Rahandini Lukita Lestari1308100020
Dosen Pembimbing :Dr. Sutikno, S.Si., M.Si
Gedung H - Jurusan Statistika - FMIPA - ITS
Seminar Tugas AkhirSurabaya, 13 Desember 2011
PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY
WEIGHTED REGRESSION (GWR)
1
PENDAHULUAN
TINJAUAN PUSTAKA
METODOLOGI PENELITIAN
KESIMPULAN DAN SARAN
HASIL DAN PEMBAHASAN
2Gedung H - Jurusan Statistika - FMIPA - ITS
3
Latar Belakang
ManfaatBatasan Masalah
Tujuan Penelitian
Rumusan Masalah
Target 2015:Balita gizi buruk 3,6%.Kekurangan gizi balita 15,5%.
Gizi Buruk
Gedung H - Jurusan Statistika - FMIPA - ITS
Kematian bayi dan anak (balita)
Pencapaian belum MAX &belum MERATA di tiap provinsi
Balita gizi buruk : 4,9%Kekurangan gizi balita: 17,9%
Balita gizi buruk JATIM: 4,8%
2010
4
Latar Belakang
ManfaatBatasan Masalah
Tujuan Penelitian
Rumusan Masalah
PenelitianStatus gizi
Balita
Gedung H - Jurusan Statistika - FMIPA - ITS
1. Paramita (2008)“bagging regresi logistik
ordinal”2. Hayati (2009)
“analisis diskriminan”3. Riskiyanti (2010)
“regresi multivariat”4. Inadiar (2010)
“uji Chi-square”
aspek humaniora/kekhasan lokasi masih
terbatas
Keragaman karakteristikantar wilayah
GWR
5
Latar Belakang
ManfaatBatasan Masalah
Tujuan Penelitian
Rumusan Masalah
Penelitian GWR
Gedung H - Jurusan Statistika - FMIPA - ITS
1. Sugiyanto (2008) :memodelkan data kemiskinanan di PropinsiPapua
2. Ayunin (2011) :memodelkan status balita giziburuk di Kabupaten Ngawitahun 2009
3. Intan (2011) :memodelkan jumlah penderitatubercolosis (TB) di PropinsiJawa Timur tahun 2010
setiap wilayah mempunyai perbedaankarakteristik satu sama lain sehinggamenghasilkan model yang juga berbeda
GWR lebih unggul daripada OLS
6
Rumusan Masalah Manfaat
Batasan Masalah
Tujuan Penelitian
LatarBelakang
Gedung H - Jurusan Statistika - FMIPA - ITS
Bagaimana deskripsi kejadian balita giziburuk dan faktor-faktor yang berpengaruhdi Provinsi Jawa Timur?
Bagaimana memodelkan kejadian balita giziburuk dan faktor yang berpengaruh diProvinsi Jawa Timur dengan menggunakanmetode GWR?
1
2
7
TujuanPenelitian Manfaat
Batasan Masalah
RumusanMasalah
LatarBelakang
Gedung H - Jurusan Statistika - FMIPA - ITS
Menyusun model balita gizi buruk danfaktor yang berpengaruh di ProvinsiJawa Timur dengan menggunakanmetode GWR.
Mendeskripsikan kejadian balita giziburuk dan faktor-faktor yang berpengaruhdi Provinsi Jawa Timur dalam bentuk petatematik.
1
2
8
ManfaatTujuanPenelitian
Batasan Masalah
RumusanMasalah
LatarBelakang
Gedung H - Jurusan Statistika - FMIPA - ITS
1• Memberikan wawasan keilmuan peneliti yang berkaitan dengan regresi OlS dan
Geographically Weighted Regression (GWR) serta aplikasinya pada pemodelanbidang kesehatan.
2
• Memberikan informasi kepada masyarakat mengenai faktor-faktor yang berpengaruh pada kasus balita gizi buruk di Provinsi Jawa Timur sehingga dapatmenjadi upaya untuk menurunkan persentase balita gizi buruk di Provinsi JawaTimur.
3• Memberikan informasi kepada pemerintah, khususnya Dinas Kesehatan Jawa
Timur, mengenai kebijakan program pembangunan kesehatan khususnyapenanganan kasus balita gizi buruk di Jawa Timur.
9
BatasanMasalah
TujuanPenelitian
ManfaatRumusanMasalah
LatarBelakang
Gedung H - Jurusan Statistika - FMIPA - ITS
Data yang digunakan adalah data kejadian balita gizi buruk danfaktor-faktor yang mempengaruhinya di Provinsi Jawa Timur tahun2007 yang tercakup dalam Riset Kesehatan Dasar (Riskesdas) 2007
dan Survei Sosial Ekonomi Nasional (Susenas) 2007.
