PEMODELAN PERSENTASE BALITA STUNTING DI INDONESIA TAHUN 2021 DENGAN METODE MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
Abstract
Stunting merupakan gangguan perkembangan dan pertumbuhan anak akibat dari kekurangan gizi kronis dan infeksi berulang yang ditandai dengan tinggi badan di bawah standar. Kondisi ini muncul pada anak setelah usia 2 tahun dan memerlukan perhatian kesehatan ibu dan anak. Di Indonesia, prevalensi stunting pada balita mencapai 24,4% pada tahun 2021. Penelitian ini bertujuan untuk menganalisis faktor- faktor yang mempengaruhi stunting dengan menggunakan Mixed Geographically Weighted Regression (MGWR) berdasarkan data sekunder pada tahun 2021. Hasil analisis deskriptif menunjukkan adanya ketimpangan yang signifikan antar provinsi maka diasumsikan terdapat efek spasial pada data. MGWR digunakan untuk mempertimbangkan efek lokal dan global pada model, fungsi pembobot yang digunakan adalah kernel gaussian karena memiliki Rsquared terbesar yaitu 98,6% dan AIC terkecil yaitu 95,884. Variabel global yang signifikan adalah persentase ibu berdasarkan kelompok usia, persentase kabupaten yang menerapkan (GERMAS), persentase TPP yang memenuhi standar, persentase penduduk miskin, dan Indeks Pembangunan Manusia. Variabel lokal yang signifikan meliputi persentase kabupaten sehat, status gizi balita, dan rata-rata lama sekolah.
References
Amelia, K., Asril, L. O., & Febrianti, L. (2020). Pemodelan Incident Rate Demam Berdarah Dengue Di Indonesia Yang Berkaitan Dengan Faktor Lingkungan Menggunakan Metode Geographically Weighted Regression (Gwr). Ekologia: Jurnal Ilmiah Ilmu Dasar Dan Lingkungan Hidup, 20(2), 64-73.
Apriyani, N. F., Yuniarti, D., & Hayati, M. N. (2018). Pemodelan Mixed Geographically Weighted Regression (MGWR). EKSPONENSIAL, 9(1), 59-66.
Bayu, D. (Juli 2022). Prevalensi Stunting di Indonesia Capai 24,4% pada 2021. https://dataindonesia.id/ragam/detail/prevalensi-stunting-di-indonesia- capai-244-pada-2021. Diakses pada 30 Agustus 2023.
Devina, J. (30 Juni 2023). Permasalahan Stunting di Indonesia dan Penyelesaiannya. https://www.djkn.kemenkeu.go.id/kpknl-pontianak/baca- artikel/16261/Permasalahan-Stunting-di-Indonesia-dan- Penyelesaiannya.html. Diakses pada tanggal 30 Agustus 2023.
Fotheringham, A.S., Brundson, C. and Charlthon, M. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. John Wiley and Sons, Ltd. UK.
Harahap, R. N. (2022). Implementasi Geographically Weighted Regression (GWR) Dan Mixed Geographically Weighted Regresion (MGWR) Dalam Perhitungan Jumlah Penduduk Miskin (Studi Kasus: Jumlah Penduduk Miskin Provinsi Jawa Tengah 2020) (Doctoral dissertation, Universitas Islam Indonesia).
Jetz, W., Rahbek, C., & Lichstein, J. W. (2005). Local and Global Approaches to Spatial Data Analysis in Ecology. Global Ecology and Biogeography, 14(1), 97-98.
Kementerian Kesehatan RI (2022). Profil Kesehatan Indonesia Tahun 2021. Jakarta: Kementerian Kesehatan RI.
Morris, A. (2020). A more scientific approach to applied economics: Reconstructing statistical, analytical significance, and correlation analysis. Economic Analysis and Policy, 66, 315-324.
Rahayu, A.,Yulidasari, F., Putri, A. C., & Anggraini. L. (2018). Study Guide-Stunting dan Upaya. Bagi Mahasiswa Kesehatan Masyarakat. Bantul: CV Mine.
Sarbaini, S., Zukrianto, Z., & Nazaruddin, N. (2022). Pengaruh Tingkat Kemiskinan Terhadap Pembangunan Rumah Layak Huni Di Provinsi Riau Menggunakan Metode Analisis Regresi Sederhana. Jurnal Teknologi Dan Manajemen Industri Terapan, 1(3), 131-136.
Widayaka, P. G. (2016). Pendekatan Mixed Geographically Weighted Regression Untuk Pemodelan Pertumbuhan Ekonomi Menurut Kabupaten/Kota di Jawa Tengah. Universitas Diponegoro.
Yudiaatmaja, F. (2013). Analisis Regresi dengan Menggunakan Aplikasi Komputer Statistik. Gramedia Pustaka Utama.
