Oktarin, Sella Aji (2018) Model Regresi Conditional Bivariate Poisson pada Data Berat Badan Bayi Rendah dan Kematian Bayi (Studi Kasus: Dikota Surabaya Tahun 2015). Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211650010003-Master_Thesis.pdf - Accepted Version Download (4MB) | Preview |
Abstract
Pemodelan bersama dari dua atau lebih data count telah mendapat banyak perhatian dalam beberapa tahun terakhir. Model bivariat count digunakan pada kasus dimana dua variabel count saling berkorelasi dan memerlukan estimasi secara bersama. Bivariate Poisson merupakan model yang paling banyak digunakan untuk model bivariat count. Terdapat pengembangan untuk model joint bivariate poisson berdasarkan teori conditional probability yaitu Model conditional bivariate Poisson (CBP). Model CBP tersebut adalah hasil perkalian dari marginal dan conditional distribution. Kematian bayi sebagian besar terjadi pada masa baru lahir (neonatal). Salah satu penyebab kematian neonatal adalah Berat badan lahir rendah (BBLR). BBLR merupakan berat badan saat lahir kurang dari 2500 gram. BBLR meningkatkan risiko penyakit tidak menular seperti diabetes dan penyakit kardiovaskular di kemudiaan hari. Hal tersebut dapat memberikan dampak buruk bagi kehidupan dimasa kedepanya dan negara jika tidak segera ditanggani karena anak merupakan masa depan suatu negara. Dua respon tersebut yaitu jumlah kasus BBLR dan jumlah kematian bayi adalah suatu conditional. Penelitian ini bertujuan untuk menganalisis estimasi parameter model Conditional Bivariate Poisson (CBP) dan mengaplikasikan model tersebut untuk mengetahui faktor-faktor yang mempengaruhi BBLR dan kematian bayi. Data yang digunakan adalah data profil kesehatan kota Surabaya tahun 2015. Metode yang digunakan dalam estimasi adalah Maximum Likelihood Estimation (MLE) karean hasil persamaan tidak close form sehingga menggunakan analisis numerik yaitu iterasi Newton-Raphson untuk menyelesaikannya. Hasil yang didapatkan adalah terdapat lima variabel yang signifikan terhadap BBLR dan kematian bayi. Pada model marginal variabel yang berpengaruh signifikan adalah variabel rasio tenaga kesehatan, persentase persalinan oleh tenaga kesehatan, persentase ibu hamil mendapatkan tablet Fe3, persentase rumah tangga ber-PHBS, dan ratio puskesmas. Tetapi pada model conditional terdapat satu variabel yang tidak berpengaruh signifikan yaitu ratio tenaga kesehatan.
========================================================================= The joint modeling of two or more data counts has gained much attention in recent years. The bivariate count model is used in cases where two count variables are correlated and require joint estimation. Bivariate Poisson is the most widely used model for bivariate count models. There is a development for the joint bivariate Poisson model based on conditional probability theory that is the conditional bivariate Poisson (CBP) model. The CBP model is the product of marginal and conditional distribution. Most infant deaths occur in the newborn (neonatal). One of the causes of neonatal death is low birth weight (LBW). LBW is the weight at birth less than 2500 grams. LBW increases the risk of non-communicable diseases such as diabetes and cardiovascular disease in later life. It can have a devastating impact on life in the future and the country if not immediately handled because the child is the future of a country. Two responses are the number of cases of LBW and the number of infant mortality is conditional. This study aims to analyze the estimated parameters of the Conditional Bivariate Poisson (CBP) model and apply the model to determine factors that influence LBW and infant mortality. The data used is the health profile of the city of Surabaya in 2015. The method used in the estimation is Maximum Likelihood Estimation (MLE) because the equation is not close form so using numerical analysis ie Newton-Raphson iteration to solve it. The results obtained are five variables that are significant for LBW and infant mortality. In the marginal model of variables that have a significant effect are the ratio of health workers, the percentage of the birth attended by a skilled health worker, the percentage of pregnant women getting Fe3 tablets, the percentage of households with PHBS, and the ratio of a public health center. But in the conditional model, there is one variable that has no significant effect is the ratio of health workers.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Conditional Bivariate Poisson, MLE, Newton-Raphson, BBLR, Kematian Bayi |
| Subjects: | Q Science > Q Science (General) > Q180.55.M38 Mathematical models Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Mathematics > 44101-(S2) Master Thesis |
| Depositing User: | Sella Aji Oktarin |
| Date Deposited: | 19 Jun 2021 14:48 |
| Last Modified: | 19 Jun 2021 14:48 |
| URI: | http://repository.its.ac.id/id/eprint/58135 |
Actions (login required)
 |
View Item |