Penaksiran parameter GWR menggunakan prosedur Weighted Least Square dengan pembobot yang digunakan adalah fungsikernel gaussian.
10
Status GiziBalita
GWR
Gedung H - Jurusan Statistika - FMIPA - ITS
Metode regresi adalah metode yang digunakan untuk menyatakan polahubungan antara variabel respon dan variabel prediktor.
Model regresi linear berganda dapat diformulasikan dalam bentuk matrikssebagai berikut (Draper dan Smith, 1992).y = Xβ + ε
Pendugaan parameter model regresi dilakukan dengan metode OrdinaryLeast Square (OLS) -> meminimumkan jumlah kuadrat error (Draper danSmith, 1992).
p
kiikki xy
10
yXX)(Xβ T1T ˆ
Asumsi residual IIDN
11
Status GiziBalita
GWR
Gedung H - Jurusan Statistika - FMIPA - ITS
H0: H1: minimal ada satu ; k = 1, 2, …, pStatistik uji:
dimanaMSR = SSR/p ; MSE = SSE/n-(p+1)SSR = ; SSE =
tolak H0 jika Fhit > ataujika p-value < α.
Uji Serentak
021 p 0k
H0: H1: ; k = 1, 2, …, pStatistik uji:
tolak H0 jikaatau jika p-value < α.
0k0k
kk
SEt
ˆˆ
Uji Parsial
MSEMSRFhit
)1,;( pnpF
n
iii yy
1
2)ˆ(
1;2/. pnhit tt
n
ii yy
1
2)ˆ(
12
Status GiziBalita
RegresiLinear
Gedung H - Jurusan Statistika - FMIPA - ITS
Model GWR:
Geographically Weighted Regression (GWR) adalah model regresi linier lokal yangmenghasilkan dugaan parameter model regresi yang bersifat lokal untuk setiaptitik atau lokasi dimana data tersebut dikumpulkan.Fotheringham, dkk (2002)
titik koordinat (longitude, latitude) lokasi ke-i
p
kiiikikiii vuxvuy
10 ),(),( ni ,...,2,1 ;
Estimasi parameter model GWR -> Weighted Least Square (WLS) :
yWXXWXβ iiT
iiT
ii vuvuvu ,,,ˆ 1
matrik pembobot Fungsi Gaussian: 2exp, bdvuw ijiij
13
Status GiziBalita
RegresiLinear
Gedung H - Jurusan Statistika - FMIPA - ITS
H0: ; k = 1, 2, …, pH1: minimal ada satuStatistik uji:
dimanaSSE (H1): SSE model GWRSSE (H0): SSE model OLS
: df model GWRn-p-1 : df model OLS
Fhit cenderung kecil
kiik vu , kiik vu ,
Uji Kesesuaian Model Uji Parameter Model
H0: ; k = 1, 2, …, pH1: minimal ada satuStatistik uji:
tolak H0 jika
0, iik vu 0, iik vu
10
22
11
pnHSSEHSSEFhit
22
1
kk
iik
cvuβ
T
,ˆ
22
1;2 tThit
14Gedung H - Jurusan Statistika - FMIPA - ITS
Bandwidth radius dari suatu lingkaran dimana titik yang berada dalamradius lingkaran masih dianggap berpengaruh dalammembentuk parameter model lokasi i.
Cross Validation (CV) minimum:OPTIMUM
n
iii byybCV
1
2ˆ
Fungsi Gaussian: 2exp, bdvuw ijiij
22jijiij vvuud jarak euclidean:
bandwidth
Status GiziBalita
RegresiLinear
15
GWR
Gedung H - Jurusan Statistika - FMIPA - ITS
RegresiLinear
Gizi Buruk suatu kondisi di mana seseorang dinyatakan kekurangannutrisi, atau dengan ungkapan lain status nutrisinya beradadi bawah standar rata-rata. Nutrisi yang dimaksud bisaberupa protein, karbohidrat dan kalori. (Soekirman, 2000)
Risiko(Samsul, 2011)
menghambat pertumbuhan fisik, mental maupun kemampuanberpikir yang pada akhirnya akan menurunkan produktivitas
kerja.
penurunan kecerdasan (IQ) hingga 10 persen
menurunnya kualitas sumber daya manusia
KEP
16Gedung H - Jurusan Statistika - FMIPA - ITS
(i) kesulitan dalam mendapatkan makanan yang berkualitas,terutama disebabkan oleh kemiskinan;
(ii) perawatan dan pengasuhan anak yang tidak sesuai karenarendahnya pendidikan ibu
(iii) terbatasnya akses terhadap layanan kesehatan, sanitasi danair bersih.
