regres Bomal Negatf. Regres Bomal Negatf merupaka suatu model yag sesua utuk data cout dmaa terjad peympaga asums equdspers pada dstrbus Posso. Berdasarka uraa datas, maka dlakuka peela megea pemodela faktor-faktor yag mempegaruh jumlah kemata bay d Provs Jawa Tmur tahu 0 dega megguaka regres Bomal Negatf. II. LANDASAN TEORI A. Aalss Regres Posso Geeralzed Ler Model (GLM) merupaka perluasa dar model regres umum utuk respo berdstrbus dalam keluarga ekspoesal da model yag dmlk merupaka fugs dar la harapaya. Ada tga kompoe dalam Geeralzed Ler Model (GLM), yatu Radom Compoet (Kompoe acak) Systematc Compoet (kompoe sstematk) da Lk Fucto [4]. Regres Posso termasuk ke dalam kompoe Lk Fucto pada Geeralzed Ler Model (GLM) da merupaka salah satu betuk regres yag meggambarka hubuga atara varabel respo Y dmaa varabel respo berdstrbus Posso dega varabel bebas X. Regres Posso beracua pada karakterstk da pegguaa dstrbus Posso. Fugs peluag yag dmlk dstrbus Posso [6] adalah sebaga berkut µ y e µ f ( y, µ ) = ; y= 0,,, () y! Dega µ merupaka rata-rata varabel radom y yag berdstrbus posso dmaa la rata-rata da varas dar y mempuya la lebh dar ol. Dstrbus Posso dguaka utuk memodelka perstwa yag relatf jarag terjad selama perode yag dplh. Adapu model yag dmlk dar regres Posso adalah µ = exp( x ' β) () Estmas parameter model regres Posso megguaka metode Maxmum Lkelhood Estmato [7]. Betuk logartma atural dar dstrbus Posso adalah sebaga berkut.

2 l L( β ) = = exp ' ' ( xβ) + yxβ l( y! ) = Berdasarka persamaa (3) kemuda dturuka terhadap yag merupaka betuk vektor. l L(β) ' = x + y T exp( x β) x (4) β = = Aka tetap, peyelesaa dega cara tersebut serg kal tdak medapatka hasl yag eksplst sehgga alteratf yag bsa dguaka utuk medapatka peyelesaa dar MLE adalah dega metode teras umerk Newto- Raphso. Peguja parameter model regres Posso dlakuka utuk megetahu pegaruh suatu parameter terhadap model dega tgkat sgfkas tertetu. Berkut adalah hpotess utuk peguja parameter model Regres Posso secara seretak : palg tdak ada salah satu β j 0 ; j=,,,k. Da statstk uj yag dguaka adalah sebaga berkut D(βˆ) L( ˆ) ω (5) = l Λ = l L( Ω ˆ ) D (βˆ) merupaka la devas dar model Regres Posso atau lkelhood rato. Dega daerah peolakaya adalah χ k tolak H 0 jka D (βˆ ) > ( ; α ) yag berart bahwa ada salah satu parameter yag berpegaruh secara sgfka. Sedagka peguja parameter model secara parsal dguaka utuk megetahu efek setap varabel terhadap model. Adapu hpotess dar peguja adalah H 0 : β j =0 da H : β j 0 da statstk uj yag dguaka adalah sebaga berkut : ˆ β j z = (6) se( ˆ β j ) Dega daerah peolakaya adalah Meolak H 0 jka la dar z htug lebh besar dar la z α dmaa α adalah tgkat sgfkas yag dguaka. Model regres posso adalah model stadar yag dguaka utuk megaalss cout data. Karakterstk petg dar dstrbus yag serg dguaka dalam pemodela rare evet (kasus jarag terjad) yatu mea harus sama dega varas. Kods sepert basa dsebut dega equdsperso. Aka tetap, kods sepert tu sult dpeuh. Pada keyataaya, serg dtemu cout data dega varas lebh besar