Hasil Pencarian  ::  Simpan CSV :: Kembali

"Angka kematian bayi (AKB) didefinisikan sebagai jumlah kematian bayi di bawah usia satu tahun per 1000 kelahiran hidup pada satu tahun tertentu. Angka kematian bayi merupakan salah satu indikator penting yang dapat mencerminkan derajat kesehatan suatu masyarakat. Target angka kematian bayi pada Sustainable Development Goals (SDGs) yang berlaku sejak tahun 2015 sampai tahun 2030 adalah 12 kematian per 1000 kelahiran hidup. Berdasarkan hasil long form sensus penduduk BPS, AKB di Indonesia tahun 2022 adalah 17 kematian per 1000 kelahiran hidup, angka tersebut masih tergolong tinggi apabila dibandingkan dengan beberapa negara di ASEAN. Angka kematian bayi dipengaruhi oleh beberapa variabel. Analisis mengenai variabel-variabel yang memengaruhi AKB dapat dilakukan dengan analisis regresi linier klasik. Namun, nilai pengamatan seperti AKB dan variabel-variabel yang memengaruhinya memuat informasi lokasi (spasial), sehingga seringkali terjadi ketergantungan spasial antar pengamatan yang mengakibatkan asumsi saling bebas pada model regresi linier tidak terpenuhi. Oleh karena itu, pemodelan dapat dilakukan dengan menggunakan model regresi spasial yang memperhatikan keterkaitan antar lokasi. Tujuan dari penelitian ini adalah menganalisis ketergantungan spasial pada data AKB di  Pulau Jawa dan memodelkan AKB di Pulau Jawa tahun 2022 menggunakan General Nesting Spatial Model (GNSM) untuk menganalisis variabel-variabel yang memengaruhinya. Hasil uji autokorelasi spasial menggunakan uji Moran’s I menyimpulkan bahwa terdapat autokorelasi spasial pada variabel terikat (AKB), variabel bebas, dan pada residual model regresi linier. Berdasarkan nilai AIC dan, diperoleh kesimpulan General Nesting Spatial Model (GNSM) lebih baik dalam memodelkan Angka Kematian Bayi (AKB) di Pulau Jawa tahun 2022 dibandingkan Spatial Durbin Model (SDM) dan General Spatial Model(GSM).

---

Infant mortality rate (IMR) is defined as the number of deaths of infants under one year of age per 1000 live births in a given year. Infant mortality rate is one of the important indicators that can reflect the health level of a community. The infant mortality target in the Sustainable Development Goals (SDGs) that apply since 2015 to 2030 is 12 deaths per 1000 live births. Based on the results of the BPS long form population census, the IMR in Indonesia in 2022 is 17 deaths per 1000 live births, which is still relatively high compared to several countries in ASEAN. Infant mortality rates are influenced by several variables. Analysis of the variables that influence IMR can be done with classical linear regression analysis. However, observation values such as IMR and the variables that affect it contain location (spatial) information, so there is often spatial dependence between observations which results in the assumption of mutual independence in linear regression models not being met. Therefore, modeling can be done using spatial regression model that considers the interrelationships between locations. The purpose of this study is to analyze the spatial dependence of IMR data in Java Island and model IMR in Java Island in 2022 using the General Nesting Spatial Model (GNSM) to analyze the variables that affect it. The results of the spatial autocorrelation test using Moran's I test concluded that there is spatial autocorrelation in the dependent variable (IMR), independent variables, and in the residuals of the linear regression model. Based on the AIC and  values, it is concluded that General Nesting Spatial Model (GNSM) is better in modeling the Infant Mortality Rate (IMR) in Java Island in 2022 than Spatial Durbin Model (SDM) and General Spatial Model (GSM)."