(iv) kesadaran dan komitmen pemerintah baik pusat maupundaerah akan pentingnya penanggulangan masalah gizimerupakan faktor yang menentukan keadaan gizi masyarakat.
Sumber: UNICEF, 1998 dalam Soekirman, 2000
Sosial-Budaya
Bappenas(2010)Ekonomi
GWRRegresiLinear
17
LangkahPenelitian
VariabelPenelitian
Gedung H - Jurusan Statistika - FMIPA - ITS
SumberData
Riset Kesehatan Dasar(Riskesdas) 2007 &
Survei Sosial Ekonomi(Susenas) 2007
18
LangkahPenelitian
VariabelPenelitian
Gedung H - Jurusan Statistika - FMIPA - ITS
SumberData
Kesehatan% Bayi mendapat vitamin A (X1)% Ibu hamil mendapat tablet Fe (X2)
% Pemeriksaan neonatus (KN1) (X3)
% Akses air bersih (X4)
% Pelayanan Penyuluhan (X6)
% Pelayanan imunisasi (X7)
% Bayi berat lahir rendah (X8)
% Balita gizi buruk (Y)
Ekonomi% Rumah Tangga
Miskin(X9)
19
LangkahPenelitian
Gedung H - Jurusan Statistika - FMIPA - ITS
SumberData
VariabelPenelitian
Data balita gizi buruk
Mendeskripsikan data balita gizi buruk& var prediktor dengan peta tematik
Mengidentifikasi pola hubungan antaravariabel respon & prediktor
Memodelkan regresi linier OLS antaravariabel respon & prediktor
Menguji signifikansi parameter regresiOLS & asumsi residual
Menentukan ui dan vi serta menghitungjarak euclidian untuk tiap lokasi
Menentukan bandwidth optimum berdasarkan CV minimum
Membuat matrikspembobot dengan
fungsi kernel gaussian
Mengestimasiparameter model GWR
Menguji kesesuaianmodel
Menguji signifikansiparameter model
GWR
Mendapatkanmodel GWR
Memeriksa multikolinearitas antaravariabel-variabel prediktor
Membandingkan hasilregresi OLS dan GWR
20Gedung H - Jurusan Statistika - FMIPA - ITS
BALITA GIZI BURUK
Max16,2%
Min1%
M A L A N GJE M B E R
T U B A N
B A N Y U W A N G I
B L IT A R
K E D IR I
N G A W I
L U M A JA N GP A C IT A N
B O J O N E G O R O
L A M O N G A N
M A D IU N
S IT U B O N D O
G R E S IK
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O L IN G G OB O N D O W O S O
JO M B A N G
B A N G K A L A N
T R E N G G A L E K
M O J O K E R T O
T U L U N G A G U N G
M A G E T A N
S ID O A R JO
P A M E K A S A N
S U R A B A Y A (K O T A )
B A T U ( K O T A )
M A L A N G (K O T A )
P A S U R U A N (K O T A )
K e te ra n g a n :
(% )
1 - 2 .1
2 .1 - 3 .7
3 .7 - 6
6 - 9 .3
9 .3 - 1 6 .2
21Gedung H - Jurusan Statistika - FMIPA - ITS
BAYI MENDAPAT VITAMIN A
M AL AN GJEM BER
TU B AN
BAN YU W AN G I
BLIT AR
KED IR I
N G A W I
LU M AJA N GPAC ITA N
BO J O N EG O R O
LAM O N G AN
M AD IU N
SITU BO N D O
G R E SIK
PAS U R U AN
N G A N J U K
SAM PAN G
PO N O R O G O
SU M EN E P
PR O BO LIN G G O
BO N D O W O SO
JO M BA N G
BAN G K ALA N
TR E N G G AL EK
M O J O K ER T O
TU L U N G AG U N G
M AG ETA N
SID O AR JO
PAM EKA SA N
SU R AB AYA (KO TA )
BAT U (KO T A)
M AL AN G (K O T A)
PAS U R U AN (K O T A)
K e tera ng a n :
(% )
38.1
38.1 - 65 .3
65.3 - 73 .373.3 - 80 .5
