Implementasi regresi binomial negatif bivariat untuk mengatasi overdispersi: Studi kasus kematian ibu dan neonatal di Jawa Tengah

INDONESIA:

Overdispersi adalah kondisi data dimana varians pada data tersebut memiliki nilai lebih besar dari nilai rata-ratanya. Penerapan metode regresi yang tidak tepat pada data dengan kondisi overdispersi dapat mengakibatkan variabel bebas yang seharusnya tidak signifikan menjadi signifikan. Akibatnya penarikan kesimpulan menjadi tidak valid. Salah satu metode regresi yang dapat digunakan untuk mengatasi masalah overdispersi adalah dengan regresi binomial negatif. Regresi binomial negatif bivariat merupakan salah satu hasil pengembangan dari regresi binomial negatif. Tujuan dari penelitian ini untuk menerapkan regresi binomial negatif bivariat untuk mengatasi overdispersi. Data yang digunakan dalam penelitian ini adalah data kasus kematian ibu dan kematian neonatal di Jawa Tengah. Penaksiran parameter yang digunakan adalah Maximum Likelihood Estimation (MLE) dengan iterasi Newton-Raphson. Penelitian ini menunjukkan bahwa kasus kematian ibu dipengaruhi oleh penduduk miskin (X_1), rumah tangga dengan sanitasi layak (X_4), dan tenaga kesehatan (bidan) (X_5). Sedangkan kasus kematian neonatal dipengaruhi oleh penduduk miskin (X_1), dan tenaga kesehatan (bidan) (X_5).

ENGLISH:

Overdispersion is a data condition where the variance of data has a greater value than the average value. Improrer regression applications on data with overdispersion conditions can cause independent variables that should be insignificant to be significant. As a result, the conclusions is invalid. One of the regression methods that can be used to solve the problem of overdispersion is negative binomial regression. Bivariate negative binomial regression is one of the results of the development of negative binomial regression. The purpose of this research is to implement bivariate negative binomial regression to overcome overdispersion. The data used is the number of maternal and neonatal mortality in the province of Central Java in 2019. The Parameter estimation is done by using Maximum Likelihood Estimation (MLE) through Newton-Raphson iteration. This research shows that the number of maternal mortality is affected by the poor (X_1), households with proper sanitation (X_4), and health workers (midwife) (X_5). Meanwhile, the number of neonatal mortality is affected by the poor (X_1), and health workers (midwife) (X_5).

ARABIC:

الإفراط في الإنتشار(Overdispersi) هو شرط بيانات حيث يكون لتباين البيانات قيمة أكبر من القيمة المتوسطة. يمكن أن تتسبب تطبيقات الانحدار Improrer على البيانات ذات ظروف التشتت الزائد في وجود متغيرات مستقلة يجب أن تكون غير ذات أهمية كبيرة. ونتيجة لهذا فإن الاستنتاجات غير صالحة. إحدى طرق الانحدار التي يمكن استخدامها لحل مشكلة الإفراط في الإنتشار(Overdispersi) هي الانحدار ثنائي الحدود السالب. يعد الانحدار السلبي ثنائي الحدين ذو المتغيرات الثنائية أحد نتائج تطور الانحدار ثنائي الحدود السالب. الغرض من هذا البحث هو تنفيذ الانحدار السلبي ثنائي الحدين للتغلب على الإفراط في الإنتشار(Overdispersi). والبيانات المستخدمة هي عدد وفيات الامهات والمواليد الجدد في مقاطعة جاوة الوسطى في عام 2019. يتم تقدير المعلمة باستخدام تقدير احتمالات القصوى (MLE) من خلال تكرار نيوتن-رابهسون (Newton Raphson). هذا بحث يظهر أن الرقم من [بوولر وفيتي] أثرت بالفقراء(X_1) ، منازل مع صحاح مناسبة(X_4) ، وصحة عاملات ([ممرضة])(X_5). وفي الوقت نفسه، فإن عدد الوفيات بين المواليد الجدد يتأثر بالفقراء(X_1)، والعمال الصحيين (القابلات)(X_5).