JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:

Transkripsi

1 JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Onlne d: htt://ejournal-s1.und.ac.d/ndex.h/gaussan PERBANDINGAN MODEL REGRESI BINOMIAL NEGATIF DENGAN MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) (Stud kasus : Angka Kematan Ibu d Provns Jawa Tmur Tahun 2011) M. Al Ma sum 1, Suart 2, Dw Isryant 3 1 Mahasswa Jurusan Statstka FSM UNDIP 2,3 Staff Pengajar Jurusan Statstka FSM UNDIP ABSTRAK Angka Kematan Ibu meruakan salah satu masalah kematan masyarakat yang krusal d Indonesa. Kematan bu d Provns Jawa Tmur cenderung menngkat sehngga eranan data dan nformas menjad sangat entng. Regres Bnomal Negatf meruakan salah satu model yang daat dgunakan untuk menangan masalah overdsers. Sedangkan metode yang memerhatkan faktor sasal untuk data berte dskret adalah model Geograhcally Weghted Posson Regresson (GWPR). Pada Peneltan n dlakukan erbandngan antara model Regres Bnomal Negatf dan GWPR untuk membahas mengena faktor-faktor yang memengaruh Angka Kematan Ibu d Provns Jawa Tmur. Indkator yang memengaruh kematan bu dantaranya elayanan kesehatan bu. Pelayanan kesehatan bu melut elayanan antenatal, komlkas kebdanan yang dtangan, ertolongan ersalnan oleh tenaga kesehatan, elayanan nfas, elayanan kesehatan neonates dan elayanan neonatal komlkas dtangan. Hasl engujan kesesuaan model menunjukkan bahwa tdak ada engaruh faktor sasal terhada Angka Kematan Ibu d Provns Jawa Tmur. Berdasarkan model Regres Bnomal Negatf ddaat varabel jumlah bu nfas yang mendaat vtamn A berengaruh secara sgnfkan terhada Angka Kematan Ibu sedangkan untuk model GWPR terbag dalam 6 cluster kabuaten/kota berdasarkan varabel sgnfkan yang sama. Dar hasl erbandngan nla AIC ddaatkan bahwa model GWPR lebh bak untuk menganalss Kematan Ibu d Provns Jawa Tmur karena memlk nla AIC terkecl. Kata Kunc : Angka Kematan Ibu, Dskret, Overdsers, Regres Bnomal Negatf, Geograhcally Weghted Posson Regresson, AIC ABSTRACT Maternal mortalty rate s one of the crucal roblems of death n Indonesa. Maternal deaths n East Java rovnce s lkely to ncrease so that the role of data and nformaton are very mortant. Negatve Bnomal Regresson s a model that can be used to address the roblem overdserson. Whle the method of satal attenton factor for tye dscrete data s Geograhcally Weghted Posson Regresson Model (GWPR). Ths study was conducted on the comarson between the Negatve Bnomal Regresson and GWPR to dscuss the factors that nfluence maternal mortalty rate n the rovnce of East Java. Indcators that affect maternal mortalty nclude maternal health servces. Maternal health servces such as antenatal care, obstetrc comlcatons treated, Ad delveres by sklled health care chld brth, and neonatal health care servces handled neonatal comlcatons. The results of testng the sutablty of model shows that there s no nfluence of satal factors on maternal mortalty rate n the rovnce of East Java. Based on Negatve Bnomal Regresson derved varable number of uereral women who receved vtamn A sgnfcantly affect maternal mortalty rate, whle for GWPR s dvded nto sx clusters dstrcts/ctes by same sgnfcant varables. From the comarson value of AIC was found that GWPR better to analyzng Maternal mortalty n East Java because t has the smallest value of AIC. Keywords : Maternal mortalty rate, Dscrete, Overdserson, Negatve Bnomal Regresson, Geograhcally Weghted Posson Regresson, AIC