80.5 - 86 .5
Min38,1%
Max86,5%
22Gedung H - Jurusan Statistika - FMIPA - ITS
IBU HAMIL MENDAPAT TABLET Fe
M AL AN GJEM BER
TU B AN
BAN YU W AN G I
BLIT AR
KED IR I
N G A W I
LU M AJA N GPAC ITA N
BO J O N EG O R O
LAM O N G AN
M AD IU N
SITU BO N D O
G R E SIK
PAS U R U AN
N G A N J U K
SAM PAN G
PO N O R O G O
SU M EN E P
PR O BO LIN G G OBO N D O W O SO
JO M BA N G
BAN G K ALA N
TR E N G G AL EK
M O J O K ER T O
TU L U N G AG U N G
M AG ETA N
SID O AR JO
PAM EKA SA N
SU R AB AYA (KO TA )
BAT U (KO T A)
M AL AN G (K O T A)
PAS U R U AN (K O T A)
K eteran gan:
(% )
66 .7
66 .7 - 85
85 - 93 .3
93 .3 - 96 .4
96 .4 - 100
Min: Kabupaten Bondowoso (66,7 %)Max : Kabupaten Trenggalek, Tulungagung, Lumajang, Situbondo, Pasuruan, Sidoarjo, Mojokerto, Jombang, Nganjuk, Ngawi, Bojonegoro, Tuban, Lamongan, Bangkalan, Pamekasan, Kota Blitar, Kota Pasuruan, Kota Mojokerto (100 %)
23Gedung H - Jurusan Statistika - FMIPA - ITS
PEMERIKSAAN NEONATUS (KN1)
M A L A N GJE M B E R
T U B A N
B A N Y U W A N G I
B L IT A R
K E D IR I
N G A W I
L U M A JA N GP A C IT A N
B O J O N E G O R O
L A M O N G A N
M A D IU N
S IT U B O N D O
G R E S IK
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O L IN G G OB O N D O W O S O
JO M B A N G
B A N G K A L A N
T R E N G G A L E K
M O J O K E R T O
T U L U N G A G U N G
M A G E T A N
S ID O A R JO
P A M E K A S A N
S U R A B A Y A (K O T A )
B A T U ( K O T A )
M A L A N G (K O T A )
P A S U R U A N (K O T A )
K e te ra n g a n :
(% )
32 .4 - 3 8 .2
38 .2 - 5 7 .1
57 .1 - 6 5 .6
65 .6 - 7 2 .7
72 .7 - 8 9 .5
Min32,4%
Max89,5%
24Gedung H - Jurusan Statistika - FMIPA - ITS
PEMERIKSAAN KEHAMILAN
M A L A N GJE M B E R
T U B A N
B A N Y U W A N G I
B L IT A R
K E D IR I
N G A W I
L U M A JA N GP A C IT A N
B O J O N E G O R O
L A M O N G A N
M A D IU N
S IT U B O N D O
G R E S IK
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O L IN G G OB O N D O W O S O
JO M B A N G
B A N G K A L A N
T R E N G G A L E K
M O J O K E R T O
T U L U N G A G U N G
M A G E T A N
S ID O A R JO
P A M E K A S A N
S U R A B A Y A (K O T A )
B A T U ( K O T A )
M A L A N G (K O T A )
P A S U R U A N (K O T A )
K e te ra n g a n :
( % )
1 2 .7 - 2 3 .5
2 3 .5 - 4 5 .8
4 5 .8 - 5 8 .1
5 8 .1 - 8 7
8 7 - 1 0 0
Min: Kabupaten Ponorogo (12,7 %)Max : Kabupaten Pasuruan, Sidoarjo, Kota Blitar, Kota Mojokerto, Kota Madiun, dan Kota Batu (100 %)
25Gedung H - Jurusan Statistika - FMIPA - ITS
AKSES AIR BERSIH
M A L A N GJE M B E R
T U B A N
B A N Y U W A N G I
B L IT A R
K E D IR I
N G A W I
L U M A J A N GP A C IT A N
B O J O N E G O R O
L A M O N G A N
M A D IU N
S IT U B O N D O
G R E S IK
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O L IN G G OB O N D O W O S O
JO M B A N G
B A N G K A L A N
T R E N G G A L E K
M O J O K E R T O
T U L U N G A G U N G
M A G E T A N
