ANALISIS REGRESI SPASIAL DURBIN UNTUK KASUS GIZI BURUK PADA ANAK BALITA DI PROVINSI JAWA TIMUR

DYTTA SULISTIANINGRUM, . (2015) ANALISIS REGRESI SPASIAL DURBIN UNTUK KASUS GIZI BURUK PADA ANAK BALITA DI PROVINSI JAWA TIMUR. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

Text Skripsi_Dytta Sulistianingrum_3125110297_FMIPA.pdf Download (2MB)

Abstract

Skripsi ini membahas pemodelan kasus gizi buruk pada anak balita di Provinsi Jawa Timur tahun 2013 dan faktor-faktor yang mempengaruhinya dengan analisis regresi spasial Durbin. Model regresi spasial Durbin mempertimbangkan ketergantungan spasial tidak hanya pada variabel respon tetapi juga pada variabel penjelas. Hasil analisis menunjukkan bahwa pemodelan dengan regresi spasial Durbin lebih baik daripada menggunakan regresi klasik. Hal ini diperlihatkan oleh nilai R2 -adjust dan nilai BIC untuk model regresi spasial Durbin masing-masing sebesar 67, 49% dan 60, 250. Sementara itu, nilai R2 -adjust untuk regresi klasik adalah 39, 58% dengan nilai BIC sebesar 67, 413. Variabelvariabel penjelas yang signifikan tanpa adanya pembobot terhadap persentase balita dengan status gizi buruk adalah persentase bayi tidak mendapat ASI eksklusif, persentase RT memiliki fasilitas BAB dan persentase TUPM tidak sehat. Selain itu, variabel-variabel penjelas yang berpengaruh signifikan dengan adanya pembobot adalah persentase rumah kategori sehat dan persentase RT memiliki fasilitas BAB. Tingkat signifikansi yang digunakan dalam penelitian ini adalah 0, 01. This thesis discuss about the modeling children malnutrition in the Province of East Java. The case of malnutrition is happened for children under five years old in 2013. We apply spatial regression Durbin method to describe the relationship between response variable (the percentage of children who suffer malnutrition) and some explanatory variables. We apply the spatial regression Durbin method because there is spatial dependence not only for response variable but also for some explanatory variables. The results of analysis showed that modeling with regression spatial Durbin is better than using ordinary regression. This is shown by the value of adjust-R2 and the BIC for spatial Durbin are 67, 49% and 60, 250 respectively. Meanwhile, the value of adjust-R2 for ordinary regression is 39, 58% and BIC is 67, 413. The explanatory variables that influence significantly without any weighted on the percentage children who suffer malnutrition are the percentage of babies who does not receive any exclusive breastfeeding, the percentage of households having defecate facility and the percentage of TUPM which is not in good condition. On the other hand, the explanatory variables that influence significantly with the presence of any weighted on the percentage children who suffer malnutrition are the percentage of good houses and the percentage of households which have defecate facility. The level of significance that is used in this research is 0, 01

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dian Handayani, M.Si. ; 2). Vera Maya Santi, M.Si.
Subjects:	Sains > Matematika
Divisions:	FMIPA > S1 Matematika
Depositing User:	Users 8922 not found.
Date Deposited:	11 May 2022 03:26
Last Modified:	11 May 2022 03:26
URI:	http://repository.unj.ac.id/id/eprint/27887

Actions (login required)

View Item