Jurnal Ilmiah WIDYA Volume 4 Nomor 2 Agustus­Desember 2017315

ISSNISSN­L

2337­66862338­3321

VARIABEL­VARIABEL YANG MEMENGARUHI KEMATIAN BAYIDI INDONESIA MENGGUNAKAN ANALISIS DATA PANEL

Rudi SalamSekolah Tinggi Ilmu StatistikE­mail: rudisalam@stis.ac.id

ABSTRAK: Angka kematian bayi secara luas digunakan untuk menilai status kesehatan penduduk baik di negara maju maupun negaraberkembang termasuk di Indonesia. Penelitian ini bertujuan untuk menguji variabel­variabel makro yang memengaruhi kematian bayi diIndonesia menggunakan data panel selama lima tahun. Alat analisis yang digunakan adalah analisis deskriptif dan regresi data panel.Hasil penelitian menunjukkan bahwa pendekatan yang terpilih adalah fixed effects dengan pemodelan Seemingly Unrelated Regression(SUR), yang menunjukkan bahwa karakteristik provinsi di Indonesia berbeda­beda. Semua variable independen yang digunakanmempunyai pengaruh yang signifikan terhadap kematian bayi. Produk domestik regional bruto (PDRB) perkapita berpengaruh negatif,TFR berpengaruh positif, TPAK wanita berpengaruh negative, dan AMH wanita berpengaruh negative. Dari keempat variable, TFRmerupakan variable yang mempunyai tingkat signifikansi terbesar dalam menurunkan kematian bayi sehingga pengendalian jumlahpenduduk perlu implementasi yang lebih serius.

Kata kunci: kematian bayi, PDRB per kapita, data panel.

ABSTRACT: The infant mortality rate is widely used to assess the health status of the population in both the developed and developingcountries including Indonesia. This study aims to examine the macro variables that affect infant mortality using panel data for 5­yearperiod. The analytical tool used is descriptive analysis and panel data regression. The results showed that the approach chosen wasfixed effects with Seemingly Unrelated Regression (SUR) modeling, which indicates that the characteristics of the provinces in Indonesiais different. All independent variables are used has a significant effect on infant mortality. Regional gross domestic product (GDP) percapita a negative effect, TFR positive effect, negative effect LFPR of women, and women AMH negative effect. Of the four variables,TFR is a variable that has the greatest significance in reducing the rate of infant mortality that need implementation of populationcontrol is more serious.

Keywords: infant mortality rate, RGDP per capita, panel data.

PENDAHULUANLatar belakang penelitian ini adalah bahwa

status kesehatan merupakan salah satu faktor pentingyang merepresentasikan kesuksesan pembangunansuatu negara. Nwabu (1997:1) menyatakan bahwaangka kematian bayi (AKB) merupakan salah satuindikator utama dan paling banyak digunakan untukmenilai status kesehatan penduduk di negaramanapun. AKB adalah banyaknya bayi yangmeninggal di bawah usia satu tahun per 1000kelahiran hidup. Seperti umumnya negaraberkembang, AKB yang tinggi masih menjadipermasalahan kesehatan utama di Indonesia.

Berdasarkan data Survei Demografi danKesehatan Indonesia (SDKI), AKB Indonesia padatahun 2002 adalah sebesar 43 per 1000 kelahiranhidup dan pada tahun 2012 menjadi 34 kematian bayiper 1000 kelahiran hidup. Dengan kata lain, selamasepuluh tahun terakhir, AKB Indonesia telah menurunsebesar 21%. Penurunan ini menunjukkan Indonesiatelah berada pada jalur yang benar dalam upayamemenuhi target Millenium Development Goals(MDGs) dan target Rencana Pembangunan JangkaMenengah Nasional (RPJMN) 2015­2019. Akantetapi, target kematian bayi MDGs adalah 32 per1000 kelahiran hidup pada tahun 2015 dan target

kematian bayi pada RPJMN 2015­2019 adalah 24 per1000 kelahiran hidup. Dengan target yang ada,penurunan kematian bayi sebesar 21% selama 10tahun dirasa masih belum cukup cepat sehingga perluusaha lebih keras dalam melakukan peningkatanakselerasi untuk menurunkan kematian bayi.

