Arum, Prizka Rismawati (2018) Pemodelan Jumlah Kematian Bayi Kabupaten/Kota Di Provinsi Jawa Timur Menggunakan Model Hirarki Dengan Pendekatan Bayesian. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1316201011_Master-Thesis.pdf - Accepted Version Download (28MB) | Preview |
Abstract
Peningkatan pelayanan kesehatan yang baik sangat penting untuk diwujudkan di Indonesia terutama bagi anak-anak.Hal ini, mendorong suatu deklarasi millennium yang dikenal dengan Millenium development goals (MDGs).Kualitas kesehatan pada anak dapat diukur melalui angka kematian bayi. Menurut Wiguna (2014), kematian bayi adalah kematian yang terjadi antara saat setelah bayi lahir sampai bayi belum berusia tepat satu tahun. Angka Kematian Bayi diProvinsi Jawa Timur tahun 2014 masih di atas target MDGs yang ditetapkan.Data jumlah kematian bayi di Provinsi Jawa Timur memiliki struktur yang berhirarki, yaitu pada kecamatan sebagai level pertamadan kabupaten sebagai level kedua. Model hirarki dikembangkan untuk analisa data yang melibatkan dua atau lebih tingkat hubungan antar variabel dan parameter.Dengan demikian, model hirarki dapat digunakan untuk menguji hubungan antara variabel yang diukur pada tingkat yang berbeda pada struktur data berhirarki (Hox, 2010).Model hirarki dengan melibatkan banyak variabel menyebabkan model menjadi kompleks.Pemodelan melalui pendekatan Bayesian pada masalah ini memberikan solusi yang lebih baik.Dalam penelitian ini dilakukan pemodelan jumlah kasus kematian bayi di Provinsi jawa Timur menggunakan model hirarki dengan pendekatan Bayesian. Estimasi parameter dalam penelitian ini akan dilakukan dengan menggunakan Markov Chain Monte Carlo (MCMC) dan Gibbs Sampling. Hasil implementasi model hirarki dua tingkat untuk data jumlah kematian bayi di Provinsi Jawa Timur menunjukkan bahwa model terbaik adalah model hirarki yang melibatkan seluruh variabel kecamatan dan seluruh variabel kabupaten/kota yang telah ditetapkan. Hasil pemodelan ini juga menunjukkan pengaruh signifikan pada koefisien regresi yang menggambarkan cross-level interaction antara karakteristik kecamatan dan karakteristik kabupaten/kota.
============================================================================================================
Improving good health services is very important to be realized in Indonesia for children. This encourages a millennium declaration known for its Millennium Development Goals (MDGs). The quality of health in children can be measured through infant mortality. According to Wiguna (2014), infant mortality is death that occurs between the time after the baby is born until the baby is not exactly one year old. Infant Mortality Rate in East Java Province in 2014 is still above the set MDGs target. Data on the number of infant deaths in East Java Province has a hierarchical structure, namely the district as the first level and the district as the second level. The hierarchical model was developed to analyze data related to two or more levels of relationships between variables and parameters. Thus, the hierarchical model can be used to relate relationships between variables that are measured at different levels in the hierarchical data structure (Hox, 2010). Hierarchical model involving many variables will cause the model to be complex. Modeling through the Bayesian approach to this problem will provide a better solution. In this research will be modeling the number of cases of infant mortality in East Java Province using a Bayesian approach to hierarchy. The parameter estimation in this study will be done using Markov Chain Monte Carlo (MCMC) and Gibbs Sampling. The results of the implementation of two-level hierarchy model for data on the number of infant mortality in East Java Province shows the best model is a hierarchy model that involves all sub-district variables and all variable regencies / cities that have been determined. The modeling results also show significant influence on the regression that sees cross-level interaction between sub-district characteristics and district / city characteristics.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSt 519.542 Aru p-1 3100018074685 |
| Uncontrolled Keywords: | Gibbs Sampling; Jumlah kematian bayi; Koefisien regresi; MCMC; Model Hirarki; Pendekatan Bayesian |
| Subjects: | Q Science Q Science > QA Mathematics Q Science > QA Mathematics > QA274.7 Markov processes--Mathematical models. Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | Rismawati Prizka |
| Date Deposited: | 25 Jan 2018 08:25 |
| Last Modified: | 24 Sep 2020 06:38 |
| URI: | http://repository.its.ac.id/id/eprint/50702 |
Actions (login required)
 |
View Item |