Pendekatan Geographically Weighted Negative Binomial Regression pada Pemodelan Faktor-Faktor yang Memengaruhi Jumlah Kematian Ibu di Provinsi Jawa Timur

Salfatah, Calista Deva (2025) Pendekatan Geographically Weighted Negative Binomial Regression pada Pemodelan Faktor-Faktor yang Memengaruhi Jumlah Kematian Ibu di Provinsi Jawa Timur. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003211137-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Jumlah kematian ibu di Indonesia meningkat dari 3.572 kasus pada tahun 2022 menjadi 4.460 kasus pada tahun 2023. Kesehatan ibu merupakan salah satu aspek penting yang mencerminkan tingkat kesejahteraan dan kualitas layanan kesehatan suatu wilayah. Jawa Timur sebagai salah satu provinsi dengan populasi terbesar di Indonesia yang masih menghadapi tantangan dalam menurunkan jumlah kematian ibu dengan persebaran tidak merata di berbagai kabupaten/kota. Pada tahun 2023, Provinsi Jawa Timur mencatat 499 kasus kematian ibu yang menempatkannya pada peringkat kedua tertinggi di Indonesia dengan kontribusi sebesar 11,19% terhadap total kasus di Indonesia. Penelitian ini bertujuan untuk memodelkan jumlah kematian ibu di Provinsi Jawa Timur dengan mempertimbangkan aspek spasial dan overdispersi data menggunakan metode Geographically Weighted Negative Binomial Regression (GWNBR). Model GWNBR, baik tanpa maupun dengan variabel exposure, diterapkan menggunakan pembobot fungsi kernel Adaptive Bisquare, Gaussian, dan Tricube untuk mengoptimalkan estimasi parameter lokal di setiap kabupaten/kota. Variabel exposure berupa jumlah ibu hamil diperhitungkan untuk menyesuaikan perbedaan risiko antarwilayah. Hasil pemodelan divisualisasikan melalui peta tematik yang menunjukkan sebaran signifikansi variabel prediktor di setiap kabupaten/kota guna memberikan gambaran wilayah dengan karakteristik pengaruh faktor yang berbeda sebagai dasar penentuan prioritas intervensi. Penelitian ini diharapkan menjadi landasan bagi perencanaan kebijakan berbasis data yang lebih efektif untuk mendukung upaya dalam penurunan jumlah kematian ibu di Provinsi Jawa Timur. Pendekatan GWNBR dengan exposure pada pemodelan jumlah kematian ibu tingkat kabupaten/kota Provinsi Jawa Timur tahun 2023 menggunakan fungsi pembobot Adaptive Gaussian Kernel menghasilkan model terbaik dengan nilai AICc terkecil dari seluruh model. Berdasarkan hasil pemodelan ini, diperoleh empat kelompok kabupaten/kota dengan kesamaan variabel prediktor yang berpengaruh signifikan terhadap jumlah kematian ibu. Variabel yang signifikan di seluruh wilayah adalah rasio puskesmas dan rumah sakit per 100.000 penduduk. Adapun variabel yang hanya signifikan di sebagian wilayah meliputi persentase penanganan komplikasi kebidanan dan persentase peserta KB pasca persalinan.
====================================================================================================================================
The number of maternal deaths in Indonesia increased from 3,572 cases in 2022 to 4,460 cases in 2023. Maternal health is one of the important aspects that reflects the level of welfare and quality of health services in a region. East Java as one of the most populous provinces in Indonesia continues to face challenges in reducing the number of maternal deaths with an uneven distribution across districts/cities. In 2023, East Java Province recorded 499 maternal deaths, ranking as the second highest in Indonesia with a contribution of 11.19% to the national total. This study aims to model the number of maternal deaths in East Java by considering spatial aspects and data overdispersion using the Geographically Weighted Negative Binomial Regression (GWNBR) method. The GWNBR model, both with and without an exposure variable, was applied employing Adaptive Bisquare, Gaussian, and Tricube kernel weighting functions to optimize local parameter estimates for each district/city. The exposure variable, representing the number of pregnant women, was included to adjust for differing risk levels across regions. The modeling results were visualized through thematic maps displaying the spatial distribution of significant predictor variables in each district/city, providing insight into areas characterized by different influential factors and serving as a basis for prioritizing intervention efforts. This research is expected to serve as a foundation for more effective data-driven policy planning aimed at reducing the number of maternal deaths in East Java. The GWNBR approach with exposure, using the Adaptive Gaussian Kernel weighting function in modeling the number of maternal deaths at the district/city level in East Java Province for 2023, produced the best-fitting model with the lowest corrected Akaike Information Criterion (AICc). Based on this model, four groups of districts/cities were identified, each sharing similar significant predictor variables influencing maternal deaths. The variable significant across all regions was the ratio of community health centers (puskesmas) and hospitals per 100,000 population. Variables significant only in some regions included the percentage of obstetric complication management and the percentage of postpartum family planning participants.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Jumlah Kematian Ibu, NBR, GWNBR, Overdispersi, Spasial, Number of Maternal Deaths, NBR, GWNBR, Overdispersion, Spatial
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HA Statistics > HA30.6 Spatial analysis H Social Sciences > HA Statistics > HA31.3 Regression. Correlation. Logistic regression analysis. H Social Sciences > HA Statistics > HA31.7 Estimation R Medicine > RG Gynecology and obstetrics
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Calista Deva Salfatah
Date Deposited:	25 Jul 2025 06:24
Last Modified:	25 Jul 2025 06:24
URI:	http://repository.its.ac.id/id/eprint/121413

Actions (login required)

View Item