Tujuan dari penelitian ini adalah untuk mengujivariabel­variabel makro yang memengaruhi kematianbayi di Indonesia

METODOLOGI PENELITIANDengan menggunakan data SDKI 1994­2012

dari berbagai publikasi yang dihasilkan dari survei­survei BPS (Badan Pusat Statistik), penelitian inimencoba mengidentifikasi variabel­variabel apa sajayang menjadi penyebab terjadinya kematian bayi diIndonesia menggunakan data panel selama 5 tahunperiode yaitu 1994, 1997, 2002, 2007, dan 2012.Variabel­variabel yang digunakan adalah: angkakematian bayi, PDRB (Produk Domestik RegionalBruto) per kapita, angka fertilitas total (total fertilityrate­TFR), tingkat partisipasi angkatan kerja (TPAK)wanita, dan angka melek huruf (AMH) wanita.Karena suatu keterbatasan, data dirinci berdasarkanprovinsi­provinsi di Indonesia (26 provinsi).

Rudi Salam,315 ­ 320

Variabel­Variabel yang MempengaruhiKematian Bayi di Indonesia Menggunakan

Analisis Data Panel

Jurnal Ilmiah WIDYA Volume 4 Nomor 2 Agustus­Desember 2017316

Gambar 1. Diagram kerangka pemikiran penelitian

Model yang diusulkan adalah:

Variabel­variabel yang digunakan dalampenelitian ini:

1. Angka kematian bayi (AKB)Kematian bayi adalah kematian yang terjadi

antara saat setelah bayi lahir sampai bayi belumberusia tepat satu tahun. Banyak faktor yangdikaitkan dengan kematian bayi. Secara garis besar,dari sisi penyebabnya, kematian bayi ada dua macamyaitu endogen dan eksogen. Kematian bayi endogenatau yang dikenal atau yang umum disebut dengankematian neonatal adalah kematian bayi yang terjadipada bulan pertama setelah dilahirkan, dan umumnyadisebabkan oleh faktor­faktor yang dibawa anak sejaklahir, yang diperoleh dari orang tuanya selama dalamkandungan. Sedangkan kematian bayi eksogen ataukematian post neo­natal, adalah kematian bayi yangterjadi setelah satu bulan sampai menjelang usia satutahun yang disebabkan oleh faktor­faktor yangberhubungan dengan pengaruh lingkungan sekitar(Badan Pusat Statistik).

2. PDRB (Produk Domestik Regional Bruto)Angka PDRB yang digunakan adalah PDRB atas

dasar harga berlaku. PDRB adalah jumlah nilaitambah bruto (gross value added) yang timbul dariseluruh sector perekonomian di suatu wilayah (dalamhal ini adalah provinsi­provinsi di Indonesia). Nilaitambah adalah nilai yang ditambahkan darikombinasi faktor produksi dan bahan baku dalamproses produksi. Penghitungan nilai tambah adalahnilai produksi (output) dikurangi biaya antara. Nilaitambah bruto di sini mencakup komponen­komponenpendapatan faktor (upah dan gaji, bunga, sewa tanahdan keuntungan), penyusutan dan pajak tidaklangsung neto.

3. Total fertility rate (TFR)TFR merupakan rata­rata anak yang dilahirkan

seorang wanita selama masa usia suburnya. TFRsebesar 2,35 berarti bahwa wanita (usia 15­49 tahun)secara rata­rata mempunyai 2­3 anak selama masausia suburnya. TFR yang tinggi merupakan cerminanrata­rata usia kawin yang rendah, tingkat pendidikanrendah terutama wanitanya dan tingkat sosialekonomi rendah (tingkat kemiskinan tinggi). TFRbisa digunakan sebagai indikator keberhasilan suatudaerah dalam melaksanakan pembangunan sosialekonomi, menunjukkan tingkat keberhasilan programKB, membantu para perencana programpembangunan untuk meningkatkan rata­rata usiakawin, meningkatkan program pelayanan kesehatanyang berkaitan dengan pelayanan ibu hamil danperawatan anak, serta mengembangkan programpenurunan tingkat kelahiran.

