Pemodelan Regresi Panel terhadap Faktor-Faktor yang … · 2020. 4. 26. · panel dengan model...

Pemodelan Regresi Panel terhadap Faktor-Faktor yang Mempengaruhi

Angka Kematian Ibu di Provinsi Jawa Timur

Oleh :Khusnul Khotimah (1313 030 001)

Dosen Pembimbing :Dr. Vita Ratnasari, S.Si., M.Si.

Dosen Penguji :Dr. rer. pol. Heri Kuswanto, S.Si., M.Si.Erma Oktania Permatasari, S.Si., M.Si.

Sidang Tugas Akhir DIII Statistika – Kamis, 09 Juni 2016

Program Studi Diploma III Jurusan StatistikaFakultas Matematika dan Ilmu Pengetahuan Alam

Institut Teknologi Sepuluh NopemberSurabaya 20161

2

BAB IPENDAHULUAN

3

Latar Belakang

Negara majuGenerasi berkualitas

Kesehatan IbuIndikator

Kesejahteraan Angka Kematian Ibu

Jawa Timur

9 wilayah prioritas penurunan AKI dan AKBdan

Program Expanding Maternal & Neonatal Survival 2014201320122011201020092008

105

100

95

90

85

Tahun

Ang

ka K

emat

ian

Ibu

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

Regresi Panel

4

Rumusan Masalah

Tujuan

Bagaimana karekteristik AKI dan faktor-faktor yang diduga

mempengaruhi di Provinsi Jawa Timur?

Faktor-faktor apa sajakah yang mempengaruhi AKI di Provinsi Jawa

Timur?

Mendeskripsikan AKI dan faktor-faktor yang diduga mempengaruhi

di Provinsi Jawa Timur.

Mengetahui faktor-faktor apa saja yang mempengaruhi AKI di

Provinsi Jawa Timur.

5

Manfaat Batasan Masalah

Memberikan informasi kepada pemerintah mengenai AKI dan faktor-faktor yang

mempengaruhi sehingga dapat membantu pencapaian program untuk mengurangi AKI di

Provinsi Jawa Timur.

Memberikan informasi kepada pembaca mengenai AKI dan faktor-faktor yang

mempengaruhi di Provinsi Jawa Timur.

Periode waktu :

tahun

Tidak berkorelasi

Tahun 2008-2014

Pemodelan regresi panel menggunakan efek individu dan waktu

6

BAB IITINJAUAN PUSTAKA

7

Statistika deskriptif berkaitan dengan pengumpulandan penyajian suatu gugus data sehingga memberikaninformasi yang berguna.

Statistika deskriptif

TabelDiagram

Grafik

(Walpole, 1995)

Regresi Panel

regresi dengan struktur data panel yaitu menggabungkan antaradata cross section dan data time series.

(Gujarati dan Porter, 2015)

itititit ey Xβ'

Model regresi panel adalah sebagai berikut.

ity = variabel respon unit individu ke-i dan periode waktu ke-tit = koefisien intersep dari unit individu ke-i dan periode waktu ke-t'β = ),....,,( 21 k merupakan koefisien slope dengan k banyaknya

variabel prediktoritX = kititit XXX ,....,, 21 merupakan variabel prediktor dari unit

individu ke-i dan periode waktu ke-tite = komponen residual dengan IIDN (0,σ2)

(Hsiao, 2003)

8

CEM

Terdapat tiga pendekatan dalam melakukan estimasi modelregresi data panel, yaitu :

CEMCommon Effect Model

FEMFixed Effect Model

REMRandom Effect Model

CEM merupakan pendekatan untuk mengestimasi data panelyang paling sederhana. Pada pendekatan ini, seluruh datadigabungkan tanpa memperhatikan individu dan waktu.

Estimasi model Regresi Panel

ititit ey Xβ '

FEM

FEM merupakan pendekatan untuk mengestimasi data panelyang dapat dibeda-bedakan berdasarkan individu danwaktu.FEM koefisien slope konstan tetapi koefisien intersepbervariasi pada setiap individu

FEM koefisien slope konstan tetapi koefisien intersepbervariasi pada setiap waktu

FEM koefisien slope konstan tetapi koefisien intersepbervariasi pada setiap individu dan waktu

.

ititiit ey Xβ '

itittit ey Xβ '

itittiit ey Xβ '

(Hsiao, 2003)


9

REM

Estimasi perlu dilakukan dengan model komponen error atau model efek acak. Pendekatan REM melibatkan korelasi antar error termskarena berubahnya waktu maupun individu.

ititit wy Xβ'

itiit ew

i = komponen error individu ke-i

ite = komponen error gabungan unit cross section dantime series

Pemilihan Model Regresi Panel

Uji ChowUji Hausman

Uji Lagrange Multiplier

Uji Chowdigunakan untuk mengetahui apakah teknik regresi data panel dengan model FEM lebih baik dari model CEM.

NaaaH ...: 210 (Model CEM) :1H paling sedikit ada satu ji aa untuk ji (Model FEM)

i,j = 1,2,....,NStatistik uji :

)/()(

)/()(

kNNTR

NRRF

FE

PooledFE

2

22

1

1

Daerah penolakan : tolak H0 jika Fhitung > Fα(N-1,NT-N-k)

(Asteriou dan Hall, 2007)

10

Uji Hausman

Uji Lagrange Multiplier

pengujian untuk memilih model terbaik antara FEM dan REM.