dsbadg rata-rata atau basa dsebut dega sebuta overdsperso [8]. overdsperso dapat pula terjad karea adaya pegamata mssg pada varabel pejelas, adaya pecla pada data, perluya teraks dalam model, varabel pejelas perlu dtrasformas atau kesalaha spesfk lk fucto. Deteks overdsperso dapat dlakuka megguaka statstk Goodess of ft oleh Pearso dbag dega derajat bebas. Jka la dspers Perso Ch-square da devace dbag dega derajat bebas lebh besar dar dapat dkataka terjad kasus overdsperso sedagka Jka la dspers Perso Chsquare da devace dbag dega derajat bebas lebh kecl dar dapat dkataka terjad kasus uderdsperso. = (3) B. Aals Regres Bomal Negatf Regres Bomal Negatf merupaka suatu model yag sesua utuk data cout dmaa terjad peympaga asums equdspers pada dstrbus Posso yag dapat membulka overdsperso Masalah overdspero dapat meyebabka model yag terbetuk aka meghaslka estmas parameter yag bas. fugs probabltas, maka dapat dperoleh θ y Γ( y + θ ) θ µ ( y ; µ, θ ) = y (6) Γ( θ ) Γ( + ) θ + µ θ + µ f dega θ 0, y = 0,,,... dmaa y merupaka la dar data cacah (cout), μ adalah la harapa dar y da θ merupaka parameter dspers. Adapu model yag dmlk dar regres Bomal Negatf adalah Peaksra parameter regres Bomal dlakuka megguaka metode Maxmum Lkelhood Estmato. Persamaa log-lkelhood utuk Bomal Negatf [0]. = y l L( θ, β ) ( ) l j + θ = j = 0 l y! ( + θ ) l( + θ exp( x T β)) y + y l θ + y x β} T (9) Utuk mecar la parameter-parameter dar da, fugs log-lkelhood dturuka secara parsal terhadap masg-masg parameter kemuda dsamadegaka dega ol. Pada regres Bomal egatf juga megguaka metode Newto-Raphso. Metode Newto-Raphso dguaka utuk meemuka solus dar fugs log-lkelhood sehgga dperoleh la yag cukup koverge utuk djadka sebaga taksra utuk masgmasg parameter. Peguja parameter model regres Bomal Negatf bak secara seretak maupu parsal megguaka cara yag sama dega peguja parameter model regres Posso. C. Multkolertas Multkolertas adalah suatu kods dmaa terjad korelas yag kuat datara varabel bebas (x) yag dkutsertaka dalam pembetuka model regres. Ada 3 cara utuk medeteks adaya kasus multko-leartas [], salah satuya dega megguaka la VIF. Nla VIF dapat dcar melalu (0) VIF = R j R merupaka la koefse determas atara varabel j x j dega varabel x laya. VIF merupaka sgkata dar Varace Iflato Factor. Nla VIF > 0 berart terjad multkolertas yag serus pada model regres. Kasus multkoleartas dapat dselesaka dega megeluarka varabel predktor yag tdak sgfka da meregreska kembal varabel predktor yag sgfka D. Akake s Iformayo Crtero (AIC) Akake s Iformayo Crtero (AIC) dperkealka pada tahu 973 oleh Akake sebaga pedekata peaksr yag tak bas dar suatu hasl permodela. AIC dapat dguaka sebaga krtera pemlha model terbak dmaa (7) (8)

