Pemodelan Regresi Conway-Maxwell Poisson untuk Mengatasi Pelanggaran Equidispersi pada Jumlah Kematian Bayi di Provinsi Sumatera Barat

Jumlah kematian bayi di provinsi Sumatera Barat tahun 2024 masih menunjukkan variasi yang cukup besar antar kabupaten/kota, bahkan beberapa wilayah masih berada di atas target Sustainable Development Goals (SDGs). Meskipun secara agregat jumlah kematian bayi mengalami penurunan, kondisi tersebut belum merata di seluruh daerah. Perbedaan karakteristik kesehatan ibu dan bayi, kondisi sosial ekonomi, serta pemanfaatan layanan kesehatan menyebabkan tingkat kematian bayi antar wilayah berbeda. Variasi ini menunjukkan bahwa permasalahan kematian bayi di Provinsi Sumatera Barat masih kompleks dan memerlukan kajian yang komprehensif untuk mengidentifikasi faktor-faktor yang memengaruhinya. Penelitian ini menggunakan data sekunder tahun 2024 yang bersumber dari Badan Pusat Statistik Provinsi Sumatera Barat dengan unit analisis 19 kabupaten/kota. Variabel respon adalah jumlah kematian bayi, sedangkan variabel prediktor meliputi jumlah kasus Berat Badan Lahir Rendah (BBLR), jumlah kasus gizi kurang, persentase penduduk miskin, jumlah fasilitas kesehatan, dan cakupan kunjungan K4. Jumlah bayi lahir hidup digunakan sebagai variabel offset. Analisis dilakukan regresi CMP karena terjadi overdispersi pada data, dengan estimasi parameter menggunakan Maximum Likelihood Estimation. Hasil analisis menunjukkan bahwa data jumlah kematian bayi mengalami overdispersi sehingga model regresi CMP lebih sesuai dibandingkan regresi Poisson. Variabel jumlah kasus gizi kurang merupakan faktor yang paling dominan berhubungan dengan laju kejadian kematian bayi, meskipun arah hubungannya tidak dapat diinterpretasikan sebagai hubungan sebab akibat secara langsung. Temuan ini menegaskan pentingnya peningkatan intervensi perbaikan gizi ibu dan bayi serta pemerataan kualitas pelayanan kesehatan. Selain itu, pengembangan penelitian dengan cakupan data lebih luas dan pendekatan spasial diperlukan untuk memperoleh estimasi yang lebih akurat.