PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DI PROVINSI BALI.
Teks penuh
Gambar
Dokumen terkait
Hasil dari penelitian ini yaitu pada model bivariat poisson untuk variabel jumlah kematian ibu variabel prediktor yang signifikan mempengaruhi adalah hanya persentase
Berdasarkan data ter- sebut perlu dilakukan upaya untuk mengurangi angka buta huruf di Provinsi Sumatera Barat yaitu dengan mengetahui faktor-faktor yang mempengaruhinya sehingga
Variabel penelitian adalah Y (Jumlah kematian ibu), X1 (persentase ibu hamil dengan K1), X2 (Persentase persalinan ditolong tenaga kesehatan), X3 (Persentase ibu
Berdasarkan fakta dan penelitian terdahulu, diketahui bahwa Angka Harapan Hidup (AHH) dipengaruhi oleh faktor yang bervariasi disetiap daerah, sehingga digunakan pemodelan
Perbandingan nilai AIC pada pemodelan GWPR lebih kecil dari nilai AIC pada model regresi Poisson sehingga dapat disimpulkan bahwa model GWPR lebih baik digunakan
Hasil dari penelitian ini yaitu pada model bivariat poisson untuk variabel jumlah kematian ibu variabel prediktor yang signifikan mempengaruhi adalah hanya persentase
Salah satu contoh kondisinya ketika data variabel respon yang dijumpai adalah data cacah seperti jumlah kematian bayi dengan sebaran Poisson maka regresi Poisson menjadi
Batasan masalah dalam penelitian ini dibatasi hanya pada Angka Harapan Hidup pada tahun 2015 di Papua, definisi Bayi yang digunakan adalah anak berusia 0-11
