S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK

Transkripsi

1 S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK Marsa Rfada 1, Nur Chamdah 2, Toha Safudn 3 1,2,3 Departemen Matematka, Fakultas Sans dan Teknolog, Unverstas Arlangga Kampus C, Unar Jln. Mulyorejo, Surabaya 1 marsa_rfada@yahoo.com, 2 nurchamdah_unar@yahoo.co.d 3 toha_ndonesa@yahoo.com Abstrak Masalah gz buruk pada balta d Surabaya menjad perhatan khusus untuk dtangan secara serus karena hampr semua kecamatan d Surabaya dtemukan kasus balta gz buruk. Dalam peneltan n akan dkembangkan model predks seberapa besar kejadan gz buruk balta d setap kecamatan d Surabaya berdasarkan faktor-faktor yang mempengaruhnya dengan mempertmbangkan aspek lokas geografs (spasal) menggunakan metode regres spasal semparametrk dan selanjutnya dlakukan valdas model untuk mendapatkan model predks yang terbak dengan membandngkan nla AIC dan R 2 dar model yang terbentuk. Hasl pemodelan kejadan gz buruk balta d Surabaya berdasarkan fungs pembobot Fxed Gaussan memlk nla AIC terkecl dan R 2 tertngg, sehngga model terbak yang dgunakan dalam peneltan n yatu model regres spasal semparametrk berdasarkan pembobot Fxed Gaussan dengan ketepatan predks sebesar 85%. Faktor-faktor yang berpengaruh secara lokal adalah prosentase rumah tangga yang mendapat akses ar bersh (X 1 ), prosentase rumah tangga mskn (X 3 ), raso jumlah tenaga kesehatan dengan jumlah balta (X 4 ), prosentase bay tdak mendapat ASI eksklusf (X 5 ), dan prosentase bu haml mendapat tablet Fe (X 6 ). Sedangkan prosentase Bay Berat Lahr Rendah (BBLR) (X 2 ) berpengaruh secara global. Kata kunc: Gz Buruk pada Balta, Regres Spasal Semparametrk A. PENDAHULUAN Masalah gz buruk pada balta d Surabaya menjad perhatan khusus untuk dtangan secara serus karena hampr semua kecamatan d Surabaya dtemukan kasus balta gz buruk. Data 3 tahun terakhr yang dkumpulkan Departemen Kesehatan menunjukkan bahwa Surabaya mempunya jumlah kasus balta gz buruk terbanyak d Jawa Tmur. Kepala Dnas Kesehatan Surabaya menyatakan bahwa hampr 50% kasus gz buruk d Surabaya dtemukan d kecamatan wlayah pnggr kota, terutama yang berada d daerah pessr. Berbaga upaya telah dlakukan, akan tetap setap tahun kecamatan d daerah tersebut memlk temuan kasus gz buruk lebh banyak darpada kecamatan lannya. Hal n menunjukkan bahwa langkah antspas dan penanggulangan kasus balta gz buruk untuk daerah yang rawan dtemukan kasus gz buruk mash belum efektf dan belum berjalan dengan bak. Rendahnya hasl antspas terhadap kasus balta gz buruk d Surabaya antara lan dsebabkan karena angka kejadan belum dapat dpredks dengan bak serta peta sebaran daerah rawan gz buruk balta yang dapat dandalkan mash belum terseda. Informas dan pemetaan Makalah dpresentaskan dalam Semnar Nasonal Matematka dan Penddkan Matematka dengan tema Penguatan Peran Matematka dan Penddkan Matematka untuk Indonesa yang Lebh Bak" pada tanggal 9 November 2013 d Jurusan Penddkan Matematka FMIPA UNY