3 3 parameter merupaka estmator maksmum lkelhood []. Nla AIC dapat dotaska sebaga berkut. AIC = p l (L) () Dmaa p = orde dar vektor atau jumlah parameter model L = Nla dar fugs lkelhood E. Kemata Bay Kemata bay adalah kemata yag terjad atara saat setelah bay lahr sampa bay belum berusa tepat satu tahu. Bayak faktor yag dkatka dega kemata bay. Secara gars besar, dar ss peyebabya, kemata bay ada dua macam yatu edoge da eksoge. Kemata bay edoge adalah kemata bay yag terjad pada bula pertama setelah dlahrka, da umumya dsebabka oleh faktor-faktor yag dbawa aak sejak lahr, yag dperoleh dar orag tua selama kehamla. Kemata bay eksoge adalah kemata bay yag terjad setelah usa satu bula sampa mejelag usa satu tahu yag dsebabka oleh faktor-faktor yag bertala dega pegaruh lgkuga luar [3]. Peyebab utama kemata bay adalah feks perafasa akut (ISPA), komplkas pertal da dare. Gabuga ketga peyebab member 75 % kemata bay, adapu faktor la adalah berat waktu lahr, peme-rksaa ateatal da peolog persala juga. Peurua terhadap Agka Kemata Bay dapat meujukka adaya pegkata dalam kualtas hdup da pelayaa kesehata masyarakat [4]. III. METODOLOGI PENELITIAN Data yag dguaka pada peelta adalah data sekuder yag terdr dar satu varabel respo yatu data jumlah kemata bay d Kabupate/Kota Provs Jawa Tmur tahu 0 da sembla varabel predktor yag dperoleh dar Profl Kesehata Provs Jawa Tmur tahu 0. Tabel. Varabel Peelta Nama Varabel Y=Jumlah kemata bay x=prosetase Berat Bay Lahr Redah (BBLR) x=prosetase bay medapat Vtam A x3=prosetase bay yag dber ASI eksklusf x4=prosetase bu bersal yag dtolog oleh teaga kesehata x5=prosetase bu yag medapat tablet Fe x6=prosetase kujuga bay x7=prosetase posyadu aktf x8=prosetase rumah sehat x9=prosetase peduduk msk Berkut merupaka lagkah-lagkah aalss yag dlakuka utuk mecapa tujua dar peelta yag aka dlakuka : a. Melakuka aalss deskrptf utuk meggambarka karakterstk data jumlah kemata bay da faktor-faktor yag dduga mempegaruhya. b. Megdetfkas da meyelesaka adaya kasus multokoleartas dega cara mecar la VIF da dbadgka dega la 0 da megeluarka varabel predktor yag la VIF lebh dar 0. c. Medapatka model regres Posso pada pemodela faktor-faktor yag mempegaruh jumlah kemata bay d Provs Jawa Tmur. d. Memerksa adaya over/uder dspers dar model Regres Posso. Jka terdapat overdspers dar model Regres Posso maka dlakuka pedekata model Regres Bomal Negatf. e. Medapatka model dar Regres Bomal Negatf pada pemodela faktor-faktor yag mempegaruh jumlah kemata bay d Provs Jawa Tmur. IV. ANALISIS DAN PEMBAHASAN A. Karakterstk Jumlah Kemata Bay d Provs Jawa Tmur Provs Jawa Tmur merupaka salah satu provs yag meyumbag 50 perse atau sektar 86. jwa kemata bay d Idoesa. Berdasarka data Das Kesehata Jawa Tmur jumlah kasus kemata bay pada tahu 0 adalah sebesar jwa. Sebaga lagkah awal,dalam megaalss maka dlakuka aalss deskrptf dega tujua utuk megetahu karakterstk kesehata Provs Jawa Tmur, dalam hal berhubuga dega jumlah kemata bay beserta faktor-faktor yag dduga mempegaruh d Provs Jawa Tmur. Adapu hasl yag dperoleh dar aalss deskrptf adalah sebaga berkut Tabel. Statstka Deskrptf Varabel Peelta Varabel Rata-rata Varas Mmum Maxmum y x x x x x x x x x Berdasarka tabel dketahu rata-rata kemata bay d Jawa tmur tahu 0 sebesar 6 jwa, dega la varas yag relatf tgg sebesar.89 jwa, hal dkareaka ter-dapat daerah dega jumlah kemata bay mecapa