Seminar
Tugas
Akhir
Pemodelan Jumlah Kematian Bayi di Propinsi Jawa Timur
d
d k
dengan Pendekatan
Geographically
Weighted
Poisson
Regression Semi
‐
Parametric
(GWPRS)
Oleh :
Dessy Puspa Rani
(GWPRS)
Dessy Puspa Rani 1306. 100. 034
Dosen Pembimbing : Dr. Purhadi, M.Sc
PENDAHULUAN
AKB di AKB k b AKB di Indonesia masih tinggi merupakan indikator yang penting Lambannya Penurunan AKB Upaya Menurunkan FAKTA1990 : 70 PENELITIAN TERDAHULU : • Ardiyanti (2010), % persalinan dil k k d b t Menurunkan AKB dengan Mengetahui Faktor‐ 1990 : 70 1995 : 66 1997 : 50 2003 : 35 yang dilakukan dengan bantuannon medis.
• Listiani (2010), % rata‐rata
pengeluaran rumah tangga faktornya 2003 : 35
2004 ‐ 2007 : 34 pengeluaran rumah tangga
(dalam rupiah) perbulan.
Pemodelan dengan Pemodelan
GWPR
Pemodelan dengan memperhitungkan faktor
PENDAHULUAN
Per m san Masalah
Bagaimana model terbaik untuk data jumlah kematian
Perumusan Masalah
Bagaimana model terbaik untuk data jumlah kematian
bayi (Infant Mortality Rate) di Propinsi Jawa Timur
serta faktor yang berpengaruh secara signifikan.
Tujuan Penelitian
Mendapatkan Model terbaik dan faktor yang
j
berpengaruh terhadap data jumlah kematian bayi
PENDAHULUAN
Manfaat Penelitian
Mendapatkan faktor yang berpengaruh secara signifikan terhadap jumlah
Manfaat Penelitian
kematian bayi yang masih cukup tinggi serta dapat meningkatkan
pemahaman mengenai studi ekologi secara spasial dalam menangani masalah tingginya jumlah kematian bayi.
tingginya jumlah kematian bayi.
Batasan Masalah
Penelitian ini menggunakan Metode GWPRS dengan pembobot yang
TINJAUAN
PUSTAKA
Uji
Kolinieritas
Pendeteksian adanya kasus kolinieritas dapat dilihat sebagai berikut (Hocking, 1996).
1. VIF (Variance Inflation Factors) > 10.
Variance Inflation Factors (VIF) dinyatakan dalam :
(1)
2. Nilai koefisien korelasi Pearson antar variabel‐variabel prediktor.
3 Nilai eigen pada matriks korelasi
TINJAUAN
PUSTAKA
Regresi
Poisson
Suatu bentuk model standar yang digunakan untuk menganalisis data
diskrit (count data) dan termasuk dalam model regresi nonlinear (Cameron
& Trivedi 1998) Probabilitas distribusi Poisson dituliskan sebagai berikut & Trivedi, 1998). Probabilitas distribusi Poisson dituliskan sebagai berikut (Myers, 1990). (2) ...) , 2 , 1 , 0 ( ! ) ; ( = = − y y e y p y μ μ μ (2)
Dimana μ adalah mean dari distribusi Poisson. Maka model regresi Poisson
dinyatakan sebagai berikut (Myers, 1990).
(3)
( )
! y (3) Dengan :( )
i i Poisson y ~ μTINJAUAN
PUSTAKA
Estimasi Parameter Model Regresi Poisson
Estimasi Parameter Model Regresi Poisson
Metode Maximum Likelihood Estimation (MLE).