:0H 0),( itit eXcorr (Model REM) :1H 0),( itit eXcorr (Model FEM)

Statistik uji : )ˆˆ()]ˆvar()ˆ[var()'ˆˆ( REFEREFEREFEH 1

Daerah penolakan : tolak H0 jika 2kH ;

(Asteriou dan Hall, 2007)

pengujian yang digunakan untuk mengetahui apakah model REM lebih baik dari model CEM

0: 20 iH (Model CEM)

0: 21 iH (Model REM)

Statistik uji : 2

1 12

1 12

112

Ni

Tt it

Ni

Tt it

e

eTNTLM

)()(

Dimana e adalah residual berdasarkan model CEM.Daerah penolakan : tolak H0 jika 2

kLM ;

(Widarjono, 2013).

11

Pengujian Parameter

Uji Serentak Uji Parsial

Uji Serentak

Uji Parsial

untuk mengetahui apakah variabel prediktor secara bersama-sama berpengaruh signifikan terhadap variabel respon

0...: 210 kH

:1H minimal terdapat satu 0i untuk i=1,2,3,...,kStatistik uji :

)/())ˆ((

/))ˆ((

1211

1112

kNTityyti

kyytiFit

TN

iitTN

Daerah penolakan H0 adalah jika ))(,(,( 1 kNTkFF

(Draper dan Smith, 1998)

untuk mengetahui pengaruh variabel prediktor secara individu terhadap variabel respon

0:0 iH

0:1 iH untuk i=1,2,...,k

Statistik uji :

)ˆ(

ˆ

i

ihitung SE

t

Daerah penolakan H0 adalah jika))((

||1

2

kNT

tt

(Draper dan Smith, 1998)

12

Asumsi Multikolinieritasadanya hubungan linier yang sempurna atau pasti diantara beberapa atau semua variabel penjelas (bebas)

Variance Inflation Factor (VIF) 2111

jRTOLVIF

Jika nilai VIF>10 maka terindikasi adanya kasusmultikolinieritasBila terdapat kasus multikolinieritas, maka dapatdiatasi dengan Principle Component Regression

Uji Asumsi Residual IIDN

Residual Identik

dilakukan untuk mengetahui homogenitas varians residual222

2210 nH ...:

:1H minimal ada satu 22ji dimana ji

Terdapat dua tahap dalam Uji Park yaitu sebagai berikut.1. Meregresikan Y terhadap X dengan metode kuadrat terkecil serta mendapatkan dan ie 2

ie

2. Meregresikan 2ie dengan X dengan menggunakan model

iii vX lnlnln 22

Apabila terjadi kasus heteroskedastisitas maka diatasidengan metode kuadrat terkecil tertimbang (WLS).


(Nachrowi dan Usman, 2006)

13

Residual Independen

dilakukan untuk mengetahui autokorelasi yang sering muncul pada data time series

00 :H01 :H

N = jumlah observasi, N1 = banyaknya residual yangbernilai positif, N2 = banyaknya residual yang bernilainegatif, dan R = run, maka jika N1 > 10 dan N2 > 10diasumsikan jumlah Run mengikuti distribusi normaldengan :

12 21 N

NNRunEMean )()(

)(1

222

21212

NNNNNNNVarian Run

])()([Pr // RunRun ZRunERunZRunEob 22

Jika Run tidak berada dalam interval kepercayaan maka H0 ditolak

(Nachrowi dan Usman, 2006)

Residual Berdistribusi Normal

dilakukan untuk melihat apakah residual memenuhi asumsi berdistribusi normal atau tidak

Uji Kolmogorov Smirnov :

H0 : Residual berdistribusi normalH1 : Residual tidak berdistribusi normalStatistik uji :

|)()(| 0 xFxFSupD nx

Daerah kritis :Tolak H0, jika nilai Dhitung < Dα dan residual tidak berdistribusi normal.

(Sudjana, 1996)

14

Angka Kematian Ibu

AKI adalah banyaknya wanita yang meninggal dari suatu penyebab kematian terkait dengan gangguan kehamilan ataupenangangannya (tidak termasuk kecelakaan atau kasus insidentil) selama kehamilan, melahirkan dan dalam masa nifas (42 harisetelah melahirkan) tanpa memperhitungkan lama kehamilan per 100.000 kelahiran hidup

𝐴𝐾𝐼 =𝛴𝑘𝑒𝑚𝑎𝑡𝑖𝑎𝑛 𝑖𝑏𝑢 ℎ𝑎𝑚𝑖𝑙, 𝑝𝑒𝑟𝑠𝑎𝑙𝑖𝑛𝑎𝑛, 𝑑𝑎𝑛 𝑛𝑖𝑓𝑎𝑠 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢

𝛴 𝑘𝑒𝑙𝑎ℎ𝑖𝑟𝑎𝑛 ℎ𝑖𝑑𝑢𝑝 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢𝑥 100.000

(BPS & BAPPEDA, 2014)

15

BAB IIIMETODOLOGI PENELITIAN

16

Sumber Data

Data Sekunder

Dinas Kesehatan Provinsi Jawa

Timur

AKI

Peserta KB aktif

Cakupan pelayanan antenatal K4

BPS Provinsi Jawa Timur

Perempuan kawin usia kurang dari 17

tahun

Perempuan dengan pendidikan yang

ditamatkan minimal SD

Kelahiran yang ditolong oleh tenaga

kesehatan terlatih

Komplikasi kebidanan yang

ditangani

17

Subyek Tahun Variabel Respon (Y)

Variabel Prediktor

(X1)...

