PERBANDINGAN MODEL REGRESI POISSON, REGRESI BINOMIAL NEGATIF, DAN REGRESI GENERALIZED POISSON DALAM MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI JUMLAH KEMATIAN IBU DI PROVINSI JAWA TENGAH

Anisah Daffa Citra Nareswari, Prodi Matematika, Departemen Pendidikan Matematika, Universitas Negeri Yogyakarta, Indonesia
Kismiantini Kismiantini, Prodi Statistika, Departemen Pendidikan Matematika, Universitas Negeri Yogyakarta, Indonesia

 10.21831/jktm.v12i3.29610

Abstract


Jumlah kematian ibu di Provinsi Jawa Tengah tahun 2024 mencapai 427 kasus atau setara dengan Angka Kematian Ibu (AKI) sebesar 74,73 per 100.000 kelahiran hidup yang masih melebihi target Sustainable Development Goals, yaitu di bawah 70. Penelitian ini bertujuan memodelkan jumlah kematian ibu di Provinsi Jawa Tengah menggunakan regresi Poisson, regresi Binomial Negatif, dan regresi Generalized Poisson, serta mengidentifikasi model terbaik dan faktor yang berpengaruh signifikan. Variabel respons adalah jumlah kematian ibu, sedangkan variabel prediktor meliputi kunjungan kehamilan K6, imunisasi tetanus difteri lengkap (Td2+), persalinan di fasilitas kesehatan, kunjungan nifas (KF) lengkap, pemberian tablet tambah darah, rasio bidan per puskesmas, persentase ibu hamil dengan anemia, persentase penduduk miskin, dan persentase rumah tangga berperilaku hidup bersih dan sehat (PHBS). Estimasi parameter dilakukan menggunakan metode Iteratively Reweighted Least Squares (IRLS) dengan pemilihan model terbaik berdasarkan nilai terkecil dari kriteria Akaike Information Criterion (AIC) dan Bayesian Information Criterion (BIC). Hasil penelitian menunjukkan bahwa model regresi Generalized Poisson merupakan model terbaik (AIC = 219,89, BIC = 236,68). Faktor yang berpengaruh signifikan adalah cakupan imunisasi Td2+, setiap peningkatan 1% cakupan Td2+ diperkirakan menurunkan rata-rata jumlah kematian ibu sebesar 0,99 kali dengan asumsi variabel lain konstan.

Kata kunci: Jumlah Kematian Ibu, Regresi Binomial Negatif, Regresi Generalized Poisson, Regresi Poisson


Full Text:

PDF

References


Agresti, A. (2007). An introduction to categorical data analysis. John Wiley & Sons.

Agresti, A. (2015). Foundations of linear and generalized linear models wiley series in probability and statistics. John Wiley & Sons.

Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, AC-19(6), 716–723.

Akhtar, N., & Alharthi, M. F. (2024). A comparative study of the performance of new ridge estimators for multicollinearity: Insights from simulation and real data application. AIP Advances, 14. https://doi.org/10.1063/5.0236631

Al Haris, M., & Arum, P. R. (2022). Negative binomial regression and generalized poisson regression models on the number of traffic accidents in Central Java. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 16(2), 471–482. https://doi.org/10.30598/barekengvol16iss2pp471-482

Aulele, S. N., Heumasse, A. G., & Lesnussa, Y. A. (2021). Analisis faktor-faktor yang mempengaruhi jumlah kematian ibu di Provinsi Maluku dengan menggunakan regresi poisson. Jurnal EurekaMatika, 9(2), 151–158. https://ejournal.upi.edu/index.php/JEM

Cameron, A. C., & Trivedi, P. K. (1998). Regression analysis of count data. Cambridge University Press.

Consul, P. C., & Famoye, F. (1992). Generalized poisson regression model. Communications in Statistics - Theory and Methods, 21(1), 89–109. https://doi.org/10.1080/03610929208830766

Delia, F., & Wungguli, D. (2025). Model geographically weighted bivariate generalized poisson regression dengan adaptive gaussian kernel (Studi kasus: Jumlah kematian ibu dan neonatal di Indonesia). Research Review Jurnal Ilmiah Multidisiplin, 4(1).

