Jurnal EKSPONENSIAL
Analisis Regresi
Analisis regresi menurut Sudarmanto (2005:
1) merupakan salah satu analisis yang
menjelaskan akibat dan luasnya akibat yang
ditimbulkan oleh satu atau lebih variabel
prediktor (variabel bebas) terhadap suatu variabel
respon (variabel terikat). Analisis regresi dapat
digunakan untuk menggambarkan model
hubungan antara dua variabel atau lebih.
Hubungan antara variabel bebas dan respon yang
dihubungkan dengan data eksperimen ditunjukkan
dengan persamaan prediktor yang disebut sebagai
persamaan regresi. Dalam regresi linier, variabel
Y dapat disebut sebagai variabel respon, disebut
juga sebagai variabel keluaran, dan bersifat tidak
bebas (dependen). Variabel X bisa disebut
variabel prediktor (digunakan untuk memprediksi
nilai), bisa juga disebut variabel penjelas, input,
dan bebas (independen). Pada analisis regresi
terdapat dua metode yaitu analisis regresi linier
sederhana dan analisis regresi linier berganda.
Regresi Linier Berganda
Regresi linier berganda merupakan model
persamaan yang menjelaskan hubungan satu
variabel tak bebas/response (Y) dengan dua atau
lebih variabel bebas/ predictor ( X 1 , X 2 ,… X p ).
Tujuan dari uji regresi linier berganda adalah
untuk memprediksi nilai variabel tak bebas/
response (Y) apabila nilai-nilai variabel
bebasnya/ predictor (X1, X2,..., Xp) diketahui.
Disamping itu juga untuk dapat mengetahui
bagaimanakah arah hubungan variabel tak bebas
dengan variabel - variabel bebasnya. Persamaan
regresi linier berganda secara matematik
diekspresikan oleh :
y i=b 0 +b1 xi 1 +b 2 x i 2+...+b p x ip +ε i i=1,2 ,... , n
, (1)
yang mana
y i : nilai pengamatan variabel terikat ke-i ;
i=1,2 , ..., n
b 0 : intersep atau konstanta regresi
b k : koefisien parameter regresi variabel bebas
ke-k , k =1,2 ,... , p
x ik : nilai pengamatan ke-i untuk variabel bebas
ke-k ; i=1,2 , ..., n ;
k =1,2 ,... , p
ε i : galat pengamatan ke-i ; i=1,2 , ..., n
(Yuliara, 2011).
Estimasi Parameter
Estimasi parameter ini bertujuan untuk
mendapatkan model regresi linier berganda yang
akan digunakan dalam analisis. Metode yang
digunakan untuk mengestimasi parameter model
regresi linier berganda adalah metode kuadrat
terkecil atau sering juga disebut dengan metode
ordinary least square (OLS). Metode OLS ini
Program Studi Statistika FMIPA Universitas Mulawarman
bertujuan meminimumkan jumlah kuadrat error
dan metode maksimum Likelihood (Kutner dkk.,
2004).
a. Estimasi Parameter Menggunakan OLS
Estimator kuadrat terkecil dari ^
β berbentuk
sebagai berikut
−1 −1 '
( X ' X ) X ' X ^β=( X ' X ) X Y
^β=( X ' X )−1 X ' Y (2)
Dimana ^β menyatakan matriks berukuran m× 1
dari parameter yang akan diestimasi, m
merupakan banyak variabel independen yang
digunakan, X menyatakan matriks variabel
independen, X ’ menyatakan transpos matriks X
dan Y merupakan matriks variabel dependen.
Pengujian Signifikansi
Pengujian parameter dalam model regresi
bertujuan untuk mengetahui apakah parameter-
parameter tersebut smenunjukkan hubungan yang
nyata antara variabel dependen dan variabel
independen serta untuk mengetahui kelayakan
parameter tersebut dalam menjelaskan model.
Dalam pengujian parameter regresi, ada dua
pengujian yang perlu dilakukan, yaitu pengujian
parsial dan pengujian simultan.
a. Uji Parsial
Uji signifikansi parsial digunakan untuk melihat
pengaruh masing-masing variabel independen
secara individual terhadap variabel dependen.
Dalam regresi berganda, hal ini harus dilakukan
karena setiap variabel independen memiliki
pengaruh yang berbeda terhadap model. Hipotesis
yang digunakan adalah:
H 0 : β k =0
(tidak terdapat pengaruh antara variabel
independen dengan variabel dependen)
H 1: βk ≠ 0
(terdapat pengaruh antara variabel independen
dengan variabel dependen)
Dalam uji parsial terdapat juga statistik uji yang
digunakan dalam melakukan proses perhitungan
yakni, sebagai berikut:
^β −β
i i
t hitung= (3)
^
se ( β )i
Dimana ^
β i adalah nilai dugaan β i dan se( ^βi )
simpangan baku bagi β i . Keputusan yang
diambil dapat diperoleh dari hasil
membandingkan nilai t-hitung (t hitung) dengan