S ID O A R J O
P A M E K A S A N
S U R A B A Y A (K O T A )
B A T U ( K O T A )
M A L A N G (K O T A )
P A S U R U A N (K O T A )
K e te ra n g a n :
(% )
5 .5 - 1 0 .2
1 0 .2 - 1 7 .4
1 7 .4 - 2 5 .9
2 5 .9 - 3 8 .9
3 8 .9 - 5 0
Min: Kota Probolinggo (5,5 %)Max : Kabupaten Probolinggo (50 %)
26Gedung H - Jurusan Statistika - FMIPA - ITS
PELAYANAN PENYULUHAN
M A L A N GJE M B E R
T U B A N
B A N Y U W A N G I
B L IT A R
K E D IR I
N G A W I
L U M A JA N GP A C IT A N
B O J O N E G O R O
L A M O N G A N
M A D IU N
S IT U B O N D O
G R E S IK
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O L IN G G OB O N D O W O S O
JO M B A N G
B A N G K A L A N
T R E N G G A L E K
M O J O K E R T O
T U L U N G A G U N G
M A G E T A N
S ID O A R JO
P A M E K A S A N
S U R A B A Y A (K O T A )
B A T U ( K O T A )
M A L A N G (K O T A )
P A S U R U A N (K O T A )
K e te ra n g a n :
(% )
8 - 1 8 .6
18 .6 - 3 2 .8
32 .8 - 4 4 .1
44 .1 - 5 2 .9
52 .9 - 6 3 .5
Min8%
Max63,5%
27Gedung H - Jurusan Statistika - FMIPA - ITS
PELAYANAN IMUNISASI
M A L A N GJE M B E R
T U B A N
B A N Y U W A N G I
B L IT A R
K E D IR I
N G A W I
L U M A JA N GP A C IT A N
B O J O N E G O R O
L A M O N G A N
M A D IU N
S IT U B O N D O
G R E S IK
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O L IN G G OB O N D O W O S O
JO M B A N G
B A N G K A L A N
T R E N G G A L E K
M O J O K E R T O
T U L U N G A G U N G
M A G E T A N
S ID O A R JO
P A M E K A S A N
S U R A B A Y A (K O T A )
B A T U ( K O T A )
M A L A N G (K O T A )
P A S U R U A N (K O T A )
K e te ra n g a n :
(% )31 .6 - 3 4 .9
34 .9 - 4 9 .5
49 .5 - 6 0 .2
60 .2 - 7 3 .9
73 .9 - 9 3 .1
Min: Kota Mojokerto (31,6 %)Max : Kabupaten Pasuruan (93,1 %)
28Gedung H - Jurusan Statistika - FMIPA - ITS
BAYI BERAT LAHIR RENDAH
M A L A N GJE M B E R
T U B A N
B A N Y U W A N G I
B L IT A R
K E D IR I
N G A W I
L U M A JA N GP A C IT A N
B O J O N E G O R O
L A M O N G A N
M A D IU N
S IT U B O N D O
G R E S IK
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O L IN G G OB O N D O W O S O
JO M B A N G
B A N G K A L A N
T R E N G G A L E K
M O J O K E R T O
T U L U N G A G U N G
M A G E T A N
S ID O A R JO
P A M E K A S A N
S U R A B A Y A (K O T A )
B A T U ( K O T A )
M A L A N G (K O T A )
P A S U R U A N (K O T A )
K e te ra n g an :
(% )
0 - 3 .1
3 .1 - 7 .1
7 .1 - 10
10 - 13
13 - 19 .6
Min: Kabupaten Pacitan, Madiun, Tuban, dan Lamongan (0 %)Max : Kabupaten Probolinggo (19,6 %)
29Gedung H - Jurusan Statistika - FMIPA - ITS
RUMAH TANGGA MISKIN
M A L A N G
J E M B E R
TU B A N
B A N Y U W A N G I
B L IT A R
K E D IR I
N G A W I
LU M A J A N GP A C IT A N
B O J O N E G O R O
LA M O N G A N
M A D IU N
S IT U B O N D O
G R E S IK
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O LIN G G O
B O N D O W O S O
J O M B A N G
B A N G K A L A N