2 daerah rawan gz buruk balta sangat dperlukan dalam menentukan daerah prortas pelaksanaan program antspas dan penanggulangan kasus balta gz buruk. Oleh karena tu, model predks dan pemetaan sebaran kejadan gz buruk pada balta d Surabaya perlu segera dbuat. Upaya perbakan gz pada balta dapat dlakukan dengan mengkaj lebh dalam mengena faktor-faktor yang mempengaruh gz balta. Faktor yang menyebabkan tmbulnya masalah gz pada balta dapat berbeda antar daerah ataupun antar kelompok masyarakat (Lestrna, 2009). Perbedaan karakterstk antar daerah akan menentukan kualtas kesehatan pada daerah tersebut sehngga faktor-faktor yang sgnfkan mempengaruh kejadan gz buruk balta antara daerah yang satu tentu akan berbeda dengan daerah yang lan. Dengan demkan aspek lokas (spasal) perlu dperhatkan dalam penentuan faktor yang sgnfkan mempengaruh kejadan gz buruk balta d suatu daerah. Peneltan d Indonesa yang mengkaj tentang faktor-faktor yang mempengaruh gz buruk balta dengan mempertmbangkan aspek spasal telah dlakukan, dantaranya Ayunn (2011), A yunn (2011) dan Lestar (2012) menggunakan model regres spasal dan menympulkan bahwa model yang mempertmbangkan aspek spasal (regres spasal) mempunya hasl predks yang lebh bak darpada regres lner basa. Peneltan-peneltan tersebut belum memperhatkan apakah varabel predktor berpengaruh secara global atau hanya secara lokal. Pada kenyataannya tdak semua varabel predktor dalam model mempunya pengaruh secara lokal. Beberapa varabel predktor dapat berpengaruh secara global, sedangkan yang lannya dapat berpengaruh secara lokal (Fotherngham, et al., 2002). Pendekatan model yang akan dkembangkan dalam peneltan n adalah model regres spasal semparametrk yang mana ada varabel predktor yang berpengaruh secara lokal dan ada varabel predktor yang berpengaruh secara global. Berdasarkan uraan d atas, maka dalam peneltan n akan dkembangkan model predks seberapa besar kejadan gz buruk balta d setap kecamatan d Surabaya berdasarkan faktor-faktor yang mempengaruhnya dengan mempertmbangkan aspek spasal menggunakan metode regres spasal semparametrk dan selanjutnya dlakukan valdas model untuk mendapatkan model predks yang terbak. B. PEMBAHASAN Model regres spasal atau dsebut juga dengan model Geographcally Weghted Regresson (GWR) merupakan pengembangan dar model regres lner global dmana de dasarnya dambl dar regres nonparametrk (Me et al., 2006). Model n merupakan model reges lner bersfat lokal yang menghaslkan penaksr parameter model yang bersfat lokal untuk setap ttk atau lokas dmana data tersebut dkumpulkan, sehngga setap ttk lokas geografs mempunya nla parameter regres yang berbeda-beda. Model GWR dtulskan sebaga berkut (Fotherngham et al., 2002) : y u v u v, x (1) 0 k, k 1 p dengan y : Nla observas varabel respon untuk lokas ke- u, v : Ttk koordnat letak geografs (longtude, lattude) dar lokas pengamatan ke- u, v : Koefsen regres varabel predktor ke-k pada lokas pengamatan ke- k x k k : Nla observas varabel predktor ke-k pada lokas pengamatan