2 1. PENDAHULUAN 1.1. Latar Belakang Perstwa kematan ada dasarnya meruakan roses akumulas akhr (outcome) dar berbaga enyebab kematan langsung mauun tdak langsung. Kejadan kematan d suatu wlayah dar waktu ke waktu daat memberkan gambaran erkembangan derajat kesehatan masyarakat, dsamng serngkal dgunakan sebaga ndkator dalam enlaan keberhaslan rogram embangunan dan elayanan kesehatan [3]. Salah satu ndkator dalam rogram embangunan dan elayanan kesehatan adalah Angka Kematan Ibu (AKI). Untuk mendukung keberhaslan embangunan kesehatan tersebut dbutuhkan adanya ketersedaan data/informas yang akurat bag roses engamblan keutusan dan erencanaan rogram, karena dengan data yang akurat maka keutusan dan erencanaan yang dbuat juga menghaslkan damak yang bak. Sehngga data/nformas mengena kesehatan mutlak derlukan untuk keberhaslan rogam tersebut. Data dkatakan berjens data sasal aabla data tersebut turut melbatkan nformas koordnat lokas. Analss terhada data sasal memerlukan erhatan lebh dbandngkan dengan analss data nonsasal, khususnya ketka menggunakan regres. Salah satu hal yang harus mendaat erhatan ada enanganan data sasal adalah kemungknan munculnya heterogentas sasal. Heterogentas sasal muncul karena konds lokas yang satu dengan lokas yang lan tdak sama, bak dar seg geografs, keadaan sosal-budaya mauun hal-hal lan yang melatarbelakang konds lokas yang dtelt. Salah satu damak yang dtmbulkan dar munculnya heterogentas sasal adalah arameter regres bervaras secara sasal [2]. Pada regres global dasumskan bahwa nla duga arameter regres akan konstan, artnya arameter regres sama untuk seta ttk d dalam wlayah eneltan. Dalam eneltan n, enuls melakukan eneltan mengena Angka Kematan Ibu d Provns Jawa Tmur dengan menggunakan model Regres Posson Global dan model Geograhcally Weghted Posson Regresson (GWPR) yang berasums data berdstrbus osson. Dalam model regres osson dasumskan mean dan varan sama. Jka asums n tdak denuh maka derlukan model lan untuk mengatasnya. Jka nla varan lebh besar dar nla mean maka telah terjad overdsers. Penanganan overdsers daat menggunakan model regres bnomal negatf, quas lkelhood, atau regres osson umum. Jka nla varan kurang dar nla mean maka telah terjad underdsers. Penanganan underdsers daat menggunakan model Zero Deflaton Posson, Zero Deflaton Negatve Bnomal, Zero Deflaton General Posson atau Hurdle. GWPR (Geograhcally Weghted Posson Regresson) meruakan suatu metode statstka yang meruakan engembangan dar regres osson namun yang membedakan adalah dalam metode n memerhatkan embobot berua letak lntang dan letak bujur dar ttk-ttk engamatan yang damat. Sehngga dalam model GWPR varabel reson dengaruh oleh varabel redktor yang koefsen regresnya dengaruh letak geografs. Model GWPR menghaslkan enaksr arameter model yang bersfat lokal untuk seta ttk engamatan. Dalam GWPR dgunakan matrks embobot yang besarnya bergantung ada kedekatan antar lokas engamatan. Pada eneltan n, dbandngkan metode GWPR dengan embobot fungs Kernel Bsquare dengan metode regres bnomal negatf yang meruakan salah satu metode enanganan regres osson yang mengalam overdsers untuk menyeldk faktor-faktor yang berengaruh terhada enentuan Angka Kematan Ibu d Provns Jawa Tmur dengan emlhan metode terbak berdasarkan krtera AIC mnmum Tujuan Peneltan Tujuan dar eneltan n adalah melakukan analss kematan bu dengan metode Regres Bnomal Negatf dan GWPR. Setelah dlakukan analss, maka tujuan selanjutnya adalah membandngkan Model Regres Bnomal Negatf dengan Model GWPR. Sehngga setelah kedua model tersebut dbandngkan, maka ddaat model terbak yang dgunakan dalam ermodelan angka kematan bu d Provns Jawa Tmur. JURNAL GAUSSIAN Vol. 2, No. 3, Tahun 2013 Halaman 260

