Penerapan GWR dan MGWR dengan Pembobot Kernel Adaptive Tricube pada Pemodelan Prevalensi Stunting di Provinsi Jawa Tengah

Imas Fitri Ningrum (Program Studi Statistika, Universitas Sebelas Maret, Surakarta)
Sri Sulistijowati Handajani (Program Studi Statistika, Universitas Sebelas Maret, Surakarta)
Respatiwulan Respatiwulan (Program Studi Statistika, Universitas Sebelas Maret, Surakarta)

Indonesian Journal of Applied Statistics
Vol 8, No 2 (2025)

Jawa Tengah merupakan salah satu provinsi dengan prevalensi stunting yang tinggi di Indonesia pada tahun 2022 sebesar 20,8% dan hampir mendekati prevalensi stunting di Indonesia sebesar 21,6%. Wilayah di Jawa Tengah beragam dalam hal geografi, ekonomi, sosial budaya, kualitas sumber daya manusia, dan ketersediaan sumber daya alam. Regresi spasial digunakan untuk memodelkan faktor-faktor yang mempengaruhi prevalensi stunting di Jawa Tengah dengan mempertimbangkan pengaruh lokasi. Perbedaan karakteristik antar lokasi menyebabkan heterogenitas spasial, sehingga masalah tersebut diatasi dengan pemodelan menggunakan geographically weighted regression (GWR). Pemodelan dengan GWR memberikan hasil bahwa tidak ada heteroskedastisitas pada salah satu variabel, sehingga pemodelan juga dilakukan menggunakan mixed geographically weighted regression (MGWR) dengan kernel tricube tertimbang adaptif. Namun, dari analisis, model GWR memberikan hasil yang lebih baik daripada model MGWR. Unit sampel dalam penelitian ini adalah 35 kabupaten/kota di Provinsi Jawa Tengah. Model GWR untuk memodelkan prevalensi stunting di Jawa Tengah menghasilkan model yang lebih baik dengan nilai AIC yang lebih kecil dibandingkan dengan model MGWR. Hasil penelitian menunjukkan bahwa balita yang kekurangan gizi memiliki pengaruh positif terhadap stunting, sedangkan bayi baru lahir yang menerima IMD, balita yang menerima vitamin A, dan pengeluaran riil per kapita memiliki pengaruh negatif terhadap stunting.kata kunci: tricube adaptif; GWR; MGWR; stuntingCentral Java is one of the provinces with a high prevalence of stunting in Indonesia in 2022 at 20.8% and is almost close to the prevalence of stunting in Indonesia at 21.6%. The regions in Central Java are diverse in terms of geography, economy, socio-culture, quality of human resources, and availability of natural resources. Spatial regression was used to model the factors that influence the prevalence of stunting in Central Java by considering the influence of location. The characteristics between locations cause heterogeneity, so the modeling used is Geographically Weighted Regression (GWR). Because one variable is not locally significant, modeling is also carried out using Mixed Geographically Weighted Regression (MGWR) with adaptive tricube kernel weighted. However, from the analysis, the GWR model gave better results than the MGWR model. The GWR model for modeling stunting prevalence in Central Java produces a better model with an AIC value of 148.883 and R^2 of 88.01% compared to the MGWR model, which only provides an AIC value of 190.371 and R^2 value of 47.66%. Based on the analysis results with the GWR model using adaptive tricube weighted, the factors influencing the prevalence of stunting in Central Java Province are newborns getting early breastfeeding initiation (IMD), toddlers with malnutrition, toddlers getting vitamin A, and real expenditure per capita.Keywords: adaptive tricube; GWR; MGWR; stunting