"Kemiskinan merupakan salah satu masalah sosial yang masih menjadi perhatian pemerintah. Hampir seluruh negara berkembang memiliki standar hidup yang masih rendah. Salah satu cara untuk mengurangi kemiskinan adalah dengan menganalisis faktor-faktor yang memengaruhi Salah satu metode yang cocok dalam menganalisis tingkat kemiskinan adalah dengan menggunakan Geographically Weighted Regression (GWR). Hal ini dikarenakan dalam model GWR dipertimbangkan aspek spasial yang berbeda-beda untuk masing-masing lokasi pengamatan. Dalam model GWR dilakukan pendekatan analisis regresi yang digunakan untuk memahami hubungan spasial antara variabel-variabel dalam konteks geografi. Hal ini dikarenakan model GWR mempertimbangkan jarak lokasi pengamatan dengan lokasi sekitarnya, model GWR juga mempertimbangkan pembobot pada masing-masing lokasi pengamatan. Daerah yang dekat dengan lokasi pengamatakan mendapatkan pembobot yang lebih besar daripada daerah yang jauh dengan lokasi pengamatan, dalam hal ini penentuan pembobot dalam model GWR bergantung pada bandwidth. Dalam penelitian ini dilakukan analisis dengan mempertimbangkan empat pembobot spasial yaitu fixed gaussian kernel, fixed bisquare kernel, fixed tricube kernel, dan fixed exponential kernel yang diterapkan pada dua bandwidth yaitu bandwidth CV dan bandwidth AIC. Variabel dependen yang digunakan adalah tingkat kemiskinan dan variabel independen yang digunakan adalah rata-rata lama sekolah, upah minimum, tingkat pengangguran, indeks pembangunan manusia, angka harapan hidup dan jumlah penduduk. Hasil dari penelitian ini menunjukkan bahwa pada 118 Kabupaten/Kota di Pulau Jawa memiliki model GWR yang berbeda-beda. Untuk model GWR menggunakan bandwidth CV diperoleh model terbaik dengan menggunakan fixed exponential kernel dengan sembilan kelompok variabel yang signifikan, untuk model GWR menggunakan bandwidth AIC diperoleh model terbaik dengan menggunakan fixed bisquare kernel dengan enam kelompok variabel yang signifikan.

---

Poverty is one of the social issues that continues to be a concern for the government. Almost all developing countries have low living standards. One way to reduce poverty is by analyzing the factors that influence it. One suitable method for analyzing poverty levels is by using Geographically Weighted Regression (GWR). This is because the GWR model considers different spatial aspects for each observation location. In the GWR model, a regression analysis approach is used to understand the spatial relationship between variables in a geographical context. This is because the GWR model considers the distance between the observation location and its surrounding locations. The GWR model also considers weighting for each observation location. Areas close to the observation location are given a higher weight than areas far from the observation location. In this case, the determination of the weight in the GWR model depends on the bandwidth. This research analyzes four spatial weights, namely fixed Gaussian kernel, fixed bisquare kernel, fixed tricube kernel, and fixed exponential kernel, applied to two bandwidths: CV bandwidth and AIC bandwidth. The dependent variable used is the poverty rate, and the independent variables used are average length of schooling, minimum wage, unemployment rate, human development index, life expectancy, and population. The results of this study show that the 118 districts in Java Island have different GWR models. For the GWR model using the CV bandwidth, the best model is obtained using the fixed exponential kernel with nine significant variable groups. For the GWR model using the AIC bandwidth, the best model is obtained using the fixed bisquare kernel with six significant variable groups."