t
nilai t-tabel ( 1− ;n− p )
α atau bisa juga dilakukan
2
dengan melihat nilai signifikansi. Kriteria
pengambilan keputusan akan menolak H 0 jika:
Jurnal EKSPONENSIAL
|t hitung|>t tabel ( t1− α ;n− p )
2 r y.12 : Koefisien determinasi berganda
atau pvalue < α yang artinya terdapat pengaruh
antara variabel independen dengan variabel
dependen. Sehingga dari uji dapat diketahui
bahwa pengaruh dari tiap variabel dependen
dengan variabel independennya (Draper, 1992).
b. Uji Simultan
Uji signifikansi secara simultan adalah uji semua
variabel independen secara keseluruhan dan
bersamaan di dalam suatu model. Uji ini
bertujuan untuk melihat apakah variabel
independen secara keseluruhan berpengaruh
signifikan terhadap variabel dependen.
Hipotesis yang digunakan adalah:
H 0 : β k =0
(tidak terdapat pengaruh antara keseluruhan
variabel independen dengan variabel dependen)
H 1 : minimal terdapat satu β k ≠ 0 untuk
k =1,2 , … p
(terdapat pengaruh antara keseluruhan variabel
independen dengan variabel dependen)
Dalam uji simultan terdapat juga statistik uji yang
digunakan dalam melakukan proses perhitungan
yakni, sebagai berikut:
MSR
F hitung =
MSE
Koefisien Determinasi
Koefisien determinasi pada analisis regresi
linier berganda sebenarnya memiliki makna yang
sama dengan koefisien determinasi pada analisis
regresi linier sederhana. Namun, terdapat dua
jenis koefisien determinasi yang ada pada model
regresi linier berganda, yaitu koefisien
determinasi berganda dan koefisien determinasi
parsial. Koefisien determinasi berganda adalah
nilai yang digunakan untuk mengukur besarnya
kontribusi seluruh variabel independen yang ada
di dalam model terhadap variasi (naik/turunnya)
variabel dependen. Sedangkan koefisien
determinasi parsial adalah nilai yang digunakan
untuk mengukur besarnya kontribusi satu variabel
independen yang ada di dalam model terhadap
variasi (naik/turunnya) variabel dependen. Rumus
yang dapat digunakan untuk menghitung
koefisien determinasi berganda adalah sebagai
berikut :
n n
b 1 ∑ X 1i y i +b2 ∑ X 2 i yi
2 i=1 i=1
r y.12 = n dapat dipakai untuk mengetahui apakah
∑ y 2i
i=1
r 2y 1+ r 2y 2−2 r y 1 r y2 r 12
¿
1−r 212
Program Studi Statistika FMIPA Universitas Mulawarman
(4)
Dimana
2
b 1 : Koefisien regresi parsial untuk X 1
b 2 : Koefisien regresi parsial untuk X 2
r 2y1 : Koefisien determinasi y dengan X 1
r y2 : Koefisien determinasi y dengan X 2
2
r y1 : Koefisien korelasi antara y dan X 1
r y2 : Koefisien korelasi antara y dan X 2
(Kurniawan dan Yuniarto, 2016).
Pemilihan Model Terbaik Dengan AIC
Salah satu metode yang dapat digunakan untuk
mendapatkan model regresi terbaik adalah metode
Akaike’s Information Criterion (AIC). Metode ini
mempunyai kelebihan dibangdingkan dengan
menggunakan metode koefisien determinasi ( R2 ) .
Kelebihan dari metode ini yaitu pada pemilihan
model regresi terbaik untuk tujuan peramalan
yang dapat menjelaskan kecocokan model dengan
data yang ada dan nilai yang terjadi di masa
mendatang. Metode ini di dasarkan pada metode
MLE. Untuk menghitung nilai AIC dapat
menggunkan rumus sebagai berikut:
n
2k ∑ ε^ 2i (7)
(5) AIC=e n i=1
n
Dimana:
k = jumlah parameter yang diestimasi
dalam model regresi
n = jumlah observasi
ε = sisa
Menurut metode AIC, model regresi terbaik
adalah model regresi yang mempunyai nilai AIC
terkecil
(Widarjono, 2007).
Pengujian Asumsi Klasik
Pengujian asumsi klasik adalah pengujian data
yang digunakan untuk mengetahui apakah data
penelitian memenuhi syarat untuk dianalisis lebih
lanjut, guna menjawab hipotesis penelitian. Jenis
uji hipotesis klasik juga memadai untuk teknik
analisis yang digunakan. Berikut merupakan
asumsi yang perlu dipenuhi dalam analisis regresi
linier sederhana:
1. Pengujian Linieritas
Menurut Sugiyono (2015:323) uji linieritas
(6) variabel terikat dengan variabel bebas
memiliki hubungan linier atau tidak secara
siginifikan. Uji linier juga dapat dihitung
dengan kesalahan standar estimasi yaitu
indeks yang mengukur variasi titik-titik
observasi di sekitar garis regresi. Jika titik
Jurnal EKSPONENSIAL