Variabel Prediktor

(X6)

Kab/kota 1

2008 Y(1;2008) X1(1;2008) ... X6(1;2008)

2009 Y(1;2009) X1(1;2009) ... X6(1;2009)

2010 Y(1;2010) X1(1;2010) ... X6(1;2010)

2011 Y(1;2011) X1(1;2011) ... X6(1;2011)

2012 Y(1;2012) X1(1;2012) ... X6(1;2012)

2013 Y(1;2013) X1(1;2013) ... X6(1;2013)

2014 Y(1;2014) X1(1;2014) X6(1;2014)

... ... ... ... ... ...

Kab/kota 38

2008 Y(38;2008) X1(38;2008) ... X6(38;2008)

2009 Y(38;2009) X1(38;2009) ... X6(38;2009)

2010 Y(38;2010) X1(38;2010) ... X6(38;2010)

2011 Y(38;2011) X1(38;2011) ... X6(38;2011)

2012 Y(38;2012) X1(38;2012) ... X6(38;2012)

2013 Y(38;2013) X1(38;2013) ... X6(38;2013)

2014 Y(38;2014) X1(38;2014) ... X6(38;2014)

Tabel 3.1 Struktur Data

18

No Kabupaten/Kota No Kabupaten/Kota1 Kabupaten Pacitan 20 Kabupaten Magetan2 Kabupaten Ponorogo 21 Kabupaten Ngawi3 Kabupaten Trenggalek 22 Kabupaten Bojonegoro4 Kabupaten Tulungagung 23 Kabupaten Tuban5 Kabupaten Blitar 24 Kabupaten Lamongan6 Kabupaten Kediri 25 Kabupaten Gresik7 Kabupaten Malang 26 Kabupaten Bangkalan8 Kabupaten Lumajang 27 Kabupaten Sampang9 Kabupaten Jember 28 Kabupaten Pamekasan

10 Kabupaten Banyuwangi 29 Kabupaten Sumenep11 Kabupaten Bondowoso 30 Kota Kediri12 Kabupaten Situbondo 31 Kota Blitar13 Kabupaten Probolinggo 32 Kota Malang14 Kabupaten Pasuruan 33 Kota Probolinggo15 Kabupaten Sidoarjo 34 Kota Pasuruan16 Kabupaten Mojokerto 35 Kota Mojokerto17 Kabupaten Jombang 36 Kota Madiun18 Kabupaten Nganjuk 37 Kota Surabaya19 Kabupaten Madiun 38 Kota Batu