Pengujian Parameter Model Regresi Poisson
Pengujian parameter model regresi Poisson secara serentak dengan
menggunakan metode Maximum Likelihood Ratio Test (MLRT), dinotasikan
dengan : L(ωˆ )
Λ
de ga :
(4) Distribusi Poisson termasuk ke dalam keluarga distribusi eksponensial, sehingga persamaan (4) dapat dinyatakan sebagai berikut
( ) ˆ ( ) L Λ = Ω
sehingga persamaan (4) dapat dinyatakan sebagai berikut. ˆ ( ) ˆ ( ) 2 ln 2 ln ˆ ( ) L D L ω ⎛ ⎞ = − Λ = − ⎜ ⎟ Ω ⎝ ⎠
β
D
( )
β
ˆ
merupakan devians model regresi Poisson2 ) 1 ; (
)
ˆ
(
>
n −k −D
β
χ
αTINJAUAN
PUSTAKA
(
)
D
(
βˆ βˆ βˆj i βˆj βˆk)
adalah devians yang dihitung tanpa melibatkanDβ1,β2,K,β −,β +1,Kβ adalah devians yang dihitung tanpa melibatkan
ke dalam model
ˆ ( )
L ω
Λ
Pengujian parameter model regresi Poisson secara parsial adalah sebagai
berikut. ( ) ˆ ( ) L Λ = Ω
Keputusan : Tolak H apabila D(β |βˆ βˆ βˆ βˆ βˆ ) > χ 2
ˆ
( )
D
β
merupakan devians model regresi PoissonKeputusan : Tolak H0 apabila
Hal ini berarti variabel ke‐j berpengauh secara signifikan terhadap
variabel respon pada model (Kleinbaum, 1988).
) ,..., , ,..., , | ( j 1 2 j 1 j 1 k D β β β β − β + β > χ (α ;1)
TINJAUAN
PUSTAKA
Geographically
Weighted
Regression
(GWR)
Model GWR dapat dituliskan sebagai berikut (Fotheringham & Brudson, 2002).
p i = 1, 2, 3, ..., n (5) dengan :
(
,)
(
,)
; 1 0 i i ik i p k k i i i u v u v x y = β +∑
β +ε = dengan :: nilai observasi variabel respon ke‐i (i=1,2, ..., n)
: nilai observasi variabel prediktor k pada pengamatan ke‐i
k fi i i
: koefisien regresi
: menyatakan titik koordinat (lintang, bujur) lokasi i
TINJAUAN
PUSTAKA
WLS
Estimasi
Parameter
Model
GWR
Penaksir parameter model GWR
WLS
(
ui,vi)
=(
X TW(
ui,vi)
X)
−1XTW(
ui,vi)
yβ
)
Pengujian
Hipotesis
(
ui,vi)
(
X W(
ui,vi)
X)
X W(
ui,vi)
yβ
Uji Kesesuaian Model GWR
(
)
GWR) dan OLS model antara signifikan yang perbedaan ada (tidak ,..., 2 , 1 , , : 0 u v k p H βk i i = βk = ) v (u lokasi dengan n berhubunga yang ) v (u satu ada sedikit Paling : k i i i i 1 β H j GWR) dan OLS model antara signifikan yang perbedaan (ada ) v , (u lokasi dengan n berhubunga yang ) v , (u satu ada sedikit Paling : k i i i i 1 β H Statistik uji :( )
[
2 2]
( )
[
]
( )
/ 1 / / 12 22 1 * − − = k n H SSE H SSETINJAUAN
PUSTAKA
WLS
Estimasi
Parameter
Model
GWR
Penaksir parameter model GWR
WLS
(
ui,vi)
=(
X TW(
ui,vi)
X)
−1XTW(
ui,vi)
yβ
)
Pengujian
Hipotesis
(
ui,vi)
(
X W(
ui,vi)
X)
X W(
ui,vi)
yβ
Uji P t M d l GWR(
,)
0 : 0 k ui vi = H β(
u v)
k p H1 :βk i, i ≠ 0; =1,2,...,Uji Parameter Model GWR
K t T l k H bil
(
i i)
k u v T β , ˆ >t T Statistik uji :Keputusan : Tolak H0 apabila
(
)
kk i i k g T σ β ˆ , = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ − − > 1 ; 2 n p Hit t T αTINJAUAN
PUSTAKA
Geographically
Weighted
Regression
Poisson
(GWPR)
Model GWPR pada persamaan (3) dapat ditulis sebagai berikut (Nakaya et al., 2005) 2005). (6)
(
)
⎟ ⎠ ⎞ ⎜ ⎝ ⎛ =∑
k k i i ik i expβ
u ,v xμ
Dimana : ⎠ ⎝TINJAUAN
PUSTAKA
Estimasi
Parameter
Model
GWPR
Penaksir
parameter
model
GWPR
MLE
Pengujian
Hipotesis
(tidak ada perbedaan yang signifikan antara model regresi Poisson dan GWPR) Uji Kesesuaian Model GWPR (tidak ada perbedaan yang signifikan antara model regresi Poisson dan GWPR) Paling sedikit ada satu yang berhubungan dengan lokasi
TINJAUAN
PUSTAKA
P ji k i d l GWPR k b di il i
Pengujian kesesuaian model GWPR menggunakan perbandingan nilai
devians model regresi Poisson dan Model GWPR. Dimisalkan model regresi
Poisson dinyatakan dengan model A dengan derajat bebas dan model GWPR
dinyatakan dengan model B dengan derajat bebas . Maka :
TINJAUAN
PUSTAKA
P ji t d l GWPR i l
Pengujian parameter model GWPR secara parsial.