ke- : Error pengamatan ke- yang dasumskan dentk, ndependen dan berdstrbus Normal dengan mean nol dan varan konstan 2. Estmas parameter model GWR dlakukan dengan metode Weghted Least Squares (WLS) yatu dengan memberkan pembobot yang berbeda untuk setap lokas dmana data damat (Leung, 2000). Peran pembobot pada model GWR sangat pentng karena nla pembobot n mewakl letak data pengamatan satu dengan lannya. Dalam analss spasal, pengamatan Yogyakarta, 9 November 2013 MS - 170

3 yang dekat dengan lokas u, v umumnya lebh berpengaruh pada estmas parameter pada lokas u, v darpada pengamatan yang lebh jauh. Oleh karena tu, sangat dbutuhkan ketepatan cara pembobotan (Chasco, et al., 2007). Salah satu jens fungs pembobot yang dapat dgunakan adalah fungs Kernel. Pembobot yang terbentuk dengan menggunakan fungs Kernel dantaranya adalah Fxed Gaussan, Fxed Bsquare, Adaptve Gaussan dan Adaptve Bsquare yang ddefnskan sebaga berkut : a. Fxed Gaussan : 2 d j w j u, v exp 2 h (2) b. Fxed Bsquare : dj h, untuk dj h w j u, v 0, untuk dj h (3) 2 d j c. Adaptve Gaussan : w j u, v exp 2 h ( k ) (4) 2 d. Adaptve Bsquare : 2 1 dj h ( k ), untuk dj h ( k ) w j u, v 0, untuk dj h ( k ) (5) dengan d j d menyatakan jarak Eucldean antara lokas j u u v v 2 2 j j u, dan lokas v u,, j v j, dan h menyatakan parameter non negatf yang dketahu dan basanya dsebut sebaga parameter penghalus (bandwdth). Berdasarkan model regres spasal pada persamaan (1), jka tdak semua varabel predktor mempunya pengaruh secara lokal, sebagan berpengaruh secara global, maka model yang sepert n dnamakan model regres spasal semparametrk atau dsebut juga dengan Semparametrc Geographcally Weghted Regresson (SGWR). Pada model SGWR beberapa parameter pada model GWR dasumskan konstan untuk seluruh lokas pengamatan sedangkan yang lan bervaras sesua lokas pengamatan data (Fotherngham et.al, 2002). Model SGWR dengan p varabel predktor yang bersfat global dan q varabel predktor yang bersfat lokal, dengan mengasumskan bahwa ntersep model bersfat lokal dapat dtulskan sebaga berkut: q y u, v u, v x x, 1, 2,, n 0 k k k k k1 kq1 p (6) Estmas parameter pada model SGWR dapat dlakukan dengan metode WLS sepert halnya pada model GWR (Fotherngham et al, 2002). Ada beberapa metode yang dapat dgunakan sebaga acuan dalam pemlhan model terbak, salah satunya adalah Akake Informaton Crteron (AIC) yang ddefnskan sebaga berkut : n tr( S) AIC 2 ln ˆ c n nln 2 n (7) n 2 tr ( S) dengan ˆ adalah nla estmator standar devas dar error dan S adalah matrks proyeks dmana yˆ Sy.Pemlhan model terbak dlakukan dengan menentukan model dengan nla AIC terkecl (Nakaya, et al, 2005). Pada peneltan n model regres spasal semparametrk dterapkan pada kasus kejadan gz buruk balta d Surabaya pada tahun Varabel yang dtelt yatu prosentase kejadan gz buruk balta per kecamatan d Surabaya sebaga varabel respon (Y) sedangkan varabel predktornya adalah prosentase rumah tangga yang mendapat akses ar bersh (X 1 ), prosentase Bay Berat Lahr Rendah (BBLR) (X 2 ), prosentase rumah tangga mskn (X 3 ), raso jumlah tenaga Yogyakarta, 9 November 2013 MS - 171

