Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur

dokumen-dokumen yang mirip
BAB 2. Tinjauan Teoritis

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

BAB 5. ANALISIS REGRESI DAN KORELASI

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Regresi Linier Sederhana Definisi Pengaruh

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

X a, TINJAUAN PUSTAKA

Bab II Teori Pendukung

BAB II LANDASAN TEORI

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

BAB 2 LANDASAN TEORI

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD)

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif

BAB II TINJAUAN PUSTAKA

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

3 Departemen Statistika FMIPA IPB

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

S2 MP Oleh ; N. Setyaningsih

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

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

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION)

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Uji Statistika yangb digunakan dikaitan dengan jenis data

PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU

ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI JAWA TENGAH. DOI: /medstat.10.2.

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB III PERSAMAAN PANAS DIMENSI SATU

Regresi & Korelasi Linier Sederhana

Analisis Spasial pada Aglomerasi Industri Manufaktur

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH

BAB III UKURAN PEMUSATAN DATA

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB 2 LANDASAN TEORI

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

Analisis Korelasi dan Regresi

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015

REGRESI & KORELASI LINIER SEDERHANA

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA)

BAB 2 LANDASAN TEORI. titik dan area. Tahapan untuk melakukan pemodelan spasial adalah regresi linear

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

2.2.3 Ukuran Dispersi

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

ANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA

XI. ANALISIS REGRESI KORELASI

REGRESI LINIER SEDERHANA

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy untuk Dataset Kecil (Studi Kasus: Indonesia)

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

Statistika ITS Surabaya

8. MENGANALISIS HASIL EVALUASI

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

REGRESI & KORELASI LINIER SEDERHANA

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Transkripsi:

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka, Falkultas Matematka da Ilmu Pegetahua Alam, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya 6111 E-mal: mutah_s@statstka.ts.ac.d; sutko@statstka.ts.ac.d Abstrak Kemata bu mead prortas utama yag harus dtaggulag oleh pemertah utuk megurag rsko kemata, meam reproduks sehat, da megkatka kualtas hdup bu. D Jawa Tmur, umlah kemata bu megalam pegkata mula tahu 9 hgga tahu 1. Faktor peyebab kemata bu atar kabupate/kota berbeda-beda. Hasl detfkas awal pada la Mora s I meuukka adaya pegelompoka wlayah pada pola persebara kemata bu da beberapa faktor yag mempegaruhya. Oleh karea tu, dguaka metode Spatal Durb Model (SDM) utuk me-modelka. Metode SDM merupaka es khusus dar metode Spatal Autoregressve Model (SAR). Namu, peelta meu-ukka bahwa model utuk metode SAR da SDM memberka hasl yag sama. Hal dsebabka oleh keclya la Mora s I, sehgga pada hasl estmas parameter megguaka metode SDM mead tdak yata. Varabel yag sgfka berpegaruh terhadap kemata bu adalah persetase persala dbatu oleh duku, persetase rumah tagga berperlaku hdup bersh sehat, da persetase saraa kesehata d tap kabupate/kota d Jawa Tmur. Kata Kuc Kemata Ibu, Pembobot Spasal, Spatal Durb Model, Spatal Autoregressve Model I. PENDAHULUAN EMATIAN bu merupaka kemata dar setap wata K selama masa kehamla, bersal atau dalam 4 har sesudah berakhrya kehamla oleh sebab apapu, tapa melhat usa da lokas kehamla, oleh setap peyebab yag berhubuga dega atau dperberat oleh kehamla atau peagaaya tetap buka oleh kecelakaa atau sdetal (faktor kebetula). Hal sesua dega defs Iterasoal Statstcal Classfcato of Dsease ad Related Health Problems (ICD). Agka Kemata Ibu (AKI) kemuda ddefska sebaga umlah kemata bu selama satu perode waktu dalam 1. kelahra hdup [1]. Mlleum Declarato meempatka kemata bu sebaga prortas utama yag harus dtaggulag utuk memmalsas rsko kemata, meam reproduks sehat, da megkatka kualtas hdup bu atau kaum perempua []. AKI d Idoesa meempat uruta tertgg d ASEAN yatu 3 per 1. kelahra hdup, artya lebh dar 18. bu tap tahu atau dua bu tap am meggal oleh sebab yag berkata dega kehamla, persala, da fas (Surve Demograf Kesehata Idoesa: SDKI -3). Tahu, SDKI meuukka bahwa AKI d Idoesa meuru mead 8 per 1. kelahra hdup. Peurua agka tersebut relatf mash sagat redah da auh dar target MDGs (Mlleum Developmet Goals) utuk meuruka AKI pada tahu 1 mead 1 per 1. kelahra hdup [3]. Jawa Tmur meduduk uruta kelma dar seluruh provs d Idoesa yag memlk umlah kemata bu terbayak setelah Jawa Barat, Jawa Tegah, NTT, da Bate [4]. Bada Pusat Statstk (BPS) mecatat agka kemata bu d Jawa Tmur pada tahu 199 sebesar 334 per 1. kelahra hdup da kemuda meuru pada tahu mead 6 per 1. []. Namu sebalkya, ka pada tahu 9 berumlah 9 kemata per 1. kelahra, kemuda pada tahu 1 melesat mecapa 11 kemata per 1. kelahra [6]. Ruuka [] meelaska peelta tetag kemata bu yag telah dlakuka dega megguaka model regres posso. Model terbak yag dplh meuukka bahwa faktorfaktor yag berpegaruh terhadap kemata bu d Jawa Tmur pada tahu 3 yatu rata-rata pegeluara baya kesehata perkapta, persetase peduduk msk da umlah teaga meds da parameds. Ruuka [8] uga meelaska peelta tetag kemata bu yag telah dlakuka dega megguaka pedekata Geographcally Weghted Posso Regresso (GWPR) d maa meghaslka kesmpula bah-wa varabel persetase saraa kesehata berpegaruh sgf-ka d setap kabupate/kota, sedagka varabel persetase bu haml bersko tgg dtaga serta varabel persetase bda tdak berpegaruh d seluruh kabupate/kota. Metode GWPR merupaka metode pemodela spasal dega megguaka pedekata ttk, sedagka hasl peelta tersebut meympulka adaya pegelompoka varabel-varabel predktor yag sgfka pada lokas yag berdekata sehgga meuukka adaya persamaa perlaku atarlokas yag berdekata. Oleh karea tu, perlu adaya peelta lebh laut utuk medapatka pemodela spasal dega pedekata area yag megguaka pegaruh spasal dar varabel respo da predktor. Peelta merupaka lauta dar peelta Novta dega megguaka metode SDM. Ruuka [9] meelaska peelta sebelumya dega metode SDM megea faktor-faktor yag berpegaruh terhadap keada dare d Kabupate Tuba. Hasl peelta meympulka bahwa pemodela SDM mempuya kera yag lebh bak darpada pemodela model o SDM. Sela tu, ruuka [1] uga meelaska peelta sebelumya dega metode SDM utuk megdetfkas faktor-faktor yag mempegaruh agka kemata bay d Jawa Tmur da hasl peelta meuukka bahwa metode SDM memlk krtera pemodela lebh bak darpada metode Ordary Least Square (OLS) karea meghaslka R-square yag besar.