Uji Parameter Model GWPR
; k=1,2,…,p
Statistik uji :
TINJAUAN
PUSTAKA
B b t i l d t di k t l i b i b ik t
Pemilihan
Pembobot
Spasial
Bobot spasial yang dapat digunakan antara lain sebagai berikut.
1. Fungsi Gauss Kernel 3. Tricube
TINJAUAN
PUSTAKA
Pemilihan
Model
Terbaik
Metode yang digunakan untuk memilih bandwidth optimum Cross Validation
(CV) dan pemilihan model terbaik untuk Geographically Weighted Poisson
Regression Semi‐parametric adalah model dengan nilai AIC terkecil.
) ( 2 ) (G K G D AIC = + dengan :
D (G) = merupakan devians model dengan bandwidth (G).
TINJAUAN
PUSTAKA
Kematian
Bayi
Kematian bayi adalah kematian yang terjadi antara saat setelah bayi
lahir sampai bayi belum berusia tepat satu tahun
Beberapa faktor yang sangat mempengaruhi tinggi rendahnya kematian
bayi adalah sebagai berikut
lahir sampai bayi belum berusia tepat satu tahun.
Angka Kematian Bayi (AKB) adalah banyaknya kematian bayi berusia
dib h h 000 k l hi hid d h
bayi adalah sebagai berikut.
1. Faktor Individu, antara lain :
a. Tradisi persalinan dengan tenaga nonmedis
b B k it b h t di b h i 17 t h
dibawah satu tahun, per 1000 kelahiran hidup pada satu tahun
tertentu.
b. Banyaknya wanita yang berumah tangga di bawah usia 17 tahun
c. Kurangnya kesadaran akan pentingnya pemberian ASI ekslusif
d. Tingkat pendidikan wanita
Kematian bayi sangat dipengaruhi oleh kondisi kesehatan perumahan
dan keadaan sosial ekonomi orang tua (BPS, 2009).
2. Faktor rumah tangga antara lain pendapatan dan kekayaan.
3. Faktor masyarakat antara lain lingkungan dan sistem masyarakat
yaitu jumlah tenaga medis di suatu wilayah dan jumlah sarana
METODOLOGI
PENELITIAN
Sumber
Data
Hasil Survei SUSENAS 2007 BPS SUSENAS 2007 (AKB) Data Propinsi Jawa Timur 2007Pada penelitian ini yang dijadikan unit observasi adalah kabupaten/kota di Propinsi Jawa Timur yaitu 38 kabupaten/kota.
