PEMODELAN KEMATIAN BAYI MENGGUNAKAN COX PROPORTIONAL HAZARD DENGAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE

Tingginya angka kematian bayi (AKB) di Indonesia masih belum mencapai target Millenium Development Goals (MDGs) tahun 2015. Diperlukan penanganan khusus untuk menurunkan angka kematian bayi di Indonesia dengan melihat faktor-faktor penyebab yang diduga berpengaruh terhadap laju kematian bayi. Penelitian ini menggunakan pemodelan Cox Proportional Hazard dengan Multivariate Adaptive Regression Spline (MARS) untuk menganalisis faktor-faktor signifikan yang mempengaruhi laju kematian bayi berdasarkan data bayi lahir hidup pada periode Januari 2013 - Desember 2014 di Provinsi Banten, dengan menggunakan residual martingale pada Cox PH sebagai variabel respon pada pemodelan MARS. Faktor-faktor penyebab yang diduga berpengaruh terhadap laju kematian bayi meliputi usia ibu saat melahirkan (x1), paritas ibu (X2), jarak antar kelahiran (X3), pendidikan ibu (X4), jenis kelamin bayi (X5), kelahiran kembar (X6), penolong kelahiran bayi (X7), dan sumber utama air minum (X8). Hasil dari penelitian ini menunjukkan bahwa model MARS terbaik yang diperoleh adalah kombinasi dari BF=32, MI=3, dan MO=1, dengan nilai GCV sebesar 0,00053. Berdasarkan model MARS terbaik tersebut dapat diketahui faktor-faktor yang berpengaruh terhadap laju kematian bayi adalah usia ibu saat melahirkan (X1), paritas ibu (X2), jarak antar kelahiran (X3), pendidikan ibu (X4), jenis kelamin bayi (X5), dan sumber utama air minum (X8) dengan tingkat kepentingan masing-masing variabel sebesar 65,28%, 88,48%, 56,00%, 48,01%, 58,67%, dan 100%. The high infant mortality rate (IMR) in Indonesia still has not reached Millennium Development Goals (MDGs) target in 2015. Special handling is needed to reduce infant mortality in Indonesia, among others by looking at the causal factors that are thought to affect the infant mortality rate. This research using Cox Proportional Hazard using Multivariate Adaptive Regression Spline to analyze the significant factors that affect the infant mortality rate based on live birth data in the period January 2013 - December 2014 in Banten, by using residual textit martingale on Cox PH as a response variable on MARS modeling. The causal factors that are thought to affect the infant mortality rate involve maternal age at during childbirth (X1), mother’s parity (X2), distance between births (X3), mother’s education (X4), baby’s gender (X5), twin births (X6), birth helpers (X7), and the main source of drinking water (X8). The results of this study indicate that the best MARS model obtained is a combination of BF=32, MI=3, and MO=1, with GCV value is 0.00053. Based on the best MARS model is known factors that affect the infant mortality rate are maternal age at during childbirth (X1), mother’s parity (X2), distance between births (X3), mother’s education (X4), baby’s gender (X5), and the main source of drinking water (X8) with the importance of each variable is 65.28%, 88.48%, 56.00%, 48.01%, 58.67%, dan 100%