Perbandingan Metode Geographically Weighted Poisson Regression dan Geographically Weighted Random Forest Terhadap Kasus Stunting pada Balita di Provinsi Jawa Timur

Abstract

Pemodelan data respon count yang mengandung heterogenitas spasial yang sesuai adalah pemodelan regresi Poisson berbobot geografis atau Geographically Weighted Poisson Regression (GWPR). GWPR adalah salah satu metode statistika yang merupakan pengembangan dari bentuk lokal regresi Poisson ketika adanya heterogenitas spasial pada data. Metode lain yang dapat digunakan untuk mengatasi permasalahan heterogenitas spasial adalah Geographically Weighted Random Forest (GWRF). GWRF adalah metode variasi antara GWR dan Random Forest. Random Forest merupakan metode yang terdiri dari beberapa pohon keputusan (decision tree) dan dibangun dengan menggunakan vektor acak serta digunakan untuk mengatasi permasalahan regresi dan klasifikasi. Model GWPR dan model GWRF pada penelitian ini akan diaplikasikan pada data jumlah kasus stunting di Indonesia pada tahun 2022. Balita pendek (stunting) adalah gangguan tumbuh kembang yang dialami anak akibat gizi buruk, infeksi berulang, dan stimulasi psikososial yang tidak memadai atau bisa dikatakan dengan kondisi dimana balita memiliki tinggi badan yang kurang jika dibandingkan dengan umur seusianya. Pemodelan GWPR dilakukan dengan menggunakan kernel Adaptive Gaussian, Adaptive Bisquare, Fixed Gaussian, dan Fixed Bisquare. Pemilihan bandwidth dan kernel optimum dilakukan dengan menggunakan nilai Cross Validation (CV). Berdasarkan percobaan yang telah dilakukan diperoleh nilai CV optimum sebesar 329,5926 dan bandwidth optimum sebesar 0,9473552 dengan menggunakan kernel Adaptive Bisquare. Pemodelan GWRF dilakukan dengan menggunakan Adaptive karena kernel ini berdasarkan jumlah tetangga terdekat pada setiap lokasi pengamatan. Pemilihan bandwidth optimum dilakukan dengan menggunakan nilai R-square (𝑅2) model lokal tertinggi yaitu sebesar 0,31056903059761 dengan bandwidth optimumnya adalah 38. Tujuan penelitian ini adalah untuk membandingkan antara metode GWPR dan GWRF dengan melihat pemilihan model terbaik dari nilai R-square (𝑅2) dan RMSE. Perbandingan antara GWPR dan GWRF menggunakan nilai R-square (𝑅2) dan RMSE. Nilai R-square (𝑅2) model GWPR sebesar 0,6580711, sedangkan GWRF sebesar 0,9482904. Nilai RMSE model GWPR > GWRF (2,210364 > 0,8595705). Berdasarkan nilai-nilai tersebut dapat disimpulkan bahwa model GWRF lebih baik dalam menjelaskan kejadian stunting di Provinsi Jawa Timur.