Pemodelan Jumlah Kematian Ibu di Provinsi Sumatera Utara Menggunakan Pendekatan Regresi Binomial Negatif
DOI:
https://doi.org/10.59632/leibniz.v5i02.652Keywords:
Angka Kematian Ibu, Regresi Poisson, Overdispersi, Regresi Binomial NegatifAbstract
Angka Kematian Ibu (AKI) merupakan indikator penting untuk mengukur kesehatan suatu negara serta mencerminkan tingkat keberhasilan program kesehatan ibu. Provinsi Sumatera Utara merupakan provinsi yang belum mencapai target RENSTRA pada tahun 2023 dengan AKI yang tinggi. Oleh karena itu, penanganan yang tepat terhadap faktor-faktor yang mempengaruhi penurunan AKI diperlukan. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi jumlah kematian ibu di Provinsi Sumatera Utara. Data yang digunakan adalah data jumlah kematian ibu di Provinsi Sumatera Utara pada tahun 2023. Hasil analisis menggunakan Regresi Poisson menunjukkan karakteristik overdispersi. Oleh karena itu, pemodelan kematian ibu dilakukan menggunakan Regresi Binomial Negatif. Nilai AIC yang diperoleh untuk model Regresi Binomial Negatif , sebesar 186,99. Hasil ini menunjukkan bahwa variabel yang signifikan mempengaruhi jumlah kematian ibu adalah persentase persalinan di fasilitas kesehatan. Hal ini menunjukkan pentingnya persalinan yang dibantu oleh tenaga kesehatan sebagai strategi utama dalam menurunkan angka kematian ibu di Provinsi Sumatera Utara.
Downloads
References
Afdhal, A. R., Fadhilah Fitri, Dodi Vionanda, & Dony Permana. (2024). Comparison of Modeling Infant Mortality Rate in West Sumatra and West Java Province in 2021 Using Negative Binomial Regression. UNP Journal of Statistics and Data Science, 2(2), 137–144. https://doi.org/10.24036/ujsds/vol2-iss2/156
Agresti, A. (2013). Categorical Data Analysis (Third Edit). New York: John Wiley and Sons.
Aipassa, A. D., Wattimena, A. Z., & Haumahu, G. (2023). Analisis Faktor-Faktor yang Mempengaruhi Jumlah Penyakit Kusta di Provinsi Maluku dengan Menggunakan Regresi Binomial Negatif. PARAMETER: Jurnal Matematika, Statistika Dan Terapannya, 2(02), 87–100. https://doi.org/10.30598/parameterv2i02pp87-100
Arkandi, I., & Winahju, W. S. (2015). Analisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson Bivariat di Provinsi Jawa Timur Tahun 2013. Jurnal Sains Dan Seni ITS, 4(2). https://doi.org/10.12962/j23373520.v4i2.9936
Central Intelligence Agency. (2020). Maternal Mortality Ratio-Country Comparison. https://www.cia.gov/the-world-factbook/field/maternal-mortality-ratio/country-comparison/
Dinas Kesehatan Provinsi Sumatera Utara. (2023). Profil Kesehatan Provinsi Sumatera Utara. Provinsi Sumatera Utara: Dinas Kesehatan Provinsi Sumatera Utara.
Dinas Kesehatan Provinsi Sumatera Utara. (2024). Rencana Kerja Dinas Kesehatan Provinsi Sumatera Utara Tahun 2025. Medan: Dinas Kesehatan Provinsi Sumatera Utara.
Fadri, F., Firmansyah, A., & Erlanda, V. A. (2025). Negative Binomial Regression Modeling to Analyze the Determinants of Infant Mortality in West Java Province. Berkala Sainstek, 13(1), 8–14. https://doi.org/10.19184/bst.v13i1.53686
Fathurahman, M. (2022). Regresi Binomial Negatif untuk Memodelkan Kematian Bayi di Kalimantan Timur. Eksponensial, 13(1), 79–86. https://doi.org/10.30872/eksponensial.v13i1.888
Fitrial, N. H., & Fatikhurrizqi, A. (2021). Pemodelan Jumlah Kasus Covid-19 di Indonesia dengan Pendekatan Regresi Poisson dan Regresi Binomial Negatif. Seminar Nasional Official Statistics, 2020(1), 65–72. https://doi.org/10.34123/semnasoffstat.v2020i1.465
Hida, A. A., Robby, R. R., Akbarita, R., Nur, M., Qomarudin, H., Nahdlatul, U., & Blitar, U. (2022). Penanganan Overdispersi pada Faktor-Faktor yang Mempengaruhi Stunting di Kabupaten Blitar Menggunakan Regresi Binomial Negatif. Prosiding SENKIM: Seminar Nasional Karya Ilmiah Multidisiplin, 2(1), 87–94. https://journal.unilak.ac.id/index.php/senkim/article/view/11311
Hilbe, J. M. (2011). Negative Binomial Regression (Second Edi). New York: Cambridge University Press.