3 2. TINJAUAN PUSTAKA 2.1. Angka Kematan Ibu Kematan bu yang dmaksud adalah kematan seorang bu yang dsebabkan kehamlan, melahrkan atau nfas, bukan karena kecelakaan. Angka Kematan Ibu (AKI) dhtung er kelahran hdu [5]. Angka kematan Ibu (AKI) mencermnkan rsko yang dhada bubu selama kehamlan dan melahrkan yang dengaruh oleh status gz bu, keadaan sosal ekonom, keadaan kesehatan yang kurang bak menjelang kehamlan, kejadan berbaga komlkas ada kehamlan dan kelahran, tersedanya dan enggunaan fasltas elayanan kesehatan termasuk elayanan renatal dan obstetr. Tnggnya angka kematan bu menunjukkan keadaan sosal ekonom yang rendah dan fasltas elayanan kesehatan termasuk elayanan renatal dan obstetr yang rendah ula [4]. Kematan bu basanya terjad karena tdak memunya akses ke elayanan kesehatan bu yang berkualtas, terutama elayanan kegawatdaruratan teat waktu yang dlatarbelakang oleh terlambat mengenal tanda bahaya dan mengambl keutusan, terlambat mencaa fasltas kesehatan, serta terlambat mendaatkan elayanan d fasltas kesehatan. Selan tu enyebab kematan maternal juga tdak terleas dar konds bu tu sendr dan meruakan salah satu dar krtera 4 terlalu, yatu terlalu tua ada saat melahrkan (>35 tahun), terlalu muda ada saat melahrkan (<20 tahun), terlalu banyak anak (>4 anak), dan terlalu raat jarak kelahran/artas (<2 tahun) [4] Generalsas Model Lner Analss regres yang resonnya termasuk salah satu keluarga eksonensal dsebut Generalsas Model Lner atau lebh dkenal dengan GLM (Generalzed Lnear Models). Generalzed Lnear Models (GLM) memerluas model regres basa yang mencaku varabel reson berdstrbus tdak normal dan fungs model untuk mean. Ada tga komonen utama dalam analss GML seert durakan berkut n. 1. Komonen random Komonen random dar GLM terdr dar varabel reson Y dengan observas bebas (y 1,, y n ) dar sebuah dstrbus dalam keluarga eksonensal. Bentuk fungs denstas robabltas dar dstrbus keluarga eksonensal, yatu sebaga berkut. y b( ) f ( y ;, ) ex c( y; ) a ( ) 2. Komonen Sstemats Komonen Sstemats dar GLM adalah hubungan dar sebuah vektor,..., ) untuk menjelaskan varabel-varabel yang berhubungan dalam sebuah model lner. = 0 j1 j x j ( 1 n Atau dalam matrks dtulskan dalam bentuk η = β Kombnas lner dar varabel yang djelaskan dsebut redktor lner. Dengan η adalah vektor (n x 1) dar observas, adalah matrks (n x c) dar varabel bebas, β adalah matrks (c x 1) dar koefsen regres, dengan c=+1 [1]. 3. Fungs lnk Fungs lnk adalah fungs yang menghubungkan eksektas varabel reson dengan komonen sstemats. Dberkan fungs E( Y ), =1,2,,n. Model lnk untuk adalah g( ). g( ) x j1 j j dengan = 1,2,,n JURNAL GAUSSIAN Vol. 2, No. 3, Tahun 2013 Halaman 261