observasi berada tepat pada garis regresi maka menurut Hadi (2007) adalah estimator yang
kesalahan baku akan bernilai nol (0). Berikut diperoleh tidak efisien, baik pada sampel kecil
merupakan rumus uji F yang dapat digunakan maupun sampel besar. Berikut merupakan
dalam pengujian linieritas: rumus uji Breusch-Pagan yang dapat
2 digunakan dalam pengujian normalitas:
S1
F= (8) 1 t
S2
2
BP= f X ¿ (11)
2
dengan keterangan: dimana:
2
S1 = variansi kelompok ke-1
2
S = variansi kelompok ke-2
2
f i=( )e 2i
σ2
−1 (12)

2. Pengujian Multikolinieritas dengan keterangan:

Uji Multikolinearitas merupakan keadaaan
dimana ada hubungan linier secara sempurna
atau mendekati sempurna antara variabel
independen dalam model regresi, variabel
yang menyebabkan multikolinearitas dapat
dilihat dari nilai toleransi yang lebih kecil dari
0,1 atau nilai VIF yang lebih besar dari nilai
10. Tujuan dilakukan uji multikolinearitas
adalah untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel
independen.Model regresi yang baik
sebaiknya terbebas dari korelasi di antara
variabel independent (Yuliara, 2011).
3. Pengujian Normalitas
Prinsip pengujian distribusi normal adalah
membandingkan distribusi data yang diamati
dan distribusi data normal. Hal ini diperlukan
karena dalam statistik parametrik distribusi
data yang normal merupakan suatu syarat
mutlak yang harus dipenuhi dalam regresi.
Menurut Suliyanto (2013:69) mengemukakan
bahwa pengujian normalitas bertujuan untuk
memeriksa apakah nilai residual yang telah
dibakukan dalam model regresi berdistribusi
normal atau tidak. Berikut merupakan rumus
uji Shapiro-Wilk yang dapat digunakan dalam
pengujian normalitas:
σ = ragam dari e i
2
X = matriks yang berukuran n ×( p+1)
yang distandarisasi untuk setiap
pengamatan
e i = galat untuk pengamatan ke-i
5. Pengujian Autokorelasi
Autokorelasi berarti bahwa ada korelasi antara
anggota dari serangkaian pengamatan yang
dipesan oleh waktu (seperti dalam deret
waktu) atau ruang (seperti dalam data cross-
sectional). Autokorelasi biasanya terjadi pada
data deret waktu. Hal ini karena pengamatan
pada data deret waktu mengikuti urutan alami
dari waktu ke waktu. Adanya autokorelasi
memiliki konsekuensi yaitu penduga masih
linier atau tidak terdistorsi, koheren dan
terdistribusi normal, tetapi penduga tidak lagi
efisien (memiliki varians paling kecil). Jika
varians tidak minimal, perhitungan standar
error tidak lagi dapat diandalkan. Berikut
merupakan rumus uji Durbin-Watson yang
dapat digunakan dalam pengujian linieritas:
p
d=∑ ¿ ¿ ¿ (13)
i=2
dengan keterangan:
e i = galat untuk pengamatan ke-i