Dobson, A. J. (2002). An introduction to generalized linear models (2nd ed.). Chapman & Hall.

Fatmala, C. T., Hayati, M., Sari, R. P., & Hudori, M. (2024). Pemodelan jumlah kasus HIV/AIDS di Provinsi Lampun menggunakan regresi binomial negatif. Journal of Mathematics: Theory and Applications, 6(2), 168–177. https://doi.org/10.31605/jomta.v6i2.4069

Gujarati, D. N., & Porter, D. C. (2009). Basic econometrics (5th ed.). McGraw-Hill.

Habibah, S., & Syafriandi. (2025). Pemodelan jumlah kematian ibu di provinsi Sumatera Utara menggunakan pendekatan regresi binomial negatif. Leibniz: Jurnal Matematika, 5(5), 303–317. https://ejurnal.unisap.ac.id/leibniz/index

Hilbe, J. M. (2011). Negative binomial regression (2nd ed.). Cambridge University Press.

Hilbe, J. M. (2014). Modeling count data. Cambridge University Press.

Jeanne, A. (2024). The impact of socio-economic factors on maternal health in rural Africa. INOSR APPLIED SCIENCES, 12(3), 29–35. https://doi.org/10.59298/INOSRAS/2024/12.3.2935

Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to linear regression analysis (5th ed.). John Wiley & Sons.

Njudang, C. C. I. A., Guntur, R. D., Sinu, E. B., & Pahnael, J. R. (2025). Perbandingan model generalized poisson regression dan negative binomial regression dalam mengatasi overdispersi pada kasus pneumonia di provinsi NTT tahun 2023. MATHunesa: Jurnal Ilmiah Matematika, 13(3).

OECD. (2025). Health at a Glance 2025: OECD Indicators (Health at a Glance). OECD Publishing. https://doi.org/10.1787/8f9e3f98-en

Pramesti, O. D., Ahmad, I. S., & Adiprana, D. W. (2025). Pemodelan faktor-faktor yang mempengaruhi AKI menggunakan regresi zero inflated poisson (ZIP) dan zero and one inflated poisson (ZOIP). Jurnal Sains dan Seni ITS, 13(2), A43–A50.

Pratiwi, Y. I., Khaulasari, H., Farida, Y., & Ferdani, A. (2025). Analysis of factors that influence maternal mortality rates using generalized poisson regression. ENTHUSIASTIC: International Journal of Applied Statistics and Data Science, (2), 118–129. https://journal.uii.ac.id/ENTHUSIASTIC

Ramadhan, A. R., & Al-Husein, F. K. (2025). Pemodelan kasus kekerasan terhadap perempuan di Jawa Barat: Poisson dan negatif binomial. Jurnal Sains Ekonomi dan Edukasi, 2(2), 523–535. https://doi.org/10.62335

Sabtika, W., Prahutama, A., & Yasin, H. (2021). Pemodelan geographically weighted generalized poisson regression (GWGPR) pada kasus kematian ibu nifas di Jawa Tengah. Jurnal Gaussian, 10(2), 259–268. https://ejournal3.undip.ac.id/index.php/gaussian/

Schwarz, G. (1978). Estimating the dimension of a model. The Annals of Statistics, 6(2), 461–464.

Winata, H. M. (2022). Mengatasi overdispersi dengan regresi binomial negatif pada angka kematian ibu di Kota Bandung. Jurnal Gaussian, 11(4), 616–622. https://doi.org/10.14710/j.gauss.11.4.616-622

World Health Organization. (2012). The WHO application of ICD-10 to deaths during pregnancy, childbirth and the puerperium: ICD-MM.

World Health Organization. (2026). Health data overview for Southeast Asian countries. https://data.who.int/countries/




DOI: https://doi.org/10.21831/jktm.v12i3.29610

Refbacks

  • There are currently no refbacks.


 

Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 
View My Stats