PEMODELAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN KERNEL ADAPTIVE BISQUARE PADA ANGKA KEMATIAN BALITA DI INDONESIA

Abstract

Angka Kematian Balita (AKB) merupakan indikator utama yang mencerminkan kualitas sistem kesehatan serta tingkat kesejahteraan masyarakat. Variasi kondisi demografis, sosial, dan lingkungan menyebabkan pola AKB berbeda antarwilayah sehingga analisis yang mempertimbangkan aspek spasial menjadi penting. Penelitian ini bertujuan menganalisis faktor-faktor yang memengaruhi AKB dengan menggunakan Mixed Geographically Weighted Regression (MGWR). Data yang digunakan mencakup 34 provinsi di Indonesia pada tahun 2020.  Variabel dependen dalam penelitian ini adalah AKB, sedangkan variabel independen terdiri atas rata-rata lama sekolah, persentase perempuan pernah kawin usia 15–49 tahun yang melahirkan anak pertama sebelum usia 20 tahun, persentase rumah tangga yang menggunakan bahan bakar utama arang atau kayu untuk memasak, serta persentase penduduk miskin. Pemilihan bandwidth optimum menghasilkan kernel adaptive bisquare yang digunakan dalam pembentukan model MGWR. Hasil analisis menunjukkan bahwa rata-rata lama sekolah dan penggunaan bahan bakar kayu atau arang berperan sebagai parameter global yang berpengaruh signifikan terhadap AKB. Sementara itu, persentase perempuan yang melahirkan sebelum usia 20 tahun dan persentase penduduk miskin bertindak sebagai parameter lokal dengan tingkat pengaruh berbeda antarprovinsi. Perbandingan nilai AICc dan R-Squared mengindikasikan MGWR memiliki performa terbaik (AICc = 191.82; R-Squared = 0.91), dibandingkan dengan Regresi Linear Berganda (AICc = 212.80; R-Squared = 0.76) dan GWR (AICc = 197.90; R-Squared = 0.91). Temuan ini menegaskan bahwa pendekatan spasial memberikan pemahaman lebih komprehensif mengenai determinan AKB dan dapat menjadi dasar dalam merumuskan intervensi kesehatan yang lebih tepat sasaran sesuai karakteristik wilayah.