ratusa jwa amu ada juga daerah dega jumlah kemata bay relatf redah haya mecapa puluha. Jumlah kemata bay palg bayak terdapat d Kota Surabaya dega jumlah mecapa 465 jwa, jumlah tersebut cukup besar dbadga dega jumlah kemata bay d Kabupate/Kota la. Hal dmugkka adaya bay dega kods yag kurag sehat, berobat da meggal d Kota Surabaya sedagaka utuk jumlah kemata bay palg sedkt terdapat d Kota Madu da Mojokerto dega jumlah kemata bay 3 jwa. Berdasarka varabel yag dduga mempegaruh jumlah kemata bay dketahu bahwa berat bay lahr redah (BBLR) palg tgg terletak d Kota Madu dega prosetase sebesar 3.4 % sedagka utuk yag teredah terletak d Kabupate Lamoga dega prosetase sebesar.7 %, hampr semua peduduk Jawa Tmur sudah melakuka program pembera Vtam A pada bay dega

4 4 usa 6 bula sampa bula, hal dkareaka la rata-rata yag dhaslka relatf tgg yatu sebesar 97.7 % sela tu juga dapat dketahu bahwa sebaga besar bu bersal d Jawa Tmur megguaka pertologa teaga kesehata bu telah melakuka kujuga utuk bay dega tujua megetahu perkembaga kesehata bay. Pada tabel dketahu ada beberapa varabel yag mem-lk la prosetase yag lebh dar 00 perse, sepert pada varabel bay medapat Vtam A, Ibu bersal d tolog teaga kesehata, Ibu yag medapat tablet Fe da kujuga bay, hal dkareaka la rl atau pada pegambla data dlapaga melebh dar data proyeks (target). B. Aalss Faktor-Faktor yag Mempegaruh Jumlah Kemata Bay d Provs Jawa Tmur Sebelum melajutka aalss regres Posso da regres bomal egatf maka perlu dlakuka pemerksaa terhadap data yag aka dguaka. Utuk megdetfkas adaya kasus multkolertas maka dapat megguaka la korelas da la VIF dar varabel predktor. Suatu data dkataka terdapat kasus multkoleartas apabla la korelas atar varabel predktor relatf tgg da la VIF lebh besar dar 0. Tabel 3 Nla Perso Correlato varabel Predktor Nla korelas atara dua varabel predktor dapat dsajka pada Tabel 3. Sela dlhat dar la korelas yag dmlk dapat juga dlhat dar la p_value atar varabel predktor. Jka la p_value lebh kecl dar la alpa yatu 0.05 maka dapat dsmpulka bahwa atar varabel predktor memlk hubuga atau berkorelas. Adapu varabel predktor yag memlk korelas amu la korelas yag dmlk tdak terlalu besar adalah x da x3, x da x7, x3 da x9, x4 da x7, x4 da x9 serta x8 da x9. Cara la yag dapat dguaka utuk megdetfkas melhat kasus multkolertas adalah dega megguaka la VIF. Tabel 4 Nla VIF varabel Predktor Varabel VIF Varabel VIF x.78 x6.598 x.686 x7. x3.956 x8.609 x4.70 x9.678 x5.35 Tabel 4 merupaka hasl dar la VIF dar masgmasg varabel predktor. Dketahu bahwa semua la VIF pada varabel predktor lebh kecl dar 0 yag dapat dartka bahwa tdak ada varabel predktor yag salg berkorelas dega varabel predktor laya da dapat dkataka bahwa tdak terdapat kasus multkolertas, sehgga pada pembetuka model bak utuk model Posso maupu model Bomal Negatf megguaka 9 varabel predktor. Utuk megetahu faktor-faktor yag berpegaruh terhadap jumlah kemata bay d Provs Jawa Tmur tahu 0 maka dlakuka pemodela megguaka aalss regres posso. Berkut merupaka hasl pemodela megguaka aalss regres