Pemodelan Spatial Autoregressive Quantile Regression (SARQR) pada Data Gizi Buruk Balita di Kota Bandung

Arina Pramudya Wardhani, Teti Sofia Yanti

Abstract


Abstract. A relationship between two or more variables can be described using regression analysis. When there is a spatial effect in an observation, an analysis that accommodates the spatial effect must be carried out, namely spatial regression analysis. One model that is often used is the Spatial Autoregressive (SAR) model which involves spatial dependence effects. If there is spatial heterogeneity, the SAR model cannot be used because the model does not accommodate the effects of spatial heterogeneity. Therefore, in this study, the Spatial Autoregressive Quantile Regression (SARQR) model is used which is a development of the spatial autoregressive (SAR) model where there are several quantile levels (Ï„) in the model. The parameter estimation used is Instrumental Variable Quantile Regression (IVQR). In this study, SARQR modeling was carried out on data on malnutrition under five in the city of Bandung in 2018, with or the quantile used, namely 0.1 0.25 0.5 0.75 and 0.9. The results of the SARQR modeling show that there are differences in parameter values in each quantile and the variables that have a significant effect are also different in each quantile.

Keywords: Toddler Malnutrition, Spatial Regression, Spatial Autoregressive Quantile Regression.

Abstrak. Suatu hubungan antara dua atau lebih variabel bisa digambarkan dengan menggunakan analisis regresi. Ketika dalam suatu pengamatan terdapat efek spasial, maka harus dilakukan analisis yang mengakomodasi adanya efek spasial yaitu analisis regresi spasial. Salah satu model yang sering digunakan adalah model Spatial Autoregressive (SAR) yang melibatkan efek ketergantungan spasial. Jika terdapat heterogenitas spasial maka model SAR tidak dapat digunakan karena model tersebut tidak mengakomodasi adanya efek heterogenitas spasial. Maka dari itu pada penelitian ini digunakan model Spatial Autoregressive Quantile Regression (SARQR) yang merupakan pengembangan dari model spatial autoregressive (SAR) dimana terdapat beberapa level kuantil (Ï„) dalam model. Estimasi parameter yang digunakan adalah Instrumental Variable Quantile Regression (IVQR). Pada penelitian ini dilakukan pemodelan SARQR pada data gizi buruk balita di Kota Bandung tahun 2018, dengan Ï„ atau kuantil yang digunakan yaitu 0,1 0,25 0,5 0,75 dan 0,9. Hasil pemodelan SARQR menunjukkan bahwa terdapat perbedaan nilai parameter pada masing-masing kuantil dan variabel yang berpengaruh secara signifikan juga berbeda pada setiap kuantil.

Kata Kunci: Gizi Buruk Balita, Regresi Spasial, Spatial Autoregressive Quantile Regression.


Keywords


Gizi Buruk Balita, Regresi Spasial, Spatial Autoregressive Quantile Regression.

Full Text:

PDF

References


Dinas Kesehatan Kota Bandung. (2019). Profil Kesehatan Kota Bandung Tahun 2018. Bandung: Dinas Kesehatan Kota Bandung.

Fathurahman, M. (2010). Pemilihan Model Terbaik Menggunakan Akaike's Information Criteria (AIC). Jurnal EKSPONENSIAL.

Larasati, I. M. (2020). Pemodelan Spatial Autoregressive (SAR) Model pada Data Kemiskinan di Provinsi Jawa Barat Tahun 2019. Prosiding Statistika.

Lessage, J. P. (1999). The Theory and practice of Spatial Econometric. Toledo: United States: University of Toledo.

Pratnyaningrum, N., Yasin, H., & Hoyyi, A. (2015). Pemodelan Persentase Balita Gizi Buruk di Jawa Tengah dengan Pendekatan Geographically Weighted Regression Principal Components Analysis (GWRPCA). Jurnal Gaussian.

Ramadani, I. R., Rahmawati, R., & Hoyyi, A. (2013). Analisis Faktor-Faktor yang Mempengaruhi Gizi Buruk Balita di Jawa Tengah dengan Metode Spatial Durbin Model. Jurnal Gaussian.

Risnawati, N. (2020). Pemodelan Kasus Demam Dengue di Kota Bandung Menggunakan Spatial Autoregressive Quantile Model. Tesis tidak dipublikasikan. Program Pascasarjana, Program Studi Statistika Terapan, Universitas Padjadjaran.

Wardani, R. A. (2018). Pemodelan Regresi Kuantil Spasial Autoregresif (SARQR) untuk Mengatasi Efek Spasial pada Data yang Mengandung Outlier (Studi Kasus pada Data Tingkat Kriminalitas Provinsi Jawa Tengah). Skripsi tidak dipublikasikan. Semarang: Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Semarang.

Utama Muhammad Bangkit Riksa, Hajarisman Nusar. (2021). Metode Pemilihan Variabel pada Model Regresi Poisson Menggunakan Metode Nordberg. Jurnal Riset Statistika,

(1), 35-42.




DOI: http://dx.doi.org/10.29313/.v0i0.29229

Flag Counter