TR E N G G A L E K
M O J O K E R T O
TU L U N G A G U N G
M A G E TA N
S ID O A R J O
P A M E K A S A N
S U R A B A Y A (K O T A )
B A T U (K O T A )
M A L A N G (K O T A )
P A S U R U A N (K O T A )
K e te r a n g a n :
(% )
3 .9 5 - 9 .6 6
9 .6 6 - 1 6 .3 3
1 6 .3 3 - 2 4 .7 6
2 4 .7 6 - 3 5 .7 2
3 5 .7 2 - 5 1 .0 2
Min3,95%
Max51,02%
30Gedung H - Jurusan Statistika - FMIPA - ITS
806040
15
10
5
998775 806040
100500 40200 50250
15
10
5
1007550
15
10
5
20100 40200
X1
Y
X2 X3
X4 X5 X6
X7 X8 X9
X1 X2 X3 X4 X5 X6 X7 X8 X9Y -0.494 0.053 -0.511 -0.052 0.173 -0.37 0.172 0.104 0.593P-value 0.002 0.752 0.001 0.758 0.298 0.022 0.302 0.536 0
31Gedung H - Jurusan Statistika - FMIPA - ITS
Y = 8,01 – 0,0116 X1 – 0,0285 X2 - 0,0792 X3 - 0,0018 X4- 0,0226 X5 - 0,044 X6 + 0,0668 X7 + 0,111 X8 + 0,153 X9
ANOVA
Sb Variasi df SS MS F hitung P-valueRegresi 9 199,321 22,147 4,62 0,001
Error 28 134,243 4,794Total 37 333,563
Uji Serentak
R2 : 59,8%
Variabel Estimasi t-hitung VIFIntersep 8.008 1.13X1 -0.01159 -0.23 1.825X2 -0.02853 -0.5 1.36X3 -0.07917 -2.15* 1.571X4 -0.00181 -0.13 1.432X5 -0.02256 -0.63 1.703X6 -0.04435 -1.24 1.642X7 0.06682 2.37* 1.163X8 0.111 1.56 1.112X9 0.15331 2.49* 2.694Ket: *) Signifikan pada α = 10%t (0,05;28) = 1,701
Uji Parsial
32Gedung H - Jurusan Statistika - FMIPA - ITS
UJI ASUMSI RESIDUAL
UjiHomogenitas
Uji Dependensi
Variabel Estimasi t-hitung p-valueIntersep -1.644 -0.54 0.595X1 0.01659 0.75 0.457X2 0.02204 0.89 0.382X3 -0.0371 -2.34* 0.027*X4 -0.00234 -0.39 0.702X5 0.00652 0.42 0.676X6 -0.00615 -0.4 0.692X7 0.043 3.53* 0.001*X8 0.0243 0.79 0.435X9 -0.0061 -0.23 0.82Ket: *) Signifikan pada α = 10%t(0,05;28) = 1,701
H0 : residual independenH1 : residual tidak independenDengan menggunakan nilai d tabel yaitu dL sebesar0,9705, maka dhitung > dL,α/2 (1,24151> 0,9705) gagal tolak H0 -> error tidak terjadi autokorelasi.
33Gedung H - Jurusan Statistika - FMIPA - ITS
UJI ASUMSI RESIDUAL
34Gedung H - Jurusan Statistika - FMIPA - ITS
ESTIMASI PARAMETER MODEL GWR
VariabelNilai Koefisien ParameterMinimum Maksimum
Intersep -19,55000 17,90000X1 -0,05289 0,86680X2 -0,28120 0,15410X3 -0,14460 0,05015X4 -0,18230 0,02849X5 -0,05841 0,08755X6 -0,56250 0,00853X7 -0,10490 0,13880X8 -0,39670 0,21920X9 0,01509 0,60980SSE 14,45823R2 95,67%
35Gedung H - Jurusan Statistika - FMIPA - ITS
UJI KESESUAIAN MODEL GWR
SSE df F P-value
Model GWR 14,45823 12,223 0,3876 0,0418Model Regresi 134,24252 28
kiik vu , kkkk vuvuvu 38382211 ,...,,H0 :
H1 : paling sedikit ada satu ; k = 1, 2 …, 9
36Gedung H - Jurusan Statistika - FMIPA - ITS
PENGUJIAN PARAMETER MODEL GWR
0,:0 iik vuH
0,:1 iik vuH
Apabila digunakan taraf signifikansi α 10 % maka hasilthitung dibandingkan dengan t(0,05;12,223) = 1,7796. Jika nilai|thitung| > ttabel maka parameter ke-k signifikan padalokasi ke-i dimana i = 1, 2, …, 38.