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-166 II. II. TINJAUAN PUSTAKA Aalsa regres merupaka salah satu metode statstka yag dguaka utuk membetuk model hubuga atara varabel respo (Y) dega satu atau lebh varabel predktor (). Secara umum, model regres ler dyataka pada persamaa (1). (1) β, β 1,, β p adalah parameter da adalah error regres ε~iidn(,σ I) dega ε~n(,σ ), artya berdstrbus ormal, E( )=, var( )= utuk =1,,,. Salah satu prosedur pedugaa model utuk regres ler bergada adalah dega prosedur Least Square (kuadrat terkecl). Model regres ler dapat dtuls dalam betuk matrks [11]. A. Model Regres Spasal Ruuka [1] meulska model umum Geeral Spatal Model (GSM) sepert yag dtuukka pada persamaa ().,, () Matrk W 1 da W merupaka pembobot yag meelaska fugs arak atau kedekata atar lokas. Dagoalya berla ol atau w = utuk = da w utuk, d maa (=1,,, ) da (=1,,, ) merupaka pegamata atau lokas. Beberapa model dapat dbetuk dar persamaa (), d ataraya yatu: a) Jka W = atau λ = maka dsebut dega SAR sepert pada persamaa (3). da (3) b) Jka W 1 = atau ρ = maka model regres dsebut sebaga spatal autoregressve dalam error atau Spatal Error Model (SEM) sepert pada persamaa (4) d maa meuukka spasal struktur pada spatally depedet error ( ). da (4) c) Jka W 1, W, λ, atau ρ maka model dsebut Spatal Autoregressve Movg Average (SARMA) sepert pada persamaa (). d) Jka ρ = da λ = maka dsebut sebaga model regres lear sederhaa yag estmas parameterya dapat dlakuka melalu OLS yatu regres yag tdak mempuya efek spasal sepert pada persamaa (). da () Idetfkas awal sebelum melakuka metode spasal yatu dega Lagrage Multpler Test (LM test). Ada tga hpotess yag aka dguaka pada LM test, yatu H : ρ = dega H 1 : ρ (utuk model SAR), H : λ = dega H 1 : λ (utuk model SEM), da H : ρ, λ = dega H 1 : ρ, λ (utuk model SARMA). Keputusa yag dambl yatu tolak H ka la LM > (k) dega statstk u yag dguaka adalah: LM=E -1 {(R y ) T R y R e T 1 + (R e ) (D + T 11 )} ~ (m) (6) B. Metode SDM Metode SDM memlk cr khas sedr yatu adaya peambaha spasal lag pada varabel predktor. Vektor parameter koefse spasal lag varabel predktor dyataka dalam β [13]. Model SDM dtuukka pada persamaa (). () C. Pegua Hpotess Sgfkas Estmas Parameter Pegua dlakuka dega megguaka Wald test d maa H : θ p = [λ, ρ, β,..., β p ]' = dega H 1 : θ p. Keputusa H dtolak ka Wald > dega statstk u sebaga berkut [13]: ˆ p Wald (8) var( ˆ p ) adalah estmas parameter ke-p da adalah varas estmas parameter ke-p. D. U Efek Spasal U efek spasal dapat dlakuka dega cara yatu spatal depedece da spatal heterogeety. U autokorelas atar lokas atau u depedes spasal dlakuka dega megguaka metode Mora s I d maa H : I M = (tdak ada autokorelas atar lokas) dega H 1 : I M (ada autokorelas atar lokas). Keputusa H dtolak ka dega statstk u sebaga berkut [14]. (9) Pola pegelompoka da peyebara atar lokas dapat dsaka dega Mora s Scatterplot. Mora s Scatterplot terdr dar empat kuadra, yatu kuadra I, II, III, da IV. Kuadra I (Hgh-Hgh) meelaska daerah dega la pegamata tgg dkellg oleh daerah dega la pegamata tgg. Kuadra II (Low-Hgh) meelaska daerah dega la pegamata redah tetap dkellg daerah dega la pegamata tgg. Kuadra III (Low- Low) meelaska daerah dega la pegamata redah dkellg oleh daerah yag uga mempuya la pegamata redah. Kuadra IV (Hgh-Low) meelaska daerah dega la pegamata tgg tetap dkellg oleh daerah dega la pegamata redah. Pegua adaya heterogetas spasal dapat dlakuka dega megguaka Breusch-Paga Test (BP test) d maa H : (homoskedaststas) da H 1 : mmal ada satu (heterokedaststas). Keputusa H dtolak ka BP > k dega statstk u sebaga berkut [13]. k (1) E. Matrks Pembobot Spasal Matrks pembobot spasal yag dguaka dalam peelta adalah Quee cotguty (persgguga ss-sudut). Matrks pembobot (w ) berukura x, d maa setap eleme matrks meggambarka ukura kedekata atara pegamata da. Metode Quee cotguty medefska bahwa lokas yag berssa atau ttk sudutya bertemu dega lokas yag mead perhata dber pembobota w = 1, sedagka utuk lokas laya adalah w = [1]. F. Pemlha Model Terbak Pemlha model terbak dlakuka dega melhat koefse determas (R-square). R-square meuukka ketepata suatu model (Goodess of ft) dega otas (11) d maa SSE adalah umlah kuadrat error da SST adalah umlah kuadrat total. Koefse determas berla R- square 1. Semak besar la R-square, maka model