Tabel 3.2 Unit Penelitian

19

Tabel 3.3 Variabel Penelitian

No Variabel Keterangan Skala

1 Y Angka kematian ibu Rasio

2 X1 Persentase penduduk perempuan dengan pendidikan yang ditamatkan minimal SD Rasio

3 X2 Persentase penduduk perempuan kawin usia kurang dari 17 tahun Rasio

4 X3 Persentase peserta KB aktif Rasio

5 X4 Persentase cakupan pelayanan antenatal K4 Rasio

6 X5 Persentase kelahiran yang ditolong oleh tenaga kesehatan terlatih Rasio

7 X6 Persentase komplikasi kebidanan yang ditangani Rasio

20

Langkah Analisis

1. Mengumpulkan data AKI dan faktor-faktor yang diduga mempengaruhi di Provinsi Jawa Timur tahun

2008 – 2014

2. Melakukan analisis statistika deskriptif untuk mengetahui karakteristik data

3. Mendeteksi adanya kasus multikolinieritas atau tidak

4. Melakukan estimasi model

a.Uji Chow ----> memilih model CEM atau FEM

b.Uji Hausman ----> memilih model REM atau FEM

c.Uji LM ----> memilih model CEM atau REM

5. Melakukan pengujian signifikansi parameter secara serentak dan parsial

6. Melakukan uji asumsi residual IIDN

7. Mendapatkan estimasi model regresi panel dan interpretasi

8. Menarik kesimpulan

21

Diagram Alir

22

BAB IVPEMBAHASAN

23

2014201320122011201020092008

105

100

95

90

85

Tahun

Ang

ka K

emat

ian

Ibu

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

93,52

97,3997,43

104,30

101,44

90,66

83,18

Angka Kematian Ibu

24

Angka Kematian Ibu Tahun 2008

Kota B

atu

Kota Surab

aya

Kot a M

adiun

Kota Mojok

erto

Kota Pasu

ruan

Kot a P

robolin

ggo

Kot a M

alang

Kota B

litar

Kota Kediri

Kab. Sumenep

Kab. Pam

ekasa

n

Kab. S

ampang

Kab. B

angkal

an

Kab. Gres

ik

Kab. L

among

an

Kab. T

uban

Kab. B

ojoneg

oro

Kab. Ngaw

i

Kab. M

agetan

Kab. M

adiun

Kab. Ngan

juk

Kab. Jo

mbang

Kab. M

ojokert

o

Kab. S ido

arjo

Kab. Pasu

ruan

Kab. P

robolin

ggo

Kab. S

i tubon

do

Kab. B

ondo

woso

Kab. Ban

yuwangi

Kab. J

embe

r

Kab. Lumaja

ng

Kab. M

alang

Kab. K

ediri

Kab. Blit

ar

Kab. Tulun

gagun

g

Kab. T

rengg

alek

Kab. P

onoro

go

Kab. Paci

tan

200

150

100

50

0

Kabupaten/Kota

Ang

ka K

emat

ian

Ibu

11093,633

45,244

66,094

0,000

82,827

183,206

28,351

126,582

97,150

120,311

59,167

108,666

62,922

99,415

69,009

53,254

102,321

75,798

47,596

76,087

156,523

80,918

107,940112,601

99,548

56,933

158,874

109,170103,288

96,024

30,441

60,67758,198

99,912

73,603

127,605

103,137

52,917

7 dari 38 kabupaten/kota belum mencapai target AKI provinsi

25


Kota Batu

Kota Sura

baya

Kota Madiun

Kota Mojoker

to

Kota Pasu

ruan

Kota Probo

lingg

o

Kota M

alang

Kot a B

l itar

Kota Kedi

ri

Kab. Sumenep

Kab. Pam

ekasa

n

Kab. S

ampang

Kab. B

angkal

an

Kab. Gres

ik

Kab. L

among

an

Kab. T

uban

Kab. B

ojonegoro

Kab. Ngaw

i

Kab. Mageta

n

Kab. M

adiun

Kab. N

ganjuk

Kab. Jom

bang

Kab. M

oj okert

o

Kab. Sidoar

j o

Kab. P asu

ruan

Kab. Prob

olingg

o

Kab. S

itubo

ndo

Kab. Bond

owoso

Kab. B

anyu

wangi

Kab. J

ember

Kab. Lumaja

ng

Kab. Mala

ng

Kab. K

ediri

Kab. B

l itar

Kab. Tulun

gagun

g

Kab. T

rengg

alek

Kab. P

onoro

go

Kab. Paci

tan

250

200

150

100

50

0

Kabupaten/Kota

Ang

ka K

emat

ian

Ibu

11092,336

63,715

41,728

0,000

83,729

112,867120,455

50,000

175,850

231,660

45,924

106,540

45,75132,014

74,575

58,17369,456

106,95294,65289,454

101,390

68,76264,392

90,71485,70495,496

204,732197,684

97,038

134,412

80,967

53,050

74,50785,842

122,968135,300

115,636

75,863


26


Kota Batu

Kota Sura

baya

Kota Madiun

Kota Mojoker

to

Kota Pasu

ruan

Kota Probo

lingg

o

Kota M

alang

Kot a B

l itar

Kota Kedi

ri

Kab. Sumenep

Kab. Pam

ekasa

n

Kab. S

ampang

Kab. B

angkal

an

Kab. Gres

ik

Kab. L

among

an

Kab. T

uban

Kab. B

ojonegoro

Kab. Ngaw

i

Kab. Mageta

n

Kab. M

adiun

Kab. N

ganjuk

Kab. Jom

bang

Kab. M

oj okert

o

Kab. Sidoar

j o

Kab. P asu

ruan

Kab. Prob

olingg

o

Kab. S

itubo

ndo

Kab. Bond

owoso

Kab. B

anyu

wangi

Kab. J

ember

Kab. Lumaja

ng

Kab. Mala

ng

Kab. K

ediri

Kab. B

l itar

Kab. Tulun

gagun

g

Kab. T

rengg

alek

Kab. P

onoro

go

Kab. Paci

tan

200

150

100

50

0

Kabupaten/Kota

Ang

ka K

emat

ian

Ibu

10297,213

46,702

149,970

0,000

55,897

166,389

79,821

51,467

83,659

194,810

133,354

111,919

63,059

105,91593,696

84,97198,171

115,723

182,793

85,653

101,468

79,343

98,964

79,977

108,983

86,744

167,860

184,145

59,451

142,605

61,244

84,795

140,620

80,441

124,680

93,187

123,376128,932


27


Kota Batu

Kota Sura

baya

Kota Madiun

Kota Mojoker

to

Kota Pasu

ruan

Kota Probo

lingg

o

Kota M

alang

Kot a B

l itar

Kota Kedi

ri

Kab. Sumenep

Kab. Pam

ekasa

n

Kab. S

ampang

Kab. B

angkal

an

Kab. Gres

ik

Kab. L

among

an

Kab. T

uban

Kab. B

