Pemodelan Spatio-Temporal Menggunakan Generalized LASSO pada Kasus Stunting di Indonesia

Abstract

Penelitian ini menganalisis prevalensi stunting di 34 provinsi di Indonesia dari tahun 2020 hingga 2022 menggunakan pendekatan spatio-temporal dengan model generalized Least Absolute Shrinkage and Selection Operator (LASSO), yang mempertimbangkan kedekatan geografis dan temporal antar wilayah. Tujuan penelitian ini adalah untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap angka stunting. Model dengan matriks penalti D berdasarkan kedekatan queen dan parameter λ = 0,055 menunjukkan adanya pengelompokan pengaruh terjadi pada provinsi di dalam pulau yang sama. Analisis menunjukkan Berat Badan Lahir Rendah (BBLR), kurangnya akses terhadap pelayanan kesehatan, dan tidak menyelesaikan studi SMA sebagai faktor paling berpengaruh terhadap prevalensi stunting. Generalized LASSO dalam penelitian ini mampu mengidentifikasi faktor-faktor yang berpengaruh terhadap angka stunting.

This study analyzes the prevalence of stunting in 34 provinces of Indonesia from 2020 to 2022 using a spatio-temporal approach with the Generalized Least Absolute Shrinkage and Se lection Operator (LASSO) model, which considers the geographical and temporal proximity between regions. The aim of this research is to identify the factors influencing stunting rates. The model with a penalty matrix D based on queen contiguity and a parameter λ = 0.055 indicates that the clustering of influences occurs in provinces within the same island. The analysis shows that Low Birth Weight, lack of access to healthcare services, and not completing high school are the most influential factors affecting the prevalence of stunting. The Generalized LASSO in this study successfully identifies the factors influencing stunting rates.