4. Tingkat partisipasi angkatan kerja (TPAK)wanita

TPAK merupakan persentase jumlah angkatankerja terhadap penduduk usia kerja. Kegunaan dariTPAK adalah mengindikasikan besarnya persentasependuduk usia kerja yang aktif secara ekonomidisuatu negara/wilayah. Semakin tinggi TPAKmenunjukkan bahwa semakin tinggi pula pasokantenaga kerja (labour supply) yang tersedia untukmemproduksi barang dan jasa dalam suatuperekonomian. Misalnya, jika TPAK 66% artinya dari100 penduduk usia 15 tahun keatas, sebanyak 66orang tersedia untuk memproduksi pada periodetertentu.

5. Angka melek huruf (AMH) wanitaAMH merupakan proporsi penduduk usia 15

tahun ke atas yang mempunyai kemampuan membacadan menulis huruf latin dan huruf lainnya, tanpaharus mengerti apa yang di baca/ditulisnya terhadappenduduk usia 15 tahun ke atas. AMH merupakanindikator penting untuk melihat sejauh manapenduduk suatu daerah terbuka terhadappengetahuan. Tingkat melek huruf yang tinggimenunjukkan adanya sebuah sistem pendidikan dasaryang efektif dan/atau program keaksaraan yangmemungkinkan sebagian besar penduduk untukmemperoleh kemampuan menggunakan kata­katatertulis dalam kehidupan sehari­hari dan melanjutkanpembelajarannya.

Rudi Salam,315 ­ 320

Variabel­Variabel yang MempengaruhiKematian Bayi di Indonesia Menggunakan

Analisis Data Panel

Jurnal Ilmiah WIDYA Volume 4 Nomor 2 Agustus­Desember 2017317

Metode analisis yang digunakan adalah regresidata panel dan deskriptif yang mendukung hasilpenelitian. Kelebihan penggunaan data panel adalahlebih baik dalam mengukur dan mengidentifikasi efekyang tidak dapat dideteksi apabila menggunakan datacross section atau time series murni, memberikaninformasi yang lebih banyak dan beragam,meminimalkan masalah kolinieritas (collinearity),meningkatkan jumlah derajat bebas sehingga lebihefisien, serta mampu mengontrol heterogenitasindividu, dalam hal ini adalah provinsi­provinsi diIndonesia (Baltagi, 2005).

Beberapa metode yang sering digunakan untukmengestimasi parameter model data panel statisadalah pooled estimator, fixed effects model danrandom effects model. Metode sederhana yang seringdigunakan adalah pooled estimator atau dikenalsebagai metode least square yang umumnyadigunakan pada model cross section dan time seriesmurni. Data panel memiliki jumlah observasi lebihbanyak dibandingkan data cross section dan timeseries murni. Akibatnya, ketika data digabungkanmenjadi pool data, regresi yang dihasilkan cenderunglebih baik dibandingkan regresi yang menggunakandata cross section dan time series murni. Akan tetapi,penggabungan data menyebabkan variasi atauperbedaan baik antara individu dan waktu tidak dapatterlihat. Hal ini tentunya kurang sesuai dengan tujuandari digunakannya data panel. Untuk mengatasipermasalahan tersebut, ada dua metode yang biasanyadigunakan dalam pemodelan data panel, yaknimetode efek tetap (fixed effects model/FEM) danmetode efek random (random effects model/REM).Pada dasarnya, FEM lebih menekankan padaperbedaan di antara individu, sekalipun tidakmenjelaskan alasannya. Di sisi lain, asumsiparametrik mengenai koefisien regresi menekankanbahwa perubahan yang terjadi dalam variabelpenjelas memiliki pengaruh yang sama, baikperubahan dari satu periode ke periode lainnyamaupun perubahan dari satu individu ke individulainnya. Apabila konstanta dari FEM diperlakukansebagai parameter random, maka model disebutsebagai REM, dimana perbedaan karakeristikindividu diakomodasi oleh error dalam model(Baltagi 2005 dan Gujarati dan Porter, 2012).

