Analisis Regresi Spasial dengan Menggunakan Program R Pada Kasus Gizi Buruk di Kota Medan Tahun 2013

(1)

Universitas Sumatera Utara ANALISIS REGRESI SPASIAL DENGAN MENGGUNAKAN PROGRAM

R PADA KASUS GIZI BURUK DI KOTA MEDAN TAHUN 2013

SKRIPSI

Oleh:

EVI SRIWAHYUNI NIM. 101000103

FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SUMATERA UTARA

MEDAN 2015

(2)

Universitas Sumatera Utara ANALISIS REGRESI SPASIAL DENGAN MENGGUNAKAN PROGRAM

R PADA KASUS GIZI BURUK DI KOTA MEDAN TAHUN 2013

SKRIPSI

Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Kesehatan Masyarakat

Oleh:

EVI SRIWAHYUNI NIM. 101000103

FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SUMATERA UTARA

MEDAN 2015

(3)

Universitas Sumatera Utara HALAMAN PERNYATAAN KEASLIAN SKRIPSI

Skripsi ini adalah hasil karya saya sendiri, semua sumber baik yang dikutip maupun dirujuk telah saya cantumkan sumbernya dengan benar. Jika di kemudian hari saya terbukti melakukan pelanggaran (plagiat) maka saya

bersedia diproses sesuai dengan hukum yang berlaku.

Nama : Evi Sriwahyuni

NIM : 101000103

Tanda Tangan :

(4)

(5)

Universitas Sumatera Utara ABSTRAK

Pemodelan kejadian balita gizi buruk dengan regresi linier yang bersifat umum belum tentu cocok diterapkan di Kota Medan karena setiap wilayah pasti memiliki karakteristik wilayah yang berbeda. Untuk itu diperlukan sebuah analisis yang memperhitungkan faktor spasial. Pemodelan bisa dilakukan dengan berbagai analisis dan berbagai software, namun penelitian ini menggunakan model Geographically Weighted Regression (GWR) dengan Program R.Penelitian ini bertujuan untuk mengaplikasikan regresi spasial pada kasus gizi buruk di Kota Medan Tahun 2013 dengan menggunakan Program R yang dapat diunggah gratis di internet.

Jenis penelitian ini adalah studi observasional analitik dengan rancangan penelitian cross sectional. Penelitian dilakukan bulan Februari hingga Desember 2014. Populasi dan sampel dalam penelitian ini adalah seluruh data balita yang tercatat di Dinas Kesehatan Kota Medan Januari – Desember 2012. Data yang ada dianalisis menggunakan analisis regresi spasial model Ordinary Least Square (OLS) dan Geographically Weighted Regression (GWR).

Hasil penelitian menunjukkan bahwa model yang fit

untukmenjelaskankejadianbalitagiziburuk di Kota Medan adalahOrdinary Least Square(p < 0,001). Faktor yang berpengaruh terhadap kejadian balita gizi buruk di Kota Medan adalah diare.

Disarankan kepadamasyarakat untuk siaga dan acuh jika anak mengalami

diare. Kepada petugaspuskesmas dan posyandudisarankan

untukmemberikanedukasitentangdiaredankepadapenelitiselanjutnyauntuk meneliti faktor-faktor lain yang mungkin berpengaruh seperti bayi berat lahir rendah (BBLR), pemeriksaan Antenatal Care (ANC), dan faktor lain selain seperti pendidikan, pengetahuan dan sosial.

(6)

Universitas Sumatera Utara ABSTRACT

Modelling of malnutrition among under five children with general linear regression was not suitable to be applied in Medan City because each region must have different regional characteristics. For that reason, it was needed an analysis which consider the spatial factor. The modelling can be done with some analysis and software, but, this research using Geographically Weighted Regression (GWR) model with R Program. The research aimed to aplicate the spatial regession for malnutrition among under five children case in Medan City 2013 using R Program that can be uploaded freely on internet.