"ABSTRAKAngka kematian ibu didefinisikan sebagai jumlah kematian ibu pada saat masa kehamilan atau dalam kurun waktu 42 hari setelah masa kehamilan berhenti setiap seratus ribu kelahiran hidup. Salah satu tujuan dari Millenium Development Goals MGDs Indonesia adalah untuk mengurangi angka kematian ibu. Salah satu faktor yang menentukan angka kematian ibu adalah jumlah kematian ibu. Menurut profil kesehatan Indonesia tahun 2014 provinsi Jawa Barat, Jawa Tengah, dan Jawa Timur berkontribusi 26 persen dari total jumlah kematian ibu di Indonesia. Variabel-variabel yang diduga memengaruhi kematian ibu adalah jumlah tenaga kesehatan, program pemberian beras miskin, ketersediaan air bersih, jumlah penduduk yang buta huruf, dan jumlah kelahiran yang dibantu oleh tenaga kesehatan. Data yang digunakan adalah data spasial yang merupakan data yang memiliki informasi koordinat di dalamnya. Menurut Cressie 1993, kejadian di suatu wilayah cenderung dipengaruhi oleh kejadian di sekitarnya dan ketergantungan spasial seringkali ditemukan di dalam analisis regresi. Oleh karena itu diduga bahwa jumlah kematian ibu di suatu wilayah dipengaruhi oleh jumlah kematian ibu di wilayah lainnya yang berdekatan. Pemodelan jumlah kematian ibu dilakukan dengan pendekatan regresi spasial menggunakan model Spatial Autoregressive dan Spatial Error, sehingga dapat diketahui variabel apa saja yang signifikan serta seberapa besar faktor spasial memengaruhi jumlah kematian ibu di Jawa Barat, Jawa Tengah, dan Jawa Timur. Pada ketiga daerah tersebut, juga akan dideteksi Kabupaten/kota mana saja yang memiliki jumlah kematian ibu tertinggi secara statistik menggunakan metode Spatial Scan Statistics. Hasil pemodelan menunjukkan bahwa jumlah tenaga kesehatan, program pemberian beras miskin, dan jumlah penduduk buta huruf merupakan faktor yang signifikan memengaruhi jumlah kematian ibu dan didapatkan cluster daerah yang memiliki jumlah kematian ibu tertinggi secara statistik.

---

ABSTRACTMaternal mortality is defined as the number of maternal deaths during pregnancy or within 42 days of termination of pregnancy every hundred thousands live births. One of the Millennium Development Goals MGDs of Indonesia was to reduce maternal mortality. One of the factors that determine maternal mortality is the number of maternal deaths. According to Indonesia 39s health profile in 2014, West Java, Central Java and East Java provinces contributed 26 percents of the total number of maternal deaths in Indonesia. The variabels suspected affect maternal deaths are the number of health workers, poor rice programs, the availability to access clean water, the number of illiterate people, and the number of births assisted by health personnel. The data is spatial data which has coordinate information in it. According to Cressie 1993, events in a region tend to be influenced by surrounding events and spatial dependence is often found in spatial data. Therefore it is suspected that the number of maternal deaths in a region is affected by the number of maternal deaths in other surrounding areas. Maternal deaths data was analyzed by spatial regression approach using Spatial Autoregressive and Spatial Error Model to know which variabels are significant and to know whether spatial factor influences the number of maternal deaths in West Java, Central Java, and East Java. In all three areas, the highest number of maternal deaths will also be detected statistically using the Spatial Scan Statistics method. The modeling results showed that the number of health workers, poor rice program, and the number of illiterate people were significant factors that affect the number of maternal deaths and the cluster areas that have highest number of maternal deaths were obtained statistically. "

