Determinan Kematian Ibu di Jawa Timur Tahun 2020: Analisis Geographically Weighted Regression (GWR)

https://doi.org/10.33860/jik.v16i1.844

Authors

  • Joko Ade Nursiyono Badan Pusat Statistik Provinsi Jawa Timur, Indonesia
  • Marfuah Apriyani Badan Pusat Statistik Provinsi Jawa Timur, Indonesia

Keywords:

Kematian Ibu, Kesehatan, Regresi Linier Berganda, Geographically Weighted Regression

Abstract

Angka Kematian Ibu (AKI) merupakan salah satu indikator keberhasilan pembangunan di bidang kesehatan sekaligus menjadi ukuran keberhasilan Sustainable Development Goals tujuan ketiga. Penelitian ini ingin mengetahui pengaruh indeks pemanfaatan pangan dan jumlah persalinan yang dibantu tenaga kesehatan terhadap jumlah kematian ibu di Jawa Timur tahun 2020 menggunakan pendekatan Geographically Weighted Regression (GWR). Adapun model terbaik yang dihasilkan penelitian ini adalah GWR dengan bandwith Adaptive Bisquare. Hasil uji parsial dan simultan menunjukkan bahwa indeks pemanfaatan pangan dan jumlah tenaga kesehatan yang membantu dalam proses persalinan berpengaruh signifikan terhadap angka kematian ibu dengan model terbaik adalah GWR. Nilai R Square dari model GWR sebesar 0,7472. Artinya, proporsi keragaman jumlah kematian ibu dapat dijelaskan oleh variabel indeks pemanfaatan pangan dan persalinan ibu melahirkan yang dibantu oleh tenaga Kesehatan sebesar 74,72 persen, sedangkan sisanya dijelaskan oleh variabel lain yang tidak termasuk dalam model

References

Badan Pusat Statistik, “Indikator Tujuan Pembangunan Berkelanjutan (TPB) Indonesia 2018” Jakarta: Badan Pusat Statistik, 2018.

Kementrian Kesehatan, “Rencana Strategis Kementrian Kesehatan Tahun 2020-2024” Jakarta: Kementrian Kesehatan, 2020.

Dinas Kesehatan Provinsi Jawa Timur, “Profil Kesehatan 2020” Surabaya: Dinas Kesehatan Provinsi Jawa Timur, 2021.

Fadli, M. R., Goejantoro, Rito., Wasono. (2018). Pemodelan Geographically Weighted Regression (GWR) dengah Fungsi Pembobot Tricube terhadap Angka Kematian Ibu (AKI) di Kabupaten Kutai Kartanegara Tahun 2015. Jurnal Eksponensial, 9(1), 11-17.

Pertiwi, I. A., dkk (2021) Pemodelan Faktor-Faktor yang Mempengaruhi Angka Kematian Ibu di Jawa Timur Menggunakan Geographically Weighted Regression. Jurnal Inferensi, 4(1), 29-35.

Qomariyah, Nurul., Purnami, S. W., Pramono, M. Setya. (2013) Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kematian Ibu di Jatim dengan Pendekatan GWPR (Geographical Weighted Poisson Regression Ditinjau dari Segi Fasilitas Kesehatan. Jurnal Sains dan Seni Pomits, 2(2), D-311 - D-316

Muliawati, Siti. (2013) Faktor Penyebab Ibu Hamil Kurang Energi Kronis di Puskesmas Sambi Kecamatan Sambi Kabupaten Boyolali Tahun 2012. Jurnal INFOKES, 3(3), 40-50

PP No 17 Tahun 2015 tentang Ketahanan Pangan dan Gizi. Diperoleh dari https://peraturan.bpk.go.id/Home/Details/5581 diakses pada 31 Desember 2021.

BKP Pertanian. (2018). Peta Ketahanan dan Kerentanan Pangan 2018. Diperoleh dari http://bkp.pertanian.go.id/storage/app/media/Pusat%20Ketersediaan/Bidang%20Ketersediaan/peta-ketahanan-kerentanan-pangan-2018.pdf diakses pada 30 Desember 2021.

Republika.co.id, dari https://republika.co.id/berita/r5hh92485/angka-kematian-ibu-di-jatim-meningkat-selama-pandemi-covid-19, diperoleh pada 10 Januari 2022.

Badan Pusat Statistik Provinsi Jawa Timur, “Provinsi Jawa Timur Dalam Angka 2021” Surabaya: Badan Pusat Statistik Provinsi Jawa Timur, 2021.

BKP Pertanian. (2020). Indeks Ketahanan Pangan 2020. Diperoleh dari http://bkp.pertanian.go.id/storage/app/media/2021/ikp-2020-20210120fix.pdf diakses pada 30 Desember 2021.

Yuhan, Risni Julaeni dan Jeffry Raja H.S. (2017). Metode Geographically Weigthed Regression pada Karakteristik Penduduk Hampir Miskin di Kabupaten/Kota Pulau Jawa. Jurnal Ilmiah WIDYA Eksakta, 1(1), 41-47.

Nursiyono, Joko Ade dan Pray H. Nadeak. (2016). Setetes Ilmu Regresi Linier. Malang: Media Nusa Creative.

Rahman, Aqilah Salsabila. (2021). Estimasi Robust Geographically Weighted Regression dengan Metode Least Absolute Deviation. [Tesis]. Makassar: Universitas Hasanuddin.

Fotheringham, A. S. Brunson, C., dan Charlton, M. (2002). Geographically Weighted Regression: The Analysis of Spatial Varying Relationships.

Hapsery, Alfisyahrina dan Dea T. (2021). Aplikasi Geographically Weighted Regression (GWR) untuk Pemetaan Faktor yang Memengaruhi Indeks Aktivitas Literasi Membaca di Indonesia. Jurnal Riset dan Aplikasi Matematika, vol. 5(2), 80-91.

Nurpadilah, W., I Made Sumertajaya, dan Muhammad Nur A. (2021). Geographically Weigthed Regression with Kernel Weigthed Function on Poverty Cases in West Java Province. Indonesian Journal of Statistics and Its Application, vol. 5(1), 173-181.

Sulistyono dan Wiwik Sulistyowati. (2017). Peramalan Produksi dengan Metode Regresi Linier Berganda. Jurnal Prozima, 1(2), 82-89

Ridhawati., Suyitno., Wasono.(2021) Model Geographically Weighted Poisson Regression (GWPR) dengan Fungsi Pembobot Adaptive Gaussian (Studi Kasus: Angka Kematian Ibu (AKI) di 24 Kab/Kot Kalimantan Timur dan Kalimantan Barat Tahun 2017). Jurnal EKSPONENSIAL, 12(2), 143-152

Published

2022-05-29

How to Cite

Nursiyono, J. A. ., & Apriyani, M. . (2022). Determinan Kematian Ibu di Jawa Timur Tahun 2020: Analisis Geographically Weighted Regression (GWR). Poltekita : Jurnal Ilmu Kesehatan, 16(1), 89–97. https://doi.org/10.33860/jik.v16i1.844

Issue

Section

Original Articles

Similar Articles

<< < 6 7 8 9 10 11 12 13 14 > >> 

You may also start an advanced similarity search for this article.