Pemodelan Inisiasi Menyusu Dini (IMD) Dan Pemberian Asi Eksklusif Dengan Pendekatan Probit Bivariat (Studi Kasus di Provinsi Sulawesi Selatan Tahun 2021)

Kartini, Kartini (2022) Pemodelan Inisiasi Menyusu Dini (IMD) Dan Pemberian Asi Eksklusif Dengan Pendekatan Probit Bivariat (Studi Kasus di Provinsi Sulawesi Selatan Tahun 2021). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003201038-Master_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Model probit bivariat merupakan model yang digunakan pada kasus variabel respon kategorik dan bivariat yang saling berkorelasi. Jika kedua variabel responnya kategorik biner maka dikatakan model probit biner bivariat. Dalam penelitian ini menggunakan kasus Inisiasi Menyusu Dini (IMD) dan pemberian ASI eksklusif. Data yang digunakan adalah raw data Survei Sosial Ekonomi Nasional (SUSENAS) Provinsi Sulawesi Selatan tahun 2021. Metode estimasi parameter yang digunakan adalah Maximum Likelihood Estimation (MLE), namun hasil yang diperoleh tidak closed form, maka penyelesaiannya harus menggunakan iterasi numerik. Metode iterasi numerik yang digunakan dalam penelitian ini adalah metode iterasi BHHH (Berndt, Hall, Hall, Hausman) dibandingkan iterasi Newton Rapshon. Estimasi parameter model probit bivariat dengan iterasi BHHH lebih cepat konvergen, efisien, konsisten dan unbiased karena memiliki jumlah iterasi dan standar error yang lebih kecil dibandingkan iterasi Newton Rapshon berdasarkan hasil resampling 1000 dan replikasi sebanyak 100 kali. Variabel yang signifikan terhadap Inisiasi Menyusu Dini (IMD) adalah umur Ibu, umur Ibu saat melahirkan anak lahir hidup yang pertama kali, pendidikan Ibu dan penolong kelahiran terakhir sedangkan variabel yang signifikan terhadap pemberian ASI Eksklusif adalah umur Ibu dan status ibu bekerja dengan AIC 5167,298.
====================================================================================================================================
Bivariate probit model is a model used in the case of correlated categorical and bivariate response variables. If the two response variables are categorical binary, it is said to be a bivariate binary probit model. In this study using the case of Early Initiation of Breastfeeding (IMD) and exclusive breastfeeding. The data used is the raw data for the National Socio-Economic Survey (SUSENAS) of South Sulawesi Province in 2021. The parameters estimation method used is Maximum Likelihood Estimation (MLE), but the results obtained are not closed form, so the solution must use numerical iteration. The numerical iteration method used in this study are BHHH (Berndt, Hall, Hall, Hausman) iteration method compared to the Newton Rapshon iteration. Parameters estimation of bivariate probit models with BHHH iterations are convergent faster, efficient, consistent and unbiased because it have a smaller iteration numbers and standard error than Newton Rapshon based on the results of 1000 resampling and 100 replications. The significant variables for Early Initiation of Breastfeeding (IMD) are mother's age, mother’s age when giving birth to her first live birth, the mother's education and the last birth attendant, while the significant variables for exclusive breastfeeding are mother's age and mother working status with AIC 5167,298.

Item Type:	Thesis (Masters)
Additional Information:	RTSt 519.536 Kar p-1 2022
Uncontrolled Keywords:	Probit Bivariat, Inisiasi Menyusu Dini (IMD), ASI Eksklusif, MLE,BHHH ,Newton Rapshon, Resampling,AIC, Bivariate Probit, Early Initiation of Breastfeeding, Exclusive Breastfeeding, MLE, BHHH, Newton Rapshon, Resampli
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	30 Apr 2026 05:43
Last Modified:	30 Apr 2026 05:43
URI:	http://repository.its.ac.id/id/eprint/132944

Actions (login required)

View Item