ojonegoro

Kab. Ngaw

i

Kab. Mageta

n

Kab. M

adiun

Kab. N

ganjuk

Kab. Jom

bang

Kab. M

oj okert

o

Kab. Sidoar

j o

Kab. P asu

ruan

Kab. Prob

olingg

o

Kab. S

itubo

ndo

Kab. Bond

owoso

Kab. B

anyu

wangi

Kab. J

ember

Kab. Lumaja

ng

Kab. Mala

ng

Kab. K

ediri

Kab. B

l itar

Kab. Tulun

gagun

g

Kab. T

rengg

alek

Kab. P

onoro

go

Kab. Paci

tan

250

200

150

100

50

0

Kabupaten/Kota

Ang

ka K

emat

ian

Ibu

102

134,544

116,724

26,055

52,74356,275

230,643

90,431101,781108,578

86,962

128,174128,089

66,423

98,82588,713

96,87392,497

126,723118,511118,191115,966

128,529

95,958

78,18692,278

80,589

211,699

147,984

81,020

142,876

61,15563,395

120,599

125,043122,674

138,593

105,811105,166


28


Kota Batu

Kota Sura

baya

Kota Madiun

Kota Mojoker

to

Kota Pasu

ruan

Kota Probo

lingg

o

Kota M

alang

Kot a B

l itar

Kota Kedi

ri

Kab. Sumenep

Kab. Pam

ekasa

n

Kab. S

ampang

Kab. B

angkal

an

Kab. Gres

ik

Kab. L

among

an

Kab. T

uban

Kab. B

ojonegoro

Kab. Ngaw

i

Kab. Mageta

n

Kab. M

adiun

Kab. N

ganjuk

Kab. Jom

bang

Kab. M

oj okert

o

Kab. Sidoar

j o

Kab. P asu

ruan

Kab. Prob

olingg

o

Kab. S

itubo

ndo

Kab. Bond

owoso

Kab. B

anyu

wangi

Kab. J

ember

Kab. Lumaja

ng

Kab. Mala

ng

Kab. K

ediri

Kab. B

l itar

Kab. Tulun

gagun

g

Kab. T

rengg

alek

Kab. P

onoro

go

Kab. Paci

tan

350

300

250

200

150

100

50

0

Kabupaten/Kota

Ang

ka K

emat

ian

Ibu

102107,335

144,645

29,771

54,705

0,000

106,866

164,645

339,312

182,768

72,67484,916

56,453

32,596

75,96156,416

140,540

95,501106,296

35,302

108,992

151,902

102,906116,894

96,272111,681

81,072

142,873

109,499

65,562

116,443

48,55561,287

145,240

104,251

72,799

98,39698,82295,005


29


Kota Batu

Kota Sura

baya

Kota Madiun

Kota Mojoker

to

Kota Pasu

ruan

Kota Probo

lingg

o

Kota M

alang

Kot a B

l itar

Kota Kedi

ri

Kab. Sumenep

Kab. Pam

ekasa

n

Kab. S

ampang

Kab. B

angkal

an

Kab. Gres

ik

Kab. L

among

an

Kab. T

uban

Kab. B

ojonegoro

Kab. Ngaw

i

Kab. Mageta

n

Kab. M

adiun

Kab. N

ganjuk

Kab. Jom

bang

Kab. M

oj okert

o

Kab. Sidoar

j o

Kab. P asu

ruan

Kab. Prob

olingg

o

Kab. S

itubo

ndo

Kab. Bond

owoso

Kab. B

anyu

wangi

Kab. J

ember

Kab. Lumaja

ng

Kab. Mala

ng

Kab. K

ediri

Kab. B

l itar

Kab. Tulun

gagun

g

Kab. T

rengg

alek

Kab. P

onoro

go

Kab. Paci

tan

200

150

100

50

0

Kabupaten/Kota

Ang

ka K

emat

ian

Ibu

102

30,817

119,149

44,57048,10054,915

212,709

149,779

49,480

74,878

58,866

98,143110,632

60,201

112,165

90,899

71,310

108,566100,192

89,196

110,831

156,658

89,722

133,950

72,823

112,355

65,927

192,351206,437

142,113

101,303

143,588

89,308

135,967

96,653

114,440103,488102,032

144,217


30


Kota Batu

Kota Sura

baya

Kota Madiun

Kota Mojoker

to

Kota Pasu

ruan

Kota Probo

lingg

o

Kota M

alang

Kot a B

l itar

Kota Kedi

ri

Kab. Sumenep

Kab. Pam

ekasa

n

Kab. S

ampang

Kab. B

angkal

an

Kab. Gres

ik

Kab. L

among

an

Kab. T

uban

Kab. B

ojonegoro

Kab. Ngaw

i

Kab. Mageta

n

Kab. M

adiun

Kab. N

ganjuk

Kab. Jom

bang

Kab. M

oj okert

o

Kab. Sidoar

j o

Kab. P asu

ruan

Kab. Prob

olingg

o

Kab. S

itubo

ndo

Kab. Bond

owoso

Kab. B

anyu

wangi

Kab. J

ember

Kab. Lumaja

ng

Kab. Mala

ng

Kab. K

ediri

Kab. B

l itar

Kab. Tulun

gagun

g

Kab. T

rengg

alek

Kab. P

onoro

go

Kab. Paci

tan

200

150

100

50

0

Kabupaten/Kota

Ang

ka K

emat

ian

Ibu

102

31,00

89,00

29,11

45,09

119,05

209,26

97,97

139,28

62,6063,71

95,52106,28

55,09

117,95

53,9958,6865,75

96,69

113,79

82,40

108,74

128,64

90,6880,02

107,46

130,52

185,04

156,18

93,0986,13

110,81

62,2867,61

139,36

104,43105,98

127,17118,17


31

Persentase Penduduk Perempuan dengan Pendidikan yang Ditamatkan Minimal SD

2014201320122011201020092008

69

68

67

66

65

64

Tahun

Pers

enta

se P

endu

duk

Pere

mpu

an d

enga

n Pe

ndid

ikan

68,62

68,2468,09

67,2867,27

64,32

66,42

yang

Dita

mat

kan

Min

imal

SD

32

Persentase Penduduk Perempuan Kawin Usia Kurang dari 17 Tahun

2014201320122011201020092008

34

33

32

31

30

29

28

27

26

Tahun

Pers

enta

se P

endu

duk

Pere

mpu

an K

awin

27,11

26,3326,32

28,34

30,61

31,82

33,70

Usia

Kur

ang

dari

17

Tahu

n

33

Persentase Peserta KB Aktif

2014201320122011201020092008

74

73

72

71

70

69

68

67

Tahun

Pers

enta

se P

eser

ta K

B a

ktif

72,7700

73,4798

71,024971,1529

69,2460

70,8982

67,7271

34

Persentase Cakupan Pelayanan Antenatal K4

2014201320122011201020092008

89

88

87

86

85

84

Tahun

Pers

enta

se C

akup

an P

elay

anan

Ant

enat

al K

4

88,66

87,35

84,38

88,3188,07

85,90

84,32

28 kabupaten/kota yang masih dibawah target provinsi (84%)