The method of this research is analytical observational study with cross sectional design. This research was done in February to December 2014. The population and sample of this research was all under five children who was registered in Medan City Health Department in January to December 2012. All of data was analyzed using spatial regression with Ordinary Least Square (OLS) and Geographically Weighted Regression (GWR) model.

The result of this study showed that the fit model to describe the incident of malnutrition among under five children for each districts in Medan City was Ordinary Least Square(p < 0,001). The factor that affect the incident of malnutrition among under five children in Medan City was diarrhea.

It is recommended to community to standby and careful if their children get diarrhea. Public health center and posyandu officers are recommended to give education about diarrhea and for next researcher to researh the other factors that potential affect the malnutrition among under five children, for example, low birth weight infants, examination of Antenatal Care (ANC), and the other factors like education, knowledge and social.

(7)

Universitas Sumatera Utara KATA PENGANTAR

Puji syukur penulis panjatkan atas kehadirat Allah SWT yang telah memberikan kemudahan dan keridhoan kepada penulis sehingga dapat menyelesaikan skripsi ini dengan judul : “Analisis Regresi Spasial dengan Menggunakan Program R Pada Kasus Gizi Buruk di Kota Medan Tahun 2013”.

Selama proses penyusunan skripsi ini, penulis banyak mendapatkan motivasi dan bantuan dari berbagai pihak baik secara moril maupun materil. Untuk itu pada kesempatan ini penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada :

1. Bapak Dr. Drs. Surya Utama, M.S selaku Dekan Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.

2. Bapak Drs. Heru Santosa, M.S, Ph.D selaku Ketua Departemen Kependudukan dan Biostatistika Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.

3. Ibu Dr. Ir. Erna Mutiara, M.Kes selaku Dosen Pembimbing I dan Ketua Penguji yang telah banyak memberikan bimbingan, pengarahan dan masukan sehingga skripsi ini dapat diselesaikan.

4. Ibu Maya Fitria, S.K.M, M.Kes selaku Dosen Pembimbing II dan Dosen Penguji I yang telah memberikan waktu dan pikiran dalam memberikan membimbiing penulis sehingga skripsi ini dapat diselesaikan.

(8)

Universitas Sumatera Utara 5. Bapak Drs. Abdul Jalil Amri Arma, M.Kes selaku Dosen Penguji II yang telah memberikan saran dan masukan untuk kesempurnaan penulisan skripsi ini.

6. Ibu Dr. Ir. Zulhaida Lubis, M.Kes selaku Dosen Penguji III yang telah memberikan saran dan masukan untuk kesempurnaan penulisan skripsi ini. 7. Bapak dr. M. Arifin Siregar, M.S selaku Dosen Penasihat Akademik.

8. Para Dosen dan Pegawai Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.

9. Ibu Drg. Hj. Usma Polita Nasution, M.Kes selaku Kepala Dinas Kesehatan Kota Medan.

10. Bapak dr. Iman Surya selaku Kepala Bidang Bina Pelayanan Kesehatan di Kantor Dinas Kesehatan Kota Medan beserta staf dan pegawai bagian imunisasi, gizi dan penyakit balita.

11. Kepada Papa Tercinta Subroto Nyomo dan Ibok Tercinta Boini yang selalu memberikan doa, semangat, nasihat, dukungan, motivasi, keoptimisan, kesabaran dan kasih sayang yang tidak terhitung banyaknya. Kesabaran kalian adalah semangat penulis untuk terus berusaha dan bersabar dalam penulisan skripsi ini.

12. Kakakku, Nana Agustina, SE dan Adikku, Sakti Prabowo serta sahabat hatiku Fahrizal Zulfi yang selalu berdoa dan memberikan dukungan serta semangat dalam penulisan skripsi ini.

13. Sahabat seperjuangan, Dyah Ayu Wulandari SKM, Nurul Hidayah SKM, Aminah Arfah SKM, Desi Ratna Sari, Entywe Habeahan, Siti Kurniawati

(9)

Universitas Sumatera Utara SKM, Dian Fifit SKM, Effi Janiarti, Lestari S SKM terima kasih untuk semangat dan motivasi yang kalian tularkan padaku.

