Pemodelan Regresi Binomial Negatif Pada Angka Kematian Bayi di Provinsi Sumatera Utara Tahun 2018

Abstract

Infant Mortality Rate (IMR) is the number of infant deaths under the age of one year, per 1000 live births in a given year. Many factors influence the infant mortality rate, among others: the percentage of deliveries by health workers (X1), the percentage of obstetric complications handled (X2), the percentage of pregnant women implementing the program K4 (X3), PDRB per capita (X4), number of medical personnel (doctors and midwives) (X5) and the percentage of poor population (X6). In this study examines the factors that influence infant mortality. The method used in negative poisson and binomial regression modeling. Significant variables of IMR modeling using Negative Binomial Regression include: the percentage of obstetric complications handled (X2), the percentage of pregnant women implementing the program K4 (X3) and the number of medical personnel (doctors and midwives) (X5). The best model is a negative binomial regression with an AIC value of 283.5.

Angka Kematian Bayi (AKB) adalah banyaknya kematian bayi berusia dibawah satu tahun, per 1000 kelahiran hidup pada satu tahun tertentu. Banyak faktor-faktor yang mempengaruhi angka kematian bayi antara lain: persentase persalinan oleh tenaga kesehatan (X1), persentase komplikasi kebidanan yang ditangani (X2), persentase ibu hamil melaksanakan program K4 (X3), PDRB perkapita (X4), jumlah tenaga medis (dokter dan bidan)(X5) dan persentase penduduk miskin (X6). Pada penelitian ini mengkaji faktor-faktor yang mempengaruhi angka kematian bayi. Metode yang digunakan adalah pemodelan regresi poisson dan binomial negatif. Variabel yang signifikan untuk pemodelan AKB menggunakan Regresi Binomial Negatif antara lain: persentase komplikasi kebidanan yang ditangani, persentase ibu hamil melaksanakan program K4 dan jumlah tenaga medis (dokter dan bidan). Model terbaik adalah binomial negatif dengan nilai AIC sebesar 283.5.