35

Persentase Kelahiran yang Ditolong Oleh Tenaga Kesehatan Terlatih

2014201320122011201020092008

96

95

94

93

92

91

90

89

Tahun

Pers

enta

se K

elah

iran

yan

g D

itolo

ng o

leh

92,45

92,04

89,14

96,07

95,04

92,96

90,98Te

naga

Kes

ehat

an T

erla

tihPada tahun 2012 banyak yang menggunakan jasa dukun untuk

membantu proses melahirkan dan kurangnya bidan untuk di daerah desa

36

Persentase Komplikasi Kebidanan yang Ditangani

2014201320122011201020092008

90

85

80

75

70

Tahun

Pers

enta

se K

ompl

ikas

i Keb

idan

an y

ang

Dita

ngan

i

91,48

85,73

83,15

79,51

68,95

84,82

81,0927 kabupaten/kota yang belum mencapai target (80%)

37

Variabel VIF

Persentase penduduk perempuan dengan pendidikan yang ditamatkanminimal SD 3,908

Persentase penduduk perempuan kawin usia kurang dari 17 tahun 3,781

Persentase peserta KB aktif 1,024

Persentase cakupan pelayanan antenatal K4 2,032

Persentase kelahiran yang ditolong oleh tenaga kesehatan terlatih 2,006

Persentase komplikasi kebidanan yang ditangani 1,111

Pendeteksian Multikolineritas

Kurang dari 10 artinya tidak ada

multikolinieritas

38

Pemilihan Metode Estimasi Model AKI dengan Semua Variabel Prediktor Memperhatikan Efek Individu dan Waktu

39

Uji Chow

38210 aaaH ...: (Model CEM):1H paling sedikit ada satu ji aa dimana ji (Model FEM)

Untuk i,j=1,2,...38

Tabel 4.2 Hasil Uji Chow dengan Semua Variabel

F-hitung Derajat Bebas F-tabel P-Value Keputusan

3,578825 (43; 216) 1,32594 0 H0 ditolak

Model terpilih : Model FEM

Uji Hausman

:0H 0),( itit eXcorr:1H 0),( itit eXcorr

(Model REM) (Model FEM)

Tabel 4.3 Hasil Uji Hausman dengan Semua Variabel

H Derajat Bebas χ2-tabel P-Value Keputusan

17,613499 6 10,6446 0,0073 H0 ditolak


40

Uji Serentak

H0 : 0... 621

H1 : minimal terdapat satu 0i untuk i=1,2,...,6

Tabel 4.4 Hasil Uji Serentak dengan Semua Variabel


4,853703 (6; 259) 1,79699 0 H0 ditolak

Minimal terdapat satu variabel prediktor yang berpengaruh

signifikan terhadap AKI

Uji Parsial

H0 : 0i

H1 : 0i

Untuk i=1,2,...,6

Tabel 4.5 Hasil Uji Parsial dengan Semua VariabelVariabel t-hitung P-Value Keputusan

C 2,897550 0,0041 H0 ditolakX1 -0,053113 0,9577 H0 gagal ditolakX2 0,439678 0,6606 H0 gagal ditolakX3 0,199717 0,8419 H0 gagal ditolakX4 -1,883105 0,0610 H0 ditolakX5 -1,942082 0,0534 H0 ditolakX6 0,146505 0,8837 H0 gagal ditolak

persentase cakupan pelayanan antenatal K4, persentase kelahiran yang ditolong oleh tenaga kesehatan terlatih berpengaruh

signifikan terhadap AKI

41

Pemilihan Metode Estimasi Model AKI dengan Variabel Prediktor yang Signifikan saja Memperhatikan Efek Individu dan Waktu

42

Uji Chow

38210 aaaH ...: (Model CEM):1H paling sedikit ada satu ji aa dimana ji (Model FEM)

Untuk i,j=1,2,...38


3,975348 (43; 220) 1,32520 0 H0 ditolak


Uji Hausman

:0H 0),( itit eXcorr:1H 0),( itit eXcorr

(Model REM) (Model FEM)

H Derajat Bebas χ2-tabel P-Value Keputusan

9,948364 2 4,60517 0,0069 H0 ditolak


Tabel 4.6 Hasil Uji Chow dengan Variabel yang Signifikan

Tabel 4.7 Hasil Uji Hausman dengan Variabel yang Signifikan

43

Uji Serentak

H0 :

H1 : minimal terdapat satu 0i untuk i=4,5


5,368183 (2; 263) 2,32286 0 H0 ditolak

Minimal terdapat satu variabel prediktor yang berpengaruh signifikan terhadap AKI