METODOLOGI
PENELITIAN
Variabel
Penelitian
No. Nama Variabel Tipe Variabel
Tabel 1. Variabel Penelitian
(1) (2) (3)
1 Y Jumlah kematian bayi pada tiap kabupaten/kota Diskrit
l h k h ( d k ) d i
2 X1 Jumlah sarana kesehatan (RS dan Puskesmas) pada tiap
kabupaten/kota Diskrit
3 X Jumlah tenaga medis (dokter dan bidan) pada tiap Di k i
3 X2 g ( ) p p
kabupaten/kota Diskrit
4 X Persentase persalinan yang dilakukan dengan bantuan Kontinu 4 X3
METODOLOGI
PENELITIAN
Tabel 1. Variabel Penelitian (lanjutan)
No. Nama Variabel Tipe Variabel
(1) (2) (3)
5 X4 Rata‐rata usia perkawinan pertama pada tiap
kabupaten/kota Kontinu
Rata rata lama sekolah wanita berstatus kawin pada 6 X5 Rata‐rata lama sekolah wanita berstatus kawin pada
tiap kabupaten/kota Kontinu
Rata‐rata jumlah pengeluaran rumah tangga (dalam 7 X6 Rata rata jumlah pengeluaran rumah tangga (dalam
rupiah) pada tiap kabupaten/kota Kontinu 8 X Persentase daerah yang berstatus desa pada tiap K ti 8 X7
METODOLOGI
PENELITIAN
Tabel 1. Variabel Penelitian (lanjutan)
No. Nama Variabel Tipe Variabel
(1) (2) (3)
9 X8 Rata‐rata lama pemberian ASI eksklusif pada tiap
kabupaten/kota Kontinu
Persentase rumah tangga yang memiliki air bersih pada 10 X9 Persentase rumah tangga yang memiliki air bersih pada
tiap kabupaten/kota Kontinu
11 X10 Persentase penduduk miskin pada tiap kabupaten/kota Kontinu 11 X10 Persentase penduduk miskin pada tiap kabupaten/kota Kontinu 12 U Letak astronomi (lintang/ longitude) tiap
kabupaten/kota Kontinu
METODOLOGI
PENELITIAN
Metode
Penelitian
Metode penelitian yang digunakan adalah sebagai berikut.
1. Mengkaji penaksir parameter dan pengujian hipotesis model GWPRS.
Langkah‐langkahnya :
Langkah langkahnya :
a. Penaksiran parameter model GWPRS
Membuat Fungsi likelihoodnya
Memaksimalkan
fungsi likelihood
IRLS
b. Mengkaji prosedur uji hipotesis model GWPRS
Pengujian kesesuaian model (goodness of fit).
likelihoodnya fungsi likelihood
Memformulasikan hypotesis null Menentukan parameter di bawah populasi Menentukan parameter di bawah H
MLRT
METODOLOGI
PENELITIAN
Metode
Penelitian
Pengujian parameter secara spasial
Memformulasikan Menggunakan sifat‐sifat
2. Menganalisis data Jumlah Kematian Bayi di Propinsi Jawa Timur. Langkah-langkahnya :
hipotesis null mengkonstruksi statistik uji T Langkah langkahnya :
Mendapatkan
Model Regresi Mendapatkan Model GWPR
Menganalisis Model GWPRS
Global Model GWPR Model GWPRS
Pemilihan Model Terbaik
ANALISIS
DAN
PEMBAHASAN
Geographically
Weighted
Regression
Poisson
Semi
‐
parametric
(GWPRS)
Model GWPR pada persamaan (3) dapat ditulis sebagai berikut (Nakaya et al., 2005)
(GWPRS)
2005).(6)
ANALISIS
DAN
PEMBAHASAN
Estimasi
Parameter
Model
GWPRS
Penaksir
parameter
model
GWPRS
MLE
Dimana
:
matriks prediktor parametrik yang tidak bergantung pada
lokasi, dinotasikan sebagai berikut
Matrik pembobot varians yang berhubungan dengan Fisher
Matrik pembobot varians yang berhubungan dengan Fisher
ANALISIS
DAN
PEMBAHASAN
ANALISIS
DAN
PEMBAHASAN
Pengujian
Hipotesis
Pengujian kesesuaian model (Goodness of fit) dilakukan dengan
Uji Kesesuaian Model GWPRS
Pengujian kesesuaian model (Goodness of fit) dilakukan dengan
menggunakan metode MLRT pada koefisien parameter secara serentak.
j
(tidak ada perbedaan yang signifikan antara model regresi Poisson
dan GWPRS)
Paling sedikit ada satu yang berhubungan dengan lokasi
(ada perbedaan yang signifikan antara model regresi poisson dan
) GWPRS)
ANALISIS
DAN
PEMBAHASAN
Pengujian parameter model GWPRS secara parsial.