4 kesehatan dengan jumlah balta (X 4 ), prosentase bay tdak mendapat ASI eksklusf (X 5 ), dan prosentase bu haml mendapat tablet Fe (X 6 ). Berkut n dsajkan deskrptf dar masng-masng varabel peneltan: Tabel 1. Deskrptf Data Peneltan Varabel N Mean St Dev Mnmum Maxmum Y 31 0,6619 0,4059 0,08 1,47 X , , ,01 71,81 X ,0920 3,1170 0,15 16,16 X ,8800 9,5200 3,69 39,25 X ,0126 0,3178 0,49 1,93 X , , ,23 65,57 X , , ,73 96,95 Tabel 1 menunjukkan rata-rata prosentase kejadan gz buruk balta per kecamatan d Surabaya pada tahun 2011 adalah sebesar 0,6619%, dmana prosentase kejadan gz buruk balta tertngg sebesar 1,47% ada d kecamatan Asemrowo sedangkan prosentase terendah ada d kecamatan Dukuh Paks yatu sebesar 0,08%. Hal n menunjukkan bahwa kecamatan Asemrowo seharusnya merupakan daerah prortas pelaksanaan program antspas dan penanggulangan kasus balta gz buruk guna menurunkan angka kejadan gz buruk balta d kecamatan tersebut. Rata-rata prosentase rumah tangga yang mendapat akses ar bersh adalah 29,58% dengan prosentase terendah ada d kecamatan Sukollo yatu 12,01 % dan prosentase tertngg adalah 71,81% ada d kecamatan Pakal, sedangkan keragamannya sebesar 15,23%. Hal n menunjukkan bahwa akses ar bersh d Kota Surabaya mash kurang merata d setap kecamatannya. Salah satu faktor yang memcu tngg rendahnya prosentase kejadan gz buruk balta d suatu wlayah adalah kemsknan. Rata-rata prosentase rumah tangga mskn d Surabaya sebesar 13,88%, hal n menunjukkan bahwa rumah tangga mskn yang ada d Surabaya mash relatf banyak, dmana kecamatan Smokerto memlk prosentase rumah tangga mskn tertngg yatu sebesar 39,25%. Rata-rata raso tenaga kesehatan dengan jumlah balta d Surabaya adalah sebesar 1,0126% dmana raso terendah pada kecamatan Tambaksar yatu sebesar 0,49% sedangkan raso tertngg yatu 1,93% ada d kecamatan Gubeng. Rata-rata raso tenaga kesehatan dengan jumlah balta tap kecamatan mash cenderung rendah. Hal n mengndkaskan kurangnya tenaga kesehatan d setap kecamatan. Dar peta admnstras kota Surabaya yang ada selanjutnya dlakukan deskrps data peneltan berupa peta tematk. Gambar 1. Peta Penyebaran Prosentase Kejadan Gz Buruk Balta d Surabaya Yogyakarta, 9 November 2013 MS - 172

5 Gambar 1 menunjukkan bahwa prosentase kejadan gz buruk balta tertngg berada d Kecamatan Asemrowo, Kenjeran, Pakal, Tenggls Mejoyo, dan Rungkut yatu sebanyak 1,05% sampa 1,47%. Sedangkan Kecamatan Benowo, Wonocolo, Lakarsantr, Gayungan, Jambangan, Karang Plang, Dukuh Paks, Sukomanunggal, Bubutan, Sawahan dan Genteng merupakan daerah dengan prosentase kejadan gz buruk balta terendah yatu sebanyak 0.08% sampa 0.39%. Gambar 2. Peta Penyebaran Prosentase Rumah Tangga Mendapat Akses Ar Bersh Berdasarkan Gambar 2 dapat dlhat bahwa prosentase rumah tangga mendapatkan akses ar bersh tertngg terdapat d kecamatan Pakal, Dukuh Paks, Asemrowo, Lakarsantr, dan Gunung Anyar yatu antara 42,13% sampa 