Universitas Sumatera Utara
1. Estimasi terhadap multiple interrelated dependence relationships yang istilah
sederhananya adalah susunan beberapa persamaan regresi berganda yang terpisahkan tetapi saling berkaitan. Susunan persamaan ini dispesifikasikan
dalam bentuk model structural dan diestimasi oleh SEM secara simultan. 2.
Kemampuan untuk menunjukkan beberapa konsep tidak teramati unobserved concepts serta beberapa hubungan yang ada di dalamnya, dan perhitungan
terhadap beberapa kesalahan pengukuran dalam proses estimasi. SEM menyajikan konsep tidak teramati melalui penggunaan beberapa variabel laten.
Pendekatan beberapa variabel teramati terhadap suatu konsep jarang dapat dilakukan dengan sempurna dan hampir selalu ada kesalahannya. Beberapa
kesalahan pendekatan ini sering dikenal sebagai kesalahan pengukuran measurement errors dan dapat diestimasi menggunakan beberapa fasilitas
yang ada pada SEM.
2.2.4 Model General Spatial Model atau Spatial Autoregressive Moving
Average SARMA
Spatial Autoregressive Moving Average SARMA merupakan salah satu model spasial dengan pendekatan area dengan memperhitungkan pengaruh spasial
lag pada variabel dependen dan independen Anselin 1988. Model terbentuk apabila
0, 0. Model umum SARMA dapat dilihat pada Persamaan 2.10.
Model Spatial Autoregressive Moving Average SARMA analog dengan
analisis spasial yang dikenal dengan ARMA Autoregressive Moving Average yang dikembangkan untuk model time-series. Sedangkan ARMA berhubungan
dengan pengamatan terhadap waktu dengan menggunakan matriks tautan waktu.
Universitas Sumatera Utara
Keuntungan dari SARMA adalah bahwa skala spasial dapat dimodelkan secara jelas.
2.2.5 Pemilihan Model
Anselin 1998 membedakan efek spasial menjadi dua bagian yaitu dependensi spasial dan heterogenitas spasial. Dependensi spasial ditunjukkan
dengan kemiripan sifat untuk lokasi yang saling berdekatan, sedangkan heterogenitas spasial ditunjukkan oleh perbedaan sifat antara satu lokasi dengan
lokasi lainnya. Dependensi spasial terjadi pada daerah yang memiliki kedekatan lokasi sehingga terjadi interaksi spasial pada daerah tersebut. Sedangkan
heterogenitas spasial terjadi pada lokasi-lokasi yang berbeda-beda. Salah satu dampak yang ditimbulkan karena munculnya heterogenitas
spasial adalah parameter regresi bervariasi secara spasial. Pada regresi global diasumsikan bahwa nilai duga parameter regresi akan konstan, artinya parameter
regresi sama untuk setiap titik di dalam wilayah penelitian. Bila terjadi heterogenitas spasial pada parameter regresi, maka regresi global menjadi kurang
mampu dalam menjelaskan fenomena data yang sebenarnya Anselin, 1988. Brundson, Fotheringham dan Charlton 1998 mengembangkan sebuah
metode untuk menganalisis data apabila terjadi heterogenitas spasial yang kemudian diberi nama Geographically Weighted Regression GWR. Pada GWR,
parameter regresi diasumsikan bervariasi secara spasial. Melalui GWR akan dapat diketahui variasi spasial dalam nilai duga parameter, sehingga akan dihasilkan
nilai parameter untuk setiap titik atau lokasi dimana data tersebut diamati.
Universitas Sumatera Utara
Dalam penelitian kasus gizi buruk ini, kondisi lokasi yang satu tidak selalu sama dengan kondisi yang lain, mungkin karena faktor geografis spatial
variation, keadaan sosial budaya maupun hal-hal lain yang melatarbelakangi kondisi lokasi yang diamati, sehingga model penentuan kasus gizi buruk yang
bersifat global tidaklah cocok digunakan karena munculnya heterogenitas spasial. Karena adanya perbedaan sifat antara satu lokasi dengan lokasi yang lain maka
model yang digunakan adalah Geographically Weighted Regression GWR yang akan menghasilkan dugaan parameter model regresi yang berbeda di tiap lokasi
per kecamatan.
2.3 Program R
