dc.contributor.advisor | Djuraidah, Anik | |
dc.contributor.advisor | Anisa, Rahma | |
dc.contributor.author | Amelia, Mely | |
dc.date.accessioned | 2023-06-22T03:10:54Z | |
dc.date.available | 2023-06-22T03:10:54Z | |
dc.date.issued | 2023 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/119871 | |
dc.description.abstract | Stunting merupakan gangguan pertumbuhan dan perkembangan pada anak
yang ditandai dengan tinggi badan anak berada di bawah standar. Provinsi Jawa
Barat dengan angka prevalensi stunting 24,5 persen merupakan salah satu provinsi
yang termasuk dalam 12 provinsi prioritas untuk menjalankan rencana aksi
nasional percepatan penurunan stunting. Kasus stunting merupakan data cacah dan
kejadiannya jarang terjadi. Analisis yang dapat digunakan adalah regresi Poisson.
Asumsi yang harus dipenuhi pada regresi Poisson adalah equidispersi namun sulit
dipenuhi karena kondisi overdispersi. Salah satu cara mengatasi overdispersi adalah
menggunakan analisis regresi binomial negatif. Kasus stunting di Provinsi Jawa
Barat terindikasi adanya efek spasial sehingga perlu digunakan pemodelan spasial.
Penelitian ini bertujuan menentukan peubah yang memengaruhi kasus stunting di
Provinsi Jawa Barat tahun 2021 dengan menggunakan regresi spasial binomial
negatif. Hasil penelitian menunjukkan terdapat overdispersi. Uji efek spasial
menunjukkan tidak terdapat heterogenitas pada data, terdapat dependensi spasial
pada robust lag, dan terdapat dependensi spasial pada beberapa peubah penjelas.
Hasil penelitian menunjukkan model terbaik dengan nilai AIC terkecil adalah
spatial autoregressive binomial negatif. Peubah yang berpengaruh signifikan
terhadap banyaknya stunting adalah persentase bayi berusia kurang dari enam bulan
mendapat ASI, persentase tempat pengelolaan makanan memenuhi syarat, dan
persentase bayi berat badan lahir rendah. | id |
dc.description.abstract | Stunting is a growth and development disorder in children characterized by
the child's height being below standard. With a stunting prevalence rate of 24.5
percent, West Java province is one of the provinces included in the 12 priority
provinces for carrying out the national action plan to accelerate stunting reduction.
Stunting cases are count data, and their occurrence is rare. The analysis that can be
used is Poisson regression. The assumption that must be fulfilled in Poisson
regression is equidispersion, but it isn't easy to fulfill because of the overdispersion
condition. One way to overcome overdispersion is to use negative binomial
regression analysis. The case of stunting in West Java Province indicated a spatial
effect, so it was necessary to use spatial modeling. This study aims to determine the
variables that affect stunting cases in West Java Province in 2021 using negative
binomial spatial regression. The results showed that there was overdispersion. The
spatial effect test indicated that there is no heterogeneity in the data, there is a spatial
dependency on RLM lag, and there are spatial dependencies on several variables.
The results showed that the best model with the smallest AIC value was a
spatial autoregressive negative binomial. Variables that have a significant effected
on the number of stunting are the percentage of infants aged less than six months
who are breastfed, the rate of places where food management meets the
requirements, and the percentage of babies with low birth weight. | id |
dc.language.iso | id | id |
dc.publisher | IPB University | id |
dc.title | Faktor – Faktor yang Memengaruhi Kasus Stunting di Jawa Barat Tahun 2021 Menggunakan Regresi Spasial Binomial Negatif | id |
dc.title.alternative | Factors Influencing Stunting Cases in West Java in 2021 Using Negative Binomial Spatial Regression | id |
dc.type | Undergraduate Thesis | id |
dc.subject.keyword | binomial negatif | id |
dc.subject.keyword | overdispersi | id |
dc.subject.keyword | spasial | id |
dc.subject.keyword | stunting | id |