71,81%. Sedangkan kecamatan Benowo, Gayungan, Gubeng, Tegalsar, Bulak, Rungkut, Tambaksar, Sukollo, Wonokromo, dan Smokerto merupakan daerah yang mempunya prosentase rumah tangga yang mendapat akses ar bersh rendah yatu antara 12,01% sampa 17,59%. Gambar 3. Peta Penyebaran Prosentase Bay Berat Lahr Rendah Berdasarkan Gambar 3 dapat dlhat bahwa kecamatan yang mempunya prosentase bay berat lahr rendah tertngg adalah kecamatan Wyung yatu antara 9,83% sampa 16,16%. Sedangkan kecamatan Asemrowo, Krembangan, Pabean Cantkan, Semampr, Smokerto, Genteng, Tegalsar, Lakarsantr, Karang Plang, Gayungan, Jambangan Tenggls Mejoyo, Yogyakarta, 9 November 2013 MS - 173

6 Gunung Anyar dan Mulyorejo merupakan kecamatan yang palng rendah prosentase bay berat lahr rendahnya yatu antara 0,15% sampa 1,97%. Gambar 4. Peta Penyebaran Prosentase Rumah Tangga Mskn Berdasarkan Gambar 4 dapat dlhat bahwa kecamatan yang mempunya prosentase rumah tangga mskn tertngg ada d kecamatan Pabean Cantkan, Semampr, dan Smokerto yatu antara 23,21% sampa 39,25%. Sedangkan kecamatan Benowo, Lakrsantr, Karang Plang, Jambangan, Wonocolo, Gunung Anyar, Gubeng, Mulyorejo, Tandes, dan Sukomanunggal mempunya prosentase rumah tangga mskn terendah yatu antara 3,65% sampa 8,49%. Gambar 5. Peta Penyebaran Raso Tenaga Kesehatan dengan Jumlah Balta Berdasarkan Gambar 5 dapat dlhat bahwa kecamatan yang mempunya raso tenaga kesehatan dengan jumlah balta tertngg ada d kecamatan Lakarsantr dan Genteng yatu antara 1,37% sampa 1,93%. Sedangkan kecamatan Dukuh Paks, Gubeng, Pabean Cantkan, Semampr, Kenjeran, Gunung Anyar, Tambaksar, dan Mulyorejo mempunya raso tenaga kesehatan dengan jumlah balta terendah yatu antara 0,49% sampa 0,76%. Yogyakarta, 9 November 2013 MS - 174

7 Gambar 6. Peta Penyebaran Prosentase Balta Tdak Mendapat ASI Eksklusf Berdasarkan Gambar 6 dapat dlhat bahwa prosentase balta tdak mendapat ASI ekslusf tertngg ada d kecamatan Benowo, Tenggls Mejoyo, Rungkut, Gunung Anyar, Bubutan, Smokerto, Tambaksar, dan Kenjeran yatu antara 50,96% sampa 65,57%. Sedangkan kecamatan Asemrowo, Sukomanunggal, dan Gayungan merupakan kecamatan yang mempunya prosentase balta yang tdak mendapat ASI eksklusf terendah yatu antara 10,23% sampa 26,19%. Gambar 7. Peta Penyebaran Prosentase Ibu Haml Mendapat Tablet Fe Berdasarkan Gambar 7 dapat dlhat bahwa prosentase bu haml mendapat tablet Fe tertngg ada d kecamatan Tandes, Sukomanunggal, Pabean Cantkan, Smokerto, Genteng, Gubeng, Mulyorejo, Wonokromo, Gayungan dan Tenggls Mejoyo yatu antara 85,94% sampa 96,95%. Sedangkan prosentase bu haml mendapat tablet Fe terendah ada d kecamatan Pakal, Sambkerep, Asemrowo, Rungkut, dan Gunung Anyar yatu antara 17,73% sampa 55,52%. Yogyakarta, 9 November 2013 MS - 175

