PEMODELAN KUSTA DI INDONESIA TAHUN 2023 DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION MENGGUNAKAN FIXED GAUSSIAN WEIGHTED

Abstract

Penelitian ini bertujuan untuk memodelkan prevalensi kusta di Indonesia tahun 2023 dengan pendekatan Geographically Weighted Regression (GWR) menggunakan pembobot Fixed Gaussian. Data yang digunakan meliputi prevalensi kusta dan beberapa faktor sosial-ekonomi di 34 provinsi. Metode analisis diawali dengan regresi linier global (OLS) kemudian dilanjutkan dengan GWR untuk melihat variasi spasial pengaruh setiap variabel. Hasil penelitian menunjukkan bahwa model GWR memiliki nilai Akaike Information Criterion (AIC) yang lebih rendah dan koefisien determinasi (R²) yang lebih tinggi dibandingkan model OLS, sehingga GWR dinilai lebih baik dalam menangkap variasi spasial. Beberapa provinsi di kawasan timur Indonesia, seperti Maluku, Maluku Utara, Papua, dan Sulawesi Utara, teridentifikasi memiliki variabel yang signifikan secara lokal, sedangkan provinsi di wilayah barat tidak menunjukkan signifikansi lokal. Temuan ini menegaskan perlunya penerapan pendekatan spasial dalam pengendalian kusta agar kebijakan yang disusun lebih tepat sasaran sesuai dengan kondisi wilayah masing-masing.