ABSTRAK
Angka Kematian Bayi dapat menggambarkan kondisi sosial ekonomi masyarakat setempat,
karena bayi adalah kelompok usia yang paling rentan terkena dampak dari perubahan
lingkungan maupun sosial ekonomi. Berdasarkan data hasil Survei Demografi dan Kesehatan
Indonesia (SDKI) tahun 2012, Angka Kematian Bayi (AKB) sebesar 32 kematian/1000 kelahiran
hidup. Angka Kematian Bayi (AKB) di Indonesia ini masih tergolong tinggi, jika dibandingkan
dengan negara-negara lain di kawasan ASEAN seperti Filipina, Malaysia, dan Thailand. Di
Indonesia, Jawa Barat menjadi penyumbang terbesar kematian bayi. Untuk itu, penyelesaian
masalah kematian bayi di Jawa Barat nantinya akan sangat berdampak di tingkat nasional.
Variabel pada paper ini adalah Angka Kematian Bayi dan Berat Badan Lahir Rendah di 26
kabupaten-kabupaten di Jawa Barat. Berdasarkan analisis dengan tingkat signifikansi 5% ini
didapatkan R = 0,431 yang artinya 43,1% Angka Kematian Bayi disebabkan oleh Berat Badan
Lahir Rendah. Lalu didapat korelasi kedua data sebesar 0,657 yang artinya kedua variabel
tersebut memiliki hubungan yang cukup kuat. Model regresi yang terbentuk ialah = 60,497 +
0,17 artinya Angka Kematian Bayi akan meningkat 1 satuan pada rata-rata 0,17 BBLR.
Kata kunci: Angka Kematian Bayi, Berat Badan Lahir Rendah
perlu dihitung nilai 0 dan 1 dengan rumus 1 1713 196 351,76 -155,707
167998
Keputusan : Karena > 2,0638 maka Statistik uji = = 9220,316 =
tolak 0 . 18,22042
0 : 1 = 0 atau tidak ada hubungan antara Berdasarkan uji parsial dan uji simultan di
variabel x dengan variabel y atas, dapat diketahui bahwa Jumlah Bayi
1 : 1 0 atau ada hubungan yang BBLR memiliki pengaruh yang signifikan
signifikan antara variabel x dengan variabel terhadap Angka Kematian Bayi di Jawa
y Barat tahun 2012.
1 + (1 ). (1,2)
2 Artinya, hubungan regresi cukup kuat
= (1 )100% karena 43,14% variasi kematian bayi dapat
dijelaskan oleh jumlah bayi yang lahir
Berdasarkan data, diperoleh :
dengan berat badan lahir rendah (BBLR).
= 26
Adapun nilai koefisien korelasinya adalah :
1 = 0.170031136
( )()
=
( )2 ()2
0 = 60.49686569
988404,58
= 221287.5623 =
5813079,88 389347,12
= 9220.315094 = 0,657
[230,528 2,064.28,167 < |=1000 < [33,529 < |=1000 < 494,585] =
230,528 + 2,064.28,167] = 95% 95%
Jadi, dengan tingkat kepercayaan 95%, banyak Berat Badan Lahir Hidup sebanyak
didapatkan selang kepercayaan rata-rata 1000 adalah antara -33,529 sampai 494,585.
angka kematian bayi untuk jumlah Berat Pemeriksaan lebih lanjut mengenai residual
Badan Lahir Rendah sebanyak 1000 adalah menggunakan nilai standardize error nya.
antara 172,392 sampai 288,664. Standardize eror diperoleh dengan membagi
Peramalan Nilai Individu Y (Yi) Pada nilai eror dengan akar dari Mean Square
X=Xo Eror (MSE) lalu dibuat scatter plot dengan
776 0,9327
893 1,4337 Scatter plot di atas menunjukan pola yang
acak. Hal ini mengindikasikan bahwa model
405 -0,1808
liniernya bagus dan memenuhi asumsi
358 0,2149
homoskedastis. Asumsi homoskedastis
596 0,6578
terpenuhi artinya varians atau keragaman
706 -0,4430
dari eror tidak terpengaruh oleh faktor lain.
543 -1,2375
461 -1,1756 Pemeriksaan lebih lanjut menggunakan
240 -0,4093 standardize error dengan t (waktu). Dalam
902 -0,6859 pemeriksaan ini waktu dianggap berjalan
208 -0,4672 dari 1 sampai dengan 26 . Adapun bentuk
scatter plot nya adalah sebagai berikut :
Gambar 4. Scatter Plot antara Standardize akan tetapi nilai standardize eror yang
Error dengan Waktu (t) digunakan harus diurutkan dari nilai terkecil
hingga terbesar terlebih dahulu. Adapun
2.0000
nilai expected error nya adalah sebagai
SRANDARDIZE EROR
1.0000
berikut :
0.0000
0 10 20 30
-1.0000
Tabel 5. Standardize Error dengan Expected
-2.0000
Error
WAKTU
Standardize Eror
Standardize Expected
Eror terurut Error
Dari scater plot diatas terlihat bahwa pola -1,6221 -190,1967
yang ada adalah acak. Jadi bisa kita 1,1048 -147,7765
simpulkan bahwa antara eror dan t (waktu) 0,1779 -123,0577
tidak ada hubungan (non autokorelasi) 1,6874 -104,5605
sehingga memenuhi asumsi non 0,2423 -89,2991
autokorelasi. 1,6574 -76,0151
0,7738 -64,0485
Pemeriksaan penyimpangan berikutnya
-1,7579 -53,0038
adalah dengan Normal Probabality Plot.
-0,6617 -42,6207
Normal probabilitas plot adalah scater plot
1,1186 -32,7144
antara standardize eror dan Expected
0,9327 -23,1453
residuals.
1,4337 -13,8012
Nilai expected residuals didapat dari -0,1808 -4,5864
0,2149 4,5864
=
0,375 0,6578 13,8012
{ [ +0,25 ]}
-0,4430 23,1453
Dimana, -1,2375 32,7144
-1,1756 42,6207
i = indeks
-0,4093 53,0038
n = banyaknya data -0,6859 64,0485
-0,4672 76,0151 1. Ada hubungan Berat Badan Lahir
-0,4327 89,2991 Rendah dengan Angka Kematian
-0,9054 104,5605 Bayi dengan = 0,657.
-0,3865 123,0577 2. Model yang terbentuk adalah
0,6616 147,7765 = 60,497 + 0,17
-0,2970 190,1967 Model tersebut menunjukkan bahwa
Angka Kematian Bayi akan
meningkat 1 satuan pada rata-rata
Berdasarkan data di atas, dapat dibuat
0,17 BBLR dengan syarat variabel
scatter plot sebagai berikut :
predictor yang lain adalah konstan.
Gambar 5. Scatter Plot antara Standardize
Error dengan Expected Error
SARAN
DAFTAR PUSTAKA