posso yag telah dlakuka. Tabel 5 Estmas Parameter Model Regres Posso Parameter Estmate Stadart Error z- htug * * * * * * * * *) Sgfka dega taraf sgfkas 5%. Dar hasl aalss dperoleh ) sebesar 40, da pada taraf sgfkas 5% la sebesar 6.99, sehgga dapat dambl keputusa bahwa meolak H 0 yag artya mmal ada salah satu parameter yag berpegaruh secara sgfka terhadap model. Selajutya, utuk megetahu pegaruh yag dberka setap varabel predktor terhadap respo, maka dlakuka peguja parsal Berdasarka Tabel 5 dketahu bahwa la Z htug dar semua parameter lebh besar dar kecual, dega keputusa yag dperoleh adalah tolak H 0 yag berart bahwa parameter tersebut sgfka. Adapu parameter yag sgfka dar pemodela regres Posso adalah. Selajutya dlakuka peguja kembal pada pemodela regres Posso tapa megkutsertaka parameter kedalam pembetuka model. Tabel 6 Estmas Parameter Model Regres Posso tapa Stadart Parameter Estmate z-htug Error * * * * * * * *

5 5 Dar hasl aalss dperoleh la ) sebesar 43 da pada taraf sgfkas 5% la sebesar 5.507, sehgga dapat dambl keputusa bahwa meolak H 0 yag artya mmal ada salah satu parameter yag berpegaruh secara sgfka terhadap model. Selajutya, utuk megetahu pegaruh yag dberka setap varabel predktor terhadap respo, maka dlakuka peguja parsal Berdasarka tabel 6 dketahu bahwa la Z htug dar semua parameter lebh besar dar, dega keputusa yag dperoleh adalah tolak H 0 yag berart bahwa parameter tersebut sgfka. Adapu parameter yag sgfka dar pemodela regres Posso adalah. Utuk melhat parameter maa yag berpegaruh secara sgfka, maka dapat dlhat la z htug dar masg-masg parameter. Jka la dar z htug lebh besar dar, maka keputusa yag dperoleh adalah tolak H 0 yag berart bahwa parameter tersebut sgfka. Adapu parameter yag sgfka dar regres Posso adalah. Adapu model regres Posso yag terbetuk adalah sebaga berkut Model dar regres Bomal Negatf dapat dtepretas sebaga berkut utuk setap keakka prosetase bay berat lahr redah, dega asums la varabel la tetap, maka jumlah kemata bay cederug berkurag jwa. Utuk setap keakka prosetase bay medapat Vtam A, dega asums la varabel la tetap, maka jumlah kemata bay cederug bertambah jwa. Utuk setap keakka prosetase bay dber ASI eksklusf, dega asums la varabel la tetap, maka jumlah kemata bay cederug bertambah jwa. Utuk setap keakka prosetase bu bersal d tolog teaga meds, dega asums la varabel la tetap, maka jumlah kemata bay cederug berkurag jwa. Utuk setap keakka prosetase bu yag medapat tablet Fe, dega asums la varabel la tetap, maka jumlah ke-mata bay cederug bertambah jwa. Utuk setap keakka prosetase posyadu aktf, dega asums la varabel la tetap, maka jumlah kemata bay cederug berkurag jwa. Utuk setap keakka prosetase rumah sehat, dega asums la varabel la tetap, maka jumlah kemata bay cederug bertambah jwa. Utuk setap keakka prosetase peduduk, dega asums la varabel la tetap, maka jumlah kemata bay ce-derug berkurag jwa. Suatu kasus dkataka terjad over/uder dspers apabla devace/db atau pearso/db lebh atau kurag dar. Jka la devas/db atau pearso/db lebh besar