Pemilihan model terbaik dilakukan denganmelakukan beberapa tahapan pengujian, yaitu:

1. Uji Chow: digunakan untuk mengetahui apakah

teknik regresi data panel dengan fixed effects lebihbaik dari model regresi common effects;2. Uji Breusch­Pagan LM: digunakan untukmengetahui apakah model random effect lebih baikdari model common effect;3. Uji Hausman: digunakan untuk mengetahuiapakah model fixed effects lebih baik dari modelrandom effects.

Faktor Ekonomi atau PendapatanSalah satu faktor penting yang memengaruhi

kesehatan baik secara langsung ataupun tidaklangsung adalah pendapatan. Tingkat pendapatanyang lebih tinggi akan menciptakan suatu kondisiyang bisa mempengaruhi kualitas hidup sepertiterpenuhinya barang­barang yang berkualitas baikserta kondisi perumahan dan sanitasi yang lebih baik.Dengan demikian, pendapatan merupakan faktorekonomi penting yang mempengaruhi tingkatkesehatan secara substansial dan positif. Banyakpenelitian, baik dengan data cross­section maupundata panel, yang mendukung pandangan bahwa adahubungan yang signifikan dan positif secara statitikantara pendapatan dan status kesehatan (Erdogan et.al., 2013:20). Salah satu indicator utama yang palingbanyak digunakan untuk menilai status kesehatanpenduduk di suatu negara adalah IMR (Nwabu,1997:1). IMR secara tidak langsung dipengaruhi olehpendapatan melalui dampaknya pada tingkatkonsumsi barang yang memengaruhi kesehatanseperti makanan, perumahan, sanitasi, dan perawatankesehatan dan pendidikan (Flegg, 1982:456).Goldstein (1985;597) mengasumsikan bahwa faktorekonomi mempunyai pengaruh yang sangat besarpada angka kematian bayi. Wang (2002) dalamFebriyuna (2015:6) menyatakan bahwa pendapatannasional per kapita merupakan determinan pentinguntuk kematian bayi pada tingkat nasional. Sepertiterlihat pada Gambar 2 berikut:

Gambar 2. Tren IMR di Indonesia

Rudi Salam,315 ­ 320

Variabel­Variabel yang MempengaruhiKematian Bayi di Indonesia Menggunakan

Analisis Data Panel

Jurnal Ilmiah WIDYA Volume 4 Nomor 2 Agustus­Desember 2017318

Langkah yang bisa dilakukan supaya bisamempercepat penurunan kematian bayi adalahdengan melakukan studi dan analisis tentangkematian bayi. Banyak peneliti telah melakukan studidan analisis kematian bayi di Indonesia, sepertiTitaley et. al. (2008:8) dan Febriyuana (2015:2).Studi tentang kematian bayi yang dilakukan adalahdengan menentukan variable­variabel atau faktor­faktor apa saja yang memengaruhi kematian bayibaik secara langsung maupun tidak langsung.Variable­variabel atau faktor­faktor yang sudahdigunakan oleh para peneltiti tersebut umumnyaadalah variable mikro atau menggunakan individusebagai observasi dan pada suatu waktu tertentu saja(cross section). Masih sedikit peneliti yangmenggunakan variable­variabel makro dan denganperiode waktu yang cukup lama dalam menentukanhubungannya dengan kematian bayi.

Faktor FertilitasKematian bayi juga berhubungan dengan tingkat

fertilitas. Teori transisi demografi klasikmenunjukkan bahwa penurunan fertilitas didahuluioleh penurunan angka kematian. Studi telahmenunjukkan bahwa tingkat fertilitas dan tingkatkematian bayi mempunyai hubungan yang sangat erat(Bhattacharya et. al., 1995:868 dan Winegarden danBracy, 1995:1022). Chowdhury (1988:666)menyebutkan bahwa ada kausalitas ganda antaratingkat kematian bayi dan tingkat fertilitas. Zakir danWunnava (1999:273), Osawe (2014:114) dan Rezaeiet. al. (2015:455) menunjukkan bahwa tingkatfertilitas berpengaruh terhadap kematian bayi secarapositif dan signifikan. Keterkaitan antara kematiandan fertilitas ini telah menjadi perhatian dari para ahlidemografi serta pembuat kebijakan (Park et. al.,1996:2).

