PEMODELAN BIVARIAT POISSON INVERS GAUSSIAN REGRESSION PADA KASUS KEMTIAN IBU DAN NEONATAL DI PROVINSI JAWA TIMUR

Regresi Poisson merupakan pendekatan regresi non-linier. Asumsi aquidispersi
menyatakan bahwa nilai rata-rata dan varian variabel respon harus sama merupakan
salah satu asumsi yang harus terpenuhi. Namun, dalam praktiknya asumsi ini sering
dilanggar karena nilai rata-rata lebih besar dari varian nya yang dikenal sebagai
overdispersi. Sehingga digunakan Poisson Invers Gaussian. Pada kasus dua
variabel respon yang berkorelasi dan perlu diestimasi bersama digunakan model
regresi Bivariat Poisson Inverse Gaussian (BPIG). Model distribusi BPIG
merupakan distribusi campuran antara distribusi Poisson dan Invers Gaussian.
Pendekatan metode maximum likelihood estimation (MLE) yang dikombinasikan
dengan algoritma fisher scoring digunakan untuk mengestimasi parameter model
regresi BPIG. Penelitian ini berfokus pada jumlah kematian ibu dan bayi yang
terjadi di Jawa Timur pada tahun 2023. Hasil yang diperoleh adalah variabel
prediktor yang mempengaruhi jumlah kematian ibu dan bayi di Jawa Timur yaitu
pelayanan K4 untuk ibu hamil, peserta KB aktif, dukungan komplikasi obstetrik,
penanganan komplikasi neonatal, dan jumlah pusat kesehatan masyarakat.
Kata Kunci:BPIG, MLE, Overdispersi, Regresi Bivariat, Kematian Ibu, dan
Kematian Neonatal.