Pemodelan Bivariate Generalized Poisson Regression pada Kasus Angka Kematian di Provinsi Jawa Tengah

Abstract

Regresi Poisson merupakan metode regresi digunakan untuk memodelkan hubungan anatara variabel dependent
bertipe diskrit yang berupa data count. Data count variabel dependent sering mengalami masalah overdispersi
atau underdispersi, hal ini tidak sesuai dengan regresi Poisson yang mengasumsikan nilai rata-rata sama dengan
nilai varians (equidispersi). Salah satu model yang dapat menangani masalah tersebut adalah Bivariate
Generalized Poisson Regression yang menjelaskan hubungan antara dua variabel dependent yaitu angka
kematian ibu dan angka kematian bayi terhadap beberapa variabel independent. Data diduga mempunyai
keterkaitan satu sama lain, yaitu selama masa kehamilan janin akan bergantung pada asupan gizi yang diberikan
oleh ibu. Sehingga diperlukan penelitian untuk mengetahui faktor-faktor yang berpengaruh terhadap jumlah
kematian ibu dan kematian bayi di Provinsi Jawa Tengah tahun 2021. Penaksir parameter dilakukan dengan
metode Maximum Likelihood Estimation (MLE) dan pengujian hipotesis menggunakan metode Maximum
Likelihood Ratio Test (MLRT). Pemilihan model terbaik menggunakan nilai AIC terkecil. Hasil penelitian
menunjukkan nilai AIC yang diperoleh angka kematian ibu sebesar 300,825 dan faktor-faktor yang berpengaruh
adalah persentase persalinan oleh tenaga kesehatan. Sedangkan nilai AIC angka kematian bayi sebesar
391,3643 dan faktor-faktor yang berpengaruh secara signifikan adalah persentase perempuan nikah di bawah
usia 17 tahun.
Kata Kunci: AIC, Angka Kematian, Bivariate Generalized Poisson Regression, Overdispersi.