This Author published in this journals
All Journal STATISTIKA
Harifa Hananti
Magister Statistika Terapan, FMIPA, Universitas Padjadjaran

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pemodelan Kasus Gizi Buruk Balita di Indonesia Menggunakan Panel Quantile Regression Model Harifa Hananti; I Gede Nyoman Mindra Jaya; Irlandia Ginanjar
Statistika Vol. 23 No. 2 (2023): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v23i2.2025

Abstract

ABSTRAK Kasus gizi buruk balita di Indonesia masih menjadi suatu masalah yang harus diperhatikan secara konsisten setiap tahunnya karena balita yang berusia 0-59 bulan adalah generasi penerus bangsa. Untuk itu perlu dilakukan pemodelan kasus gizi buruk balita dengan faktor yang mempengauhinya, yaitu kemiskinan dengan juga perlu diketahui bagaimana dampak kasus gizi buruk balita di masing-masing level kuantil (kecil, sedang, dan tinggi). Penelitian ini menggunaka pemodelan regresi data panel dengan pendekatan fixed effcts model  (FEM) yang mengandung outlier. Oleh karena itu, untuk mengatasi hal tersebut maka panel quantile regression model dengan penalizes fixed effects dapat digunakan. Hasil penelitian menunjukkan bahwa dampak kasus gizi buruk balita dengan faktor kemiskinan di level kuantil rendah (0,25) akan menyebabkan kasus gizi buruk juga rendah, sedangkan pada level kuantil yang sedang (0,5) akan menyebabkan kasus gizi buruk juga sedang, begitu juga untuk level kuantil yang tinggi (0,75) akan menyebakan kasus gizi buruk yang tinggi. ABSTRACT The case of malnutrition among toddlers in Indonesia is still a problem that must be paid attention to consistently every year because toddlers aged 0-59 months are the nation's next generation. For this reason, it is necessary to model cases of malnutrition under five with the factors that influence it, namely poverty. Apart from that, it is also necessary to know the impact of cases of under-five malnutrition at each quantile level (small, medium and high). This research uses panel data regression modeling using a fixed effects model (FEM) approach which contains outliers. So, the solution to overcome this is that a panel quantile regression model with fixed effects penalization can be used. The results of the research show that the impact of cases of under-five malnutrition with poverty factors at the low quantile level (0.25) will cause cases of malnutrition which are also low, while at the medium quantile level (0.5) it will cause moderate cases of malnutrition, and so do A high quantile level (0.75) will cause high cases of malnutrition.