PERBANDINGAN MODEL REGRESI LINIER BERGANDA DAN REGRESI NON PARAMETRIK SPLINE DALAM PEMODELAN ANALISIS PREVALENSI STUNTING DI PROVINSI JAWA TENGAH
Abstract
Stunting merupakan permasalahan gizi kronis yang signifikan dan masih menjadi perhatian global dalam hal pembangunan, tidak terkecuali Indonesia, di mana prevalensinya perlu dipantau secara ketat untuk merumuskan intervensi yang efektif. Salah satu wilayah di Indonesia yang masih menghadapi tantangan tersebut adalah Provinsi Jawa Tengah dengan karakteristik sosial ekonomi dan wilayah yang beragam. Dalam publikasi SSGI (2024), tercatat Provinsi Jawa Tengah masih berada pada angka 17,1% di tahun 2024. Namun pada faktanya, tidak semua pemodelan faktor determinasi stunting mengikuti pola yang linier, melainkan dapat menunjukkan pola hubungan yang kompleks dan berubah pada titik-titik tertentu . Penelitian ini bertujuan untuk mengidentifikasi perbandingan antara model regresi linier berganda dan model regresi nonparametrik spline truncated dalam pemodelan prevalensi stunting Provinsi Jawa Tengah agar mendapatkan model terbaik dan kebijakan yang lebih tepat. Hasil analisis diperoleh bahwa model terbaik yang dapat digunakan untuk memodelkan prevalensi stunting Provinsi Jawa Tengah adalah model regresi nonparametrik spline truncated dengan 1 knot. Dari model yang terbentuk dapat dikatakan bahwa prevalensi stunting dipengaruhi oleh rata-rata lama sekolah perempuan, akses air minum layak, dan akses sanitasi layak dengan pola hubungan yang tidak linier. Ketiga variabel tersebut pada umumnya berkontribusi dalam menurunkan stunting, namun terdapat titik ambang tertentu di mana pengaruhnya berubah.
Kata kunci: Prevalensi Stunting; Regresi Linier Berganda; Regresi Spline Truncated; Titik Knot
Downloads
References
[2] A. S. Hasibuan, R. Nagari, and R. A. Nisa, “Analisis Prevalensi Stunting Menggunakan Model Spasial Bayes dengan Conditional Autoregressive,” Seminar Nasional Official Statistics, vol. 2024, no. 1, pp. 1003–1010, Nov. 2024, doi: 10.34123/semnasoffstat.v2024i1.2095.
[3] T. Handayani, S. Sifriyani, and A. T. Rian Dani, “Stunting Prevalence Modeling Using Nonparametric Regression of Quadratic Splines,” Jurnal Varian, vol. 7, no. 2, pp. 149–160, Jun. 2024, doi: 10.30812/varian.v7i2.2916.
[4] Romy Yunika Putra and Fitra Ermila Basri, “Model Regresi Nonparametrik Spline Truncated Untuk Memprediksi Prevalensi Stunting di Sumatera Barat,” Jurnal Pengabdian Masyarakat dan Riset Pendidikan, vol. 4, no. 3, pp. 17385–17392, Jan. 2026, doi: 10.31004/jerkin.v4i3.4746.
[5] T. Handayani, S. Sifriyani, and A. T. R. Dani, “Nonparametric Spline Truncated Regression with Knot Point Selection Method Generalized Cross Validation and Unbiased Risk,” JTAM (Jurnal Teori dan Aplikasi Matematika), vol. 7, no. 3, p. 848, Jul. 2023, doi: 10.31764/jtam.v7i3.14034.
[6] M. Abdy, “Tinjauan Singkat Tentang Regresi Parametrik dan Regresi non Parametrik,” SAINTIFIK, vol. 5, no. 1, pp. 58–62, Feb. 2019, doi: 10.31605/saintifik.v5i1.199.
[7] W. Harieska Pramujati, U. Rihadatul Aisy, and Z. Dwi Anggoro, “Analysis of the Influence of Life Expectancy and Per Capita Food Expenditure on the Human Development Index in Central Java, 2023,” Jurnal Ilmiah Teori dan Aplikasi Statistika, vol. 18 (2), no. 2, pp. 981–992, 2025, doi: 10.36456/jstat.vol18.no2.a10663.
[8] U. R. Aisy, I. N. Budiantara, and A. T. Rumiati, “Variance-covariance matrix on mixed estimator of spline truncated, kernel, and fourier series,” 2024, p. 040006. doi: 10.1063/5.0180298.
[9] A. P. Anisar, S. Sifriyani, and A. T. R. Dani, “ESTIMATION OF A BI-RESPONSE TRUNCATED SPLINE NONPARAMETRIC REGRESSION MODEL ON LIFE EXPECTANCY AND PREVALENCE OF UNDERWEIGHT CHILDREN IN INDONESIA,” BAREKENG: Jurnal Ilmu Matematika dan Terapan, vol. 17, no. 4, pp. 2011–2022, Dec. 2023, doi: 10.30598/barekengvol17iss4pp2011-2022.
[10] R. M. P. Firpha and A. I. Achmad, “Regresi Nonparametrik Spline Truncated untuk Pemodelan Persentase Penduduk Miskin di Jawa Barat Pada Tahun 2021,” Bandung Conference Series: Statistics, vol. 2, no. 2, pp. 454–458, Aug. 2022, doi: 10.29313/bcss.v2i2.4720.
[11] N. Wayan, M. N. Yani, G. Ayu, M. Srinadi, and W. Sumarjaya, “APLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja),” vol. 6, no. 1, pp. 65–73, 2017.
[12] H. Husain, A. Fatma Dewi, and A. E. Wardani, “PEMODELAN PREVALENSI STUNTING INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK SPLINE TRUNCATED Modeling of Indonesian Stunting Prevalence Using Spline Truncated Non-parametric Regression,” 2024.
[13] N. Fawaz Bilqisthi, M. Falah, P. S. Studi, I. Keperawatan, F. Kesehatan, and U. Muhammadiyah Tasikmalaya Coorresponding Author, “EFEKTIVITAS PROGRAM 1000 HARI PERTAMA KEHIDUPAN (HPK) DALAM MENURUNKAN PREVALENSI STUNTING PADA BALITA: LITERATURE REVIEW,” Jurnal Multidisiplin Ilmu Akademik, vol. 2, no. 6, pp. 1058–1063, 2025, doi: 10.61722/jmia.v2i6.7431.
[14] Yudhistirana, Mona Nulanda, and Maya Susanti, “Tinjauan Literatur : Determinan Stunting Pada 1000 Hari Pertama Kehidupan Anak,” JURNAL RISET RUMPUN ILMU KEDOKTERAN, vol. 4, no. 1, pp. 452–458, Jun. 2025, doi: 10.55606/jurrike.v4i1.5723.
[15] A. KURNIAWAN and F. Fairus, “ANALISIS REGRESI LINEAR BERGANDA UNTUK MENGETAHUI FAKTOR YANG MEMPENGARUI KEJADIAN STUNTING DI KOTA LANGSA,” Jurnal Pembangunan dan Kebijakan Publik, vol. 16, no. 1, pp. 1–9, Feb. 2025, doi: 10.36624/jpkp.v16i1.199.

This work is licensed under a Creative Commons Attribution 4.0 International License.






_uk501.png)

.2022-2026_uk200_pxl_.jpg)















.png)
3.png)