"Diare merupakan salah satu infeksi saluran pencernaan berupa keluarnya tinja encer atau cair tiga kali atau lebih setiap hari. Penyakit ini umum terjadi di Indonesia dan potensial menjadi Kejadian Luar Biasa (KLB) yang sering menyebabkan kematian. Tujuan penelitian ini adalah memodelkan dan mengidentifikasi variabel yang dapat menjelaskan jumlah kejadian penyakit diare di Provinsi Jawa Barat. Jumlah kejadian diare sebagai variabel respons merupakan data berbentuk diskrit yang umumnya dimodelkan menggunakan regresi Poisson. Namun, adanya asumsi equidispersi yang harus dipenuhi dalam regresi Poisson membuat regresi Binomial Negatif digunakan apabila terjadi overdispersi. Aspek spasial juga diperhatikan sehingga model yang digunakan dalam penelitian ini adalah Geographically Weighted Negative Binomial Regression (GWNBR). Penaksiran parameter dilakukan menggunakan metode Maximum Likelihood Estimation dengan iterasi Newton-Raphson. Model GWNBR memberikan bobot tertentu pada setiap lokasi pengamatan sehingga menghasilkan taksiran parameter model yang berbeda untuk setiap lokasi pengamatan. Fungsi pembobot kernel yang digunakan adalah Fixed Bisquare dan bandwidth optimum ditentukan menggunakan cross validation (CV). Prediktor yang digunakan dalam penelitian ini adalah persentase rumah tangga yang memiliki akses terhadap sanitasi layak, persentase penduduk miskin, jumlah puskesmas, kepadatan penduduk, jumlah dokter umum, dan indeks pendidikan. Hasil dari analisis menunjukkan bahwa dalam model GWNBR diperoleh 5 kelompok berdasarkan prediktor yang signifikan. Sebanyak 3 prediktor secara signifikan menjelaskan jumlah kejadian diare di seluruh kabupaten/kota di Provinsi Jawa Barat tahun 2022, yaitu persentase penduduk miskin, kepadatan penduduk, dan indeks pendidikan.

---

Diarrhea is an intestinal infection characterized by the excretion of loose or watery stools three or more times a day. This disease is common in Indonesia and has the potential to become an outbreak (KLB) that often leads to death. The aim of this study is to model and identify variables that can explain the number of diarrhea cases in West Java Province. The number of diarrhea cases as the response variable is discrete data, which is generally modeled using Poisson regression. However, due to the equidispersion assumption required in Poisson regression, Negative Binomial regression is used if overdispersion occurs. Spatial aspects are also considered, so the model used in this study is Geographically Weighted Negative Binomial Regression (GWNBR). Parameter estimation is done using the Maximum Likelihood Estimation method with Newton-Raphson iteration. The GWNBR model assign specific weights to each observation location, resulting in different parameter estimates for each location. The kernel weighting function used is Fixed Bisquare, and the optimal bandwidth is determined using cross-validation (CV). The predictors used in this study are the percentage of households with access to adequate sanitation, the percentage of poor population, the number of health centers, population density, the number of general practitioners, and the education index. The results of the analysis show that the GWNBR model identified 5 groups based on significant predictors. Three predictors significantly explain the number of diarrhea cases in all districts/cities in West Java Province in 2022: the percentage of the poor population, population density, and education index."

"ABSTRAKKesehatan merupakan bagian penting dari pembangunan berkelanjutan. Salah satu indikator yang menggambarkan derajat kesehatan suatu wilayah adalah tingkat kematian bayi. Tingkat kematian bayi pada suatu wilayah terkait dengan banyak faktor seperti faktor kesehatan, maternal, demografi, dan sosioekonomi. Faktor sosioekonomi yang mempengaruhi tingkat kematian bayi di antaranya adalah ketimpangan pendapatan dan kemiskinan. Penelitian ini bertujuan untuk menguji hubungan antara ketimpangan pendapatan dan kemiskinan dengan tingkat kematian bayi pada kabupaten/kota di Indonesia 2016. Penelitian ini menggunakan indikator makro level kabupaten/kota dan rawdata Susenas 2016. Dengan menggunakan model regresi spasial Durbin diperoleh hasil bahwa ketimpangan pendapatan dan kemiskinan memiliki pengaruh yang signifikan terhadap kematian bayi suatu kabupaten/kota di Indonesia setelah dikontrol terhadap pengaruh faktor pendidikan perempuan, imunisasi, dan anggaran kesehatan. Hasil regresi spasial Durbin juga menunjukkan bahwa kondisi tingkat kematian bayi pada suatu kabupaten/kota selain dipengaruhi oleh ketimpangan pendapatan dan kemiskinan dalam kabupaten/kota, juga terkait atau dapat dipicu dengan kondisi ketimpangan pendapatan dan kemiskinan kabupaten/kota tetangg.