Faktor Angkatan Kerja WanitaHubungan antara kematian bayi dan partisipasi

angkatan kerja wanita juga telah diteliti olehbeberapa peneliti. Zakir dan Wunnava (1999:273)dalam penelitiannya di 117 negara menyimpulkanbahwa partisipasi angkatan kerja wanita berpengaruhterhadap kematian bayi. Osawe (1994:114) mengujideterminan yang memengaruhi kematian bayi dinegara­negara Afrika dan hasilnya adalah variabelpartisipasi angkatan kerja berpengaruh signifikanterhadap kematian bayi. Berlawanan dengan hasiltersebut, Rezaei et. al. (2015:455) dalam

penelitiannya di negera­negara anggota economiccooperation organization (ECO) menghasilkankesimpulan bahwa partisipasi angkatan kerja wanitadan kematian bayi tidak mempunyai hubungan yangsignifikan.

Faktor PendidikanVariabel lain yang sudah dipublikasikan oleh

beberapa peneliti yang bisa mempengaruhi IMRadalah pendidikan. Manfaat pendidikan pada wanitasangat banyak, dan salah satu yang utama adalahmenghasilkan anak yang lebih sehat. Variabelpendidikan yang digunakan pada penelitian ini adalahangka melek huruf (AMH) wanita. Studi telahmenyebutkan bahwa terdapat hubungan terbalikantara angka melek huruf wanita dan tingkatkematian bayi (Shetty dan Shetty, 2014:54).

HASIL DAN PEMBAHASAN

Hasil Penelitian

Analisis DeskriptifDalam rentang 1994 sampai dengan 2012, IMR

menurut provinsi di Indonesia pernah mencapaiangka 111 kematian bayi per 1000 kelahiran hidup.Suatu angka yang sangat besar untuk kejadiankematian bayi. Provinsi dengan angka ini adalahProvinsi Nusa Tenggara Barat (NTB) dimana tahunkejadiannya adalah tahun 1997. Sedangkan provinsiyang paling rendah angka kematian bayinya adalahBali dengan 14 kematian bayi per 1000 kelahiranhidup pada tahun 2002.

Tabel 1 menunjukkan bahwa selama periodepenelitian, rata­rata kematian bayi untuk semuaobservasi (provinsi di Indonesia) adalah 49.45 per1000 kelahiran hidup. Jika dilihat menurut provinsi,DI Yogyakarta (24 kematian per 1000 kelahiranhidup) dan Nusa Tenggara Barat (85 kematian per1000 kelahiran hidup) merupakan provinsi denganrata­rata IMR terendah dan tertinggi.

Tabel 1. Statistik deskriptif

Rudi Salam,315 ­ 320

Variabel­Variabel yang MempengaruhiKematian Bayi di Indonesia Menggunakan

Analisis Data Panel

Jurnal Ilmiah WIDYA Volume 4 Nomor 2 Agustus­Desember 2017319

Tabel 2 berikut adalah provinsi terendah dantertinggi secara rata­rata untuk setiap prediktor yangdigunakan dan dalam rentang penelitian. Dariindikator­indikator kemajuan pembangunan yang adapada Tabel 2, provinsi di di kawasan barat Indonesiaadalah lebih baik dibandingkan provinsi di kawasantimur Indonesia.

Tabel 2. Provinsi Terendah dan TertinggiMenurut Prediktor

Analisis InferensiaProses inferensia pada analisis data panel dimulai

dengan pemilihan model terbaik, apakah terpilihmodel efek tetap atau terpilih model efek random.Hasil dari beberapa uji untuk pemilihan model datapanel tersaji pada Tabel 3. Dari hasil tersebutdiperoleh bahwa model data panel yang tepat adalahmodel efek tetap. Model efek tetap mengindikasikanada perbedaan antar provinsi dalam menjelaskanIMR.