Uji Parameter Model GWPRS
; k=1,2,…,p
statistik uji
2 ( 1)
hi
t
>
t
Keputusan : Tolak H0 apabila
t
hit>
t
α 2;n− +(p 1)Keputusan : Tolak H0 apabila
Selanjutnya, untuk mendapatkan model terbaik digunakan kriteria nilai AIC
terkecil. ) ( 2 ) (G K G D AIC = +
ANALISIS
DAN
PEMBAHASAN
Analisis
Jumlah
Kematian
Bayi
Jawa
Timur
St ti tik D k i i
Statistik
Deskripsi
Tabel 1. Statistik Deskripsi
Variabel Mean StDev Min Max
Y 21,03 19,1 0 60 X11 24,58, 12,3, 3 53 X2 63,21 37,1 12 230 X3 15,11 17,4 0 68 X4 19,631 1 18 22 X4 19,631 1 18 22 X5 6,756 1,8 2 10 X6 265744 67469 191840 456992 X77 55,25, 31,1, 0 92 X8 8,956 1,5 7 12 X 62,15 12,3 41 99
ANALISIS
DAN
PEMBAHASAN
Estimasi
Model
Regresi
Poisson
Parameter Estimasi Standar Error Z_hit
Tabel 2. Estimasi Parameter Model Regresi Poisson
2,9921 0,0375 79,7826* 0,5518 0,0924 5,9707* ‐0,6893 0,0992 ‐6,9459* ‐0,0417 0,0499 ‐0,8358 ‐0,0143 0,0765 ‐0,1871 0 2806 0 0423 6 6310* 0,2806 0,0423 6,6310 0,4501 0,0514 8,7420* 0,0417 0,0701 0,5953
Sehingga model Regresi Poisson yang dapat dibentuk adalah :
ANALISIS
DAN
PEMBAHASAN
Uji
Kesesuaian
Model
GWPR
Tabel 4. Uji Goodness of Fit Model GWPR
Model
Devians
df
Devians/df
F
hit
Model Poisson 567 405
30 00
18 913
1 0839
Model
Poisson 567,405
30,00
18,913
1,0839
ANALISIS
DAN
PEMBAHASAN
Uji
Parameter
Model
GWPR
Parameter Estimasi T_hit
Tabel 5. Pengujian Parameter Model GWPR di Kabupaten Pacitan
2,7429 48,9033* ‐0,0771 ‐0,6288 ‐0 045340,04534 ‐0 35540,3554 ‐0,4446 ‐5,0828* ‐0,4164 ‐4,5184* 0,3315 6,6913* 0,5475 7,6483* ‐0,0741, ‐0,8249,
ANALISIS
DAN
PEMBAHASAN
Uji
Kesesuaian
Model
GWPRS
Tabel 7. Uji Goodness of Fit Model GWPRS
Model
Devians
df
Devians/df
F
hit
Model Poisson
567 405
30
18 913
1 0839
Model
Poisson
567,405
30
18,913
1,0839
Model
GWPR
370,689 21,313
17,393
1,087
369 678
22 336
16 551
ANALISIS
DAN
PEMBAHASAN
Uji
Parameter
Model
GWPRS
Parameter Estimasi T hit
Tabel 5. Pengujian Parameter Model GWPRS di Kabupaten Pacitan
Parameter Estimasi T_hit
2,5273 27,4013* ‐0,0344 ‐0,2684 0 09 0 39 ‐0,0941 ‐0,7739 ‐0,7224 ‐4,6703* ‐0,4370 ‐4,3606* V i b l 0,3032 6,000* 0,5273 7,6433* ‐0,0776 ‐0,8087 Variabel Parametrik , ,
ANALISIS
DAN
PEMBAHASAN
Tabel 8. Variabel yang Signifikan Dalam Model GWPRS Tiap Kabupaten/Kota di Propinsi Jawa Timur
Kabupaten/Kota
Variabel Non
Parametri Yang Variabel Parametrik Yang Signifikan
di Propinsi Jawa Timur
Signifikan Signifikan Pacitan, Trenggalek, Tulungagung,
Nganjuk, Madiun, Kota Madiun X3, X6, X9 X8 Ponorogo, Jombang, Magetan,
Ngawi X2, X3, X6, X9 X8
Blitar, Kediri, Kota Kediri X1, X2, X3, X6, X9 X8 M l Sid j M j k t T b
Malang, Sidoarjo, Mojokerto, Tuban, Lamongan, Gresik, Kota Blitar, Kota Probolinggo, Kota Pasuruan, Kota Mojokerto Kota Surabaya Kota Batu
X1, X2, X3, X9, X10 X8 Mojokerto, Kota Surabaya, Kota Batu
ANALISIS
DAN
PEMBAHASAN
Tabel 8. Variabel yang Signifikan Dalam Model GWPRS Tiap Kabupaten/Kota di Propinsi Jawa Timur (Lanjutan)
di Propinsi Jawa Timur (Lanjutan)
Kabupaten/Kota
Variabel Non
Parametri Yang Variabel Parametrik Yang
Si ifik p / g Signifikan Signifikan Banyuwangi, Bondowoso X1, X2, X6, X9 X8 Situbondo Probolinggo Situbondo, Probolinggo, Bangkalan, Sampang,
Pamekasan, Sumenep, Kota
Malang
X1, X2, X6, X9, X10 X8
Malang
Pasuruan X1, X2, X3, X6, X9, X10 X8
ANALISIS
DAN
PEMBAHASAN
Perbandingan
Model
Tabel
9.