---

ABSTRACTHealth is an important aspect of sustainable development. One indicator that describes the health status of a region is the infant mortality rate. Infant mortality rates in an area are associated with many factors such as health, maternal, demographic, and socioeconomic factors. Socioeconomic factors that affect infant mortality rates include income inequality and poverty. This study aims to examine the relationship between income inequality and poverty with infant mortality rate in regencies in Indonesia 2016. This study uses regency-level macro indicators and raw data Susenas 2016. Using Durbin spatial regression model obtained results that income and poverty imbalance have a significant influence on infant mortality of regencies in Indonesia after being controlled for the influence of female education factors, immunization, and health budget. Durbin's spatial regression results also showed that infant mortality rates in a regency were in addition influenced by income and poverty inequality within regency, also related or may be triggered by conditions of income inequality and poverty of neighboring regencies."

"Daerah Aliran Sungai DAS Citarum merupakan DAS terbesar di Jawa Barat dan merupakan DAS yang menjadi sumber air minum bagi kawasan urban Bandung, Cimahi, Cianjur, Purwakarta, Bekasi, Karawang dan DKI Jakarta. DAS Citarum bagian hulu berfungsi sebagai daerah konservasi, oleh karena itu indeks kekritisan air di daerah ini perlu diperhatikan agar kebutuhan masyarakat di sepanjang sungai Citarum dapat terpenuhi. Namun, nilai pengamatan seperti indeks kekritisan air dan faktor-faktor yang mempengaruhinya, memuat informasi spasial, oleh karena itu seringkali terdapat keterkaitan spasial antar pengamatannya nilai dari suatu pengamatan di suatu lokasi memiliki keterkaitan dengan nilai dari pengamatan di lokasi sekitarnya sehingga jika dimodelkan dengan model regresi linier maka asumsi keacakan residual seringkali tidak terpenuhi. Salah satu solusinya yaitu dengan memodelkannya menggunakan model regresi spasial. Model regresi spasial merupakan model regresi yang memperhatikan unsur spasial lokasi koordinat data. Tujuan dari studi ini yaitu untuk memodelkan indeks kekritisan air di DAS Citarum hulu menggunakan Spatial Durbin Model SDM dan Spatial Durbin Error Model SDEM . Pengujian autokorelasi residual menggunakan uji Moran's I memberikan hasil bahwa terdapat autokorelasi spasial pada residual model regresi linier, variabel terikat indeks kekritisan air, dan juga pada variabel-variabel penjelas persentase luas hutan, luas kebun, luas perkebunan, dan kepadatan penduduk. Uji likelihood ratio menunjukkan bahwa model SDM dan SDEM lebih baik dari model regresi linier berganda dalam memprediksi indeks kekritisan air di DAS Citarum hulu. Berdasarkan nilai AIC dan R squared pada model SDM dan SDEM diperoleh kesimpulan bahwa model SDM lebih baik dibandingkan dengan model SDEM.

---

Citarum Watershed is the largest watershed in West Java and serves as the water supply for urban communities in Bandung, Cimahi, Cianjur, Purwakarta, Bekasi, Karawang and Jakarta. Upper Citarum watershed serves as a conservation area, therefore, water criticality index in this area should be noted so that the needs of the communities along the Citarum river can be met. However, the observed values such as the index criticality of water and the factors influencing it, contain spatial information, where an observation at a locations correlates to the observations around it so that the assumption of randomness of the linear regression rsquo s residuals are often not fulfilled. One of the alternative solution is using spatial regression models. Spatial regression model is a regression model that takes into account the element of spatial location coordinate of the data .

The purpose of this study is to model the critical index of water in the upper Citarum watershed using Spatial Durbin Model SDM and Spatial Durbin Error Model SDEM . Residual autocorrelation testing using Moran 39 s I test showed there is significant spatial autocorrelation in the residual of linear regression model, the dependent variable water criticality index, and also the explanatory variables population density, the percentage of forest area, gardens, and plantations. Likelihood ratio test showed that the SDM and SDEM are better than multiple linear regression model in predicting the water criticality index in the upper Citarum watershed. Based on the value of AIC and R2 of the SDM and SDEM models, the SDM model is better than SDEM."