dar maka dapat dkataka terjad overdspers sedagka jka kurag dar maka terjad uderdspers Tabel 7 Nla Devace da Pearso dar Model Regres Crtero Df Value Value/df Devace Perso Ch-Square Tabel 7 merupaka hasl pemerksaa over/uder dspers. Dar tabel 6 dapat dketahu bahwa la devace /db da pearso ch-square/db lebh besar dar sehgga dapat dsmpulka bahwa pada model regres Posso jumlah kemata bay d Jawa Tmur telah terjad overdspers. Utuk megatas hal tersebut, maka dlakuka pemodela megguaka regres bomal egatf. Regres Bomal Negatf merupaka suatu model yag sesua utuk data cout dmaa terjad peympaga asums equdspers pada dstrbus Posso yag dapat membulka overdsperso. Sembla varabel predktor dapat membetuk 5 kemugka model regres bomal egatf. Model dkataka bak apabla model tersebut mempuya la AIC yag kecl. Pada tabel 8 dpaparka kemugka model regres bomal egatf dega la AIC terkecl utuk setap kombas varabel dega megguaka taraf sgfka sebesar 5%. Tabel 8 Kemugka Model Regres Bomal Negatf dar Kombas Varabel Kemugka Model (Y dega X) AIC Parameter yag Sgfka X β 0, β X 3 X β 0, β 3, β 4 X 3 X 4 X β 0, β 4 X 3 X 4 X 5 X β 0, β 3, β 4 X X 3 X 4 X 5 X β 0, β 4 X X X 4 X 5 X 7 X β 0 X X X 3 X 4 X 5 X 7 X β 0 X X X 3 X 4 X 5 X 7 X 8 X β 0, β 4 X X X 3 X 4 X 5 X 6 X 7 X 8 X β Tabel 8 merupaka kemugka model regres bomal dar masg-masg kombas varabel predktor, dar kombas satu varabel predktor sampa Sembla varabel predktor. Dmaa dar masg-masg kemugka tersebut memlk la AIC terkecl. Kombas dua varabel predktor merupaka model terbak, hal dkareaka pada kombas dua varabel memlk parameter sgfka lebh bayak da la AIC terkecl darpada kombas la varabel predktor yatu sebesar Tabel 9 Estmas Parameter Model Regres Bomal Negatf. Parameter Estmas Std Error Z-htug β β * β 4-0, * Θ * Peguja secara seretak dlakuka utuk megetahu pegaruh varabel predktor terhadap varabel respo. Dar hasl aalss yag dlakuka dperoleh la D(βˆ ) sebesar Pada taraf sgfkas 5% la χ sebesar sehgga dambl keputusa (,0,05) meolak H 0 yag artya ada salah satu varabel predktor memberka efek terhadap respo. Pada tabel 8 dketahu bahwa semua la z htug dar masg-masg parameter lebh dar la =.96. Adapu parameter yag sgfka adalah. Jad dapat dsmpulka bahwa faktor-faktor yag mempegaruh jumlah kemata bay d Provs Jawa Tmur pada tahu 0 adalah Bay yag dber ASI eksklusf (x3) da Ibu bersal yag dtolog oleh teaga kesehata (x4). Adapu model regres Bomal Negatf yag terbetuk adalah sebaga berkut

6 6 Model dar regres Bomal Negatf dapat dtepretas sebaga berkut utuk setap keakka bay yag dber ASI eksklusf sejumlah jwa, dega asums la varabel la tetap, maka jumlah kemata bay cederug bertambah jwa. Keakka jumlah kemata bay dmugkka ada faktor la yag mempegaruh jauh lebh besar pegaruhya. Dlhat dar la korelas dketahu bahwa pembera ASI eksklusf memlk korelas dega faktor jumlah peduduk msk. Dapat dartka bahwa meskpu telah dlakuka pembera ASI eksklusf terhadap bay tdak mejam dapat meuruka jumlah kemata bay jka jumlah peduduk msk mash relatf tgg. Utuk setap keakka bay yag dber bu bersal