4 fungs lnk g ( ) dnamakan denttas lnk dengan. Fungs lnk yang mentransformaskan nla meannya ke arameter natural dnamakan kanonkal lnk. Sehngga g ( ) dan j1 x [1]. j j 2.3. Regres Bnomal Negatf Model Regres Bnomal Negatf adalah model regres nonlnear yang berasal dar dstrbus osson gamma mxture yang meruakan eneraan dar Generalzed Lnear Models (GLM) yang menggambarkan hubungan antara varabel deenden dengan varabel ndeenden. Regres Bnomal Negatf basanya dgunakan untuk memodelkan data dengan varabel reson berua data count. Regres bnomal negatf dgunakan sebaga alternatf dar model regres osson yang mengalam overdsers. Berdasarkan komonen GLM deroleh suatu model regres bnomal negatf dalam bentuk : ln 0 1x 1... x ex( 0 j j ) j1 ex( adalah nla eksektas dar y yang berdstrbus bnomal negatf [5] Geograhcally Weghted Posson Regresson (GWPR) Ketka berlaku hubungan sasal non-stasoner, estmas dar koefsen akan dfungskan secara tdak langsung sebaga koordnat geograf u, v, sehngga ersamaan regres osson daat dfungskan sebaga model Geograhcally Weghted Posson Regresson (GWPR). Model GWPR daat dtuls sebaga berkut : 0 ( u, v ) j ( u, v ) xj j1 Ln( ) ex 0 ( u, v ) j ( u, v ) xj j1 Dengan : nla observas varabel reson ke- x : nla observas varabel redktor j ada engamatan ke- j 0, 1, 2,..., : koefsen regres u : koordnat sasal lattude untuk engamatan ke- v : koordnat sasal longtude untuk engamatan ke- [6] Perbandngan Model untuk GWPR Ukuran dar bandwdth otmal derlukan untuk memberkan estmas tak bas dar arameter lokal. Indkator yang terseda dantaranya Akake nformaton crteron (AIC). AIC dkembangkan oleh Akake ada tahun 14 untuk mengukur knerja model statstk. Model AIC dengan bandwdth h dberkan sebaga AIC( h) D( h) 2K( h) Devans dwakl oleh D dan jumlah arameter dwakl oleh K dengan bandwdth h. Model dengan AIC terkecl (yatu, model dengan bandwdth otmal) dsebut Mnmum AIC Estmator (MAICE). Sehngga model terbak antara dua model yang dbandngkan adalah model dengan nla AIC terkecl. Dalam rakteknya, jka selsh nla AIC antara dua model kurang dar atau sama dengan dua, maka tdak ada erbedaan yang sgnfkan antara dua model [6]. ) JURNAL GAUSSIAN Vol. 2, No. 3, Tahun 2013 Halaman 262

5 Sedangkan nla AIC untuk model Regres Bnomal Negatf drumuskan sebaga AIC 2L 2K Dengan L sebaga nla dar model log-lkelhood dan K adalah jumlah redktor dengan menyertakan ntercetnya [5]. 3. METODOLOGI PENELITIAN 3.1. Jens dan Sumber Data Data yang dgunakan dalam eneltan n adalah data sekunder yang berasal dar Dnas Kesehatan Provns Jawa Tmur tahun 2011 yang telah d ublkaskan. Selan tu juga data mengena koordnat sasal (lattude dan longtude) ta Kota dan Kabuaten yang derlukan sebaga varabel untuk menentukan embobot dalam metode GWPR. Pada eneltan n, observas yang dgunakan adalah Kota dan Kabuaten d Provns Jawa Tmur ada tahun 2011, Provns Jawa Tmur terdr dar 2 Kabuaten dan Kota Varabel Peneltan Varabel eneltan yang dgunakan dalam eneltan n berua varabel reson (Y) yakn Jumlah Kematan Ibu d Provns Jawa Tmur dan varabel redktor () adalah sebaga berkut: 1 : Jumlah bu haml yang mendaat elayanan K1 2 : Jumlah bu haml yang mendaat elayanan K4 : Jumlah bu bersaln yang dtolong tenaga kesehatan 3 4 : Jumlah bu nfas yang mendaatkan elayanan : Jumlah bu haml yang mendaat tablet FE1 (30 tablet) 5 : Jumlah bu haml yang mendaat tablet FE3 (0 tablet) 6 : Jumlah bu haml yang mengalam komlkas kebdanan yang dtangan : Jumlah bu haml yang mengalam neonatal rst/komlkas dtangan : Jumlah bu nfas yang mendaat vtamn A Varabel sasal u, v ttk koordnat letak masng-masng Kota/Kabuaten 3.3. Tahaan Analss Tahaan analss yang dgunakan untuk mencaa tujuan eneltan dalam enulsan skrs n durakan sebaga berkut : 1. Menguj asums data berdstrbus osson 2. Menguj asums multkolnertas antar varabel redktor () 3. Menganalss model regres osson untuk enentuan tngkat Angka Kematan Ibu d Provns Jawa Tmur dengan langkah-langkah sebaga berkut: a. Memodelkan varabel reson (Y) dengan varabel redktor () b. Menguj asums overdsers 4. Menganalss model Regres Bnomal Negatf untuk enentuan tngkat Angka Kematan Ibu d Provns Jawa Tmur dengan langkah-langkah sebaga berkut: a. Menguj kesesuaan model Regres Bnomal Negatf b. Menguj sgnfkans model secara ndvdu 5. Menganalss model GWPR untuk enentuan tngkat Angka Kematan Ibu d Provns Jawa Tmur dengan langkah-langkah sebaga berkut: a. Menentukan jarak eucldan antar lokas engamatan berdasarkan oss geografs. Jarak eucldan antara lokas yang terletak ada koordnat u, v terhada lokas j yang terletak ada koordnat u j, v j b. Menentukan nla bandwdth yang otmum berdasarkan nla CV yang mnmum c. Menentukan embobot dengan menggunakan fungs Kernel yang terlh d. Menguj kesamaan model GWPR dengan hotess: JURNAL GAUSSIAN Vol. 2, No. 3, Tahun 2013 Halaman 263

6 H : u, v 0 (tdak ada erbedaan yang sgnfkan antara model regres bnomal negatf dan GWPR) H 1 : alng tdak ada satu β (u, v ) β (ada erbedaan yang sgnfkan antara model regres bnomal negatf dan GWPR) e. Menentukan model GWPR f. Menguj kesesuaan model GWPR dengan hotess: H 0 : β 1 (u 1, v 1 ) = β 2 (u 2, v 2 ) =. = β (u, v ) = 0, =1,2,,n H 1 : Palng tdak ada salah satu β j (u, v ) 0, =1,2,,n; j = 1,2, g. Menguj arameter model GWPR secara arsal dengan hotess: H 0 : β j (u, v ) = 0 H 1 : β j (u, v ) 0, j = 1, 2,,, = 1, 2,., n 6. Mengelomokkan kabuaten/kota berdasarkan varabel sgnfkan yang sama ada model GWPR. Membandngkan nla AIC dar model regres bnomal negatf dengan model GWPR. Menentukan model terbak berdasarkan nla AIC terkecl 4. HASIL DAN PEMBAHASAN 4.1. Pengujan Dstrbus Posson ada Varabel Reson Pengujan dstrbus Posson ada varabel reson dlakukan dengan Uj Kolmogorov-Smrnov dengan rosedur engujan sebaga berkut : H 0 : Data varabel reson mengkut dstrbus Posson H 1 : Data varabel reson tdak mengkut dstrbus Posson Berdasarkan hasl outut SPSS deroleh nla T htung sebesar 0,212 lebh kecl dar ada nla tabel komlogorov (w 1-α ) sebesar 0,215 dan nla -value sebesar 0,066 lebh besar dar nla α = 0,05. Sehngga keutusannya H 0 dterma yang berart bahwa data varabel reson (Y) mengkut dstrbus Posson Seleks Varabel dan Pengujan Non Multkolneartas Antar Varabel Predktor Pembentukan model regres memertmbangkan engujan Multkolnertas. Proses enanganan multkolnertas salah satunya dengan cara mengelmnas satu ersatu varabel x (redktor) yang memlk tngkat korelas lebh rumt atau tngg. Proses tu terus berlanjut sama tdak ada korelas dantara varabel redktor tersebut yang memlk korelas (koneks) lebh besar dar 5 %. Dar hasl analss menunjukkan bahwa dengan memasukkan semblan varabel redktor yang selanjutnya delmnas satu ersatu ddaat tga varabel redktor yatu, dan yang semuanya memlk korelas kurang dar 5%. Ketga varabel tersebut untuk selanjutnya dgunakan dalam engujan Multkolnertas dan ddaat hasl sesua dengan nformas ada tabel 1. Tabel 1. Nla VIF Varabel Predktor Varabel VIF 5,4 1,55 6,4 Dar Informas Tabel 1 terlhat bahwa varabel, dan telah memenuh asums non multkolnertas dengan nla VIF kurang dar 10. Selanjutnya ketga varabel tersebut dgunakan untuk embentukan model Model Regres Posson Global Model awal regres osson yang terbentuk setelah melalu engujan Multkolneartas adalah sebaga berkut. ex( 1,06 0, , , ) Selanjutnya dlakukan uj asums equdsers untuk mengetahu ada tdaknya overdsers ada model regres osson d atas. Pengujan overdsers daat dlkukan dengan mencar nla Ф. Jka nla Ф lebh besar dar 1, maka telah terjad overdsers. JURNAL GAUSSIAN Vol. 2, No. 3, Tahun 2013 Halaman 264