[∑ ]
k 2
1
T 3= ai ( X n−i+1− X i ) (9)
Deteksi autokorelasi pada model regresi linier
D i=1
berganda menggunakan metode Durbin-
dimana:
n Watson seperti terlihat pada Tabel di bawah
D=∑ ( X i− X )2 (10) ini.
i=1
dengan keterangan: Tabel 1. Uji Statistik Durbin-Watson
a i = koefisien uji shapiro-wilk Kriteria Keterangan
Menolak hipotesis
X = rata-rata data 0 < 𝑑 < 𝑑𝐿 nol, ada
autokorelasi positif
4. Pengujian Heterokedastisitas Menolak hipotesis
Salkind (2007:431) mengemukakan bahwa nol, ada
“heteroscedasticity is perhaps most often 4 − 𝑑𝐿 ≤ 𝑑 ≤ 4
autokorelasi
considered in cases of linear regression negative
through the origin, although that is by no Daerah keragu-
means the limitation of its usefulness”. 𝑑𝐿 ≤ 𝑑 ≤ 𝑑𝑢 raguan, tidak ada
Heteroskedastisitas artinya tidak sama. Akibat keputusan
dari heteroskedastisitas dalam model regresi

Program Studi Statistika FMIPA Universitas Mulawarman

Jurnal EKSPONENSIAL
Daerah keragu-
4 − 𝑑𝑢 ≤ 𝑑 ≤ 4 −
raguan, tidak ada
𝑑𝐿
keputusan
Menerima hipotesis
nol, tidak ada
𝑑𝑢 ≤ 𝑑 ≤ 4 − 𝑑𝑢
autokorelasi
positif/negative
keterisolasian (Kartasasmita, 1996: 240).
Stunting
Tubuh pendek pada masa anak-anak (Chilhood
stunting) merupakan akibat dari kekurangan gizi
yang kronis atau kegagalan pertumbuhan di masa
lalu dan digunakan sebagai indicator jangka
Panjang untuk gizi kurang pada anak. Chilhood
stunting berhubungan dengan gangguan
perkembangan neurokpgnitif dan risiko menderita
penyakit yang tidak menular di masa depan
(Kementrian Kesehatan Republik Indonesia,
2015). Stunting merupakan masalah gizi kronis
yang disebabkan oleh asupan gizi yang kurang
dalam kurun waktu yang cukup lama akibat dari
pemberian makanan yang tidak sesuai dengan
kebutuhan gizi. Stunting terjadi mulai janin masih
dalam kandungan dan baru terlihat pada saat anak
berusia dua tahun. Meningkatnya angka kematian
bayi dan anak terjadi karena adanya kekurangan
gizi pada anak usia dini yang dapat menyebabkan
penderita mudah sakit dan memiliki postur tubuh
yang tidak maksimal seperti anak deawa pada
umumnya (MCA, 2013).
Balita Diberi Asi Eksklusif
ASI Eksklusif atau lebih tepat dikatakan sebagai
―pemberian ASI secara eksklusif‖ saja, tanpa
tambahan cairan lain seperti susu formula, jeruk,
madu, air teh, air putih, dan tanpa tambahan
makanan pada seperti pisang, pepaya, bubur susu,
biskuit, bubur nasi, dan tim (Widyasih,dkk,
2012). ASI Eksklusif (menurut WHO) adalah
pemberian ASI saja pada bayi sampai usia 6 bulan
tanpa cairan ataupun makanan lain. ASI dapat
diberikan sampai bayi berusi 2 tahun (Damai
Yanti & Dian, 2012).
Berat Badan Lahir Rendah
BBLR adalah bayi baru lahir yang berat
badannya saat lahir kurang dari 2500 gram
(Saifuddin, 2009). Menurut Prawirohardjo,
Sarwono (2006) BBLR adalah bayi lahir yang
berat lahirnya saat kelahiran kurang dari 2500
gram atau sampai dengan 2449 gram. BBLR
adalah bayi yang lahir dengan berat lahir kurang
dari 2500 gram tanpa memandang masa
kehamilan. Adapun macam-macam BBLR
sebagai berikut :
a. BBLR (Bayi Berat Lahir Rendah) dengan berat
badan 1500-2500 gram
b. BBLSR (Bayi Berat Lahir Sangat Rendah)
dengan berat badan < 1500 gram
Program Studi Statistika FMIPA Universitas Mulawarman
c. BBLSAR (Bayi Berat Lahir Sangat Amat
Rendah) dengan berat badan < 1000 gram
(Saifuddin, 2009).
Imunisasi Dasar Lengkap (IDL)