"ABSTRAKAngka Kematian Ibu Maternal merupakan salah satu indikator untuk memonitor pencapaian Tujuan Pembangunan Milenium (Millenium Development Goals). Oleh Karena itu penulis melakukan penelitian ini dengan tujuan untuk mengetahui bagaimana sebaran wilayah Angka Kematian Ibu Maternal di kota dan kabupaten di Provinsi Jawa Barat serta faktor-faktor apa saja yang mempengaruhinya. Penelitian ini menggunakan analisis spasial dan analisis statistik dengan metode pearson product moment maka dapat diketahui hubungan antara aksessibilitas, indeks pendidikan, ekonomi, dan jumlah fasilitas kesehatan dengan Angka Kematian Ibu Maternal. Hasil analisis menunjukkan bahwa wilayah Angka Kematian Ibu Maternal yang tinggi berada pada wilayah dengan klasifikasi aksessibilitas yang rendah dan wilayah dengan indeks pendidikan yang rendah. Wilayah tersebut terdapat di bagian selatan, di bagian timur laut, hingga ke bagian tenggara Provinsi Jawa Barat.

---

AbstractMaternal mortality rate is an indicator for monitoring the achievement of the Millennium Development Goals (MDGs). Therefore, the author conducted this research with the aim to find out how the distribution of the Maternal Mortality Rate in the cities and counties in Province of West Java and then the factors that influence it are. This research using spatial analysis and statistical analysis by the method of Pearson product moment, it is known relationship between accessibility, education index, economy, and the number of health facilities with the Maternal Mortality Rate. The result showed that the Maternal Mortality is high in areas with low accessibility and areas with low education index. The region is scattered in the south, in the northeast down to the southeastern province of West Java."

"ABSTRAKSalah satu indikator derajat kesehatan adalah angka kematian bayi (AKB). Saat ini AKB nasional adalah 34 kematian per 1.000 kelahiran hidup (SDKI 2007). Berbagai upaya dilakukan Pemerintah untuk menurunkan Angka Kematian Bayi diantaranya program Desa Siaga. Penelitian ini adalah penelitian analitik non eksperiment dengan rancangan Cross sectional. Penelitian ini menganalisis hubungan tingkatan Desa Siaga dengan Angka kematian bayi di Kabupaten Blitar, Jawa Timur pada tahun 2010. Populasi penelitian ini adalah seluruh desa yang ada di kabupaten Blitar dengan total sampel berjumlah 248 desa dan dianalisis dengan uji T-Independent. Hasil penelitian menunjukkan tidak ada perbedaan yang bermakna rata-rata kematian bayi antar Tingkatan Desa Siaga. Dengan demikian disimpulkan bahwa tidak ada hubungan antara tingkatan Desa Siaga dengan Angka Kematian Bayi. Hal ini disebabkan karena banyak faktor yang menyebabkan tinggi atau rendahnya Angka Kematian bayi (AKB).

---

ABSTRACTOne indicator of healthy level is the Infant Mortality Ratio (IMR). Currently, the national IMR was 34 deaths per 1,000 live births (SDKI 2007). There are many government efforts to reduce infant mortality, one of them is ?Desa Siaga? program. To determine the correlation of ?Desa Siaga? and Infant Mortality Ratio, We conducted research by analyzing the level of ?Desa Siaga? and Infant Mortality Ratio In Blitar, East Java in 2010. The population of this study are all villages in Blitar district total sample are 248 villages and analyzed by the Independent T-Test. This research is an analytic non experiment with cross sectional design. The results showed that there was no significant difference in average infant mortality among level of ?Desa Siaga.? Thus concluded that there was no relationship between levels of ?desa siaga? with Infant Mortality. This is caused by many factors that cause high or low Infant Mortality Ratio (IMR)."