7 Dar hasl engujan overdsers ddaat bahwa nla Ф sebesar 2,34 lebh besar dar 1.karena terjad overdsers ada regres osson global, maka langkah enanganannya dengan membentuk model regres bnomal negatf Model Regres Bnomal Negatf Uj Kesesuaan Model Regres Bnomal Negatf Untuk menguj kesesuaan model regres bnomal negatf dgunakan uj devans. Hotess yang dberkan adalah sebaga berkut H 0 :β = β = β = 0 (model regres bnomal negatf tdakdaat dgunakan sebaga model) H 1 :Palng tdak ada salah satu β j 0 j =,, (model regres bnomal negatf daat dgunakan sebaga model) Dengan taraf sgnfkans sebesar 5% dan statstk uj yang dgunakan adalah Devans, ddaat nla Devans sebesar 42,6505 lebh besar dar ada nla Ch-Square tabel 2,15. Jad keutusannya H 0 dtolak yang berart bahwa model Regres Bnomal 0.05;3 Negatf daat dgunakan sebaga model Uj Sgnfkans Indvdu Model Regres Bnomal Negatf Langkah selanjutnya adalah mencar arameter mana saja yang berengaruh terhada model. Sehngga erlu dlakukan uj arsal arameter model. Pengujan secara arsal dlakukan untuk melhat sgnfkans arameter dengan menggunakan hotess sebaga berkut. H 0 : j = 0, (koefsen regres tdak sgnfkan) H 1 : j 0, (koefsen regres sgnfkan) Untuk j =,, Berdasarkan hasl analss ddaatkan nla Z htung yang meruakan nla estmas dbag dengan nla standar errornya. Kemudan nla tersebut dbandngkan dengan nla Z α/2 dengan taraf sgnfkans sebesar 5 % yang dsajkan dalam tabel 2. Tabel 2. Estmas Parameter Model Regres Bnomal Negatf Parameter Z_htung Z_tabel Kuutusan Kesmulan β 1,316 1,6 H 0 dterma Koefsen Regres Tdak Sgnfkan β 0,32 1,6 H 0 dterma Koefsen Regres Tdak Sgnfkan β 2,3 1,6 H 0 dtolak Koefsen Regres Sgnfkan Berdasarkan tabel 2. deroleh arameter yang sgnfkan terhada model adalah β. Sehngga model regres bnomal negatf yang terbentuk adalah ex( 1, 0, , , ) Akan teta yang berengaruh terhada model hanya koefsen β saja. Meskun model dtuls secara lengka Model Geograhcally Weghted Posson Regresson (GWPR) Uj Kesamaan Model Regres Bnomal Negatf dan GWPR Uj hotess yang ertama dlakukan adalah engujan kesamaan model regres Bnomal Negatf dan GWPR untuk menguj sgnfkans dar faktor geografs. Sehngga bsa dlhat aakah ada erbedaan yang sgnfkan antara model Regres Bnomal Negatf dan Model GWPR. Hotess yang dgunakan adalah H 0 : β j (u, v ) = β j ; = 1,2,,3 ; j =,, H 1 : alng tdak ada satu β j (u, v ) β j Dengan tngkat sgnfkans (α) sebesar 5 % ddaat nla statstk uj F ht sebesar 0,561 lebh kecl dar ada F 0,05:34:25 sebesar 1,0. Keutusan yang dambl adalah H 0 dterma yang berart bahwa tdak ada erbedaan yang sgnfkan antara model Regres Bnomal Negatf dengan model GWPR atau faktor lokas tdak berengaruh. JURNAL GAUSSIAN Vol. 2, No. 3, Tahun 2013 Halaman 265

8 Uj Kesesuaan Model GWPR Pengujan awal yatu melakukan engujan arameter secara serentak dar model GWPR. Dalam engujan n dgunakan untuk mengetahu aakah arameter berengaruh secara sgnfkan. Hotess yang dberkan adalah H 0 : β (u, v ) = β (u, v ) = β (u, v ) = 0, =1,2,,3 H 1 : Palng tdak ada salah satu β j (u, v ) 0, =1,2,,3 ; j =,, Dengan tngkat sgnfkans (α) sebesar 5 % ddaat nla devans sebesar 56,6 lebh besar dar nla Ch-Square tabel sebesar 3,652. Keutusannya adalah H 0 dtolak yang berart bahwa model GWPR daat dgunakan sebaga model atau mnmal terdaat salah satu arameter yang berengaruh secara