Pemodelan Generalized Space Time Autoregressive (GSTAR) pada Kasus Stunting di Sulawesi Barat
Abstract
Stunting erat kaitannya dengan masalah pertumbuhan anak. Masalah kesehatan berupa kurangnya asupan gizi secara kronis untuk waktu yang cukup lama menjadi penyebab stunting, hal ini selanjutnya akan berdampak pada sumber daya manusia. Data menunjukkan bahwa angka stunting di Indonesia lebih tinggi dari pada toleransi maksimum yang ditetapkan oleh Organisasi Kesehatan Dunia (WHO). Sulawesi barat merupakan salah satu Provinsi di Indonesia dengan angka stunting tertinggi secara nasional. Untuk mengatasi hal tersebut, riset menjadi salah satu cara yang dapat ditempuh. Sehingga pada penelitian ini kami melakukan pemodelan kasus stunting Kabupaten/Kota di Sulawesi Barat dengan model GSTAR. Bobot yang digunakan adalah bobot seragam dan invers jarak dengan model GSTAR yang sesuai adalah GSTAR (1;2). Tingkat ramalan model GSTAR tersebut untuk semua data testing dan training dengan bobot seragam yang memiliki RMSE terkecil berada pada lokasi Mamuju Utara yakni 7,129445 . Sedangkan dengan bobot invers jarak, nilai RMSE terkecil berada pada lokasi Polewali Mandar yaitu 8,84714.
Downloads
References
Alam, F. K., Widyaningsih, Y., & Nurrohmah, S. (2021). Geographically weighted logistic regression modeling on stunting cases in Indonesia. In Journal of Physics: Conference Series (Vol. 1722, No. 1, p. 012085). IOP Publishing.
Alawiyah, M., Kusuma, D., & Ruchjana, B. (2020). MODEL SPACE TIME AUTOREGRESSIVE INTEGRATED (STARI) UNTUK DATA DEBIT AIR SUNGAI CITARUM DI PROVINSI JAWA BARAT. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 14(1), 147-158. https://doi.org/10.30598/barekengvol14iss1pp147-158
Bonar, H., Ruchjana, B. N., & Darmawan, G. (2017, March). Development of generalized space time autoregressive integrated with ARCH error (GSTARI–ARCH) model based on consumer price index phenomenon at several cities in North Sumatera province. In AIP Conference Proceedings (Vol. 1827, No. 1, p. 020009). AIP Publishing LLC.
Bustami, B., & Ampera, M. (2020). The Identification of Modeling Causes of Stunting Children Aged 2–5 Years in Aceh Province, Indonesia (Data Analysis of Nutritional Status Monitoring 2015). Open Access Macedonian Journal of Medical Sciences, 8(E), 657–663. https://doi.org/10.3889/oamjms.2020.4659
Djara, V. A. D., & Jaya, I. G. N. M. (2021). The spatial econometrics of stunting toddlers in Nusa Tenggara Timur Province 2019. Commun. Math. Biol. Neurosci., 2021, Article-ID.
Maisuri, Asrirawan and Ansar, A. (2021). Forecasting the Number of Confirmed COVID 19 in Indonesia by Using GSTAR Spatio-Temporal Model. Nasional Seminar Proceeding. 2021.
Pranita, E. (2021). Kasus Stunting Terbanyak Indonesia Tempati Urutan Keempat Dunia. URL: https://www.kompas.com/sains/read/2021/05/19/090300723/kasus-stunting-terbanyak-indonesia-tempati-urutan-keempat-dunia?page=all. Diakses pada tanggal 12 Maret 2022.
Pratiwi, H. (2021). Sulawesi Barat Memiliki Jumlah Stunting Tertinggi. URL:https://rri.co.id/humaniora/info-publik/1392752/sulawesi-barat-memiliki-jumlah-stunting-tertinggi. Diakses pada tanggal 12 Maret 2022.
Ruchjana, B. N., Borovkova, S. A., & Lopuhaa, H. P. (2012, May). Least squares estimation of Generalized Space Time AutoRegressive (GSTAR) model and its properties. In AIP Conference Proceedings (Vol. 1450, No. 1, pp. 61-64). American Institute of Physics.
Salbiah, N., A. (2021). 10 Provinsi Jadi yang Tertinggi Penyumbang Angka Stunting. URL: https://www.jawapos.com/nasional/26/10/2021/10-provinsi-jadi-yang-tertinggi-penyumbang-angkastunting/ Diakses pada tanggal 12 Maret 2022.
Tesfaw, L. M., & Fenta, H. M. (2021). Multivariate logistic regression analysis on the association between anthropometric indicators of under-five children in Nigeria: NDHS 2018. BMC pediatrics, 21(1), 1-13.
Wei, W. S. (2006). Time analysis univariate and multivariate methods. America: Addison Wesley Publishing Company Inc.
Copyright (c) 2023 Nurhidayah Nurhidayah, Ignasius Presda, Nur Hasmita, Asrirawan Asrirawan
This work is licensed under a Creative Commons Attribution 4.0 International License.
- Free access for all users worldwide
- Authors retain copyright to their work
- Increased visibility and readership
- Rapid publication
- No spatial constraints