14. Teman-teman terkasih di Ayo Dance Online, Randy Pratama, Ricky Kurniawan, Ridho Oktav, Riko Setiawan, Kak Kebo (Kak Markus), Sapii (Agung), Tommi, July Hung yang selalu siap menghibur saat jenuh melanda.

15. Keluarga Pak Jamil di Langkat, Ibuk, Kak Deli, Om Endlo, Mi Toleng. 16. Senior-senior terhebatku, Kak Iska SKM, Kak Neni SKM, Kak Dilla SKM,

Kak Jehan SKM.

17. Teman-teman di FKM serta rekan-rekan peminatan Biostatistika dan Informasi Kesehatan, Departemen Kependudukan dan Biostatistika FKM USU.

Penulis menyadari skripsi ini masih banyak kekurangan dan kelemahan serta masih diperlukan penyempurnaan, hal ini tidak terlepas dari keterbatasan kemampuan, pengetahuan dan pengalaman yang penulis miliki. Semoga skripsi ini bermanfaat bagi ilmu pengetahuan dan penelitian selanjutnya.

Medan, Desember 2014

(10)

Universitas Sumatera Utara DAFTAR ISI

HALAMAN PERNYATAAN KEASLIAN SKRIPSI ... i

HALAMAN PENGESAHAN ... ii

ABSTRAK ... . iii

ABSTRACT ... . iv

KATA PENGANTAR ... v

DAFTAR ISI ... . viii

DAFTAR TABEL ... . xi

DAFTAR GAMBAR ... xiii

DAFTAR RIWAYAT HIDUP ... xiv

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 5

1.3 Tujuan Penelitian ... 5

1.3.1 Tujuan Umum ... 5

1.3.2 Tujuan Khusus ... 5

1.4 Manfaat Penelitian ... 5

BAB II TINJAUAN PUSTAKA ... 6

2.1 Analisis Regresi ... 6

2.2 Regresi Spasial ... 7

2.2.1 Model Geographically Weighted Regression (GWR) ... 8

2.2.2 Model Spatial Lag Model (SLM) atau Spatial Autoregressive Model (SAR) ... 11

2.2.3 Model Structural Equation Model (SEM) ... 12

2.2.4 Model General Spatial Model atau Spatial Autoregressive Moving Average (SARMA) ... 14

2.2.5 Pemilihan Model ... 15

2.3 Program R .. . ... 16

2.3.1 Sejarah ... 16

2.3.2 Kelebihan dan Kekurangan Program R ... 17

2.5.2.1 Kelebihan Program R ... 17

2.5.2.2 Kekurangan Program R ... 18

2.3.3 Cara Memperoleh Program R ... 18

2.3.4 Analisis Regresi Spasial dalam Program R ... 20

2.3.5 Geographically Weighted Regression (GWR) dalam Program R ... 24

2.4 Gizi ... 26

2.5 Gizi Buruk ... ... 27

2.5.1 Penyebab Gizi Buruk ... 28

(11)