Imunisasi merupakan reaksi antara antigen dan
antibodi, yang dalam bidang ilmu imunologi
merupakan kuman atau racun (toxin disebut
antigen). Secara khusus antigen merupakan
bagian dari protein kuman atau protein racunnya.
Bila antigen untuk pertama kalinya masuk ke
dalam tubuh manusia, maka sebagai reaksinya
tubuh akan membentuk zat anti terhadap racun
kuman yang disebut dengan antibodi (Riyadi &
Sukarmin, 2009).
Imunisasi dasar adalah pemberian imunisasi awal
imtuk mencapai kadar kekebalan di atas ambang
perlindungan (Depkes RI, 2005).
Sanitasi Layak
Ehler dan Steel (2000) dalam Aqbar (2016: 5)
mengemukakan bahwa sanitasi adalah usaha-
usaha pengawasan yang ditujukan terhadap faktor
lingkungan yang dapat menjadi mata rantai
penularan penyakit. Sementara itu, sanitasi
menurut WHO adalah suatu usaha yang
mengawasi beberapa faktor lingkungan fisik yang
berpengaruh kepada manusia terutama terhadap
hal-hal yang memengaruhi efek, merusak
perkembangan fisik, kesehatan, dan kelangsungan
hidup (Ikhsani, 2016: 20). Menurut Notoatmodjo
(dalam Ikhsani, 2016: 21), sanitasi itu sendiri
merupakan perilaku disengaja dalam
pembudayaan hidup bersih dengan maksud
mencegah manusia bersentuhan langsung dengan
kotoran dan bahan buangan berbahaya lainnya
dengan harapan usaha ini akan menjaga dan
meningkatkan kesehatan manusia. Pendapat lain
juga mengatakan arti sanitasi ini merupakan suatu
kondisi yang berhubungan dengan kesehatan
masyarakat, terutama dalam penyediaan air
minum bersih serta juga pembuangan limbah
yang memadai. Sanitasi tersebut dapat membantu
mencegah timbulnya penyakit dengan cara
pengendalian faktorfaktor lingkungan fisik yang
berhubungan dengan rantai penularan penyakit.
Dalam hal ini, sanitasi dikaitkan dengan sanitasi
lingkungan. Dengan kata lain, sanitasi ini
merupakan perilaku manusia yang disengaja
dalam membudayakan kebiasaan hidup bersih
serta juga sehat untuk mencegah manusia
terkontaminasi langsung dengan bahan-bahan
kotor serta berbahaya dengan harapan dapat
menjaga dan juga memperbaiki tingkat kesehatan
manusia. Akses terhadap sanitasi dan air bersih
merupakan hal yang penting dalam upaya
melahirkan sumber daya manusia yang unggul.
Ketiadaan sanitasi yang layak dan air bersih
dalam jumlah yang mencukupi merupakan awal
dari munculnya berbagai persoalan kesehatan di
masyarakat, seperti: stunting, kematian bayi serta
Jurnal EKSPONENSIAL

ibu, penularan berbagai virus, dan penyakit

lainnya.
Kemiskinan
Ada banyak definisi dan konsep kemiskinan.
Kemiskinan merupakan masalah multidimensi
yang dapat dilihat dari berbagai perspektif. Secara
umum, kemiskinan merupakan ketidakmampuan
seseorang untuk memenuhi kebutuhan dasar di
segala bidang kehidupan.
Kemiskinan sering ditandai dengan terjadinya
peningkatan jumlah pengangguran. Secara umum,
masyarakat miskin memiliki sedikit kemampuan
untuk melakukan usaha dan memiliki akses yang
terbatas terhadap kegiatan di bidang ekonomi,
tertinggal jauh dari komunitas lain yang memiliki
potensi lebih besar. Menurut Badan Pusat
Statistik (2012), penduduk miskin adalah orang
yang rata-rata pengeluaran per kapita per
bulannya berada di bawah garis kemiskinan.
Faktor penyebab kemiskinan antara lain tingkat
pendidikan yang rendah, kesehatan yang buruk,
kesempatan kerja yang terbatas, dan kondisi
keterisolasian (Kartasasmita, 1996: 240).

