1
dengan persentase 0.74%. Persentase ibu hamil beresiko tinggi dilayani paling
minimum berada pada kabupaten bangkalan dengan persentase 53.51% dan
tertinggi pada kota Mojokerto dengan persentase 98.77%. Persentase ibu hamil
melaksanakan program K4 terendah sebesar 74% pada kabupaten Trenggalek dan
tertinggi sebesar 99.8% pada kota Kediri. Sedangkan persentase ibu hamil
mendapat tablet Fe3 terendah sebesar 50.35% berada pada kota Pasuruan dan
tertinggi sebesar 98.57% berada pada kabupaten Pasuruan. Pengaruh terbesar yang
mempengaruhi jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
adalah persentase persalinan oleh tenaga kesehatan dengan rata-rata 95.74%,
semakin tinggi persentase persalinan oleh tenaga kesehatan di kabupaten/kota maka
akan semakin kecil resiko kematian bayi akibat persalinan di kabupaten/kota
tersebut.
4.2 Metode Best Subsets Regression Data Jumlah Kematian Bayi di Setiap
Kabupaten/Kota Provinsi Jawa Timur Tahun 2011 Terhadap Faktor
yang Mempengaruhi
Best Subsets Regression (Regresi terbaik) digunakan untuk meregresikan satu
peubah respon pada semua kemungkinan kombinasi subset peubah-peubah
prediktor dan kemudian memilih subset terbaik untuk setiap ukuran (size) informasi
model terbaik ini dipilih berdasarkan nilai Rsquare terbesar, nilai S terendah, dan
Statistik Cp Mallow yang mendekati banyak parameter. Berdasarkan data jumlah
kematian bayi di setiap kabupaten/kota di Jawa Timur tahun 2011 terhadap faktor
yang mempengaruhinya akan dipilih model regresi terbaik berdasarkan metode best
subsets regression yang hasilnya akan diuraikan sebagai berikut.
Tabel 4.2 Metode best subsets regression
X X X X X
Vars R-sq R-sq(adj) R-sq(pred) Cp Mallow S
1 2 3 4 5
1 46.4 44 40.5 5.7 101.10 X
2
4 62.6 54.4 45.1 4 94.82 X X X X
3
Metode forward adalah pemodelan dimulai dari nol peubah (empty model),
kemudian satu persatu peubah dimasukan sampai kriteria tertentu dipenuhi dengan
memasukkan prediktor secara bertahap berdasarkan korelasi parsial terbesar. Proses
tersebut dihentikan ketika prediktor-prediktor baru yang masuk ke dalam model
tidak berpengaruh signifikan terhadap variabel respon. Berdasarkan data jumlah
kematian bayi di setiap kabupaten/kota di Jawa Timur tahun 2011 terhadap faktor
yang mempengaruhinya akan dipilih model regresi terbaik berdasarkan metode
Forward Selection yang akan diuraikan sebagai berikut.
Tabel 4.3 Metode Forward selection
Term Coef SE Coef T-value P-value
Tabel 4.3 menunjukkan bahwa ada dua variabel yang signifikan dengan
masing-masing P-value 0.002 dan 0.041 lebih kecil dari α=0.05 yaitu variabel X2
dan X5. Jadi persamaan model terbaik berdasarkan metode Forward adalah sebagai
berikut.
yˆ 124 349 x2 4.11x5
4
signifikan saja. Metode backward juga disebut dengan prosedur eliminasi langkah
mundur. Berdasarkan data jumlah kematian bayi di setiap kabupaten/kota di Jawa
Timur tahun 2011 terhadap faktor yang mempengaruhinya akan dipilih model
regresi terbaik berdasarkan metode Bacward Elimination sehingga didapatkan
model yang terbaik sebagai berikut.
