Analisis Faktor-faktor yang Mempengaruhi Angka Kematian Bayi di Provinsi Sulawesi Selatan Menggunakan Regresi Komponen Utama

Authors

• Salwa Zahirah Putri Wijaya, Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin, MakassarFollow
• Sitti Sahriman Salam, Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin, MakassarFollow
• Nasrah Sirajang, Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin, MakassarFollow
• Audia Putri Damatia, Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin, MakassarFollow
• Hildayanti Hildayanti, Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin, MakassarFollow

Abstract

Angka kematian bayi (AKB), khususnya kematian neonatal, merupakan indikator fundamental dalam menilai kualitas pelayanan kesehatan dan kesejahteraan masyarakat. Penelitian ini dilakukan untuk menganalisis faktor-faktor yang memengaruhi AKB di 24 kabupaten/kota di Provinsi Sulawesi Selatan. Variabel independen yang dikaji mencakup dimensi layanan kesehatan, kondisi sosial ekonomi, pendidikan perempuan, sanitasi, air bersih, dan indikator demografis. Data dianalisis menggunakan metode Regresi Komponen Utama (Principal Component Regression/PCR) untuk menganalisis pengaruh variabel-variabel dengan mempertimbangkan adanya potensi korelasi antar variabel independen, sehingga dihasilkan model yang stabil. Melalui analisis komponen utama, lima komponen berhasil dibentuk yang merepresentasikan 84,21% dari total variasi data. Komponen pertama (PC1) mencerminkan dimensi kapasitas pembangunan manusia, PC2 kerentanan sosial, PC3 akses layanan dasar, PC4 sanitasi dan lingkungan, serta PC5 pola fertilitas dan mortalitas. Model PCR menghasilkan R² sebesar 69,91% dan terbukti stabil serta bebas dari multikolinearitas. Validasi dengan Leave-One-Out Cross-Validation (LOOCV) menghasilkan RMSE sebesar 2,394 yang mengindikasikan performa prediksi yang memadai pada data baru. Berdasarkan koefisien beta terstandarisasi, faktor penurun AKB yang paling dominan secara berurutan adalah rata-rata anak lahir hidup, angka harapan hidup, akses sanitasi, rata-rata lama sekolah, dan cakupan imunisasi.

References

1.       WHO. WHO [Internet]. 2024. Newborn mortality. Available from: https://www.who.int/news-room/fact-sheets/detail/newborn-mortality

2.       United Nations Inter-Agency Group for Child Mortality Estimation (UN IGME). Levels and trends in child mortality. 2025.

3.       WHO. WHO [Internet]. 2023. SDG Target 3.2: End preventable deaths of newborns and children under 5 years of age. Available from: https://www.who.int/data/gho/data/themes/topics/sdg-target-3_2-newborn-and-child-mortality

4.       WHO. WHO [Internet]. 2023. Child mortality and causes of death. Available from: https://www.who.int/data/gho/data/themes/topics/topic-details/GHO/child-mortality-and-causes-of-death

5.       Badan Pusat Statistik. Statistik Indonesia 2020. Jakarta; 2020.

6.       Hug L, Alexander M, You D, Alkema L. National, regional, and global levels and trends in neonatal mortality between 1990 and 2017, with scenario-based projections to 2030: a systematic analysis. Lancet Glob Health. 2019;7(6):e710–20. doi:10.1016/S2214-109X(19)30163-9

7.       WHO. WHO [Internet]. 2020. Newborns: improving survival and well-being. Available from: https://www.who.int/westernpacific/newsroom/fact-sheets/detail/newborns-reducing-mortality

8.       Yerdessov N, Zhamantayev O, Bolatova Z, Nukeshtayeva K, Kayupova G, Turmukhambetova A. Infant Mortality Trends and Determinants in Kazakhstan. Children. 2023;10(6):923. doi:10.3390/children10060923

9.       Boutrin MC, Gately Z, McLarty C, Andersen M. Socio-economic determinants of mortality among children aged 0–10 years in Béré, Chad. Discover Social Science and Health. 2025;5:52. doi:10.1007/s44155-025-00197-2

10.     Asif MF, Pervaiz Z, Afridi JR, Safdar R, Abid G, Lassi ZS. Socio-economic determinants of child mortality in Pakistan and the moderating role of household’s wealth index. BMC Pediatr. 2022;22:3. doi:10.1186/s12887-021-03076-2

11.     Badan Pusat Statistik. Provinsi Sulawesi Selatan dan Angka 2020. Makassar; 2020.

12.     Susilawati, Didiharyono. Application of Principal Component Regression in Analyzing Factors Affecting Human Development Index. Jurnal Varian. 2023;6(2):199–208.

13.     Efeizomor RO. A Comparative Study of Methods of Remedying Multicolinearity. American Journal of Theoretical and Applied Statistics. 2023;12(4):87–91. doi:10.11648/j.ajtas.20231204.14

14.     Upendra S, Abbaiah R, Balasiddamuni P. Multicollinearity in Multiple Linear Regression: Detection, Consequences, and Remedies. Int J Res Appl Sci Eng Technol. 2023;11(9):1047–61. doi:10.22214/ijraset.2023.55786

15.     Olaluwoye OT, Lukman AF, Alrasheedi MA, Nzomo WN, Farghali RA. Robust estimation methods for addressing multicollinearity and outliers in beta regression models. Sci Rep. 2025;15:11649. doi:10.1038/s41598-025-85553-7

Recommended Citation

Wijaya, Salwa Zahirah Putri; Salam, Sitti Sahriman; Sirajang, Nasrah; Damatia, Audia Putri; and Hildayanti, Hildayanti (2026) "Analisis Faktor-faktor yang Mempengaruhi Angka Kematian Bayi di Provinsi Sulawesi Selatan Menggunakan Regresi Komponen Utama," Jurnal Biostatistik, Kependudukan, dan Informatika Kesehatan: Vol. 6: No. 2, Article 2.
DOI: 10.7454/bikfokes.v6i2.1140
Available at: https://scholarhub.ui.ac.id/bikfokes/vol6/iss2/2