Uji Parsial

H0 : 0i

H1 : 0i

Untuk i=4,5

Variabel t-hitung P-Value KeputusanC 7,527346 0,0000 H0 ditolakX4 -1,897815 0,0590 H0 ditolakX5 -2,067127 0,0399 H0 ditolak

persentase cakupan pelayanan antenatal K4 , persentase kelahiran yang ditolong oleh tenaga kesehatan terlatih

berpengaruh signifikan terhadap AKI

054

Tabel 4.8 Hasil Uji Serentak dengan Variabel yang Signifikan

Tabel 4.9 Hasil Uji Parsial dengan Variabel yang Signifikan

44

Uji Residual IIDN

Residual Identik

H0 : Tidak terjadi kasus heteroskedastisitasH1 : Terjadi kasus heteroskedastisitas


0,89 (2; 263) 2,32286 0,412 H0 gagal ditolak

Uji Park

Residual Independen

H0 : Tidak terjadi kasus otokorelasiH1 : Terjadi kasus otokorelasi

R P-Value N1 N2 Keputusan

131 0,712 133 133 H0 gagal ditolak

Memenuhi asumsi residual identik

)()( / RunZRE 2 120,6119 < 131 < 147,3881

Memenuhi asumsi residual independen karena runtun berada di dalam confidence interval

45

Residual Berdistribusi Normal

250200150100500-50-100

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

residual

Pe

rce

nt

Mean -8,27068E-08

StDev 30,30

N 266

KS 0,068

P-Value <0,010

Probability Plot of residualNormal

H0 : Residual berdistribusi normalH1 : Residual tidak berdistribusi normal

KS-hitung KS-tabel P-Value Keputusan

0,068 0,0748 <0,01 H0 gagal ditolak

Tidak memenuhi asumsi residual berdistribusi normal, dan telah

dilakukan berberapa kali transformasi namun tetap tidak memenuhi asumsi

residual berdistribusi normal

Uji Kolmogorov Smirnov

46

Estimasi Model Regresi Panel

1,367910-20178715128330 54 itittiit XXy ,,ˆ

Model FEM dengan memperhatikan efek individu dan waktu : No Kab./Kota μi No Kab./Kota μi

1 Pacitan 2,48354 20 Magetan 1,0745892 Ponorogo 2,619507 21 Ngawi 15,568233 Trenggalek 2,302268 22 Bojonegoro -2,5739734 Tulungagung 11,08721 23 Tuban -10,223075 Blitar 5,455327 24 Lamongan -8,894066 Kediri 10,94506 25 Gresik -16,025097 Malang -23,4222 26 Bangkalan -43,342458 Lumajang -12,45489 27 Sampang -15,44349 Jember -0,885117 28 Pamekasan -9,572804

10 Banyuwangi -15,57222 29 Sumenep 3,08136111 Bondowoso 57,3289 30 Kota Kediri 20,5011612 Situbondo 58,78062 31 Kota Blitar 9,12808213 Probolinggo -15,76042 32 Kota Malang 12,5860314 Pasuruan 2,714711 33 Kota Probolinggo 73,1433215 Sidoarjo -3,399786 34 Kota Pasuruan -29,65116 Mojokerto 0,667427 35 Kota Mojokerto -63,1501217 Jombang -4,617433 36 Kota Madiun -25,0892418 Nganjuk 25,90534 37 Kota Surabaya -0,49638919 Madiun -3,53025 38 Kota Batu -11,26876

Tabel 4.10 Nilai Intersep Individu untuk Tiap Kabupaten/Kota

persentase cakupan pelayanan antenatal K4

persentase kelahiran yang ditolong oleh tenaga kesehatan terlatih

R2 = 52,34%

47

Tabel 4.11 Nilai Intersep Periode Waktu

tTahun2008 -17,508542009 -5,1677342010 8,7823782011 15,712742012 -7,4286092013 5,6339712014 -0,024207

191,8367112,1058-82,2051-386,14758

81,9541) 1,367910-

40246820178715085417143327351283302008

(

),(,,,,)(ˆ kotaoprobolinggy

94752134,3955-118,0569-3994053

)248889 1,367910-

23459820178710242070089242551283302014

,,

,(

),(,,,,)(ˆ

kotamadiuny

Nilai taksiran AKI Kota Probolinggo pada tahun 2008 adalah sebagaiberikut.

Nilai taksiran AKI Kota Madiun pada tahun 2014 adalah sebagai berikut.

48

BAB VKESIMPULAN DAN SARAN

49

Secara umum, angka kematian ibu di Provinsi JawaTimur mengalami kenaikan pada tahun 2008 hinggatahun 2011, namun pada tahun 2012 hingga tahun2014 mengalami penurunan. Pada tahun 2014,terdapat 19 kabupaten/kota yang mencapai targetAKI.

Kesimpulan

1

Model regresi panel yang sesuai untuk angkakematian ibu di Provinsi Jawa Timur adalah modelFEM tanpa pembobot yang memperhatikan efekindividu dan waktu. Variabel yang signifikanterhadap AKI di Provinsi Jawa Timur adalahpersentase cakupan pelayanan antenatal K4dan persentase kelahiran yang ditolong olehtenaga kesehatan terlatih.

2

Saran

Sehingga diharapkan perempuan khususnya ibu hamil untuk meningkatkan kesadaran akan pentingnyapemeriksaan kehamilan dan melaksanakan pemeriksaan kehamilan minimal empat kali kunjungan sertamelakukan persalinan dengan ditolong oleh tenaga kesehatan terlatih untuk menjamin keselamatan ibu dananak. Selain itu, diharapkan pemerintah meningkatkan penyuluhan melalui komunikasi dan edukasi yangintensif kepada ibu hamil dan keluarganya agar melakukan pemeriksaan kehamilan sesuai standar yangditentukan, serta meningkatkan program perencanaan persalinan dan pencegahan komplikasi (P4K).

