Regresi Klasik dan Spasial dengan Software Geoda dan ArcGIS pada Kasus Gizi Buruk

Meningkatnya angka kematian balita menjadi salah satu permasalahan kesehatan di Indonesia. Salah satu penyebabnya adalah kebutuhan gizi yang tidak terpenuhi. Keadaan gizi balita akan mempengaruhi tingkat kesehatan dan harapan hidup yang merupakan salah satu unsur utama dalam penentuan keberhasilan pembangunan negara yang dikenal dengan istilah Human Development Index (HDI). Status gizi buruk pada balita dapat menimbulkan pengaruh yang sangat menghambat pertumbuhan fisik, mental maupun kemampuan berpikir yang pada akhirnya akan menurunkan produktivitas kerja. Balita penderita gizi buruk dapat mengalami penurunan kecerdasan (IQ) hingga sepuluh persen. Selain itu, penyakit yang dapat diderita balita gizi buruk adalah diabetes (kencing manis) dan penyakit jantung koroner. Dampak paling buruk yang diterima adalah kematian pada umur yang sangat dini.

Suatu analisis pemodelan regresi untuk mengetahui faktor-faktor yang mempengaruhi angka gizi buruk yang dipengaruhi oleh karakteristik wilayah sangat penting. Pada beberapa kasus, variabel respon yang diamati memiliki keterkaitan dengan hasil pengamatan di wilayah yang berbeda, terutama wilayah yang berdekatan. Adanya hubungan spasial dalam variabel respon akan menyebabkan pendugaan menjadi tidak tepat karena asumsi keacakan suatu error dilanggar. Untuk mengatasi permasalahan tersebut diperlukan suatu model regresi yang memasukkan hubungan spasial antar wilayah ke dalam model. Adanya informasi hubungan spasial antar wilayah menyebabkan perlu adanya keragaman spasial kedalam model, sehingga model yang digunakan adalah model regresi spasial.

Dalam analisis ini akan dilakukan pemodelan yang sesuai pada kasus gizi buruk dengan cara membandingkan 3 metode yakni dengan regresi klasik menggunakan metode Ordinary Least Square (OLS) dan pendekatan spasial metode Spatial Auto Regressive (SAR) dan Spatial Error Model (SEM), dengan pendekatan ketiga metode selanjutnya akan dipilih model terbaik dalam menentukan faktor-faktor yang berpengaruh terhadap kasus gizi buruk di setiap wilayah sehingga dapat dijadikan salah satu rujukan dalam program pengurangan angka kematian pada balita akibat kasus gizi buruk.

Studi Kasus

Data yang digunakan dalam tulisan ini adalah data sekunder yang dipublikasikan oleh Departemen Kesehatan dan Kementrian Kesehatan yakni berasal dari data publikasi Profil Kesehatan Indonesia tahun 2014. Adapun variabel yang digunakan meliputi jumlah kasus balita penderita gizi buruk di Indonesia (Y), persentase rumah tangga berperilaku hidup bersih (PHBS) (X1), jumlah penduduk miskin (X2), kepadatan penduduk (X3), persentase pemberian vitamin A pada balita usia 6-59 bulan (X4), persentase bayi usia 0-6 bulan yang mendapatkan ASI Ekslusif (X5) dan persentase pemberian 90 tablet tambah darah pada ibu hamil (X6).

