UI - Skripsi Membership :: Kembali

UI - Skripsi Membership :: Kembali

Pemodelan Geographically Weighted Logistic Regression pada Kasus Stunting di Indonesia = Geographically Weighted Logistic Regression Modeling on Stunting Cases in Indonesia

Faisal Khafie Alam; Yekti Widyaningsih, supervisor; Siti Nurrohmah, supervisor; Dian Lestari, examiner; Saskya Mary Soemartojo, examiner (Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2020)

 Abstrak

Stunting adalah kondisi gagal tumbuh pada balita akibat dari kekurangan gizi kronis,
sehingga anak terlalu pendek pada usianya. Stunting memiliki dampak yang buruk
terhadap pertumbuhan dan perkembangan anak serta berpengaruh terhadap kualitas
sumber daya manusia di masa depan. Dalam rangka menurunkan angka stunting di
Indonesia, pada tahun 2018, pemerintah menetapkan 100 kabupaten/kota sebagai daerah
prioritas penanganan kasus stunting di Indonesia. Penetapan 100 kabupaten/kota prioritas
tersebut ditentukan berdasarkan indikator jumlah balita stunting, prevalensi stunting, dan
tingkat kemiskinan. Penelitian ini bertujuan untuk mengetahui variabel-variabel yang
memengaruhi status daerah prioritas penanganan stunting di Indonesia agar pemerintah
lebih fokus dalam menangani kasus stunting di setiap daerah. Model yang digunakan
dalam penelitian ini adalah Geographically Weighted Logistic Regression (GWLR).
Untuk variabel respon, kategori 0 adalah daerah bukan prioritas penanganan stunting
(prevalensi stunting kurang dari rata-rata prevalensi stunting Indonesia tahun 2018
sebesar 32,01%) dan kategori 1 adalah daerah prioritas penanganan stunting (prevalensi
stunting lebih besar dari rata-rata prevalensi stunting Indonesia tahun 2018 sebesar
32,01%). Model Geographically Weighted Logistic Regression (GWLR) merupakan
pengembangan dari model regresi logistik dengan memperhitungkan pengaruh spasial.
Pengaruh spasial tersebut digambarkan melalui matriks pembobot di setiap lokasi
pengamatan sehingga menghasilkan pendugaan parameter model yang bersifat lokal
untuk setiap lokasi pengamatan. Metode penaksiran parameter yang digunakan adalah
metode Maximum Likelihood Estimation (MLE) dengan fungsi pembobot spasial adalah
fungsi pembobot kernel Fixed Gaussian dan Fixed Bisquare. Pada penelitian ini data
yang digunakan mengandung missing values sehingga diperlukan penanganan lebih
lanjut. Penanganan missing values yang digunakan pada penelitian ini adalah metode
imputasi data menggunakan Classification and Regression Tree (CART). Model GWLR
terbaik pada pemodelan kasus stunting di Indonesia tahun 2018 adalah model GWLR
dengan pembobot fungsi kernel Fixed Bisquare dengan nilai AIC sebesar 622,806477
dan akurasi klasifikasi model sebesar 0,7257.

Stunting is a condition of failure to thrive in children under five because of chronic
malnutrition so that the child is too short for his/her age. Stunting has bad effect on
children's growth and the quality of human resources in the future. To reduce the number
of stunting in Indonesia, in 2018, the government determined 100 districts/cities as
priority areas for handling stunting cases in Indonesia. The 100 priority districts/cities are
determined based on the number of stunting children, stunting prevalence, and poverty
level. This study aims to determine the variables that affect the status of priority areas for
stunting handling in Indonesia so the government can be more focused on handling
stunting cases in each region. The model used in this study is Geographically Weighted
Logistic Regression (GWLR) with 0 as the category of a non-priority area for handling
stunting cases (stunting prevalence is less than the average stunting prevalence of
Indonesia in 2018) and 1 as the category of a priority area for handling cases stunting (the
prevalence of stunting is greater than the average stunting prevalence of Indonesia in
2018). The average stunting prevalence of Indonesia in 2018 that used in this study is
32,01%. The Geographically Weighted Logistic Regression (GWLR) model is a
development of the logistic regression model which considers spatial influence. The
spatial influence is illustrated through a weighting matrix at each observation location to
produce an estimation of the local model parameters for each observation location. The
parameter estimation method used is the Maximum Likelihood Estimation (MLE) method
with the spatial weighting function is the Fixed Gaussian and Fixed Bisquare kernel
weighting function. There are missing values in the study data so Classification and
Regression Tree (CART) method used to handle the missing values. The results showed
that the best GWLR model on stunting cases modeling in Indonesia in 2018 is the GWLR
model with Fixed Bisquare kernel function weighting with AIC value of 622,806477 and
accuracy of model classification of 0,7257.

 File Digital: 1

Shelf
 S-Faisal Khafie Alam.pdf :: Unduh

LOGIN required

 Metadata

Jenis Koleksi : UI - Skripsi Membership
No. Panggil : S-Pdf
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Program Studi :
Subjek :
Penerbitan : Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2020
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : computer
Tipe Carrier : online resource
Deskripsi Fisik : xvii, 91 pages : illustration ; appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI
  • Ketersediaan
  • Ulasan
  • Sampul
No. Panggil No. Barkod Ketersediaan
S-Pdf 14-22-67690728 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20509591
Cover