50

Daftar PustakaArfan, N. (2014). Pendekatan Spline untuk Estimasi Kurva Regresi Nonparametrik pada Data Angka Kematian

Maternal di Jawa Timur. Surabaya: Digilib ITS.Arkandi, I. (2015). Analisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson

Bivariat di Provinsi Jawa Timur Tahun 2013. Surabaya: Jurusan Statistika Institut Teknologi SepuluhNopember.

Asteriou, D., & Hall, S. G. (2007). Applied Econometrics. New York: Palgrave Macmillan.BKKBN. (2011). Kamus Istilah Kependudukan & Keluarga Berencana. Jakarta: BKKBN.BPS. (2013). Statistik Kesehatan. Jakarta: BPS.BPS, & BAPPEDA. (2014). Evaluasi Pencapaian Millenium Development Goals (MDGs) Jawa Timur 2014.

Provinsi Jawa Timur: BPS dan Badan Perencanaan dan Pembangunan Daerah Provinsi Jawa Timur.Destilunna, F. G. (2015). Pengaruh dan Pemetaan Pendidikan, Kesehatan, serta UMKM terhadap IPM di Jawa

Timur menggunakan Regresi Panel dan Biplot. Surabaya: Jurusan Statistika Institut Teknologi SepuluhNopember.

Draper, N. R., & Smith, H. (1998). Analisis Regresi Terapan. Diterjemahkan oleh Ir. Bambang Sumantri. Jakarta : Gramedia.

Efendi, F., & Makhfudli. (2009). Keperawatan Kesehatan Komunitas, Teori dan Praktikum dalam Keperawatan.Jakarta: Salemba Medika.

Evadianti, E. (2014). Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Geographically Weighted Negative Binomial Regression (GWNBR). Surabaya: Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember.

Fibriana, A. I. (2007). Faktor-Faktor Risiko yang Mempengaruhi Kematian Maternal (Studi Kasus Cilacap).Semarang: Program Stusi Magister Epidemiologi Program Pasca Sarjana UNDIP.

51

Gujarati, D. N., & Porter, Dawn C. (2013). Dasar-Dasar Ekonometrika Edisi 5 Buku 1. Diterjemahkan olehEugenia Mardanugraha, Sita Wardhani, dan Carlos Mangunsong. Jakarta: Salemba Empat.

Gujarati, D. N., & Porter, Dawn C. (2015). Dasar-Dasar Ekonometrika Edisi 5 Buku 2. Diterjemahkan olehRaden Carlos Mangunsong. Jakarta: Salemba Empat.

Kemenkes. (2013). Profil Kesehatan Indonesia.. Jakarta: Kementerian Kesehatan Republik Indonesia.Kemenkes. (2014). Mother's Day. Infodatin (Pusat Data dan Informasi Kementerian Kesehatan RI), Kementerian

Kesehatan RI.Nachrowi, N. D., & Usman, H. (2006). Pendekatan Populer dan Praktis Ekonometrika untuk Analisis Ekonomi

dan Keuangan. Jakarta: Fakultas Ekonomi Universitas Indonesia.Ningtyas, M. S. (2015). Pemodelan Faktor-Faktor yang Berpengaruh terhadap Indeks Pembangunan Manusia

(IPM) Kabupaten/Kota di Jawa Timur Menggunakan Regresi Panel. Surabaya: Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember.

Novita, L. (2012). Pemodelan Maternal Mortality di Jawa Timur dengan Pendekatan Geographically Weighted Poisson Regression. Surabaya: Digilib ITS.

Nurindah, A. (2014). Analisis Kelompok dan Pemodelan Regresi Panel terhadap Karakteristik Pabrik Gula di Pulau Jawa. Surabaya: Jurusan Statistika Institut Teknologi Sepuluh Nopember.

Permana, R. R. (2014). Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif. Surabaya: Jurusan Statistika FMIPA InstitutTeknologi Sepuluh Nopember.

52

Rachmah, N. F. (2014). Pemodelan Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa TimurMenggunakan Bivariate Poisson Regression. Surabaya: Jurusan Statistika FMIPA Institut TeknologiSepuluh Nopember.

Sudjana. (1996). Teknik Analisis Regresi dan Korelasi. Bandung: Tarsito.Walpole, R. E. (1993). Pengantar Statistika. Diterjemahkan oleh Ir. Bambang Sumantri. Jakarta: PT. Gramedia

Pustaka Utama.Widarjono, A. (2013). Ekonometrika Pengantar dan Aplikasinya Disertai Panduan Eviews Edisi 4.

Yogyakarta: UPP STIM YKPN.Yatim, F. (2008). Penyakit Kandungan Myoma, Kanker Rahim/Leher dan Indung Telur, Kista, serta Gangguan

Lainnya. Jakarta: Pustaka Populer Obor.

53

Sekian dan

Terima Kasih

Pemodelan Regresi Panel terhadap Faktor-Faktor yang … · 2020. 4. 26. · panel dengan model...

Documents

Transcript of Pemodelan Regresi Panel terhadap Faktor-Faktor yang … · 2020. 4. 26. · panel dengan model...