Pemodelan Geographically Weighted Bivariate Poisson Inverse Gaussian Regression Dengan Menggunakan Algoritma Berndt-Hall-Hall-Hausman (Studi Kasus: Kematian Ibu dan Neonatal di Sulawesi Selatan Tahun 2021)

Latar Belakang: Angka kematian ibu dan neonatal masih menjadi masalah ksehatan di Indonesia. Provinsi Sulawesi Selatan merupakan salah satu provinsi yang memiliki angka kematian ibu dan neonatal yang masih tinggi dibanding dengan rata-rata semua provinsi di Indonesia. Data kejadian tersebut sering mengalami masalah overdispersi. Regresi Bivariate Poisson Inverse Gaussian dapat digunakan untuk mengatasi masalah tersebut tetapi tidak dapat mengatasi masalah heterogenitas spasial antar lokasi pengamatan. Pemodelan Geographically Weighted Bivariate Poisson Inverse Gaussian Regression (GWBPIGR) merupakan pengembangan metode sebelumnya untuk mengatasi masalah heterogenitas spasial antar lokasi pengamatan. Parameter model GWBPIGR diestimasi menggunakan Maximum Likelihood Estimation (MLE) dengan algoritma Berndt-Hall-Hall-Hausman (BHHH) yang merupakan pengembangan dari algoritma Newton Raphson. Tujuan: Penelitian ini bertujuan untuk melakukan pemodelan GWBPIGR dengan menggunakan algoritma BHHH pada kasus kematian ibu dan neonatal di setiap kabupaten/kota Provinsi Sulawesi Selatan tahun 2021. Metode: Adapun metode pada penelitian ini yaitu menggunakan metode GWBPIGR dengan estimasi MLE dengan bantuan algoritma BHHH. Hasil: Hasil penelitian ini menunjukkan bahwa nilai AIC dari model GWBPIGR dengan algoritma BHHH lebih kecil dibanding model BPGR. Kesimpulan: Dari hasil penelitian, penggunaan metode GWBPIGR menghasilkan tiga kelompok variabel predictor yang berpengaruh signifikan di kabupaten/kota Provinsi Sulawesi Selatan. Dengan demikian, metode GWBPIGR lebih baik dalam memodelkan data kasus kematian ibu dan neonatal di setiap kabupaten/kota Provinsi Sulawesi Selatan tahun 2021.