Pemodelan Principal Component Regression Analysis dari Faktor Penanganan Stunting saat Pandemi Covid-19 di Indonesia
Main Article Content
Abstract
Regresi sering digunakan untuk mengetahui hubungan dua hal atau lebih yang dituliskan secara matematis. Pada saat permasalahan multikolinieritas dalam regresi terdeteksi, maka teknik PCRA dapat mengatasi permasalahan tersebut, yaitu gabungan dari analisis regresi dan PCA. Stunting menjadi salah satu permasalan yang dihadapi Indonesia. Indonesia termasuk negara yang tinggi prevalensinya saat pandemi melanda. Dalam penelitian ini, peneliti melakukan pemodelan Principal Component Regression Analysis mengenai faktor apa saja yang menjadi unsur dalam penanganan stunting saat pandemi Covid-19 di Indonesia. Dari 17 faktor yang mempengaruhi stunting, dapat dibentuk komponen baru sebanyak 5 komponen yang cukup mewakili 85,20% dari informasi data secara keseluruhan. Dari model regresi pada PCRA yang terbentuk, terlihat bahwa semua faktor memberikan pengaruh secara positif terhadap penganganan stunting di Indonesia saat pandemi melanda. Namun, terdapat faktor yang paling besar pengaruhnya adalah X_2 dan X_11, yaitu penolong persalinan oleh tenaga kesehatan di fasilitas kesehatan, dan Penerima KPS/KKS atau bantuan pangan.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
BPS. (2022). Laporan Indeks Khusus Penanganan Stunting Kabupaten/Kota 2020-2021. Badan Pusat Statistik RI: hal. 37-635
Chatterjee, S. and Hadi, A.S. (2012). Regression by Example Fifth Edition. New Jersey: A John Son & Wiley, Inc.
Daoud, J.I. (2017). Multicollinearity and Regression Analysis. IOP Conf. Series: Journal of Physics: Conf. Series 949 (2017) no. 012009
Hutabarat, E.N. (2023). Permasalahan Stunting dan Pencegahannya. Journal of Health and Medical Science: Volume 2, Nomor 1, Januari 2023, pp. 158-163
Hotson, T.O. (2022). Root Mean Square Error (RMSE) Or Mean Absolute Error (MAE): When To Use Them Or Not. Geoscientific Model Development Discussion: pp. 1-10
Jiang, G., and Wang, W. (2017). Error Estimation Based On Variance Analysis Of K-Fold Cross-Validation. Pattern Recognition: Vol. 69, pp. 94-106
Liland, K.H., Mevik, B.H., Wehrens, R. and Hiemstra, P. (2023). Partial Least Squares and Principal Component Regression Package ‘pls’. CRAN R: pp. 1-66
Maskuri, I., Ifadah, B.K., Ramadhani, F., Khalid, M., Alifah, A.W., dan Taufikurrahman. (2023). Upaya Pencegahan Stunting Melalui Kegiatan Sosialisasiphbs Di Desa Sumbersuko. Karya: Jurnal Pengabdian Kepada Masyarakat: Vol.3, No.2, pp. 22-28
Mutia, A. (2021). Prevalensi Stunting Balita Indonesia Tertinggi ke-2 di Asia Tenggara databoks.katadata.co.id. 25 November 2021
Pendi. (2021). Analisis Regresi dengan Metode Komponen Utama dalam Mengatasi Masalah Multikolinieritas. Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster): Volume 10, No. 1 (2021), hal 131 – 138
Susilawati, S., and Didiharyono. (2023). Application of Principal Component Regression in Analyzing Factors Affecting Human Development Index. Jurnal Varian: Vol. 6, No. 2, April 2023, Hal. 199–208
Ramaharo, F.M., and Rajaonarison, N.R. (2023). Principal component regression analysis of electricity consumption factors in Madagascar. Munich Personal RePEc Archive
Valeriani, D., Wibawa, D.P., Safitri, R., dan Apriyadi, R. (2022). Menuju Zero Stunting Tahun 2023 Gerakan Pencegahan Dini Stunting Melalui Edukasi pada Remaja di Kabupaten Bangka. Jurnal Pustaka Mitra: Pusat Akses Kajian Mengabdi Terhadap Masyarakat: Vol. 2., No. 2, pp. 84-88
Zaid, M.A. (2015). Correlation and Regression Analysis Textbook. Ankara: The Statistical, Economic and Social Research and Training Centre for Islamic Countries (SESRIC)