GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) WITH GAUSSIAN ADAPTIVE KERNEL WEIGHTING FUNCTION, BISQUARE, AND TRICUBE IN CASE OF MALNUTRITION OF TODDLERS IN INDONESIA: GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) WITH GAUSSIAN ADAPTIVE KERNEL WEIGHTING FUNCTION, BISQUARE, AND TRICUBE IN CASE OF MALNUTRITION OF TODDLERS IN INDONESIA

Hanif Ulhaq (Universitas Muhammadiyah Semarang)

Jurnal Litbang Edusaintech
Vol. 1 No. 1 (2020): Volume 1 No 1 2020

Balita merupakan anak dibawah umur 5 tahun dan masuk dalam golongan rawan gizi. Gizi buruk merupakan bentuk keparahan terjadinya kekurangan gizi yang terjadi secara menahun. Salah satu faktor penyebab gizi buruk adalah faktor geografis. Regresi Logistik merupakan analisis yang digunakan untuk mencari hubungan variabel respon dan prediktor, namun hasil pemodelannya kurang tepat apabila data juga mengandung spasial, sehingga analisis yang tepat untuk mengatasi hal tersebut adalah Geographically Weighted Logistic Regression (GWLR). Metode GWLR digunakan untuk menganalisis data spasial dimana karakteristik masing-masing wilayah dipertimbangkan. Variabel yang digunakan adalah gizi buruk balita usia 0-59 bulan (Y), persentase bayi tidak mendapat vitamin A, persentase bayi mendapat ASI eksklusif, penduduk miskin (X3). Pada variabel respon, gizi buruk balita usia 0-59 bulan dengan kategori biner yaitu 0 dan 1 mengikuti distribusi Bernoulli. Dalam penelitian ini membandingkan 3 fungsi pembobot kernel yaitu Adaptive Gaussian, Adaptive Bisquare dan Adaptive Tricube. Pemilihan model terbaik menggunakan nilai AICc terkecil. Hasil penelitian ini yaitu model GWLR dengan fungsi pembobot kernel Adaptive Gaussian lebih tepat digunakan dimana nilai bandwith optimum yang dihasilkan yaitu 19 dengan nilai CV sebesar 7.361 dan nilai AICc yang dihasilkan adalah 31.9082.