Tabel 3. Uji Pemilihan Model

Setelah terpilih model terbaik, yaitu model efektetap, berikutnya adalah pengecekan asumsi. Darihasil pengolahan diperoleh bahwa model melanggarasumsi homoskedastisitas dan autokorelasi. Denganpelanggaran asumsi ini, maka model yang digunakanadalah model seemingly unrelated regression (SUR).

Tabel 4. Hasil estimasi model regresi data panel

Tabel 4 menunjukkan hasil dari analisis regresidata panel terhadap variabel AKB. Uji model secarakeseluruhan adalah signifikan dengan menggunakantingkat signifikansi sebesar 5 persen yangditunjukkan dengan p­value sebesar 0,000. Koefisiendeterminasi yang dihasilkan adalah sebesar 54.20%atau dapat dikatakan bahwa keragaman AKB diIndonesia dapat dijelaskan oleh PDRB perkapita,tingkat fertilitas, tingkat partisipasi angkatankerja wanita, dan angka melek huruf wanita sebesar54.20%. Sedangkan sisanya yaitu sebesar 45.80%dipengaruhi oleh faktor lain.

Untuk uji parsial, terlihat bahwa semua predictormempunyai pengaruh yang signifikan terhadap AKBdan jika dilihat dari tanda koefisiennya, ln PDRBperkapita, TPAK wanita, dan AMH wanitamempunyai pengaruh yang negatif, sedangkan TFRmempunyai pengaruh yang positif. Hasil ini sudahsesuai dengan teori ataupun penelitian yang sudahdilakukan sebelumnya.

Nilai koefisien pada variable ln PDRB per kapitaadalah sebesar ­9.81 sehingga setiap kenaikanpendapatan per kapita sebesar 1 persen akanmenurunkan AKB sebesar 9.81. Sedangkan variableTPAK wanita, setiap kenaikan 1% wanita yangberpartisipasi pada angkatan kerja akan menurunkanAKB sebesar 0.40. Hasil ini merupakan konfirmasidari penelitian yang dilakukan oleh Zakir danWunnava (1999), Osawe (2014) dan Rezaei et. al.(2015). Koefisien regresi variable AMH wanitasebesar ­0.61 mengindikasikan bahwa setiapkenaikan 1% wanita yang melek huruf akanmenurunkan AKB sebesar 0.61.

Diantara prediktor yang digunakan, TFR adalahvariable independen dengan nilai koefisien regresipaling besar yaitu sebesar 13.81. Hal inimengindikasikan bahwa kenaikan angka kelahirantotal sebesar 1 dapat meningkatkan AKB sebesar13.81. Hasil ini menyiratkan bahwa TFR memilikipengaruh yang kuat terhadap AKB di Indonesia.Hasil ini adalah sesuai dengan studi yang telahdilakukan oleh Bhattacharya et. al.(1995) danWinegarden dan Bracy (1995) yang menyatakanbahwa tingkat fertilitas dan tingkat kematian bayimempunyai hubungan yang sangat erat. Hasil ini jugamerupakan konfirmasi dari penelitian yang dilakukanoleh Zakir dan Wunnava (1999), Osawe (2014) danRezaei et. al. (2015).

Rudi Salam,315 ­ 320

Variabel­Variabel yang MempengaruhiKematian Bayi di Indonesia Menggunakan

Analisis Data Panel

Jurnal Ilmiah WIDYA Volume 4 Nomor 2 Agustus­Desember 2017320

PENUTUP

KesimpulanSetiap provinsi di Indonesia mempunyai

karakteristik berbeda­beda yang memengaruhi angkakematian bayi. Variabel­variabel yang dapatmempengaruhi kejadian kematian bayi di Indonesiaselama periode 1984 sampai dengan 2012 adalahPDRB per kapita, TFR, TPAK wanita, dan AMHwanita. Dari variabel tersebut, TFR merupakandeterminan yang mempunyai pengaruh paling besarterhadap kematian bayi di Indonesia