8 Setelah dlakukan analss deskrptf data, langkah selanjutnya adalah melakukan pemodelan kejadan gz buruk balta d Surabaya. Dalam pemodelan regres, varabel predktor dalam model tdak boleh salng berkorelas sehngga perlu dlakukan uj multkolnertas. Ada dua krtera yang dapat dgunakan untuk mengetahu adanya konds kolnertas antara varabel-varabel predktor. Krtera pertama adalah dengan menggunakan koefsen korelas (Pearson Correlaton). Berkut n dsajkan nla koefsen korelas yang dperoleh dengan menggunakan software MINITAB. Tabel 2. Koefsen Korelas Antar Varabel Predktor X 1 X 2 X 3 X 4 X 5 X p-value X p-value X p-value X p-value X p-value Tabel 2 menunjukkan bahwa semua varabel predktor pada peneltan n mempunya nla koefsen korelas yang lebh kecl dar 0,95 dan p-value kurang dar 0.05, maka dapat dsmpulkan bahwa antar varabel predktor tdak salng berkorelas. Krtera kedua yang dgunakan untuk memerksa kolnertas antar varabel predktor adalah dengan menggunakan nla Varance Inflaton Factors (VIF) pada varabel-varabel predktor. Berkut n dberkan nla VIF masng-masng varabel predktor yang dperoleh dengan menggunakan software MINITAB. Tabel 3. Nla VIF Varabel Predktor Varabel Predktor Nla VIF X 1 1,2 X 2 1,2 X 3 1,2 X 4 1,1 X 5 1,1 X 6 1,2 Nla VIF masng-masng varabel predktor pada Tabel 3 menunjukkan nla kurang dar 10, maka dapat dkatakan bahwa tdak terjad multkolnertas. Kedua krtera menunjukan hasl yang sama yatu tdak adanya kolnertas dantara varabel-varabel predktor sehngga varabel-varabel predktor pada peneltan n dapat dgunakan dalam pembentukan model regres. Sebelum melakukan pemodelan regres spasal semparametrk, pertama kal yang dlakukan adalah menyeleks varabel predktor apakah varabel predktor tersebut berpengaruh secara lokal atau global berdasarkan hasl pemodelan regres spasal. Hpotess yang dgunakan adalah sebaga berkut : H β (u, v ) = β (u, v ) = = β (u, v ), k = 1,2,,6 (varabel predktor x bersfat global) H Tdak semua β (u, v ) adalah sama, = 1,2,,31 (varabel predktor x bersfat lokal) Yogyakarta, 9 November 2013 MS - 176

9 Varabel predktor x dkatakan varabel global jka x tdak sgnfkan d semua lokas. Sebalknya, varabel predktor x dkatakan varabel lokal jka x mnmal sgnfkan d satu lokas tertentu sehngga x merupakan varabel lokal. Berdasarkan hasl pemodelan regres spasal menggunakan beberapa fungs pembobot dengan software GWR4.0 dperoleh kesmpulan bahwa varabel predktor ada yang berpengaruh secara lokal dan ada yang global. Dengan demkan langkah selanjutnya adalah melakukan pemodelan regres spasal semparametrk berdasarkan varabel predktor yang sudah ddentfkas lokal dan global dengan menggunakan beberapa fungs pembobot. Krtera kebakan model yang dgunakan dalam peneltan n adalah dengan membandngkan nla AIC dan R 2 dar model yang terbentuk. Model terbak adalah model dengan nla AIC terkecl dan R 2 tertngg. Nla AIC dan R 2 yang dhaslkan model regres spasal semparametrk menggunakan fungs pembobot yang berbeda dsajkan pada Tabel 4 berkut. Tabel 4. Nla AIC dan R 2 model regres spasal semparametrk menggunakan fungs pembobot yang berbeda Jens Fungs Varabel Predktor AIC R 2 Pembobot Lokal Global Fxed Gaussan X 1, X 3, X 4, X 5, X 6 X 2 19,481 0,85 Fxed Bsquare X 4, X 5, X 6 X 1, X 2, X 3 32,825 