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 semak tepat dalam meggambarka feomea dar varabel respo sehgga model semak dpercaya. G. Defs Kemata Ibu Kemata bu merupaka kemata setap wata selama masa kehamla, bersal atau dalam 4 har sesudah berakhrya kehamla oleh sebab apapu, tapa melhat usa da lokas kehamla, oleh setap peyebab yag berhubuga dega atau dperberat oleh kehamla atau peagaaya tetap buka oleh kecelakaa atau sdetal (faktor kebetula). Tggya agka kemata bu dpegaruh oleh bayak faktor da sagat kompleks [1]. Secara gars besar faktor determa kemata bu dgologka mead dua faktor besar yatu faktor meds/lagsug da faktor o-meds/tdak lagsug. Berdasarka faktor meds, kemata bu d Idoesa kebayaka dsebabka oleh pedaraha, hpertes saat kehamla, da feks, sedagka utuk faktor omeds, kemata bu d Idoesa dsebabka oleh kods sosal budaya, ekoom, peddka, keduduka da pera wata, kods geografs, da trasportas. Pokok permasalaha tggya AKI d Idoesa dsebabka oleh redahya akses peduduk msk pada layaa kesehata yag berkualtas, sultya medapatka/memafaatka fasl-tas da teaga kesehata yag berkualtas da teragkau bag perempua msk, serta keterbatasa peratura da aggara bag kesehata khususya kesehata reproduks perempua [1]. III. METODOLOGI PENELITIAN Data yag dguaka pada peelta adalah data sekuder yag dperoleh dar Das Kesehata Provs Jawa Tmur megea umlah kemata bu da faktor-faktor yag mempegaruhya pada tahu 1 [16]. Data yag dguaka adalah umlah kemata bu (Y), persetase bu haml yag melaksaaka program K1 ( 1 ), persetase persala yag dbatu oleh duku ( ), persetase bu haml yag medapatka Fe1 ( 3 ), persetase bu haml beresko tgg/ komplkas dtaga ( 4 ), persetase rumah tagga hdup sehat ( ), persetase bda d setap kabupate/kota ( 6 ), da persetase saraa kesehata ( ) d setap kabupate/kota. Lagkah-lagkah aalss data dalam peel-ta adalah sebaga berkut. 1. Medeskrpska varabel AKI da faktor-faktor yag mempegaruhya dar sudut kewlayahaya dega megguaka peta tematk.. Melakuka pemodela varabel AKI da faktor-faktor yag mempegaruhya dega cara sebaga berkut. a. Megdetfkas pola hubuga model dega megguaka scatterplot da aalss korelas. b. Melakuka u depedes spasal dega megguaka statstk u Mora s I pada masg-masg varabel kemuda membetuk Mora s scatterplot utuk megetahu peyebara atarlokas. c. Melakuka aalss dega metode OLS yag melput estmas parameter, pegua hpotess sgfkas parameter, u asums resdual