Saran­SaranBerdasarkan uraian­uraian pada bab­bab

sebelumnya dan temuan­temuan yang didapat selamapenelitian ini, disampaikan beberapa saran yaitu: (1)Setiap provinsi perlu untuk meningkatkan PDRB perkapita di wilayahnya dengan cara memperluaslapangan kerja terutama untuk sektor yang palingberkontribusi terhadap PDRB. Selain itu perlu jugadibuatkan program pembangunan dan pemberdayaanmasyarakat baik melalui kebijakan nasional danregional yang dapat meningkatkan pendapatanmasyarakat seperti pemberdayaan terhadapperusahaan skala mikro dan kecil; (2) Pemerintahperlu meningkatkan pendidikan wanita denganprogram melek huruf yang berkesinambunganankarena angka melek huruf di Indonesia masihcenderung fluktuatif; (3) Dengan TFR yangmempunyai pengaruh paling besar terhadap kematianbayi maka untuk mengurangi kejadian kematian bayiperlu peningkatan lebih serius dalam halpengendalian kelahiran. Untuk pengendalian TFR,program Keluarga Berencana (KB) yang merupakansalah satu usaha dalam mengatasi masalahkependudukan di Indonesia yang sudah dicanangkansejak 1970an sampai dengan saat sekarang masih

relevan untuk dilakukan untuk mengurangi kejadiankematian bayi.

DAFTAR PUSTAKABhattacharya, B., Singh, K.K. and Singh, U.“Proximate

determinants of fertility in Eastern Uttar Pradesh, HumanBiology. 1995.

Chowdhury, A. The Infant Mortality­Fertility Debate: SomeInternational Evidence Southern Economic Journal. Vol.54(3). 1988.

Erdogan, E., Ener, M., dan Arica, A. The Strategic Role of InfantMortality in the Process of Economic Growth: AnApplication for High Income OECD Countries Procedia­Social and Behavioral Sciences 99. 2013.

Flegg, A.T. Inequality of Income, Illiteracy and Medical Care asDeterminants of Infant Mortality in UnderdevelopedCountries. Journal of Population Studies, Vol. 36 (3). 1982.

Goldstein, J.S. Basic Human needs: The Plateau Curve, Worlddevelopment, Vol. 13, 5, 1985.

Lynch, J., Smith, G.D., Harper, S. and Hillemeier, M. Is IncomeInequality A Determinant of Population Health? Part 1. ASystematic Review. Milbank Quarterly, 82(1). 2004.

Nwabu, G. Human Development in Africa. Economic ResearchPapers, No 38. African Development Bank. 1997.

Park, C.B., Islam, M.A., Chakraborty, N., Kantner, A.Partitioning the Effect of Infant and Child Death onSubsequent Fertility: An Exploration in Bangladesh. East­West Center Working Papers No. 82. 1996.

Reidpath DD, Allotey P. Infant mortality rate as an indicator ofpopulation health. Journal of Epidemiology and CommunityHealth. 2003.

Shetty, A and Shetty, S. The Impact of Female Literacy on InfantMortality Rate in Indian States. Curr Pediatr Res, 18 (1).2014.

Titaley, C., et al. Determinants of neonatal mortality in Indonesia.BMC Public Health .2008.

Torre, R. and Myrskyla, M. Income Inequality and PopulationHealth: A Panel Data Analysis on 21 Developed Countries.Max Planck Institute for Demographic Research, MPIDRWorking Paper, WP 2011­006. 2011.

Winegarden C.R. and Bracy, P.M. Demographic Consequencesof Maternal­Leave Programs in Industrial Countries:Evidence from Fixed­Effects Models. Southern EconomicJournal. Vol. 61, No. 4. 1995.

Zakir, M. and Wunnava, P.V. Factors Affecting Infant MortalityRates: Evidence From Cross­Sectional Data. AppliedEconomics Letters. Vol. 6. 1999.