Universitas Sumatera Utara

2.6 Kerangka Konsep Penelitian ... 36

2.7 Hipotesis Penelitian ... 36

BAB III METODE PENELITIAN ... 37

3.1 Jenis dan Rancangan Penelitian ... 37

3.2 Lokasi dan Waktu Penelitian ... 37

3.3 Populasi dan Sampel ... 37

3.3.1 Populasi ... 37

3.3.2 Sampel ... 37

3.4 Metode Pengumpulan Data ... 38

3.4.1 Jenis Data ... 38

3.4.2 Cara Pengumpulan Data ... 38

3.5 Definisi Operasional Variabel ... 38

3.6 Aspek Pengukuran ... 39

3.7 Teknik Analisis Data ... 41

BAB IV HASIL PENELITIAN ... 44

4.1 Gambaran Umum Kota Medan ... 44

4.1.1 Geologi ... 44

4.1.2 Letak ... 44

4.1.3 Batas ... 44

4.1.4 Iklim ... 45

4.2 Distribusi Kejadian Gizi Buruk dan Faktor-Faktor yang Memengaruhinya ... 45

4.2.1 Gizi Buruk ... 45

4.2.2 ASI Eksklusif ... 47

4.2.3 Imunisasi Lengkap ... 48

4.2.4 Vitamin A ... 49

4.2.5 ISPA ... 50

4.2.6 Diare ... 51

4.2.7 Fasilitas Pelayanan Kesehatan ... 52

4.3 Titik Koordinat 21 Kecamatan di Kota Medan ... 53

4.4 Analisis Data ... 53

4.4.1 Identifikasi Pola Hubungan antara Balita Gizi Buruk dan Faktor-Faktor yang Memengaruhinya ... 53

4.4.2 Memeriksa Multikoleniaritas antara Variabel-Variabel Independen ... 56

4.4.3 Model Regresi Ordinary Least Square (OLS) Kejadian BalitaGizi Buruk ... 56

4.4.4 Uji Parameter Regresi Ordinary Least Square (OLS) ... 57

4.4.5 Model Geographically Weighted Regression (GWR) Balita Gizi Buruk ... 61

4.4.6 Pengujian Kesesuaian Model GWR ... 63

(12)

Universitas Sumatera Utara

BAB V PEMBAHASAN ... 66

5.1 Pengaruh ASI Eksklusif Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 66

5.2 Pengaruh Imunisasi Lengkap Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 67

5.3 Pengaruh Vitamin A Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 69

5.4 Pengaruh ISPA Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 69

5.5 Pengaruh Diare Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 71

5.6 Pengaruh Fasilitas Pelayanan Kesehatan Terhadap Kejadian Balita Gizi Buruk di Kota Medan ... 72

BAB VI KESIMPULAN DAN SARAN ... 74

6.1 Kesimpulan ... 74

6.2 Saran ... . 74

DAFTAR PUSTAKA ... 76 DAFTAR LAMPIRAN

(13)

Universitas Sumatera Utara DAFTAR TABEL

Tabel 1.1 Jumlah Balita menurut Status Gizi dan Kecamatan di

Kota Medan Tahun 2012 ... 2

Tabel 2.1 Kategori dan Ambang Batas Status Gizi Anak berdasarkan Indeks ... 27

Tabel 4.1 Distribusi Balita yang Menderita Gizi Buruk di Kota Medan Tahun 2013 ... 46

Tabel 4.2 Distribusi Balita yang Memperoleh ASI Eksklusif di Kota Medan Tahun 2013... 47

Tabel 4.3 Distribusi Balita yang Memperoleh Imunisasi Lengkap di Kota Medan Tahun 2013 ... 48

Tabel 4.4 Distribusi Balita yang Memperoleh Vitamin A di Kota Medan Tahun 2013 ... 49

Tabel 4.5 Distribusi Balita yang Mengalami Penyakit Infeksi ISPA di Kota Medan Tahun 2013 ... 50

Tabel 4.6 Distribusi Balita yang Mengalami Penyakit Infeksi Diare di Kota Medan Tahun 2013 ... 51

Tabel 4.7 Distribusi Fasilitas Pelayanan Kesehatan di Kota Medan Tahun 2013 ... 52

Tabel 4.8 Titik Koordinat 21 Kecamatan di Kota Medan ... 53

Tabel 4.9 Nilai Variance Inflation Factors (VIF) OLS ... 56

Tabel 4.10 Estimasi Parameter, Nilai Statistik Uji T Model OLS ... 58

Tabel 4.11 Uji Homogenitas ... 59

Tabel 4.12 Nilai Variance Inflation Factors (VIF) GWR ... 61

Tabel 4.13 Nilai Bandwidth Tiap Kecamatan ... 62

Tabel 4.14 Nilai Minimum dan Maksimum Estimasi Parameter Model GWR ... 63

(14)