IIDN (detk, depede, da berdstrbus ormal), u depedes spasal megguaka Mora s I, da u heterogetas spasal megguaka BP test pada resdual. d. Melakuka pemodela SDM yag terdr dar estmas parameter, pegua hpotess sgfkas parameter da u asums resdual IIDN (detk, depede, da berdstrbus ormal). IV. HASIL DAN PEMBAHASAN A. Deskrps Jumlah Kemata Ibu da Faktor-Faktor yag Mempegaruhya Agka yag meuukka bayakya keada dar masgmasg varabel dkelompokka mead lma kategor yatu kategor sagat redah, redah, sedag, tgg, da sagat tgg. GRESIK SUMENEP TU BAN GRESIK PAMEKASAN SUMENEP BANGKALAN BOJONEGORO LA M O NGA N SAMPANG SURABAYA (KOTA) NGAW I SIDOARJO JOMBANG NGANJUK MOJOKERTO MAGETAN MADIUN KEDIRI PASURUAN SITUBONDO PONOROGO BATU (KOTA) PROBOLINGGO BONDOW OSO PACITAN TULUNGAGUNG BLITAR LU MA JAN G TRENGGALEK MALANG JEMBER BANYUW ANGI SUMENEP Keteraga: (w a) - 6-11 1-3 - 36 3 - Sumber : Dolah dar data Dkes Surabaya 1 Gambar. 1. Persebara Jumlah Kemata Ibu d Setap Kabupate/Kota d Jawa Tmur. Gambar 1. meuukka adaya pegelompoka pada kabupate/kota yag berdekata. Jumlah kemata bu d Jawa Tmur sebaga besar berada dalam kategor sedag (1- wa). Persetase bu haml yag melaksaaka program K1 atau persetase bu haml yag melaksaaka kotak pertama dega kesehata utuk medapatka layaa ateatal ( 1 ) uga berpola megelompok. Kabupate Jember merupaka kabupate/kota dega persetase bu haml melaksaaka program K1 tertgg yatu sebesar 1%, artya seluruh bu haml yag ada d Kabupate Jember melaksaaka program K1. Kabupate/kota yag berdekata memlk persetase persala dbatu oleh duku ( ) yag relatf sama sehgga terad pegelompoka wlayah. Kabupate Sumeep memlk persetase persala dbatu oleh duku yag palg tgg yatu sebesar 16.318%. Agka dapat dartka bahwa dalam 1 kelahra, sektar 1 orag melakuka persala dega batua duku. Persetase persala dbatu oleh duku yag palg redah yatu % terad d Kota Mookerto da Kota Madu, artya tdak terad adaya persala dega batua duku d kedua kota tersebut. Persetase bu haml medapatka tablet Fe1 ( 3 ) memlk pola yag meyebar. Kabupate Pasurua, Kota Kedr, da Kota Malag memlk persetase bu haml medapatka tablet Fe1 sebesar 1%. Persetase bu haml bersko tgg/komplkas yag dtaga ( 4 ) berpola megelompok dega persetase tertgg terad d Kota Malag sebesar 99.93%, sedagka yag teredah terad d Kota Batu sebesar 4.%. Kabupate/kota yag memlk persetase rumah tagga berperlaku hdup bersh da sehat ( ) berpola mege-