Tabel 4.4 Output Metode Backward
Step 1 2 3 4
Constant 151.2 132.8 -207.2 -123.7
X1 -0.2
T-value -0.03
P-value 0.972
X2 -313 -311 -372 -349
T-value -2.49 -2.70 -3.51 -3.32
P-value 0.018 0.011 0.001 0.002
5
yˆ 124 349 x2 4.11x5
Tabel 4.5 menunjukkan bahwa korelasi yang paling signifikan dengan nilai
korelasi tertinggi adalah antara jumlah kematian bayi di setiap kabupaten/kota di
6
Jawa Timur tahun 2011 (Y) dengan persentase tenaga kesehatan (X2) dengan nilai
Pearson Correlation sebesar 0.405 dan P-value sebesar 0.012. Oleh karena itu akan
dilanjutkan pada uji korelasi parsial untuk mengetahui apakah ada variabel
prediktor lain yang signifikan dengan menggunakan persentase tenaga kesehatan
(X2) sebagai variabel kontrol.
Tabel 4.6 Nilai Korelasi Parsial Antara Variabel Respon dengan Variabel Prediktor dengan X 2
Sebagai Variabel Kontrol
Y X1 X3 X4 X5
0 35 35 35 35
df
Tabel 4.6 menunjukkan bahwa terdapat nilai korelasi yang paling signifikan
yaitu dari variabel prediktor X5 terhadap Y dengan X2 sebagai variabel kontrol.
Sehingga variabel X5 dijadikan sebagai variabel kontrol untuk dilakukan
pengecekan korelasi parsial selanjutnya.
Tabel 4.7 Nilai Korelasi Parsial Antara Variabel Respon dengan Variabel Prediktor dengan X 2 dan
X5 Sebagai Variabel Kontrol
Y X1 X3 X4
0 34 34 34
df
Tabel 4.7 menunjukkan bahwa tidak terdapat nilai korelasi yang signifikan
antara variabel Y dengan X2, dan X5 sebagai variabel kontrol sehingga pemeriksaan
nilai korelasi parsial dihentikan dan variabel yang masuk dalam model adalah
variabel X2 dan X5. Sehingga didapatkan model yang terbaik sebagai berikut.
yˆ 124 349 x 2 4.11x5
7
satu persen maka jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
tahun 2014 akan naik sebesar 4.11 jiwa dengan asumsi persentase tenaga kesehatan
bernilai konstan. Ternyata dalam praktikum ini model terbaik untuk metode
stepwise juga menghasilkan model yang sama dengan metode forward selection
dan backward elimination.
8
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Hasil analisis data jumlah kematian bayi di setiap kabupaten/kota di Jawa
Timur (Y), persentase persalinan oleh tenaga kesehatan (X1), persentase tenaga
kesehatan (X2), persentase ibu hamil beresiko tinggi yang dilayani (X3), persentase
ibu hamil yang melaksanakan program K4 (X4), dan persentase ibu hamil yang
mendapat tablet Fe3 (X5), didapatkan kesimpulan sebagai berikut.
1. Hasil statistika deskriptif didapatkan bahwa persentase persalinan oleh tenaga
kesehatan memiliki rata-rata paling tinggi diantara faktor-faktor yang lain
maka diperkirakan faktor persentase persalinan oleh tenaga kesehatan di
setiap kabupaten/kota di Jawa Timur memiliki pengaruh yang paling besar
terhadap jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
sehingga diharapkan pemerintah mampu mendistribusikan tenaga kesehatan
secara merata ke seluruh wilayah agar tingkat jumlah persalinan dengan
tenaga kesehatan akan semakin meningkat dan mengurangi tingkat kematian
bayi saat proses melahirkan.
