ASTRY, ASIH (2024) PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KHUSUS PENANGANAN STUNTING (IKPS) DI INDONESIA TAHUN 2022 MENGGUNAKAN METODE ANALISIS REGRESI SPASIAL. Skripsi thesis, Universitas PGRI Adi Buana.
1. HALAMAN DEPAN.pdf - Published Version
Download (2MB)
2. ABSTRAK.pdf - Published Version
Download (150kB)
3. BAB I.pdf - Published Version
Download (383kB)
4. DAFTAR ISI.pdf
Download (142kB)
5. LAMPIRAN.pdf - Published Version
Download (707kB)
Abstract
Isu stunting telah menjadi perhatian utama dalam ranah kesehatan di berbagai negara, termasuk Indonesia. Data Survei Status Gizi Indonesia (SSGI) yang dirilis oleh Kementerian Kesehatan bahwa pada tahun 2022, prevalensi stunting di Indonesia turun sebanyak 2,8% poin dibanding tahun 2021 dari 24,4% menjadi 21,6%. Meskipun mengalami penurunan, namun penurunan sebesar 2,8% poin kurang dari target yang ditetapkan, yaitu sebesar 3,4% per tahun. Dengan penurunan pada tahun 2022 sebesar 2,8% poin, maka untuk mencapai target di tahun 2024 prevalensi stunting harus dapat diturunkan sebesar 7,6% poin dalam 2 tahun ke depan. Indeks Khusus Penanganan Stunting (IKPS) merupakan salah satu instrumen yang disusun untuk mengukur kinerja pelaksanaan program percepatan penurunan stunting di tingkat nasional hingga tingkat kabupaten/kota. Melalui penelitian ini ingin menganalisis secara lebih kompleks indikator mana yang berpengaruh signifikan dalam penetapan Indeks Khusus Penanganan Stunting (IKPS) dan menambahkan pengaruh efek lokasi/wilayah Provinsi di Indonesia. Hasil regresi linier berganda dan regresi spasial menunjukkan bahwa variabel indeks pemberian ASI Eksklusif, sanitasi layak, ketidakcukupan konsumsi pangan dan partisipasi PAUD berpengaruh signifikan terhadap IKPS di Indonesia Tahun 2022. Hasil pengujian Moran’s I dan Lagrange Multiplier (LM) disimpulkan bahwa terdapat autokorelasi spasial antar lokasi pada variabel dependen maupun variabel independen, dengan pemilihan model dependensi spasial lag pada kasus IKPS di Indonesia yaitu menggunakan Model Spatial Autoregressive Model (SAR). Pada penelitian ini diperoleh model terbaik antara Regresi Berganda dengan SAR adalah SAR.
Kata Kunci : Analisis Regresi Spasial, Dependensi Spasial, Stunting
The issue of stunting has become a major concern in the health sector in various countries, including Indonesia. Data from the Indonesian Nutrition Status Survey (SSGI) released by the Ministry of Health shows that in 2022, the prevalence of stunting in Indonesia will decrease by 2.8% points compared to 2021 from 24.4% to 21.6%. Even though it experienced a decline, the decline was 2.8% points less than the target set, namely 3.4% per year. With a decrease in 2022 of 2.8% points, to achieve the target in 2024, the prevalence of stunting must be reduced by 7.6% points in the next 2 years. The Special Index for Handling Stunting (IKPS) is one of the instruments prepared to measure the performance of implementing the stunting reduction acceleration program at the national level to the district/city level. Through this research, we want to analyze in a more complex way which indicators have a significant influence in determining the Special Index for Handling Stunting (IKPS) and add the influence of location/region effects of provinces in Indonesia. The results of multiple linear regression and spatial regression show that the index variables of exclusive breastfeeding, adequate sanitation, inadequate food consumption and PAUD participation have a significant effect on IKPS in Indonesia in 2022. The results of the Moran's I and Lagrange Multiplier (LM) tests concluded that there is spatial autocorrelation between locations on the dependent variable and independent variables, by selecting a spatial lag dependency model in the IKPS case in Indonesia, namely using the Spatial Autoregressive Model (SAR). In this research, the best model between Multiple Regression and SAR was SAR.
Keywords: Spatial Regression Analysis, Spatial Dependency, Stunting
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | L Education > L Education (General) |
Divisions: | Fakultas Sains dan Teknologi (FST) > Statistika S1 |
Depositing User: | Mrs. Astry Asih |
Date Deposited: | 16 Dec 2024 03:55 |
Last Modified: | 16 Dec 2024 03:55 |
URI: | https://repository.unipasby.ac.id/id/eprint/9226 |