TAMARA NUR BUDIARTI (2022) Imputasi Data Missing dengan Pendekatan k-Nearest Neighbor untuk Pendugaan Model Regresi Spasial (Studi Kasus Kejadian Stunting di Kabupaten Blitar). Thesis thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 102014153012_HALAMAN JUDUL.pdf Download (1MB)
	Text (BAB I) 102014153012_BAB I.pdf Download (462kB)
	Text (FULLTEXT) 102014153012_FULLTEXT.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Upaya penurunan kejadian stunting dilakukan oleh Dinas Kesehatan Kabupaten Blitar melalui penyusunan program intervensi gizi spesifik dan sensitif. Namun, proses pengumpulan data seringkali menemui data missing. Oleh sebab itu, penelitian ini bertujuan untuk melakukan imputasi data missing dan pengolahan data spasial pada kejadian stunting di Kabupaten Blitar. Penelitian ini merupakan penelitian non-reactive menggunakan data sekunder. Populasi penelitian berupa seluruh kelurahan/desa di Kabupaten Blitar. Pengambilan sampel penelitian dilakukan dengan teknik total sampling. Variabel penelitian berupa kejadian stunting sebagai variabel dependen dan beberapa program pada intervensi gizi spesifik sebagai variabel independen. Imputasi data missing dilakukan melalui metode kNN dan k-Means. Pemodelan regresi dilakukan dengan regresi linier, regresi spatial lag, dan regresi spatial error. Persentase data missing menunjukkan besaran nilai 0,40%-45,56%. Imputasi dengan metode k-Means menghasilkan nilai RMSE lebih kecil pada data dengan persentase missing 0,50%-5,00%. Imputasi dengan metode kNN menghasilkan nilai RMSE lebih kecil pada data dengan persentase missing 10,00%-50,00%. Penentuan metode imputasi terbaik harus memerhatikan ukuran data missing, nilai mean, dan standar deviasi dalam data. Terdapat autokorelasi spasial pada kejadian stunting di Kabupaten Blitar dengan 13 wilayah dalam kategori High-High, 4 wilayah dalam kategori High-Low, 18 wilayah dalam kategori Low-Low, 5 wilayah dalam kategori Low-High, serta 208 wilayah tidak ditemukan autokorelasi spasial. Pemodelan spasial yang paling baik adalah pemodelan dengan regresi spatial error. Terdapat dua variabel berpengaruh signifikan meliputi cakupan kelas ibu hamil dan cakupan balita kurus yang mendapatkan PMT. Dinas Kesehatan Kabupaten Blitar perlu memperketat proses monitoring dan evaluasi pada tahap pengumpulan data, diperlukan pelatihan bagi petugas terkait untuk menangani data missing dengan metode imputasi, perlu adanya evaluasi pada wilayah yang terdeteksi autokorelasi spasial, diperlukan evaluasi pada wilayah dengan cakupan kelas ibu hamil tinggi disertai dengan angka kejadian stunting tinggi, serta diperlukan analisis pengaruh efektivitas pelaksanaan program intervensi gizi sensitif terhadap kejadian stunting di Kabupaten Blitar dengan melibatkan kondisi spasial.

Actions (login required)

View Item