Pemodelan Angka Kematian Bayi Dan Angka Harapan Hidup Di Provinsi Jawa Timur Dengan Pendekatan Regresi Probit Biner Bivariat.

• 主要作者: Imroatus Sholiha, 081311833047
• 格式: Theses and Dissertations NonPeerReviewed
• 語言: Indonesian; Indonesian
• 出版: 2017
• 主題: HA1-4737 Statistics; QA273-280 Probabilities. Mathematical statistics
• 在線閱讀: http://repository.unair.ac.id/66283/1/ST.S.31-17%20Sho%20p%20-%20Abstrak.pdf; http://repository.unair.ac.id/66283/2/ST.S.31-17%20Sho%20p%20-%20Fulltext.pdf; http://repository.unair.ac.id/66283/; http://lib.unair.ac.id
• 機構: Universitas Airlangga

Angka Kematian Bayi (AKB) merupakan salah satu indikator status kesehatan masyarakat yang terkait dengan berbagai indikator pembangunan kesehatan dan indikator pembangunan lainnya , sedangkan Angka Harapan Hidup adalah rata-rata tahun hidup yang akan dijalani oleh bayi yang baru lahir pada suatu tahun tertentu. AKB tidak hanya menggambarkan keberhasilan pembangunan sektor kesehatan, tetapi juga terkait langsung dengan angka rata-rata harapan hidup penduduk di suatu daerah. Keberhasilan pembangunan di bidang kesehatan dapat ditandai oleh semakin menurunnya AKB dan semakin meningkatnya AHH penduduk Semakin tinggi AHH maka derajat kesehatan masyarakat semakin baik . Salah satu tujuan penelitian ini adalah menganalisis dan menginterpretasikan dari model berdasarkan faktor yang berpengaruh signifikan terhadap AKB dan AHH. Metode yang digunakan dalam penelitian ini adalah Regresi Probit Biner Bivariat, model ini merupakan model probit yang memiliki dua buah variabel respon dengan responya berupa data dikotomi. Dalam model regresi probit biner bivariat diasumsikan bahwa antara variabel respon memiliki hubungan. Penelitian ini menggunakan 38 data sekunder dari Dinas Kesehatan Jawa Timur dan Badan pusat statistik Jawa Timur tentang kasus AKB dan AHH dengan 5 variabel prediktor. Hasil dari penelitian ini adalah faktor-faktor yang berpengaruh signifikan terhadap model kasus AKB dan AHH yaitu persentase penolong kelahiran non medis dan persentase penduduk miskin di Jawa Timur. Ketepatan yang diperoleh dari model terbaik sebesar 73,68 persen yang artinya terdapat kesalahan mengklasifikasikan sebanyak 10 dari 38 kabupaten/kota di Jawa Timur.