sgnfkan terhada model Uj Parsal Parameter Model GWPR Uj arsal arameter model GWPR daat dkelomokkan berdasarkan kabuaten/kota yang memlk varabel sgnfkan yang sama. Tabel 3 menunjukkan engelomokkan kabuaten/kota dengan varabel sgnfkan yang sama. Tabel 3. Pengelomokkan Kabuaten/Kota Berdasarkan Varabel Sgnfkan yang sama ada Model GWPR Kabuaten/Kota Varabel yang sgnfkan Trenggalek, Tulungagung, Kab. Kedr, Nganjuk, Bojonegoro, Tuban, Kota Kedr Bltar, Malang, Mojokerto, Jombang, Lamongan, Kota Bltar, Kota Malang, Kota Mojokerto, Kota Batu Lumajang, Probolnggo, Pasuruan, Samang, Kota Probolnggo, Kota Pasuruan Jember Banyuwang, Sdoarjo, Gresk, Bangkalan, Kota Surabaya, Bondowoso, Stubondo, Madun, Magetan, Ngaw, Pamekasan, Sumene, Kota Madun 1. Jumlah bu haml yang mengalam komlkas kebdanan yang dtangan ( ) 1. Jumlah bu haml yang mengalam komlkas kebdanan yang dtangan ( ) 2. Jumlah bu haml yang mengalam neonatal rst/komlkas dtangan ( ) 1. Jumlah bu haml yang mengalam neonatal rst/komlkas dtangan ( ) 2. Jumlah bu nfas yang mendaat vtamn A ( ) 1. Jumlah bu haml yang mengalam komlkas kebdanan yang dtangan ( ) 2. Jumlah bu nfas yang mendaat vtamn A ( ) 1. Jumlah bu haml yang mengalam neonatal rst/komlkas dtangan ( ) 1. Jumlah bu nfas yang mendaat vtamn A ( ) 4.6. Penentuan Model Terbak Berdasarkan engujan kesamaan model Regres Bnomal Negatf dan GWPR memberkan kesmulan bahwa faktor sasal tdak berengaruh secara sgnfkan artnya kedua model samasama bsa dgunakan untuk ermodelan angka kematan bu d Provns Jawa Tmur. Untuk menentukan model terbak maka dgunakan krtera engujan AIC. Model yang terbak adalah model dengan nla AIC terkecl. Hasl yang deroleh adalah sebaga berkut. Tabel 4. Perbandngan Nla AIC Model Model AIC Regres Bnomal Negatf 24,64 GWPR (kernel bsquare), Berdasarkan Tabel 4 deroleh bahwa model GWPR lebh bak dgunakan untuk menganalss Angka Kematan Ibu d Provns Jawa Tmur karena memlk nla AIC terkecl. Sehngga ermodelan yang teat dgunakan adalah ermodelan berdasarkan kabuaten yatu model GWPR. JURNAL GAUSSIAN Vol. 2, No. 3, Tahun 2013 Halaman 266

9 5. KESIMPULAN Dar hasl analss dan embahasan yang telah dlakukan, daat deroleh beberaa kesmulan, yatu: 1. Berdasarkan engujan kesamaan model Regres Bnomal Negatf dan GWPR ddaat bahwa faktor sasal/lokas tdak berengaruh secara sgnfkan. 2. Secara umum varabel yang sgnfkan memengaruh Angka Kematan Ibu d Provns Jawa Tmur untuk model Regres Bnomal Negatf adalah Jumlah bu nfas yang mendaat vtamn A. Sedangkan untuk model GWPR terbag dalam 6 cluster kabuaten/kota berdasarkan varabel sgnfkan yang sama. 3. Model yang lebh bak dgunakan adalah model GWPR karena memlk nla AIC alng kecl. 6. DAFTAR PUSTAKA [1] Agrest, A Categorcal Data Analyss. Second Edton. New York : John Wley and Sons, Inc. [2] Astutk, S, N.W. N Wayan, dan Kurnawan D Penggunaan Geograhcally Weghted Regresson Pada Data yang Mengandung Heterokedaststas Sasal. Unverstas Brawjaya. Malang. [3] Dnas kesehatan Profl Kesehatan Provns Jawa Tmur Tahun Surabaya : Dnkes Jatm. [4] Dnas kesehatan Profl Kesehatan Provns Jawa Tengah Tahun Semarang : Dnkes Jateng. [5] Hlbe, Joseh M., Negatve Bnomal Regresson. Second Edton. New York : Cambrdge Unversty Press. [6] Nakaya, T., Fotherngham, A.S., Brunsdon, C. and Charlton, M Geograhcally Weghted Posson Regresson for Dsease Assocaton Mang, Statstcs n Medcne, Volume 24 Issue1, ages JURNAL GAUSSIAN Vol. 2, No. 3, Tahun 2013 Halaman 26