Septadianti, Ayu Tri (2016) Pendekatan Model Probit Biner Bivariat Pada Data Penolong Kelahiran Dan Partisipasi Kerja Di Provinsi Papua Barat. Masters thesis, Institut Teknologi Sepuluh Nopember Surabaya.
Preview |
Text
1314201020-Master_Thesis.pdf - Published Version Download (1MB) | Preview |
Abstract
Indikator yang digunakan untuk mengetahui kualitas pelayanan kesehatan dan derajat kesehatan masyarakat di suatu wilayah diantaranya adalah Angka Kematian Ibu (AKI). Salah satu cara untuk menurunkan AKI di Indonesia adalah dengan persalinan ditolong oleh tenaga kesehatan yang terlatih dan melakukan persalinan di fasilitas pelayanan kesehatan. Cakupan pertolongan persalinan oleh tenaga kesehatan secara nasional pada tahun 2014 menurun 2,2 % dari tahun 2013 dengan urutan tertinggi yaitu Provinsi D.I. Yogyakarta dan Papua Barat berada pada urutan terbawah. Banyak ibu dengan status tidak bekerja masih memilih menggunakan dukun sebagai penolong persalinan. Untuk meminimumkan penolong persalinan menggunakan tenaga non medis berdasarkan status bekerja ibu perlu dikaji model yang sesuai agar dapat mengidentifikasi faktor-faktor apa saja yang mempengaruhinya. Model regresi probit biner bivariat adalah sebuah model yang terdiri dari dua buah variabel respon yang berupa data kategorik dan saling memiliki hubungan (dependen) sedangkan variabel prediktornya dapat berupa variabel yang bersifat diskrit maupun kontinu. Metode estimasi parameter model probit bivariat yang digunakan adalah Maximum Likelihood Estimation (MLE) dengan iterasi Newton Raphson. Kriteria kebaikan model yang digunakan adalah R2 Mcfadden dan Akaike Information Criterion (AIC). Graphical User Interface (GUI) merupakan interface antara user atau pengguna dengan program aplikasi dalam bentuk objek grafik. Dengan pembuatan GUI, seorang pengguna dapat mengoperasikan sebuah aplikasi program tanpa harus mengerti dan memahami bagaimana setiap baris perintah dalam program tersebut berjalan. Pemilihan model terbaik berdasarkan kriteria AIC dan R2 Mcfadden menghasilkan informasi bahwa umur ibu, pendidikan ibu, dan status daerah berpengaruh signifikan terhadap pemilihan tenaga penolong persalinan dan partisipasi kerja ibu
=============================================================================================
The indicators used to determine the quality of the health services and the rate of public health in a region is including the Maternal Mortality Rate (MMR). One way to reduce the maternal mortality rate in Indonesia is assisted the birth by trained health personnel and deliver at health care facilities. Extent of delivery assistance by health professionals nationwide in 2014 decreased by 2,2% from the year 2013 with the highest order is D.I. Yogyakarta and the lowest is West Papua. Selection of non-medical birth assistance is mostly done by women who do not work. To minimize birth attendant to use of non-medical personnel, based on area status need to be identified and assessed the appropriate model in order to identify any factors that influence it. Bivariate binary probit regression model is a model consisting of two response variables in the form of categorical data and have a mutual relationship (dependent) while the predictor variables may include of discrete and continuous variables. Parameter estimation method used bivariate probit model is the Maximum Likelihood Estimation (MLE) with Newton Raphson iteration. Goodness of fit criteria that used are R2 McFadden and the Akaike Information Criterion (AIC). Graphical User Interface (GUI) is the interface between the user and an application program in the form of the object graph. The best model selection criterion based on the AIC and R2 Mcfadden generate information that age of mother, mother’s education, and area status have a significant effect on birth attendance and labor participation
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSt 519.536 Sep p |
| Uncontrolled Keywords: | Penolong Kelahiran, Partisipasi Kerja, Regresi Probit Biner Bivariat, MLE, AIC, R2 Mcfadden, GUI Matlab |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | EKO BUDI RAHARJO |
| Date Deposited: | 07 Jul 2020 03:42 |
| Last Modified: | 07 Jul 2020 03:42 |
| URI: | http://repository.its.ac.id/id/eprint/76319 |
Actions (login required)
 |
View Item |