Islami, Y. N., Ispriyanti, D., & Kartikasari, P. (2021). Perbandingan Model Regresi Binomial Negatif Bivariat dengan Model Geographically Weighted Negative Binomial Bivariat Regression (GWNBBR) pada Kasus Angka Kematian Bayi dan Kematian Ibu di Jawa Tengah. Jurnal Gaussian, 10(4), 488–498. https://doi.org/10.14710/j.gauss.v10i4.33096
Kementerian Kesehatan Republik Indonesia. (2024). Profil Kesehatan Indonesia Tahun 2023. Jakarta: Kementerian Kesehatan RI.
Majore, M. M., Salaki, D. T., & Prang, J. D. (2021). Penerapan Regresi Binomial Negatif dalam Mengatasi Overdispersi Regresi Poisson pada Kasus Jumlah Kematian Ibu. D’Cartesian : Jurnal Matematika Dan Aplikasi, 9(2), 133–139. https://doi.org/10.35799/dc.9.2.2020.29150
Nursantika, M., Faridhan, Y. E., & Kamila, I. (2023). Analisis Pengaruh Faktor Risiko Penyakit Pneumonia terhadap Angka Mortalitas Bayi dan Balita Menggunakan Regresi Poisson dan Regresi Binomial Negatif (Studi Kasus : Provinsi Jawa Barat). Interval : Jurnal Ilmiah Matematika, 3(2), 102–111. https://doi.org/10.33751/interval.v3i2.9093
P. McCullagh, J. A. N. F. (1989). Generalized Linear Models (Second Edi). New York: Chapman and Hall.
Putri, M. P., & Purhadi, P. (2017). Analisis Faktor-Faktor yang Berpengaruh terhadap Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa Tengah dengan Bivariate Generalized Poisson Regression. Jurnal Sains Dan Seni ITS, 6(1). https://doi.org/10.12962/j23373520.v6i1.22467
Salby, S. N. H., & Purhadi. (2020). Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kematian Ibu Hamil di 4 Kabupaten/Kota Provinsi Jawa Timur Menggunakan Regresi Zero-Inflated Generalized Poisson (ZIGP). Jurnal Sains Dan Seni ITS, 9(2). https://doi.org/10.12962/j23373520.v9i2.58683
Saraswati, N. P., Widodo, D. A., & Fithriasari, K. (2016). Pemodelan Faktor - Faktor yang Memengaruhi Kematian Ibu di Kota Surabaya Berdasarkan Antenatal Care Menggunakan Regresi Binomial. Jurnal Sains Dan Seni ITS, 5(2). https://doi.org/10.12962/j23373520.v5i2.16577
Sauddin, A., Auliah, N. I., & Alwi, W. (2020). Pemodelan Jumlah Kematian Ibu di Provinsi Sulawesi Selatan Menggunakan Regresi Binomial Negatif. Jurnal Matematika Dan Statistika Serta Aplikasinya, 8(2).
Syafiqoh, A. J., Mahardika, R., Amaria, S., Winaryati, E., & Al Haris, M. (2024). Pemodelan Regresi Binomial Negatif untuk Mengevaluasi Faktor-Faktor yang Mempengaruhi Kasus Tuberkulosis di Provinsi Jawa Barat. Jurnal Matematika Dan Statistika Serta Aplikasinya, 12(1), 15–23. https://doi.org/10.24252/msa.v12i1.39450
Winata, H. M. (2023). Mengatasi Overdispersi dengan Regresi Binomial Negatif pada Angka Kematian Ibu di Kota Bandung. Jurnal Gaussian, 11(4), 616–622. https://doi.org/10.14710/j.gauss.11.4.616-622
World Health Organization. (2023). Trends in Maternal Mortality 2000 to 2020: Estimates by WHO, UNICEF, UNFPA, World Bank Group and UNDESA/Population Division. Geneva : World Health Organization. https://www.who.int/publications/i/item/9789240068759
Yunardi, D. A., Maiyastri, & Yozza, H. (2021). Pemodelan Penderita Stroke dan Diabetes Melitus di Kota Padang dengan Model Regresi Logistik Biner Bivariat. Jurnal Matematika UNAND, 9(4), 270–277. https://doi.org/10.25077/jmu.9.4.270-277.2020
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Sarah Habibah, Syafriandi
This work is licensed under a Creative Commons Attribution 4.0 International License.
