Pemodelan Kasus Gizi Buruk Balita di Indonesia Menggunakan Panel Quantile Regression Model
DOI:
https://doi.org/10.29313/statistika.v23i2.2025Keywords:
Panel Quantile Regression Model, Kasus Gizi Buruk Balita, Regresi KuantilAbstract
ABSTRAK
Kasus gizi buruk balita di Indonesia masih menjadi suatu masalah yang harus diperhatikan secara konsisten setiap tahunnya karena balita yang berusia 0-59 bulan adalah generasi penerus bangsa. Untuk itu perlu dilakukan pemodelan kasus gizi buruk balita dengan faktor yang mempengauhinya, yaitu kemiskinan dengan juga perlu diketahui bagaimana dampak kasus gizi buruk balita di masing-masing level kuantil (kecil, sedang, dan tinggi). Penelitian ini menggunaka pemodelan regresi data panel dengan pendekatan fixed effcts model (FEM) yang mengandung outlier. Oleh karena itu, untuk mengatasi hal tersebut maka panel quantile regression model dengan penalizes fixed effects dapat digunakan. Hasil penelitian menunjukkan bahwa dampak kasus gizi buruk balita dengan faktor kemiskinan di level kuantil rendah (0,25) akan menyebabkan kasus gizi buruk juga rendah, sedangkan pada level kuantil yang sedang (0,5) akan menyebabkan kasus gizi buruk juga sedang, begitu juga untuk level kuantil yang tinggi (0,75) akan menyebakan kasus gizi buruk yang tinggi.
ABSTRACT
The case of malnutrition among toddlers in Indonesia is still a problem that must be paid attention to consistently every year because toddlers aged 0-59 months are the nation's next generation. For this reason, it is necessary to model cases of malnutrition under five with the factors that influence it, namely poverty. Apart from that, it is also necessary to know the impact of cases of under-five malnutrition at each quantile level (small, medium and high). This research uses panel data regression modeling using a fixed effects model (FEM) approach which contains outliers. So, the solution to overcome this is that a panel quantile regression model with fixed effects penalization can be used. The results of the research show that the impact of cases of under-five malnutrition with poverty factors at the low quantile level (0.25) will cause cases of malnutrition which are also low, while at the medium quantile level (0.5) it will cause moderate cases of malnutrition, and so do A high quantile level (0.75) will cause high cases of malnutrition.
References
Abrevaya, (2001). The effects of demographics and maternal behavior on the distribution of births outcomes, Empirical Economics 26 (1): 247-257.
Badan Pusat Statistik. (2018). Profil Kesehatan Ibu dan Anak 2018. Jakarta: Badan Pusat
Statistik, ISSN: 2087-4480.
Birkes, D., & Dodges, Y. (1993). Alternative Methods of Regression. New York: John Willey &
Sons, Inc.
Gujarati, D. N. (2004). Basic Econometrics, Fourth Edition. New York: The McGraw−Hill
Companies.
Kementerian Kesehatan Republik Indonesia. (2017). Profil Kesehatan Indonesia 2017. Jakarta:
Kementerian Kesehatan Republik Indonesia.
Kementerian Kesehatan Republik Indonesia. (2018). Profil Kesehatan Indonesia 2018. Jakarta:
Kementerian Kesehatan Republik Indonesia.
Kementerian Kesehatan Republik Indonesia. (2019). Profil Kesehatan Indonesia 2019. Jakarta:
Kementerian Kesehatan Republik Indonesia.
Kementerian Kesehatan Republik Indonesia. (2020). Profil Kesehatan Indonesia 2020.
Jakarta: Kementerian Kesehatan Republik Indonesia.
Kementerian Kesehatan Republik Indonesia. (2021). Profil Kesehatan Indonesia 2021.
Jakarta: Kementerian Kesehatan Republik Indonesia.
Koenker, R., & Bassett, G. (1978). Regression Quantile. Econometrica, Vol. 46, No.1.
Rousseeuw, P., & Hubert, M. (2011). Robust Statistics for Outlier Detection. John Willey ad Sons.
Risnawati, N. (2020). Pemodelan Kasus Demam Dengue Di Kota Bandung Menggunakan Spatial Autoregressive Quantile Model. Tesis. Bandung: Universitas Padjadjaran.
Wahyuni, I. I & Mahmudah, M. (2017). Random Effect Model pada Regresi Panel untuk Pemodelan Kasus Gizi Buruk Balita di Jawa Timur Tahun 2013–2016 , Jurnal Biometrika dan Kependudukan (Journal of Biometrics and Population): Vol. 6 No. 1 (2017): JURNAL BIOMETRIKA DAN KEPENDUDUKAN.