Universitas Sumatera Utara Tabel 4.15 Nilai SSE, Uji F, dan P-value Model regresi OLS dan GWR ... 63 Tabel 4.16 Variabel yang Signifikan dalam Model GWR Tiap Kecamatan

(15)

Universitas Sumatera Utara DAFTAR GAMBAR

Gambar 2.1 Jendela dialog awal instalasi R dalam sistem operasi

Windows ... 19

Gambar 2.2 Icon R pada desktop ... 20

Gambar 2.3 Tampilan awal Program R ... 20

Gambar 2.4 Tampilan dari Load Package-spdep package ... 21

Gambar 2.5 Tampilan dari R-Console untuk spdep package ... 22

Gambar 2.6 Tampilan dari Load Package-Rcmdr package ... 23

Gambar 2.7 Tampilan Rcmdr untuk Rcmdr package ... 23

Gambar 2.8 Tampilan dari Load Package ... 25

Gambar 2.9 Tampilan dari Load Package pada spgwr package ... 25

Gambar 2.10 Faktor yang memengaruhi status gizi ... 29

Gambar 2.11 Kerangka Konsep ... 36

Gambar 4.1 Hasil Analisis Korelasi Pearson ... 54

Gambar 4.2 Diagram Pencar Pola Hubungan Variabel Dependen Dengan Variabel Independen ... 55

(16)

Universitas Sumatera Utara DAFTAR RIWAYAT HIDUP

Nama : EVI SRIWAHYUNI

Tempat Lahir : Bah Lias Kec. Bandar Kab. Simalungun

Sumatera Utara

Tanggal Lahir : 29 Juni 1992

Suku Bangsa : Jawa

Agama : Islam

Nama Ayah : Subroto

Suku Bangsa Ayah : Jawa

Nama Ibu : Boini

Suku Bangsa Ibu : Jawa

Pendidikan Formal

1. SD/Tamat tahun : SD Negeri 1 No. 091644 Bandar/2000 – 2004

2. SLTP/Tamat tahun : SMP Negeri 1 Bandar/2004 – 2007

3. SLTA/Tamat tahun : SMA Negeri 1 Bandar/2007 – 2010

(17)

Universitas Sumatera Utara ABSTRAK

Hasil penelitian menunjukkan bahwa model yang fit

untukmenjelaskankejadianbalitagiziburuk di Kota Medan adalahOrdinary Least Square(p < 0,001). Faktor yang berpengaruh terhadap kejadian balita gizi buruk di Kota Medan adalah diare.

Disarankan kepadamasyarakat untuk siaga dan acuh jika anak mengalami

diare. Kepada petugaspuskesmas dan posyandudisarankan

(18)

Universitas Sumatera Utara ABSTRACT

(19)

Universitas Sumatera Utara BAB I

PENDAHULUAN 1.1 Latar Belakang

Menurut laporan World Health Organization (WHO) pada tahun 2012 sebanyak 6,6 juta anak dibawah usia 5 tahun meninggal dunia, hampir 18.000 kematian per hari. Kematian anak dibawah 5 tahun tertinggi masih di wilayah Afrika yaitu 95 kematian per 1000 kelahiran hidup, sekitar 8 kali lebih tinggi daripada wilayah Eropa yaitu 12 kematian per 1000 kelahiran hidup. Selain itu, kesenjangan tingginya kematian balita antara negara dengan penghasilan tinggi dan rendah masih tetap besar. Kematian balita tahun 2012 di negara dengan penghasilan rendah mencapai 82 kematian per 1000 kelahiran hidup, sekitar 3 kali lebih tinggi daripada negara dengan penghasilan tinggi yaitu 6 kematian per 1000 kelahiran hidup.

