| dc.description.abstract | Berdasarkan hasil Survei Demografi dan Kesehatan Indonesia (SDKI
2012) Angka Kematian Balita (AKBa) di Jawa Barat sebesar 38 per 1000
kelahiran hidup lebih kecil dari AKBa Nasional sebesar 40 per 1000 kelahiran
hidup. Namun AKBa tersebut masih lebih besar dibandigkan dengan target MDGs
(Milenium Development Goals) yaitu sebesar 32 kematian pada tahun 2015.
Jumlah kematian balita diduga terkait dengan masalah ekonomi, sosial,
pendidikan, medis dan non medis. Tujuan di dalam penelitian ini yaitu akan
dilakukan pemilihan model terbaik untuk menentukan faktor-faktor yang
mempengaruhi jumlah kematian balita di Jawa Barat dengan menggunakan
metode yang memperhatikan sebaran data (parametrik) yaitu dengan
menggunakan Regresi Binomial Negatif dan dengan metode yang tidak
memperhatikan sebaran data (non parametrik) yaitu dengan menggunakan
pendekatan Quasi-Likelihood.
Data pada kasus jumlah kematian balita adalah data cacahan. Salah satu
pemodelan statistik yang biasa digunakan untuk kasus tersebut adalah regresi
Poisson. Karakteristik dari regresi Poisson adalah nilai rataan dan ragam dari
peubah respon sama (equidispersi). Akan tetapi dalam penggunaan data cacahan,
seringkali kondisi equidispersi tidak dipenuhi (terjadi kasus overdispersi). Metode
yang digunakan untuk menangani overdispersi pada penelitian ini adalah dengan
metode regresi Binomial Negatif dan pendekatan Quasi-Likelihood.
Data yang digunakan dalam penelitian ini adalah data yang berasal dari
data Potensi Desa (PODES) 2011, data hasil Survei Sosial dan Ekonomi Nasional
(SUSENAS) 2011 dan data Publikasi BPS Jawa Barat (Jawa Barat dalam Angka
2012). Objek yang digunakan dalam penelitian ini adalah sebanyak 26
kabupaten/kota di Jawa Barat. Jumlah kematian balita berdasarkan kabupaten/kota
di Jawa Barat merupakan peubah respon. Sedangkan peubah-peubah penjelas
yang digunakan sebanyak 23 peubah, yang dibagi menjadi 5 aspek yaitu aspek
perekonomian, sosial, pendidikan, medis dan non medis. Berdasarkan analisis
regresi Poisson terdapat masalah overdispersi, sehingga dapat ditangani dengan
metode regresi Binomial Negatif dan pendekatan Quasi-Likelihood. Pendekatan
Quasi-Likelihood merupakan metode yang terbaik dibandingkan metode regresi
Binomial Negatif dalam mengatasi masalah overdispersi. Hal itu dikarenakan
pada Quasi-Likelihood mempunyai nilai Pearson Khi-Kuadrat yang paling
mendekati satu.
Nilai AIC terkecil adalah model pada pendekatan Quasi-Likelhood dengan
peubah penjelas yang dimasukkan ke dalam model yaitu peubah persentase
penduduk miskin (PPM), persentase balita terlantar (PBT), angka melek huruf
(AMH), persentase kepala rumah tangga dengan ijasah SD (PKRTSD), persentase
kepala rumah tangga dengan ijasah SLTP (PKRTSLTP), persentase balita dengan
gizi buruk (PBGB), persentase ibu hamil yang tidak mengkonsumsi zat besi
(TIDAK_FE3), persentase rumah tangga dengan kualitas air tidak bersih
(PRTKATB), penolong terakhir kelahiran balita oleh tenaga non medis
(PTKBNM), rasio puskesmas per 100.000 penduduk (RPUS). dengan nilai AIC
40,90. Jika dilihat dari nilai Pearson Khi-Kuadrat/db, maka model tersebut masih
cocok karena nilai Pearson Khi-Kuadrat /db adalah 1,22 ≈ 1 yang
mengindikasikan tidak terdapat masalah overdispersi.
Faktor-faktor yang mempungaruhi jumlah kematian balita di Jawa Barat
berdasarkan model pendekatan Quasi-Likelihood pada taraf alfa 5% adalah aspek
sosial yaitu persentase balita terlantar (PBT), aspek pendidikan yaitu angka melek
huruf (AMH); persentase kepala rumah tangga dengan ijasah SD (PKRTSD) dan
persentase kepala rumah tangga dengan ijasah SLTP (PKRTSLTP), aspek medis
yaitu persentase balita dengan gizi buruk (PBGB) dan persentase ibu hamil yang
tidak mengkonsumsi zat besi (TIDAK_FE3), aspek non medis yaitu persentase
rumah tangga dengan kualitas air tidak bersih (PRTKATB); penolong terakhir
kelahiran balita oleh tenaga nonmedis (PTKBNM) dan rasio puskesmas per
100.000 penduduk (RPUS). | id |