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-168 lompok pada daerah yag berdekata. Jumlah bda d setap kabupate/kota d Jawa Tmur ( 6 ) uga berpola megelompok. Persetase bda d Kota Probolggo meuukka agka yag palg redah yatu sebesar %, sedagka Kota Mookerto merupaka daerah dega persetase bda tertgg yatu sebesar.94%. Pola persebara persetase saraa kesehata ( ) uga berpola megelompok. Persetase saraa kesehata teredah terad d Kota Surabaya sebesar.93%, artya terdapat sektar 3 saraa kesehata dalam 1 umlah peduduk d Kota Surabaya. B. Idetfkas Pola Hubuga atara Varabel Predktor da Varabel Respo Pola hubuga atara umlah kemata bu da faktor-faktor yag mempegaruhya dapat dtuukka dega scatterplot sepert pada Gambar. Varabel predktor yag berpola hubuga postf terhadap respo yatu persetase persala yag dbatu oleh duku ( ), da persetase rumah tagga berperlaku hdup bersh sehat ( ). Y 4 4 9 1 96 1 8 16 1 4 6 3 6 9 4 8...1 3 4 persetase bu haml yag medapatka tablet Fe1 ( 3 ) memlk la Mora s I yag lebh kecl dar la I M = -. sehgga berpola meyebar. Tabel 1. U Mora s I Kode Varabel Mora s I Z_htug Y umlah kemata bu tap -.13 -.61* kabupate/kota 1 persetase bu haml melaksaaka.6 -.394 program K1 (akses pelayaa bu haml) persetase persala dbatu.44 3.69* oleh duku tap kabupate/kota 3 persetase bu haml yag -.1366.3 medapatka tablet Fe1 4 persetase bu haml bersko.91 -.196 tgg/komplkas yag dtaga persetase rumah tagga berperlaku.138.1999* hdup bersh sehat 6 persetase bda d setap.1146 -.8 kabupate/kota d Jawa Tmur persetase saraa kesehata.13-4.939* Keteraga: *) sgfka pada α = %, Z. = 1.96 Salah satu varabel predktor yag sgfka adalah persetase persala dbatu oleh duku ( ). Gambar 3. meuukka bahwa terad pegelompoka pada kuardra I (Hgh-Hgh) da kuadra III (Low-Low). Kuadra I meelaska bahwa kabupate/kota yag memlk persetase persala dbatu oleh duku tgg dkellg oleh persetase persala dbatu oleh duku yag tgg pula. 4 8.3.6.9 3 1 Gambar.. Pola Hubuga atara Jumlah Kemata Ibu dega Faktor-Faktor yag Mempegaruhya. Semak tgg persetase persala yag dbatu oleh duku, maka semak tgg pula umlah kemata bu d Jawa Tmur. Hal yag uk adalah semak tgg persetase rumah tagga yag berprlaku hdup bersh da sehat teryata semak tgg pula umlah kemata bu. Hal dduga, meskpu rumah tagga tersebut memeuh krtera sebaga rumah tagga yag berperlaku hdup bersh da sehat, amu belum tetu bu haml dalam rumah tagga tersebut tergolog dalam krtera bu haml yag hdupya sehat. Varabel predktor yag berpola hubuga egatf terhadap respo yatu persetase bu haml yag melaksaaka program K1 ( 1 ), persetase bu haml yag medapatka Fe1 ( 3 ), persetase bu haml bersko tgg yag dtaga ( 4 ), persetase bda ( 6 ) da persetase saraa kesehata ( ). C. Nla Mora s I Tabel 1. meuukka bahwa terdapat autokorelas pada 4 varabel dega tgkat sgfkas %, yatu varabel umlah kemata bu (Y), persetase persala dbatu oleh duku tap kabupate/kota ( ), persetase rumah tagga berperlaku hdup bersh sehat ( ), da persetase saraa kesehata ( ). Varabel 1,, 4,, 6, da memlk autokorelas postf atau pola data yag megelompok da memlk kesamaa karakterstk pada lokas yag berdekata. Varabel Wx. 1-1 -1 8 1 16 9 3 6 3 1 6 1 19 3 18 1 4 4 4 8 1 1 6 13 14 1 x. Gambar. 3. Mora s Scatterplot Varabel Persetase Persala Dbatu Oleh Duku. Pada kuadra III, kabupate/kota yag memlk persetase persala dbatu oleh duku redah dkellg oleh persetase persala dbatu oleh duku yag redah pula. Kabupate/kota yag tergolog dalam kuadra III melput sebaga besar kabupate/kota d Jawa Tmur yatu sebayak 6 kabupate/kota. Kabupate/kota yag tergolog dalam kuadra I mecakup semua kabupate d Pulau Madura (Kab. Bagkala, Kab. Sampag, Kab. Pamekasa, da Kab. Sumeep), Kab. Bayuwag, Kab. Stubodo, Kab. Probolggo, Kab. Bodowoso, da Kab. Jember. D. Pemodela dega Metode Regres Klask atau OLS Tabel. meuukka bahwa varabel-varabel yag sgfka berpegaruh terhadap kemata bu adalah persetase persala dbatu oleh duku tap kabupate/kota ( ), 9 11 3 9