0,67 Adaptve Gaussan X 3, X 4 X 1, X 2, X 5, X 6 60,043 0,48 Adaptve Bsquare X 1, X 4, X 5, X 6 X 2, X 3 19,913 0,82 Tabel 4 menunjukkan bahwa pemodelan kejadan gz buruk balta d Surabaya menggunakan fungs pembobot Fxed Gaussan memlk nla AIC terkecl dan R 2 tertngg, sehngga model terbak yang dgunakan dalam peneltan n untuk memodelkan kejadan gz buruk balta d Surabaya yatu model regres spasal semparametrk berdasarkan pembobot Fxed Gaussan dengan ketepatan predks sebesar 85%. Varabel predktor yang berpengaruh secara lokal adalah prosentase rumah tangga yang mendapat akses ar bersh (X 1 ), prosentase rumah tangga mskn (X 3 ), raso jumlah tenaga kesehatan dengan jumlah balta (X 4 ), prosentase bay tdak mendapat ASI eksklusf (X 5 ), dan prosentase bu haml mendapat tablet Fe (X 6 ). Sedangkan prosentase Bay Berat Lahr Rendah (BBLR) (X 2 ) berpengaruh secara global. Berdasarkan hasl uj sgnfkans parameter model d setap lokas pengamatan (kecamatan), apabla dgunakan tngkat sgnfkans (α) sebesar 10% maka nla Z (/) = 1.64, sehngga dapat dperoleh hasl varabel predktor lokal apa saja yang sgnfkan mempengaruh varabel responnya d setap kecamatan. Varabel X 1 hanya sgnfkan d 1 kecamatan, yatu kecamatan Sambkerep. Varabel X 3 juga hanya sgnfkan d 1 kecamatan, yatu kecamatan Bubutan. Varabel X 4 sgnfkan d 3 kecamatan, yatu kecamatan Gubeng, Rungkut dan Mulyorejo. Varabel X 5 juga sgnfkan d 3 kecamatan, yatu kecamatan Rungkut, Gunung Anyar dan Sukollo. Sedangkan varabel X 6 sgnfkan d 4 kecamatan, yatu kecamatan Sukomanunggal, Asemrowo, Bubutan dan Krembangan. Pada lokas yang mempunya prosentase kejadan gz buruk balta tertngg d Surabaya pada tahun 2011 yatu kecamatan Asemrowo (lokas ke-3), hasl estmas parameter model regres spasal semparametrk d kecamatan Asemrowo dengan prosentase bay berat lahr rendah sebesar 1.81 (x = 1.81) dan prosentase bu haml mendapat tablet Fe sebesar (x = 48.14) adalah sebaga berkut : yˆ x x Yogyakarta, 9 November 2013 MS - 177

10 Dar hasl estmas model regres spasal semparametrk untuk prosentase kejadan gz buruk balta pada tahun 2011 d kecamatan Asemrowo dapat dnterpretaskan sebaga berkut: 1. Setap kenakan prosentase bay berat lahr rendah sebesar 1 satuan maka prosentase kejadan gz buruk balta akan nak sebesar persen. 2. Setap kenakan prosentase bu haml mendapat tablet Fe sebesar 1 satuan maka prosentase kejadan gz buruk balta akan berkurang sebesar persen. Hasl estmas parameter model regres spasal semparametrk untuk setap kecamatan d Surabaya berdasarkan pembobot Fxed Gaussan dengan menggunakan software GWR4.0 selengkapnya dsajkan pada Tabel 5 berkut. Tabel 5. Hasl Estmas Parameter Model Regres Spasal Semparametrk berdasarkan Pembobot Fxed Gaussan No. Kecamatan Sukomanunggal Tandes Asemrowo Benowo Pakal Lakarsantr Sambkerep Genteng Tegalsar Bubutan Smokerto Pabean Cantkan Semampr Krembangan Bulak Kenjeran Tambaksar Gubeng Rungkut Tenggls Gunung Anyar Sukollo Mulyorejo Yogyakarta, 9 November 2013 MS - 178

