Laporkan Masalah

Analisis Geographically Weighted Bivariate Gamma Regression Dalam Menilai Hubungan Antara Pemberian ASI Eksklusif dan Kurang Gizi Pada Balita di Provinsi Jawa Tengah Tahun 2023

Meilinda Roestiyana Dewy, Prof. Dr. Drs. Gunardi, M.Si

2024 | Tesis | S2 Matematika

Geographically Weighted Bivariate Gamma Regression (GWBGR) merupakan metode statistik yang relevan untuk menganalisis hubungan dua variabel respon berdistribusi gamma dengan mempertimbangkan heterogenitas spasial. Metode ini menggabungkan konsep regresi bivariate gamma dengan pembobotan geografis, sehingga memungkinkan pengkajian lokal atas hubungan variabel di berbagai wilayah. Dalam penelitian ini, studi kasus yang dianalisis merupakan jumlah pemberian ASI Eksklusif dan kurang gizi pada balita di Provinsi Jawa Tengah tahun 2023. Berdasarkan data Badan Pusat Statistik (BPS) tahun 2023, dari 409.142 balita yang menerima ASI eksklusif di Jawa Tengah, sebanyak 81.074 balita mengalami kurang gizi. Pemahaman mengenai hubungan antara pemberian ASI eksklusif dan kejadian kurang gizi sangat penting untuk merancang intervensi yang efektif. Namun, analisis ini memerlukan pendekatan yang mampu memperhitungkan keragaman geografis, sosial, dan ekonomi. Berdasarkan analisis data, diperoleh bahwa model terbaik untuk data ASI Eksklusif dan kurang gizi pada balita di Jawa Tengah tahun 2023 berdasarkan nilai AICc paling minimum adalah model dengan fungsi pembobot geografisnya menggunakan Kernel Fixed Gaussian. Berdasarkan pemodelan GWBGR, terdapat 12 kelompok Kabupaten/Kota berdasar kesamaan variabel yang signifikan terhadap Pemberian ASI Eksklusif dan Kurang Gizi pada balita. Selanjutnya GWBGR lebih baik dalam memodelkan pemberian ASI eksklusif dan kurang gizi pada balita di Jawa Tengah tahun 2023 dengan menghasilkan nilai AICc sebesar 1457.147.

Geographically Weighted Bivariate Gamma Regression (GWBGR) is a relevant statistical method for analyzing the relationship between two response variables that follow a gamma distribution while considering spatial heterogeneity. This method combines the concept of bivariate gamma regression with geographic weighting, allowing for a localized examination of the relationship between variables across different regions. In this study, the case analyzed is the relationship between exclusive breastfeeding rates and malnutrition in children under five in Central Java Province in 2023. According to data from the Central Statistics Agency (BPS) in 2023, out of 409,142 children who received exclusive breastfeeding in Central Java, 81,074 children experienced malnutrition. Understanding the relationship between exclusive breastfeeding and malnutrition is crucial for designing effective interventions. However, this analysis requires an approach that accounts for geographic, social, and economic diversity. Based on the data analysis, the best model for the exclusive breastfeeding and malnutrition data in Central Java in 2023, based on the minimum AICc value, is the model with a geographic weighting function using the Fixed Gaussian Kernel. According to the GWBGR modeling, there are 12 clusters of districts/cities based on the similarity of variables significantly influencing exclusive breastfeeding and malnutrition in children. Furthermore, GWBGR performs better in modeling exclusive breastfeeding and malnutrition in children under five in Central Java in 2023, producing an AICc value of 1457.147.

Kata Kunci : GWBGR, Fungsi Kernel, CV, Pemberian ASI Eksklusif, Kurang Gizi pada Balita

  1. S2-2024-476322-abstract.pdf  
  2. S2-2024-476322-bibliography.pdf  
  3. S2-2024-476322-tableofcontent.pdf  
  4. S2-2024-476322-title.pdf