Pemodelan Regresi Conway Maxwell Poisson dengan Metode Jackknife Ridge Regression pada Kasus Jumlah Kematian Ibu di Provinsi Sulawesi Selatan Tahun 2021 = Modeling Conway-Maxwell Poisson Regression Using the Jackknife Ridge Regression Method: A Case Study of Maternal Mortality in South Sulawesi Province in 2021

Latar Belakang. Regresi Conway Maxwell Poisson (CMP) merupakan pendekatan yang digunakan untuk mengatasi overdispersi dalam regresi Poisson. Regresi CMP memiliki parameter dispersi (ϕ) yang memungkinkan fleksibiltas dalam pemodelan data dengan berbagai tingkat dispersi. Namun, regresi CMP belum mampu menangani masalah multikolinearitas pada variabel prediktor. Oleh karena itu, perlu dilakukan penanganan menggunakan model regresi CMP dengan metode Jackknife Ridge Regression (CMPJRR). Tujuan. Penelitian ini bertujuan untuk memperoleh faktor-faktor yang memengaruhi kasus jumlah kematian ibu di Provinsi Sulawesi Selatan tahun 2021 berdasarkan model regresi CMPJRR. Metode. Data yang digunakan dalam penelitian ini yaitu kasus jumlah kematian ibu di Provinsi Sulawesi Selatan Tahun 2021. Langkah awal yang dilakukan dalam analisis data adalah melakukan estimasi parameter regresi CMP menggunakan metode Maximum Likelihood Estimation (MLE) untuk mengatasi overdispersi. Selanjutnya, menggunakan koefisien regresi dari hasil MLE sebagai penduga awal dalam melakukan estimasi parameter model CMPJRR untuk mengatasi multikolinearitas. Hasil. Berdasarkan model CMPJRR faktor-faktor yang berpengaruh signifikan terhadap jumlah kematian ibu pada taraf 5% yaitu jumlah ibu hamil yang menerima imunisasi Td2+, jumlah peserta KB aktif, perkiraan jumlah ibu hamil dengan komplikasi kebidanan, jumlah tenaga keperawatan dan kebidanan di fasilitas kesehatan, dan jumlah cakupan pelayanan KF3 ibu bersalin/nifas. Kesimpulan. Model CMPJRR lebih baik dalam menjelaskan keragaman kasus jumlah kematian ibu berdasarkan nilai koefisien determinasi (R^2) yang lebih tinggi (94,07%) dibandingkan dengan regresi CMP dengan metode MLE (92,94%). Selain itu, model CMPJRR memiliki Root Mean Square Error (RMSE) yang lebih kecil (2,9603) dibandingkan dengan model regresi CMP dengan metode MLE (3,1007).