Pemodelan Geographically Weighted Negative Binomial Regression (GWNBR) Untuk Faktor Yang Mempengaruhi Jumlah Kematian Bayi Di Propinsi NTT Tahun 2018

• Main Author: Monika Noshirma, '-
• Format: Theses and Dissertations NonPeerReviewed
• Language: Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian
• Published: 2020
• Subjects: RA407-409.5 Health status indicators. Medical statistics and surveys
• Online Access: http://repository.unair.ac.id/108509/1/1%20HALAMAN%20DEPAN%20.pdf; http://repository.unair.ac.id/108509/2/2%20%20ABSTRACT.pdf; http://repository.unair.ac.id/108509/3/3%20%20DAFTAR%20ISI.pdf; http://repository.unair.ac.id/108509/4/4%20BAB%201%20%20PENDAHULUAN.pdf; http://repository.unair.ac.id/108509/5/5%20BAB%202%20%20TINJAUAN%20PUSTAKA.pdf; http://repository.unair.ac.id/108509/6/6%20BAB%203%20%20KERANGKA%20KONSEPTUAL%20PENELITIAN.pdf; http://repository.unair.ac.id/108509/7/7%20BAB%204%20%20METODE%20PENELITIAN.pdf; http://repository.unair.ac.id/108509/8/8%20BAB%205%20%20HASIL%20DAN%20ANALISIS%20PENELITIAN.pdf; http://repository.unair.ac.id/108509/9/9%20BAB%206%20%20PEMBAHASAN.pdf; http://repository.unair.ac.id/108509/10/10%20BAB%207%20%20PENUTUP.pdf; http://repository.unair.ac.id/108509/11/11%20%20DAFTAR%20PUSTAKA.pdf; http://repository.unair.ac.id/108509/12/12%20LAMPIRAN%20.pdf; http://repository.unair.ac.id/108509/13/EMBARGO.pdf; http://repository.unair.ac.id/108509/14/KESEDIAAN%20PUBLIKASI.pdf; http://repository.unair.ac.id/108509/; http://lib.unair.ac.id
• Institution: Universitas Airlangga

Geographically Weighted Negative Binomial Regression (GWNBR) adalah model regresi yang memperhitungkan faktor spasial untuk data yang mengalami overdispersi. Jumlah kematian bayi di Propinsi NTT tahun 2017 adalah 163 kasus atau 2,7 Per 1000 KH. Tujuan yang ingin dicapai dalam penelitian ini adalah Pengujian dan penentuan model regresi spasial dengan pendekatan GWNBR pada jumlah kematian bayi di propinsi NTT tahun 2018. Variabel variabel respon (y) dalam penelitian ini adalah jumlah kematian bayi di Propinsi NTT tahun 2018) dan variabel prediktor (x) adalah cakupan K4 (X1), Persentase Persalinan oleh Nakes (X2), Persentase BBLR (X3), Persentase neonatal yang ditangani (X4), Persentase KN1 (X5), Persentase KN3 (X6), Persentase ibu hamil mendapatkan tablet Fe3 (X7), komplikasi kebidanan yang ditangani (X8), Rasio tenaga kesehatan di tiap kabupaten dan kota (X9), dan Rasio jumlah fasilitas kesehatan per 100.000 penduduk (X10). Jenis penelitian non reaktif atau unobtrusive, dengan unit analisis 22 Kabupaten/Kota di Provinsi Nusa Tenggara Timur. Pengolahan dan analisis data menggunakan software open source yaitu open office excel, program R dan quantum GIS. Hasil penelitian jumlah kematian bayi di Propinsi NTT tahun 2018 tertinggi di Kabupaten TTS dan yang paling sedikit berada di Kabupaten Malaka. Hasil pemodelan GWNBR dengan fungsi pembobot kernel adaptive bisquare menghasilkan variabel yang dominan signifikan memberi pengaruh terhadap jumlah kematian bayi di NTT adalah Persentase BBLR dan Komplikasi kebidanan yang ditangani. Peta tematik dari hasil pemodelan GWNBR menggambarkan pengelompokan sebanyak 6 kelompok. Kelompok pertama adalah Kota Kupang, Belu, Alor, Lembata, Flores Timur, dan Rote Ndao. Kelompok kedua adalah Kabupaten Kupang, TTS, TTU, dan Malaka. Kelompok ketiga adalah Sikka dan Sabu Raijua. Kelompok keempat adalah Kabupaten Ende dan Nagekeo. Kelompok kelima adalah Ngada, Manggarai Timur, Manggarai, Manggarai Barat. Kelompok keenam adalah Sumba Timur, Sumba Tengah, Sumba Barat, dan Sumba Barat Daya.