Model GWR Kota Probolinggo
Parameter Estimasi thit
β0 11,7883 1,5655β 1 -0,0248 -0,6193β 2 -0,0353 -0,8000β 3 -0,0730 -2,3199β 4 -0,0231 -1,6954β 5 0,0217 0,7427β 6 -0,1039 -3,0425β 7 0,1094 4,7460β 8 0,0540 0,9185β 9 0,1059 1,8398
Y=-0,073 X3 – 0,104 X6 + 0,109 X7 + 0,106 X9
37Gedung H - Jurusan Statistika - FMIPA - ITS
PERSEBARAN VARIABEL SIGNIFIKAN
M A L A N GJ E M B E R
T U B A N
B A N Y U W A N G I
B L I T A R
K E D I R I
N G A W I
L U M A J A N GP A C I T A N
B O J O N E G O R O
L A M O N G A N
M A D I U N
S I T U B O N D O
G R E S I K
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O L I N G G OB O N D O W O S O
J O M B A N G
B A N G K A L A N
T R E N G G A L E K
M O J O K E R T O
T U L U N G A G U N G
M A G E T A N
S I D O A R J O
P A M E K A S A N
S U R A B A Y A ( K O T A )
B A T U ( K O T A )
M A L A N G ( K O T A )
P A S U R U A N ( K O T A )
M A L A N GJ E M B E R
T U B A N
B A N Y U W A N G I
B L IT A R
K E D IR I
N G A W I
L U M A J A N GP A C IT A N
B O J O N E G O R O
L A M O N G A N
M A D IU N
S IT U B O N D O
G R E S IK
P A S U R U A N
N G A N J U K
S A M P A N G
P O N O R O G O
S U M E N E P
P R O B O L IN G G OB O N D O W O S O
J O M B A N G
B A N G K A L A N
T R E N G G A L E K
M O J O K E R T O
T U L U N G A G U N G
M A G E T A N
S ID O A R J O
P A M E K A S A N
S U R A B A Y A (K O T A )
B A T U ( K O T A )
M A L A N G (K O T A )
P A S U R U A N (K O T A )
V a r ia b e l S ig n i f ik a n :
-
X 2 , X 9
X 5
X 8 , X 9
X 1 , X 2 , X 4 , X 6 , X 9
X 1 , X 4 , X 6 , X 8 , X 9
X 3 , X 4 , X 5 , X 6 , X 7
X 1 , X 2 , X 3 , X 4 , X 6 , X 8 , X 9
X 3 , X 4 , X 6 , X 7 , X 9
X 3 , X 6 , X 7 , X 9
X 6 , X 7 , X 8 , X 9
X 4 , X 6 , X 7 , X 8 , X 9
X 1 , X 2 , X 4 , X 6 , X 7 , X 8 , X 9
X 1 , X 2 , X 9
X 2
X 1 , X 2 , X 3
X 2 , X 3 , X 5 , X 6 , X 7 , X 8
X 2 , X 3 , X 6 , X 7 , X 8 , X 9
X 2 , X 4 , X 6 , X 7 , X 8 , X 9
X 3 , X 6 , X 7 , X 8 , X 9
X 3 , X 6 , X 7 , X 9
X 6 , X 7
X 8 , X 9
X 1 , X 2 , X 4 , X 6 , X 8 , X 9
X 4 , X 6 , X 7 , X 8 , X 9
X 1 , X 4 , X 6 , X 7 , X 8 , X 9
38Gedung H - Jurusan Statistika - FMIPA - ITS
Kesimpulan
Saran
• Pola persebarankejadian balita giziburuk di ProvinsiJawa Timurmenunjukkan polamenyebar sehinggadiindikasikan bahwaterdapat variasisecara spasial.
• Model GWR kejadian balitagizi buruk menghasilkan R2
lebih besar daripada model OLS, yaitu 95,67 persen danSSE yang lebih kecil, yaitu14,45823. Faktor geografisberpengaruh terhadapkejadian balita gizi buruk diJawa Timur sehingga model GWR yang terbentuk berbeda-beda tiap kabupaten/kota.
39Gedung H - Jurusan Statistika - FMIPA - ITS
Kesimpulan
Saran
Pemodelan balita gizi buruk terbatas menggunakanvariabel prediktor yang berhubungan dengan aspekkesehatan dan ekonomi. Penelitian selanjutnyadisarankan untuk menggunakan variabel prediktor dariaspek yang lain baik dari faktor, pendidikan, sosial, danlingkungan sehingga diperoleh hasil yang lebihinformatif. Selain itu, perlu kajian kualitatif lebih lanjutuntuk mengidentifikasi koefisien regresi yangberlainan tanda pada tiap kabupaten/kota dimanahasil penelitian tidak sesuai dengan kajian kesehatansecara teoritis.
40Gedung H - Jurusan Statistika - FMIPA - ITS
Anonim. (2006). Tinjauan Penatalaksanaan Gizi Buruk pada Balita oleh Tenaga Kesehatan di Puskesmas.http://search/4shared.com/postDownload/2oaooCR_/Tinjauan_penatalaksanaan_gizi_.html,[diakses pada tanggal 7 November 2011].
Anonim. (2008). Gizi Buruk Sebabkan 3,5 Juta Kematian Anak per Tahun., http: kesehatan.kompas.com/read/2008/01/17/17511399/Gizi.Buruk.Sebabkan.3.5.Juta.Kematian.Anak.per.Tahun, [diakses pada tanggal 17 Desember 2011].