Program Studi Statistika FMIPA Universitas Mulawarman

Jurnal EKSPONENSIAL

Daftar Pustaka
Anselin, L. 1988. Spatial Econometric: Methods and Models. Netherlands: Academic Publisher.
Aqbar, R. M. (2016). Gambaran Perilaku Masyarakat Tentang Penggunaan Jamban Dan Kondisi Jamban
Pasca Metode Pemicuan Di Desa Srirahayu Kecamatan Cikancung Kabupaten Bandung. (Skripsi).
Universitas Pendidikan Indonesia.
BPS. 2012. Ekonomi Nasional. Jawa Tengah: Indonesia.
Depkes RI. 2005. Pedoman Teknis Imunisasi Tingkat Puskesmas. Jakarta : Direktorat Jenderal PP Dan PL.
Draper.1992. Analisis Regresi Terapan. Padang: PT Gramedia Pustaka Utama.
Hadi, A. 2019. Pengaruh Rata-Rata Lama Sekolah Terhadap Persentase Penduduk Miskin Kabupaten/Kota
di Indonesia Tahun 2017. Media Trend, 148-153.
Ikhsani, A. H. (2016). Hubungan Cemaran Mikroba Dengan Pengelolaan Rumah Sehat Pada Rumah Tipe
Menengah Sebagai Sumber Belajar Biologi. (Skripsi). Universitas Muhammadiyah Malang. Diakses
dari http://eprints.umm. ac.id/35046/.
Kartasamita, G. 1996. Pembangunan untuk Rakyat Memadukan Pertumbuhan dan Pemerataan. Jakarta:
CIDES.
Kurniawan, R., & Yuniarto, B. 2016. Analisis Regresi Dasar dan Penerapannya dengan R. Depok:
Prenadamedia Group.
Kutner, M.H., C.J. Nachtsheim., dan J. Neter. 2004. Applied Linear Regression Models. 4th ed. New York:
McGraw-Hill Companies, Inc.
Kementrian Kesehatan Republik Indonesia. 2015. Infodatin-Situasi dan Analisis Gizi, Kemenkes Ri, Pusat
data dan informasi, pp. 1-7.
MCA. 2013. Stunting dan Masa Depan Indonesia, 2010, pp. 2-5.
Prawirohardjo, S. 2006.Pelayanan Kesehatan Maternal dan Neonatal. Jakarta : YBP – SP.
Riyadi, S. dan Sukarmin. 2009. Asuhan Keperawatan Pada Anak. Yogyakarta: Graaha Ilmu.
Saifuddin, AB. 2009. Panduan Praktis Pelayanan Kesehatan Maternal dan Neonatal. Jakarta: EGC.
Salkind. 2007. Encylopedia of Measurement and Statistics. California: SAGE.
Sembiring, R. 1995. Analisis Regresi. Bandung: ITB.
Setiawan. 2015. Analisis Regresi Linier. Bandung: ITB.
Sudamarto. 2005. Ekonometrika Terapan. Yogyakarta: Penerbit Andi.
Sugiyono. 2015. Statistika untuk Penelitian. Bandung: Alfabeta.
Suliyanto, B. 2013. Menganalisa Statistik Bisnis dan Ekonomi dengan SPSS. Yogyakarta: Penerbit Andi.
Todaro, M. P. 2000. Pembangunan Ekonomi di Dunia Ketiga. Jakarta: Erlangga.
Widarjono, A.2007. Ekonometrika: Teori dan Aplikasi untuk Ekonomi dan Bisnis. Edisi Kedua. Yogyakarta:
Ekonisia Fakultas Ekonomi Universitas Islam Indonesia.
Widyasih, Hesty. Dkk. 2012. Perawatan Masa Nifas. Yogyakarta: Fitramaya.
World Health Organization, United Nations Children’s Fund. 2003. Global strategy for infant and young
child feeding. Geneva, Switzerland: World Health Organization.
Yanti, Damai dan Dian. 2011. Asuhan Kebidanan Masa Nifas. Bandung: Refika Aditama.
Yuliara. 2016. Regresi Linier Berganda. Bali:
Universitas Udayana.

Program Studi Statistika FMIPA Universitas Mulawarman