2. Model terpilih yang terbentuk dari metode best subsets regression adalah
sebagai berikut.
yˆ 133 311x2 1.68x3 4.77 x4 4.41x5
3. Model terpilih yang terbentuk dari metode forward selection adalah sebagai
berikut.
yˆ 124 349 x2 4.11x5
4. Model terpilih yang terbentuk dari metode backward selection adalah sebagai
berikut.
yˆ 124 349 x2 4.11x5
5. Model terpilih yang terbentuk dari metode stepwise selection adalah sebagai
berikut.
yˆ 124 349 x2 4.11x5
9
5.2 Saran
Saran yang dapat diberikan pada penelitian kali ini adalah proses analisis
dilakukan lebih teliti, dan akurat agar tidak terjadi kesalahan pemilihan regresi
terbaik pada saat proses pengerjaan laporan dan laporan yang dihasilkan dapat
menjadi laporan yang baik dari segi pengambilan data sampai isi dari laporan
tersebut sehingga informasi dapat dipahami secara lebih mudah oleh pembaca baik
mahasiswa atau masyarakat umum.
10
DAFTAR PUSTAKA
Draper, Norman & Smith, Harry. 1992. Analisis Regresi Terapan ed.2. Jakarta : PT
Gramedia PustakaUtama
Walpole. 1989. Pengantar Metode Statistik. Jakarta: PT Gramedia Pustaka Utama.
Konsil Kedokteran Indonesia. 2006. Pengertian Tenaga Kesehatan.
https://sugengmedica.wordpress.com/2012/08/09/definisi-tenaga-
kesehatan/Diakses pada 30 November 2015 pukul 21.10 WIB
Muchtar. 2005. Program K4. http://7langkahvarney.blogspot.co.id/2012/06/fungsi-
pemeriksaan-k1-k4.htmlDiakses pada 30 November 2015 pukul 21.00 WIB
Norman N. 2008. Tablet Fe pada Ibu Hamil.
http://mantrinews.blogspot.co.id/2012/02/mengenal-tablet-
besi.htmlDiakses pada 30 November 2015 pukul 21.30 WIB
11
LAMPIRAN
Kab/Kota y x1 x2 x3 x4 x5
KAB. PACITAN 87 98.68 0.12 97.2 86.58 75.91
KAB.
PONOROGO 176 92.97 0.16 91.82 86.43 82.8
KAB.
TRENGGALEK 110 89.74 0.11 81.89 74 75.94
KAB.
TULUNGAGUNG 104 96.72 0.16 58.44 88.88 83.01
KAB. BLITAR 248 98.32 0.07 79.85 89.9 84.09
KAB. KEDIRI 202 96.71 0.08 75.55 90.92 74.92
KAB. MALANG 275 98.93 0.11 88.98 94.89 89.3
KAB.
LUMAJANG 149 99.15 0.1 95.13 90.34 93.78
KAB. JEMBER 439 95.16 0.11 57.67 81.27 91.8
KAB.
BANYUWANGI 172 96.43 0.09 58.36 82.73 83.19
KAB.
BONDOWOSO 190 91.65 0.14 93.42 90.74 91.4
KAB.
SITUBONDO 171 91.66 0.14 79.52 82.27 80.72
KAB.
PROBOLINGGO 218 97.37 0.07 80.61 88.35 88.05
KAB.
PASURUAN 159 95.2 0.05 85.89 92.06 98.57
KAB. SIDOARJO 252 93.73 0.23 73.79 90.11 85.71
KAB.
MOJOKERTO 201 99.83 0.06 75.81 85.9 78.43
KAB. JOMBANG 311 96.3 0.15 98.13 87.49 86.3
KAB. NGANJUK 356 94.97 0.1 90.36 85.47 83.73
KAB. MADIUN 81 95.17 0.14 78.71 88.69 84.87
KAB. MAGETAN 101 98.64 0.14 80.33 91.44 89.98
KAB. NGAWI 163 97.12 0.12 93.98 89.73 89.73
KAB.
BOJONEGORO 182 99.34 0.12 95.53 90.63 83.33
KAB. TUBAN 174 97.32 0.09 95.67 89.82 88.64
KAB.
LAMONGAN 54 96.6 0.12 64.78 95.2 74.31
KAB. GRESIK 144 98.45 0.11 68.16 87.58 90.09
KAB.
