PEMODELAN KASUS STUNTING DI INDONESIA MENGGUNAKAN BAYESIAN SPATIAL DURBIN MODEL (BSDM)

Sandi, Sandi (2025) PEMODELAN KASUS STUNTING DI INDONESIA MENGGUNAKAN BAYESIAN SPATIAL DURBIN MODEL (BSDM). S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (1MB)
	Text (BAB I Pendahuluan) BAB I Pendahuluan.pdf - Published Version Download (1MB)
	Text (BAB V Penutup) BAB V Penutup.pdf - Published Version Download (1MB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (1MB)
	Text (Skripsi Full Text) Skripsi Full Text.pdf - Published Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Regresi spasial merupakan metode yang digunakan untuk menganalisis data yang mengandung efek spasial. Jika efek spasial ditemukan baik pada variabel terikat maupun bebas, maka model regresi spasial yang dapat digunakan adalah Spatial Durbin Model (SDM). Estimasi parameter SDM umumnya dilakukan dengan metode Maximum Likelihood Estimation (MLE). Namun, karena keterbatasan metode MLE, metode Bayesian memberikan pendekatan alternatif untuk estimasi parameter. Penelitian ini bertujuan untuk membandingkan hasil estimasi parameter SDM dengan menggunakan metode MLE dan Bayesian untuk menentukan model estimasi terbaik. Kedua metode tersebut diterapkan dalam penelitian ini untuk memodelkan faktor-faktor yang mempengaruhi kasus stunting di Indonesia tahun 2023. Hasil penelitian menunjukkan bahwa SDM yang diestimasi dengan Bayesian memberikan model yang lebih baik dibandingkan dengan SDM yang diestimasi dengan MLE. Adapun faktor-faktor yang mempengaruhi kasus stunting di Indonesia tahun 2023 adalah proporsi rumah tangga yang memiliki rumah layak huni, proporsi balita yang mendapatkan imunisasi dasar lengkap, dan proporsi bayi umur 0-5 bulan yang mendapatkan ASI eksklusif.

Actions (login required)

View Item