Indonesia dihadapkan dengan persoalan gizi buruk yang merupakan salah satu persoalan utama dalam pembangunan manusia. Berdasarkan Riset Kesehatan Dasar (Riskesdas) tahun 2013, di Indonesia sebesar 13,90% balita dengan gizi kurang, menurun dari hasil Riskesdas 2010 yaitu sebesar 17,90% balita. Namun terjadi peningkatan pada kejadian gizi buruk yaitu sebesar 5,70% balita pada Riskesdas 2013 dari 4,90% balita pada Riskesdas 2010. Angka tersebut masih jauh dari target MDG’s 2015 yaitu sebesar 15,50% untuk prevalensi gizi kurang dan 3,60% untuk prevalensi gizi buruk.

Pada tahun 2009 terdapat sebesar 0,52% (911) balita dengan gizi buruk dan 3,21% (5.676) balita dengan gizi kurang di kota Medan (Pemko Medan, 2012). Pada tahun 2010 menurun drastis menjadi 163 balita, dan kembali menurun pada

(20)

Universitas Sumatera Utara tahun 2011 menjadi 124 balita (Dinkes Kota Medan, 2012). Berdasarkan data Dinkes Kota Medan, kasus gizi buruk di kota Medan tetap pada tahun 2012 yaitu sebesar 0,077% (124) balita. Namun meningkat pada Mei 2013 yaitu sebesar 0,087% (138) balita (Dinkes Kota Medan, 2013). Dinas Kesehatan Provinsi Sumatera Utara mencatat bahwa sepanjang tahun 2012 terdapat sebanyak 746 kasus gizi buruk di wilayah Sumatera Utara, dan Kota Medan sebagai pemegang kasus tertinggi. Prevalensi balita menurut status gizi di Kota Medan berdasarkan Profil Dinas Kesehatan Kota Medan 2013 dapat dilihat pada Tabel 1.1 berikut :

Tabel 1.1 Jumlah Balita menurut Status Gizi dan Kecamatan di Kota Medan Tahun 2012

Kecamatan Gizi Lebih Gizi Baik Gizi Kurang Gizi Buruk

Medan Tuntungan - - 55 2

Medan Johor - - 29 7

Medan Amplas - - 32 0

Medan Denai - - 101 10

Medan Area - - 47 6

Medan Kota - - 24 4

Medan Maimun - - 60 4

Medan Polonia - - 80 2

Medan Baru - - 40 4

Medan Selayang - - 39 2

Medan Sunggal - - 40 9

Medan Helvetia - - 68 13

Medan Petisah - - 54 3

Medan Barat - - 67 4

Medan Timur - - 55 3

Medan Perjuangan - - 99 6

Medan Tembung - - 85 10

Medan Deli - - 72 12

Medan Labuhan - - 107 11

Medan Marelan - - 63 5

Medan Belawan - - 150 7

Jumlah - - 1.367 124

Sumber : Profil Dinas Kesehatan Kota Medan 2013 menggambarkan kondisi tahun 2012

(21)

Universitas Sumatera Utara Adapun faktor-faktor yang dipilih sebagai faktor yang memengaruhi gizi buruk di Kota Medan adalah ASI eksklusif, imunisasi lengkap, vitamin A, infeksi saluran pernapasan akut (ISPA), diare dan fasilitas pelayanan kesehatan. Faktor-faktor tersebut dipilih berdasarkan Faktor-faktor yang memengaruhi gizi buruk menurut UNICEF dan berdasarkan ketersediaan data di Dinas Kesehatan Kota Medan.