Perbandingan
Kesesuaian
Model
Model
Devians
AIC
Model
Regresi
g
Poisson
567,404
,
583,404
,
Model
GWPR
370,689
399,457
KESIMPULAN
DAN
SARAN
Kesimpulan
Dari hasil analisis, didapatkan bahwa variabel yang paling berpengaruh secara signifikan pada kasus jumlah kematian bayi di diseluruh secara signifikan pada kasus jumlah kematian bayi di diseluruh kabupaten/kota Propinsi Jawa Timur tahun 2007 adalah variabel jumlah
sarana kesehatan (x1), jumlah tenaga medis (x2) dan persentase persalinan
yang dilakukan dengan bantuan non medis (x ) Model GWPRS
yang dilakukan dengan bantuan non medis (x3). Model GWPRS
menghasilkan variabel non parametrik dan variabel parametrik. Variabel
parametrik adalah variabel rata‐rata lama pemberian ASI eksklusif (x8)
sedangkan sisanya merupaka variabel non parametrik. Model yang lebih baik digunakan untuk menganalisa data jumlah kematian bayi di tiap Kabupaten/Kota di Propinsi Jawa Timur berdasarkan nilai AIC yang terkecil adalah model GWPRS.
KESIMPULAN
DAN
SARAN
Saran
Model
GWPRS yang
mampu
menerangkan
karakteristik
lokal
akan
di
k
i i
i
di d
i
l k
sangat
tepat
digunakan
saat
ini
mengingat
di
Indonesia
pelaksanaan
otonomi
daerah
telah
dilakukan.
Dalam
penelitian
lebih
lanjut
mengenai
g
jumlah
j
kematian
bayi
y
di
Propinsi
p
Jawa
Timur,
,
hendaknya
y
sampel
yang
digunakan
sampai
ke
level
yang
lebih
kecil,
misal
kecamatan
dan
kelurahan
sehingga
mampu
mempertajam
analisis
i l
D
i b l
i b l
di
k
h
d k
spasialnya.
Dan
variabel
‐
variabel
yang
digunakan
hendaknya
memasukkan
unsur
sosial
budaya
yang
bersifat
lokal,
sehingga
hasil
akhir
analisis
diharapkan
p
mampu
p
menerangkan
g
kondisi
lokal
di
DAFTAR
PUSTAKA
Badan Pusat Statistika. 2009. Angka Kematian Bayi, Data Statistik Indonesia. http://g y , p //‐ www.datastatistik‐indonesia.com. [2 Februari 2010].
Cameron, A.C, dan Trivedi, P.K. 1998. Regression Analysis of Count Data. Cambridge: CambCambridge University Press.
Hocking, R. 1996. Methods and Application of Linier Models. John Willey & Sons, New York.
Kleinbaum, D.G., Kupper, L.L., dan Muller, K.E. 1988. Applied Regression Analysis and
Other Multivariate Methods, second edition. Boston: PWS‐KENT Publishing
Company.
Myers, R.H. 1990. Classical and Modern Regression with Applications, second edition. B PWS KENT P bli hi C
Boston: PWS‐KENT Publishing Company.
Nakaya T, Fotheringham AS, dan Brudson C. Geographically Weighted Poisson Regression For Disease Association Mapping. Journal of Statistics in Medicine 2005 24 2695 2717