No	Provinsi	Y	X1	X2	X3	X4	X5	X6


1	Aceh	388	30.33	837.42	85	94.9	55.4	79.5
2	Sumut	1334	60.04	1360.60	189	83	37.6	84.3
3	Sumbar	583	53.28	354.74	122	88.9	73.6	81.1
4	Riau	294	51.85	498.28	71	87.5	55.7	82.7
5	Jambi	101	72.45	281.75	67	88.6	64.3	91.1
6	Sumsel	310	64.03	1085.80	87	87.9	64.5	86.4
7	Bengkulu	123	53.84	316.50	93	90.7	78.5	90.9
8	Lampung	138	60.46	1143.93	232	82.7	63.7	83.5
9	Kep. Babel	67	64.92	67.23	82	87.8	54.9	84.4
10	Kep. Riau	280	37.76	124.17	234	83.3	50.3	81.7
11	Jakarta	1448	69.25	412.79	15173	68.1	67.1	94.8
12	Jabar	2953	51.4	4238.96	1301	85.3	21.8	90.5
13	Jateng	4107	71.12	4561.83	1022	98.6	60	92.5
14	DIY	299	37.46	532.59	1161	99.2	70.8	91.6
15	Jatim	6772	48.25	4748.42	808	90.3	74	84.9
16	Banten	2242	61.11	649.19	1211	71	65	61.4
17	Bali	212	74.25	195.95	710	97.9	72.2	95
18	NTB	449	29.48	816.62	257	96.5	84.7	92.4
19	NTT	3415	49.02	991.88	103	86.5	77.4	74.2
20	Kalbar	342	40.72	381.92	32	79.8	49.5	85.1
21	Kalteng	92	44.08	148.83	16	75.7	40.7	81.3
22	Kalsel	172	49.74	189.50	101	85.3	67.2	79.8
23	Kaltim	231	75.26	252.68	26	66.6	67.8	80.9
24	Sulut	54	76.61	197.56	172	86.6	38.5	80.2
25	Sulteng	463	31.45	387.06	46	82.5	56.4	70.4
26	Sulsel	245	53.43	806.35	180	84.2	69.3	88.9
27	Sultra	274	44.52	314.09	64	80.5	65.5	79
28	Gorontalo	597	69.37	195.10	99	81.9	58.8	85.2
29	Sulbar	283	53.63	154.69	75	84.4	65	78.9
30	Maluku	208	38.39	307.02	35	66.1	45.3	62.5
31	Malut	663	55.03	84.79	36	84.6	62.2	80.4
32	Pabar	570	25.5	225.46	9	42.1	27.3	32.5
33	Papua	2674	37.44	864.11	10	40.5	52.2	49.1

Sumber : www.depkes.go.id

Berdasarkan data tersebut, selanjutnya akan dilakukan analisis dan pemilihan model yang sesuai dengan kasus balita penderita gizi buruk di Indonesia. Metode analisis yang digunakan adalah dengan pendekatan analisis regresi klasik menggunakan metode Ordinary Least Square (OLS) dan regresi spasial dengan metode Spatial Autoregressive (SAR) dan Spatial Error Model (SEM). Proses analisis dilakukan dengan menggunakan bantuan software Geoda dan ArcGIS.

Langkah-langkah analisis

Langkah-langkah analisis yang dilakukan ditunjukkan pada flowchart berikut:

Berikut tahap-tahap analisisnya:

Membuka software Geoda, klik menu file -> new project sehingga akan muncul kota dialog connect to data source, kemudian masukkan file map dengan cara mengklik ESRI Shapefile (*shp) pada bagian input file seperti berikut :

Klik open table pada toolbar, selanjutnya tambahkan atribut tabel dengan cara mengklik kanan pada tabel -> add variabel, buat variabel baru yang meliputi variabel Y, X1, X2, X3, X4, X5 dan X6, kemudian masukkan data sesuai dengan provinsi sehingga diperoleh tampilan seperti gambar berikut:

Untuk memberikan matriks pembobot spasial, klik menu tools -> weights -> create sehingga muncul tampilan kotak dialog weights file creation. Kemudian pilih variabel Y pada opsi weights file ID variable dan beri tanda pada radiobutton queen contiguity seperti terlihat pada gambar berikut:

Klik create, dan save file pembobot dalam format (*.gal). Kemudian lakukan analisis regresi (Classic, SAR, SEM) dengan cara mengklik menu methods->regression, masukkan variabel dependen (Y) dan variabel independen (X1, X2, X3, X4, X5, dan X6) sesuai dengan kolom pada kotak dialog regression, lalu beri tanda ceklis pada weights file seperti berikut:

Berdasarkan gambar di atas, selanjutnya lakukan analisis secara bergantian dengan menggunakan ketiga metode (Classic, SAR dan SEM ) klik button classic untuk metode Classic, spatial lag untuk metode SAR dan spatial error untuk metode SEM, kemudian klik run untuk menjalankan program sehingga akan tampil hasil output.

Kemudian lakukan pemetakan secara deskriptif untuk menampilkan sebaran kasus pencurian di Indonesia dengan cara membuka software ArcGIS, atur lembar kerja dengan cara mengklik menu file -> page and print setup -> klik radiobutton landscape seperti terlihat pada gambar berikut:

Klik menu view -> layout view kemudian hapus layers pada lembar kerja sehingga terlihat tampilan seperti gambar berikut:

Klik menu file -> add data, masukkan file map.shp (peta digital Indonesia), lalu klik properties pada map sehingga akan muncul kotak dialog layer properties selanjutnya klik bagian symbology, pada kolom show klik quantities -> graduated colors, pilih variabel Y pada fields value seperti terlihat pada gambar berikut :