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-169 persetase rumah tagga berperlaku hdup bersh sehat ( ), da persetase saraa kesehata ( ). Tabel. Estmas Parameter utuk Tga Varabel yag Sgfka dega Metode OLS Parameter Estmas t htug VIF β.3 4.9* β 1.11 3.* 1.3 β.14.4* 1. β -316.4-4.93* 1. R-square.8 % F htug 1.49* Ket: *) sgfka pada α = % t,;34 =.3 F.;3;34 =.88 R-square yag dhaslka sebesar.8% meuukka besarya varas keada kemata bu yag dapat delaska oleh model. U asums multkoleartas telah terpeuh, yag dtuukka oleh la Varace Iflato Factors (VIF) < 1 (Tabel ). Model yag terbetuk dega metode OLS adalah:.3 1.11.14 316. 4 Pada u asums resdual ddapatka bahwa resdual telah berdstrbus ormal, tdak detk, da tdak depede. Nla mora s I resdual meghaslka la yag lebh kecl dar I M = -.. Hal meuukka bahwa resdual berpola meyebar atau tdak terdapat autokorelas. U heterogetas spasal dega BP test meghaslka p-value yag kurag dar α=1% sehgga resdual tdak detk atau terdapat keragama atarlokas. Metode OLS memlk kera yag kurag bak karea asums resdualya tdak depede da tdak detk. Hal megakbatka adaya autokorelas pada resdual da varasya tdak homoge. Oleh karea tu, perlu dlakuka pemodela dega megguaka metode spasal. E. Pemodela dega Metode SDM Idetfkas awal sebelum melakuka metode spasal yatu dega LM Test sepert pada Tabel 3. Tabel 3. Nla LM Test da P-Value Hasl Idetfkas Awal Depedes Spasal U depedes spasal Nla p-value LM (lag) 3.981.461* LM (error) 1.3.688 LM (SARMA) 4.91.911 Ket: *) sgfka pada α = % P-value pada LM test lag sebesar,461 sehgga H dtolak pada taraf sgfkas α = % (Tabel 3). Hal meuukka adaya depedes spasal lag, sehgga aalss perlu dlautka dega metode SAR, sepert pada Tabel 4. Model dar metode SAR yag terbetuk adalah:.31 1 w y 3.3 1..13 38.9 Varabel persetase persala dbatu oleh duku tap kabupate/kota ( ), persetase rumah tagga berperlaku hdup bersh sehat ( ), da persetase saraa kesehata ( ) berpegaruh sgfka terhadap kemata bu. Nla ρ yag sgfka meuukka adaya depedes spasal lag pada varabel umlah kemata bu. Nla R-square yag dhaslka oleh metode SAR sebesar 6.93%, meelaska besarya varas dar kemata bu yag dapat delaska oleh model. Hasl detfkas dega la Mora s I utuk setap varabel meuukka bahwa depedes atarlokas yag berdekata tdak haya terad pada varabel respo, amu uga terad pada varabel predktor (Tabel 1). Oleh karea tu, dlakuka aalss dega megguaka metode SDM. Estmas parameter dega metode SDM dsaka pada Tabel. Tabel 4. Estmas Parameter dega Metode SAR Parameter Estmas Z htug β 3.336.319* β 1. 3.93* β.13.134* β -38.93 -.689* ρ -.3134 -.61* R square 6.93% Ket: *) sgfka pada α = % Tabel. Estmas Parameter dega Metode SDM Parameter Estmas Wald β 1.819.6 β 1 1.398 11.9* β 1.14 4.43* β 1-96.6636.386* β.386.341 β.11.99 β 198.84 1.333 ρ -.3448 1.88*** R square 6.6% Ket: *) sgfka pada α = %, χ,;1 = 3.841 **) sgfka pada α = 1%, χ,1;1 =.6 ***) sgfka pada α = %, χ,;1 = 1.64 Model dar metode SDM yag terbetuk adalah:.34 w y 1.8 1.33.14 96.66 1 w.11 w 198.8 w 1 1 1.39 Nla ρ yag sgfka yatu sebesar -.34, meuukka adaya depedes spasal lag atau adaya pegaruh letak kabupate/kota yag berdekata dega yag damat pada varabel umlah kemata bu, da meuukka adaya pegaruh letak kabupate/kota yag berdekata () dega kabupate/kota yag damat () terhadap kemata bu. Koefse parameter β sebesar.39, β sebesar.11, da β sebesar 198.8 yag dperoleh dega metode SDM meuukka koefse depedes spasal lag atau besarya pegaruh kedekata daerah pada varabel persetase persala dbatu oleh duku ( ), persetase rumah tagga berperlaku hdup bersh sehat ( ), da persetase saraa kesehata ( ). Lag varabel predktor yag sgfka adalah varabelvarabel predktor dega pembobot yag berpegaruh sgfka. Namu, Tabel. meelaska bahwa tdak terdapat varabel predktor yag berpegaruh sgfka dega adaya pembobot. Varabel yag berpegaruh sgfka ketka tapa pembobot pada α = % d ataraya persetase persala dbatu oleh duku tap kabupate/kota ( ), persetase rumah tagga berperlaku hdup bersh sehat ( ), da persetase saraa kesehata ( ). R-square yag dhaslka oleh metode SDM sebesar 6.%. Koefse parameter pada varabel persetase persala dbatu oleh duku ( ) berla postf. Hal meuukka bahwa kabupate/kota yag bersebelaha dega kabupate/