11 24 Sawahan Wonokromo Karangplang Dukuh Paks Wyung Gayungan Wonocolo Jambangan C. KESIMPULAN Berdasarkan hasl peneltan, dapat dambl beberapa kesmpulan sebaga berkut : 1. Hasl pemodelan kejadan gz buruk balta d Surabaya pada tahun 2011 berdasarkan fungs pembobot Fxed Gaussan memlk nla AIC terkecl dan R 2 tertngg, sehngga model terbak yang dgunakan dalam peneltan n yatu model regres spasal semparametrk berdasarkan pembobot Fxed Gaussan dengan ketepatan predks sebesar 85%. 2. Varabel predktor yang berpengaruh secara lokal adalah prosentase rumah tangga yang mendapat akses ar bersh (X 1 ), prosentase rumah tangga mskn (X 3 ), raso jumlah tenaga kesehatan dengan jumlah balta (X 4 ), prosentase bay tdak mendapat ASI eksklusf (X 5 ), dan prosentase bu haml mendapat tablet Fe (X 6 ). Sedangkan prosentase Bay Berat Lahr Rendah (BBLR) (X 2 ) berpengaruh secara global. 3. Varabel X 1 hanya sgnfkan d kecamatan Sambkerep. Varabel X 3 juga hanya sgnfkan d 1 kecamatan, yatu kecamatan Bubutan. Varabel X 4 sgnfkan d 3 kecamatan, yatu kecamatan Gubeng, Rungkut dan Mulyorejo. Varabel X 5 juga sgnfkan d 3 kecamatan, yatu kecamatan Rungkut, Gunung Anyar dan Sukollo. Sedangkan varabel X 6 sgnfkan d 4 kecamatan, yatu kecamatan Sukomanunggal, Asemrowo, Bubutan dan Krembangan. D. DAFTAR PUSTAKA Ayunn, L Pemodelan Balta Gz Buruk d Kabupaten Ngaw dengan Geographcally Weghted Regresson. Surabaya : Tugas Akhr Jurusan Statstka Insttut Teknolog Sepuluh Nopember Surabaya A yunn, Q Pemodelan Gz Buruk pada Balta d Kota Surabaya dengan Spatal Autoregressve Model (SAR). Surabaya : Tugas Akhr Jurusan Statstka Insttut Teknolog Sepuluh Nopember Surabaya Chasco, C., Garca, I., dan Vcens, J Modelng spatal varatons n household dsposable ncome wth Geographcally Weghted Regresson. Munch Personal RePEc Archve Paper N Fotherngham, A.S., Brundson, C., dan Charlton, M Geographcally Weghted Regresson: the analyss of spatally varyng relatonshps. England : John Wley & Sons Ltd Kemenkes RI Profl Data Kesehatan Indonesa Tahun Jakarta : Kementran Kesehatan Republk Indonesa Yogyakarta, 9 November 2013 MS - 179

12 Lestar, R.K Pemodelan Kejadan Balta Gz Buruk d Provns Jawa Tmur dengan Pendekatan Geographcally Weghted Regresson. Surabaya : Tugas Akhr Jurusan Statstka Insttut Teknolog Sepuluh Nopember Surabaya Lestrna, D Penanggulangan Gz Buruk D Wlayah Kerja Puskesmas Lubuk Pakam Kabupaten Del Serdang. Medan : Tess Program Stud Ilmu Kesehatan Masyarakat Unverstas Sumatera Utara Leung, Y Statstcal Tests for Spatal Non-Statonarty Based on the Geographcally Weghted Regresson Model. Hongkong : Journal The Chnese Unversty of Hongkong. Me, C.L., Wang, N., & Zhang, W.X Testng the mportance of the explanatory varables n a mxed geographcally weghted regresson model. Envronment and Plannng A, vol. 38, pages Nakaya, T., Fotherngham, A.S., Brunsdon, C.,dan Charlton, M Geographcally Weghted Posson Regresson for Dsease Assocaton Mappng, Statstcs n Medcne. Vol 24 Issue 17, pages Yogyakarta, 9 November 2013 MS - 180