"Desentralisasi fiskal menyebabkan peningkatan transfer dana dari pemerintah pusat ke pemerintah daerah. Adanya desentralisasi fiskal menyebabkan peningkatan belanja daerah di Indonesia, salah satunya pada bidang kesehatan. Peningkatan belanja kesehatan diharapkan dapat meningkatkan status kesehatan, yang digambarkan oleh angka kematian bayi. Dengan menggunakan data tingkat provinsi dari tahun 2002-2012 dan menggunakan metode data panel, penelitian ini menemukan bahwa belanja kesehatan pemerintah daerah provinsi dan kabupaten/kota berpengaruh negatif terhadap angka kematian bayi. Selain itu rasio tenaga kesehatan per infrastruktur layanan kesehatan juga berpengaruh negatif terhadap angka kematian bayi.

---

Fiscal decentralization increases cash transfer from central to local government. It also increases local government spending, which include health spending. An increases in health spending is expected to improves health status, which indicated by infant mortality rate. Using state data from 2002-2012 and using panel data estimation, this research find that municipal and state level health spending has negative impact towards infant mortality rate. In addition, number of health worker over health infrastructure also has negative impact towards infant mortality rate."

"Berdasarkan Survei Demografi dan Kesehatan Indonesia (SDKI) tahun 2012 diketahui AKB (Angka Kematian Bayi) di Indonesia adalah 32 kematian per 1000 kelahiran hidup. Angka ini masih jauh dari target RPJMN 2015 – 2019 yang menargetkan AKB tahun 2019 sebesar 24/1000 kelahiran hidup, dan target Sustainable Development Goals (SDGs) yang menargetkan AKB tahun 2030 sebesar 12/1000 kelahiran hidup. AKB tersebut menunjukkan peningkatan derajat kesehatan anak di Indonesia belum sesuai dengan yang diharapkan, dan dapat mengancam kelangsungan hidup anak di Indonesia. Selain itu, menurut Bank Dunia, pengalokasian anggaran bidang kesehatan belum maksimal. Penelitian ini dilakukan untuk pengaruh realisasi pengeluaran kesehatan pemerintah daerah terhadap angka kematian bayi di Indonesia. Penelitian ini juga melibatkan beberapa variabel yaitu pengeluaran kesehatan, jumlah persalinan ditolong tenaga kesehatan, pendidikan wanita, pemberian vaksin tetanus toksoid serta jumlah penduduk perdesaan. Hasil penelitian diketahui pendidikan wanita dan persalinan ditolong tenaga kesehatan merupakan faktor yang signifikan terhadap kematian bayi. Penelitian ini menyarankan agar alokasi anggaran kesehatan pemerintah berfokus pada program kesehatan untuk mencapai tujuan SDGs. Selain itu, peningkatan sarana prasarana kesehatan di perdesaan.

---

Based on the Indonesian Demographic and Health Survey (IDHS) in 2012, IMR (Infant Mortality Rate) in Indonesia was 32 deaths per 1000 live births. This number was still far from the 2015 - 2019 RPJMN goals that mention IMR dropped to 24/1000 live births by 2019, and the Sustainable Development Goals (SDGs) targeted the IMR reduced to 12/1000 live births by 2030. The IMR shows that improving children's health status in Indonesia is not as expected, and can threat the survival of children in Indonesia. In addition, according to the World Bank, the allocation of health budget has not been maximized. This research was conducted to influence the realization of health expenditure of local government to infant mortality rate in Indonesia.

The study also involved several variables namely health expenditure, number of deliveries assisted by health personnel, female education, tetanus toxoid vaccine and the number of rural population. The results of the research that female education and childbirth assisted by health personnel are significant factors to degrade infant mortality rate. This study suggests that government health budget allocations are focusing on health programs to achieve the objectives of the SDGs. In addition, improvement of health infrastructure in rural areas needs to be develop."