dtolog oleh teaga kesehata sejumlah jwa, dega asums la varabel la tetap, maka jumlah kemata bay cederug berkurag jwa. V. KESIMPULAN Berdasarka hasl aalss da pembahasa maka dapat dperoleh kesmpula sebaga berkut. Rata-rata kemata bay d Jawa tmur tahu 0 sebesar 6 jwa, dega la varas yag relatf tgg sebesar.89 jwa, hal dkareaka terdapat daerah dega jumlah kemata bay mecapa ratusa jwa amu ada juga daerah dega jumlah kemata bay relatf redah haya mecapa puluha. Jumlah kemata bay palg bayak terdapat d Kota Surabaya dega jumlah mecapa 465 jwa, jumlah tersebut cukup besar dbadga dega jumlah kemata bay. Hal dmugkka adaya bay dega kods yag kurag sehat, berobat da meggal d Kota Surabaya Berdasarka varabel yag dduga mempegaruh jumlah kemata bay dketahu bahwa hampr semua peduduk Jawa Tmur sudah melakuka program pembera Vtam A pada bay dega usa 6 bula sampa bula, sela tu juga dapat dketahu bahwa sebaga besar bu bersal d Jawa Tmur megguaka pertologa teaga kesehata da telah melakuka kujuga utuk bay dega tujua megetahu perkembaga kesehata bay.. Hasl pemodela dar faktor-faktor yag mempegaruh jumlah kemata bay d Jawa Tmur pada tahu 0 dega megguaka regres Posso, dketahu bahwa terjad kasus overdsvers. Dalam meaga kasus tersebut maka dlakuka pemodela megguaka regres Bomal Negatf dega model yag terbetuk adalah sebaga berkut terhadap bay tdak mejam dapat meuruka jumlah kemata bay jka jumlah peduduk msk mash relatf tgg.utuk setap keakka bay yag dber bu bersal dtolog oleh teaga kesehata sejumlah jwa, dega asums la varabel la tetap, maka jumlah kemata bay cederug berkurag jwa. DAFTAR PUSTAKA [] Fatmawat, Y. (0), Agka kemata bay d Idoesa relatve tgg. (8 febuar 03) [] Yuwoo, S.R. (0), Lma Provs Sumbag 50 Perse Kemata Bay (duduh 0 febuar 03). [3] Bada Pusat Statstka (00), Mlleum Developmet Goals (MDGs). (duduh taggal 0 febuar 03) [4] Agrest, A. (00), Categorcal Data Aalyss, Secod Edto. Joh Wley & Sos., New York. [5] Camero, A.C, da Trved, P.K,. (998). Regresso Aalyss of Cout Data. Cambrdge Uversty Press. [6] Myers, R.H. (990). Classcal ad Moder Regresso wth Applcatos, Secod Edto. PWS KENT Publshg Compay Secod., Bosto. [7] Agrest, A. (00), Categorcal Data Aalyss, Secod Edto. Joh Wley & Sos., New York. [8] Camero, A.C, da Trved, P.K,. (998). Regresso Aalyss of Cout Data. Cambrdge Uversty Press. [9] Hockg, R. (996), Methods ad Applcato of Lear Models. Joh Wley ad Sos, Ic., New York. [0] Latef, A.H.M. Mahbub, Hosa. M. Zakr, Islam. M. Ataharul. Model Selecto Usg Modfed Akake s Iformato Crtero: A Applcato to Materal Morbdty Data. Australa Joural of Statstcs Vol.37 No. (008), p Model dar regres Bomal Negatf dapat dtepretaska Utuk setap keakka bay yag dber ASI eksklusf sejumlah jwa, dega asums la varabel la tetap, maka jumlah kemata bay cederug bertambah jwa. Keakka jumlah kemata bay dmugkka ada faktor la yag mempegaruh jauh lebh besar pegaruhya. Dlhat dar la korelas dketahu bahwa pembera ASI eksklusf memlk korelas dega faktor jumlah peduduk msk. Dapat dartka bahwa meskpu telah dlakuka pembera ASI eksklusf