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-1 kota la yag memlk persetase tgg aka cederug memlk umlah kemata bu yag tgg pula da begtu pula sebalkya. Kabupate/kota yag bersebelaha dega kabupate/kota la yag memlk persetase redah aka cederug memlk umlah kemata bu yag redah pula. Hubuga sesua dega Mora s scatterplot pada Gambar 3. d maa telah terad pegelompoka pada kuadra I da III. V. KESIMPULAN DAN SARAN Hasl detfkas la Mora s I meuukka adaya depedes spasal atarlokas yag berdekata pada varabel respo maupu varabel predkor. Namu, keclya la Mora s I meyebabka hasl estmas parameterya mead tdak yata sehgga estmas parameter dega metode SDM tdak meghaslka lag varabel predktor yag sgfka. Model dega metode SAR yag terbetuk adalah:.31 1 w y 3.3 1..13 38.9 V arabel yag sgfka berpegaruh terhadap kemata bu dega metode SAR adalah persetase persala dbatu oleh duku, persetase rumah tagga berperlaku hdup bersh sehat, da persetase saraa kesehata d tap kabupate/kota d Jawa Tmur. Nla ρ sebesar -.31 meuukka adaya depedes spasal lag pada varabel kemata bu. R-square yag dhaslka sebesar 6.93%. Semetara model dega metode SDM yag terbetuk adalah:.34w y 1.8 1.33.14 96.66 1 w.11 w 198.8 w 1 1 1.39 Varabel yag sgfka dega metode SDM sama dega varabel yag sgfka dega metode SAR. Hal berbeda yag dapat delaska oleh model SDM yatu adaya pegaruh letak kabupate/kota yag berdekata () dega kabupate/ kota yag damat () terhadap kemata bu pada varabel persetase persala dbatu oleh duku, persetase rumah tagga berperlaku hdup bersh sehat, da persetase saraa kesehata. R-square yag dhaslka sebesar 6.6%. Model dega metode SAR meghaslka la R-square yag lebh besar darpada model dega metode SDM, sehgga dapat dsmpulka bahwa model terbak yag dperoleh adalah model dega metode SAR. Agar estmas parameterya memberka la yag yata, maka aalss dega megguaka metode SDM dapat dlakuka ka mora s I berla besar yatu lebh dar.. [] Opk. (). D Jawa Tmur Agka Kemata Ibu da Bay Mash Tgg. Avalable: http://www.pdperuaga-atm.org/v3/dex.php? mod=berta &d=386 [6] Purama, Erk. (11). Megkat, Agka Kemata Ibu Haml d Jawa Tmur. Avalable: http://www.republka.co.d/berta/regoal/usatara/ 11/3/4/ l-megkat-agka-kemata-bu-haml-d-awa-tmur [] Darah, Pedekata Ukura R Devas Pada Model Regres Posso, Surabaya: Program Pasca Saraa, Isttut Tekolog Sepuluh Nopember, (9). [8] Novta, Lal, Pemodela Materal Mortalty D Jawa Tmur Dega Pedekata Geographcally Weghted Posso Regresso (GWPR), Tugas Akhr Statstka-FMIPA, Surabaya: Isttut Tekolog Sepuluh Nopember, (1). [9] Bekt, R. D., Spatal Durb Model (SDM) utuk Megdetfkas Faktor-Faktor yag Berpegaruh terhadap Keada Dare d Kabupate Tuba, Tess Statstka-FMIPA, Surabaya: Isttut Tekolog Sepuluh Nopember, (11). [1] Adte, N. B., Spatal Durb Model utuk Megdetfkas Faktor- Faktor yag Mempegaruh Agka Kemata Bay d Jawa Tmur, Tugas Akhr Statstka-FMIPA, Surabaya: Isttut Tekolog Sepuluh Nopember, (11). [11] Draper, N.R. da Smth, H., Aalss Regres Terapa Eds Kedua, Jakarta: PT Grameda Pustaka Utama, (199). [1] LeSage, J.P., The Theory ad Practce of Spatal Ecoometrcs, Departmet of Ecoomcs Uversty of Toledo, (1999). [13] Asel, L., Spatal Ecoometrcs: Methods ad Models, Kluwer Academc Publshers, Netherlads, (1988). [14] Lee, J da Wog, D. W. S., Statstcal Aalyss wth Arcvew GIS, Joh Wlley ad Sos, New York, (1). [1] Amalaftr, Adh. (1). Waspada Agka Kemata Ibu d Idoesa. Avalable: http://lfestyle.okezoe.com/read/1/3/// 316119/ search.html [16] Das Kesehata Provs Jawa Tmur, Profl Kesehata Provs Jawa Tmur, Surabaya : Dkes Jatm, (1). DAFTAR PUSTAKA [1] Dwata, Idra. (9). Kemata-materal. Avalable: http://hmapd. blogspot.com /9/3/kemata-materal.html [] Noo. (8). Seputar Masalah Kemata Materal. Avalable: http:// oeytamala- revolute.blogspot.com/8/1/kemata-materal. html [3] Adam, Rsk. (1). Target Turuka Agka Kemata Ibu Sult Tercapa. Avalable: http://kesehata.lputa6.com/read/334/target-turuka-agka -kemata-bu-sult-tercapa [4] Krsamurt, Dahla. (1). Tggya Kemata Ibu, Taggug Jawab Sapa?. Avalable: http://gayahdup.lah.com/read/detal/1898/tggya-ke-mata-bu-taggug-awab-sapa