Ayunin, L. (2011). Pemodelan Balita Gizi Buruk di Kabupaten Ngawi dengan Geographically Weighted Regression. TugasAkhir Jurusan Statistika FMIPA ITS, Surabaya.
Bappenas. (2010). Laporan Pencapaian Tujuan Pembangunan Milenium Indonesia 2010. Jakarta: KementerianPerencanaan Pembangunan Nasional / Badan Perencanaan Pembangunan Nasional (BAPPENAS).
Badan Pusat Statistik. (1992). Status Gizi Balita Menurut Baku Harvard dan WHO-NCHS 1986, 1987, dan 1989. Jakarta:Badan Pusat Statistik.
Depkes. (2008). Laporan Riset Kesehatan Dasar Tahun 2007 Provinsi Jawa Timur. Jakarta: Badan Penelitian danPengembangan Kesehatan.
Depkes. (2010). Laporan Riset Kesehatan Dasar Tahun 2010 Provinsi Jawa Timur. Jakarta: Badan Penelitian danPengembangan Kesehatan.
Draper, N.R. dan Smith, H. (1992). Applied Regression Analysis Second Edition. New York : John Wiley & Sons, Inc.Fotheringham, A. S., Brunsdon C., dan Charlton, M. E. (2002). Geographically Weighted Regression : The Analysis of
Spatially Varying Relationship. England: John Wiley and Sons Ltd.Hayati, M. (2009). Analisis Diskriminan Pada Faktor-Faktor yang Mempengaruhi Gizi Buruk Balita di Jawa Timur. Tugas
Akhir Jurusan Statistika FMIPA ITS, Surabaya.Hocking, R.R. (1996). Methods and Applications of Linear Models. New York: John Wiley and Sons, Inc.Inadiar, D. (2010). Perbedaan Pola Asah, Asih, Asuh pada Balita Status Gizi Kurang dan Status Gizi Normal (Studi di
Wilayah Kerja Puskesmas Peneleh, Surabaya. Skripsi Fakultas Kesehatan Masyarakat Universitas Airlangga, Surabaya.
41Gedung H - Jurusan Statistika - FMIPA - ITS
Intan. (2010). Pemodelan Jumlah Penderita Tuberculosis (TB) di Propinsi Jawa Timur Tahun 2010 denganMengggunakan Metode Geographically Weighted Regression. Tugas Akhir Jurusan Statistika FMIPA ITS, Surabaya.
Irianto, D. P. (2007). Panduan Gizi Lengkap Keluarga dan Olahragawan. Yogyakarta: ANDI.Kemi, A. (2009). Derajat Kesehatan Warga Kota Probolinggo. http: suarakotaprobolinggo.com/
sekilas/210.html?lang=id, [diakses pada tanggal 10 November 2011].Mambo. (2006). Penanggulangan Gizi Buruk. http://www.dinkespurworejo.go.id, [diakses pada tanggal 8 November
2011].Paramita, L. (2008). Bagging Regresi Logistik Ordinal pada Klasifikasi Status Gizi Balita (Studi Kasus Kabupaten
Nganjuk). Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember, Surabaya.Riskiyanti, R. (2010). Analisis Regresi Multivariat Berdasarkan Faktor-faktor yang Mempengaruhi Derajat Kesehatan di
Provinsi Jawa Timur. Tugas Akhir Jurusan FMIPA ITS, Surabaya.Samsul. (2011). Dampak Gizi Buruk Bagi Anak-Anak Penerus Bangsa.
http://samsuljoker.blogspot.com/2011/01/dampak-gizi-buruk-bagi-anak-anak.html, [diakses pada tanggal 10 November 2011].
Soekirman, (2000). Ilmu Gizi dan Aplikasinya untuk Keluarga dan Masyarakat. Jakarta: Direktorat Jenderal PendidikanTinggi, Departemen Pendidikan Nasional.
Sugiyanto. (2008). Analisis Data Spasial Menggunakan Metode Geographically Weighted Regression (Studi Kasus Data Kemiskinan di Propinsi Papua). Tesis Jurusan Statistika FMIPA ITS. Surabaya: ITS.
Supariasa, I.D.N., Bakri, B., dan Fajar, I. (2002). Penilaian Status Gizi. Jakarta : Buku Kedokteran EGC.WHO, (2011). Kesehatan Keluarga dan Masyarakat. http://www.who.or.id/ind/ourworks.asp?id=ow3, [diakses pada
tanggal 17 Desember 2011].
Gedung H - Jurusan Statistika - FMIPA - ITS
Seminar Tugas AkhirSurabaya, 13 Desember 2011