BANGKALAN 82 95.89 0.13 53.51 88.63 85.04
KAB. SAMPANG 131 93.32 0.16 66.27 79.01 72.83
KAB.
PAMEKASAN 76 89.78 0.05 57.22 85.24 80.27
KAB. SUMENEP 153 94.08 0.09 56.62 82.31 81.88
KOTA KEDIRI 33 93.68 0.5 94.03 99.8 91.03
KOTA BLITAR 28 95.62 0.46 56.77 87.75 89.27
KOTA MALANG 249 96.47 0.29 92.66 87.12 87.34
KOTA
PROBOLINGGO 52 96.32 0.3 60.54 95.82 80.81
KOTA
PASURUAN 33 99.66 0.22 92.59 89.43 50.35
KOTA
MOJOKERTO 23 97.07 0.67 98.77 93.97 97.96
KOTA MADIUN 23 92.26 0.74 96.92 99.51 98.27
KOTA
SURABAYA 465 93.24 0.23 83.38 91.06 90.18
KOTA BATU 32 94.6 0.26 61.97 89.94 89.94
Keterangan :
Y : jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
tahun 2011
X1 : persentase persalinan dengan tenaga kesehatan
X2 : persentase tenaga kesehatan
X3 : persentase ibu hamil beresiko tinggi yang dilayani
X4 : persentase ibu hamil yang melaksanakan program K4
X5 : persentase ibu hamil yang mendapat tablet Fe3
Lampiran 2 Hasil Output Minitab Berdasarkan Statistika Deskriptif
Descriptive Statistics: y, x1, x2, x3, x4, x5
Response is y
Analysis of Variance
Model Summary
Coefficients
Regression Equation
R Large residual
X Unusual X
α to enter = 0.05
Analysis of Variance
Model Summary
Coefficients
Regression Equation
R Large residual
X Unusual X
Lampiran 4 Hasil Output Minitab Untuk Pemilihan Model Regresi Terbaik
Berdasarkan Metode Backward Elimination.
Step 1 2 3 4
Constant 151.2 132.8 -207.2 -123.7
x1 -0.2
T-Value -0.03
P-Value 0.972
x4 -4.7 -4.8
T-Value -1.13 -1.29
P-Value 0.266 0.208
α to remove = 0.05
Analysis of Variance
Model Summary
Coefficients
Regression Equation
R Large residual
X Unusual X
Lampiran 5 Hasil Output Minitab Untuk Pemilihan Model Regresi Terbaik
Berdasarkan Metode Stepwise Regression.
Correlations
Correlations
y x1 x2 x3 x4 x5
N 38 38 38 38 38 38
x1 Pearson Correlation .014 1 -.170 .177 .282 -.104
Sig. (2-tailed) .934 .309 .288 .086 .536
N 38 38 38 38 38 38
x2 Pearson Correlation .405* -.170 1 .215 .502** .322*
Sig. (2-tailed) .012 .309 .195 .001 .049
N 38 38 38 38 38 38
x3 Pearson Correlation .117 .177 .215 1 .318 .156
Sig. (2-tailed) .484 .288 .195 .052 .349
N 38 38 38 38 38 38
x4 Pearson Correlation -.257 .282 .502** .318 1 .349*
Sig. (2-tailed) .120 .086 .001 .052 .032
N 38 38 38 38 38 38
x5 Pearson Correlation .162 -.104 .322* .156 .349* 1
N 38 38 38 38 38 38
[DataSet0]
Partial Corr
Correlations
Control Variables y x1 x3 x4 x5
Df 35 0 35 35 35
Df 35 35 0 35 35
Df 35 35 35 0 35
Df 35 35 35 35 0
Partial Corr
Correlations
Control Variables y x1 x3 x4
df 0 34 34 34
df 34 0 34 34
x3 Correlation .210 .228 1.000 .234
df 34 34 0 34
df 34 34 34 0