Ringkasan dokumen tersebut adalah: (1) Dokumen tersebut membahas analisis status gizi balita di Indonesia dengan menggunakan metode analisis berbasis wilayah yaitu Geographically Weighted Regression (GWR); (2) GWR dapat menganalisis heterogenitas spasial dengan memperkirakan parameter regresi yang berbeda untuk setiap lokasi; (3) Dokumen tersebut juga membahas variabel-variabel yang digunakan dalam model GWR seperti kondisi s

1. Analisis Informasi Berbasis
Wilayah 2017
Dr. drs. Tris Eryando, M.A
Departemen Biostatistik dan Kependudukan
Fakultas Kesehatan Masyarakat
Universitas Indonesia
1

2. Pendahuluan
 Pemantauan Status Gizi yang telah dilakukan oleh Direktorat Gizi Masyarakat
dari Tahun 2013 – 2016,
 sebesar 29% balita Indonesia termasuk kategori pendek,
 persentase tertinggi di Provinsi NTT dan Sulawesi Barat.
 Trend atau kecenderungan perbaikan status gizi pada balita.
 Prevalensi balita pendek di Indonesia tertinggi dibandingkan Myanmar (35%),
Vietnam (23%), Malaysia (17%), Thailand (16%) dan Singapura (4%)(UNSD,
2014).
 Menurut WHO, prevalensi balita pendek menjadi masalah kesehatan
masyarakat jika prevalensinya 20% atau lebih.
2

3. Konsep Analisis Berbasis Wilayah
 Analisis berbasis wilayah dapat dilakukan dengan metode
Geographically Weighted Regression (GWR)
 GWR adalah metode statistik yang digunakan untuk menganalisis
heterogenitas spasial
 Heterogenitas spasial muncul karena
lokasi yang satu dengan lokasi yang lain tidak sama,
Secara geografis, sosial-budaya maupun hal lain
3

4. Konsep Analisis Berbasis Wilayah
 Model Geographically Weighted Regression (GWR) adalah
pengembangan dari model regresi dimana
 setiap parameter dihitung pada setiap lokasi pengamatan,
 setiap lokasi pengamatan mempunyai nilai parameter regresi yang
berbeda-beda.
 Model GWR merupakan pengembangan dari model regresi global
dimana ide dasarnya diambil dari regresi non parametrik
4

5. Konsep Analisis Berbasis Wilayah
 Pada GWR, parameter regresi diasumsikan bervariasi secara spasial.
 Melalui penggunaan GWR
 diketahui variasi spasial dalam nilai duga parameter,
 sehingga interpretasi yang berbeda diperoleh untuk setiap titik lokasi yang
diteliti.
 penggunaan metode GWR Brundson (1996);
 menentukan model regresi untuk masing-masing titik lokasi
 model regresi yang diperoleh akan bersifat unik,
 model regresi untuk titik yang satu berbeda dengan titik lainnya
5

6. Rumus Umum
6

7. Pemilihan Model Variabel dalam Model
GWR
Pada beberapa kasus seringkali dihadapkan pada
 variabel prediktor yang terlalu banyak dan diduga saling
berkorelasi
 Mengatasi ini, salah satu metode yang digunakan adalah metode
stepwise.
 Metode ini merupakan kombinasi antara metode seleksi maju
(forward selection) dan metode eliminasi mundur (backward
elimination)
7

8. Variabel- Variabel dalam Akses Model
8
Kondisi Sosial- Ekonomi:
Angka Melek Huruf
Kemiskinan
Ketersediaan Fasilitas
Pelayanan Kesehatan:
Puskesmas
Rumah Sakit
Dokter
Ketersediaan pendukung di
Masyarakat:
Pelayanan Kesehatan
Komunitas (posyandu)
Ketersediaan Infrastruktur:
Ketersediaan akses jalan
Ketersediaan transportasi

9. Model GWR
GWR, menghasilkan dua kategori variabel yang mendeskripsikan
hubungan spasial Lokal dan Global
 Variabel lokal mengindikasikan adanya pengaruh spasial di suatu daerah
 Variabel global mengindikasikan bahwa variabel tersebut memiliki pengaruh
secara umum di semua wilayah atau tidak berbeda secara spasial
 Memperlihatkan variasi variabel pengaruh yang mungkin berbeda antar wilayah
 Memberikan informasi spesifik wilayah berdasarkan variasi lokal
 Analsiis trend dapat memperlihatkan perubahan variabel pengaruh untuk setiap daerah
berdasarkan satuan waktu
9

10. 10