Kasus gizi buruk yang terjadi di Kota Medan tersebar tidak secara merata di 21 kecamatan yang ada di Kota Medan. Oleh karena itu, lingkungan atau kondisi geografis daerah sangat mungkin memengaruhi terjadinya gizi buruk. Ini berarti bahwa, kasus gizi buruk sudah memenuhi syarat untuk dianalisis dengan menggunakan analisis regresi spasial. Regresi spasial adalah suatu analisis yang digunakan untuk memodelkan suatu data yang memiliki informasi ruang atau spasial. Menurut Anselin (1988) jika dalam analisis pada kasus yang memiliki informasi spasial menggunakan analisis regresi sederhana maka akan terjadi pelanggaran terhadap asumsi seperti nilai sisa berkolerasi dengan yang lain dan varian tidak konstan. Jika dalam analisis, informasi ruang atau spasial diabaikan pada data yang memiliki informasi ruang atau spasial, maka koefisien regresi akan bias atau tidak konsisten, R2 berlebihan, dan kesimpulan yang ditarik tidak tepat karena model analisis yang digunakan tidak akurat. Beberapa model yang telah berkembang adalah Geographically Weighted Regression (GWR) dengan pendekatan titik, Spatial Autoregressive Model (SAR), Spatial Error Model (SEM), dan Spatial Autoregressive Moving Average (SARMA) dengan pendekatan area.

(22)

Universitas Sumatera Utara Diperlukan suatu metode pemodelan statistik dengan memperhitungkan informasi spasial dengan menggunakan pendekatan titik koordinat lattitude dan longitude. Sehingga model yang akan digunakan dalam penelitian ini adalah model Geographically Weighted Regression (GWR) yang akan menghasilkan dugaan parameter model regresi untuk setiap lokasi (per kecamatan).

Geographically Weighted Regression (GWR) adalah model regresi yang dikembangkan oleh Fotheringham, dkk (2002) merupakan salah satu pengembangan model regresi OLS dengan mempertimbangkan spasial (lokasi) yang digunakan untuk mengatasi masalah heterogenitas spasial yang disebabkan oleh kondisi lokasi yang satu dengan lokasi lain tidak sama. Model ini merupakan model regresi linier yang menghasilkan dugaan parameter model regresi yang bersifat lokal untuk setiap lokasi atau titik dimana data tersebut diperoleh atau dikumpulkan.

Perangkat lunak (software) yang dapat digunakan untuk melakukan analisis regresi spasial diantaranya adalah MATLAB, Octave, R, ArcView, S-plus dan OpenGeoDa. Octave, R dan OpenGeoDa merupakan software yang dapat diunduh secara gratis. MATLAB, Octave dan R merupakan software yang berbasis command line sehingga dituntut lebih dalam kemampuan menyusun atau membuat syntax dan macro. Dalam analisis ini, software yang akan digunakan adalah R dengan alasan untuk memperkenalkan sistem Command Line Interface (CLI)tidak hanya sistem Grapical User Interface (GUI) seperti yang ada dalam SPSS, menghasilkan output yang mudah dipahami, bersifat multiplatform yang dapat digunakan di seluruh sistem operasi tidak seperti Octave yang disediakan

(23)

Universitas Sumatera Utara untuk LINUX, mudah diperoleh karena dapat diunduh secara gratis tidak seperti MATLAB yang sangat mahal.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, maka yang menjadi rumusan masalah dalam penelitian ini adalah bagaimana penerapan analisis regresi spasial dengan menggunakan Program R pada kasus gizi buruk di Kota Medan tahun 2013. 1.3 Tujuan Penelitian

1.3.1 Tujuan Umum

Tujuan dari penelitian ini adalah untuk mengaplikasikan regresi spasial pada kasus gizi buruk di Kota Medan tahun 2013 dengan menggunakan Program R. 1.3.2 Tujuan Khusus

1. Menganalisis pengaruh ASI eksklusif, imunisasi lengkap, vitamin A, infeksi saluran pernafasan akut (ISPA), diare dan fasilitas pelayanan kesehatan terhadap kejadian gizi buruk di Kota Medan.

2. Menentukan model yang fit antara model yang diperoleh dari hasil analisis Ordinary Least Square (OLS) dan Geographically Weighted Regression (GWR) untuk kasus gizi buruk di Kota Medan.

1.4 Manfaat Penelitian

1. Model kasus gizi buruk yang diperoleh dapat digunakan untuk membuat suatu prediksi, antisipasi dan langkah awal yang dapat dilakukan untuk mengurangi kasus gizi buruk di Kota Medan guna mencapai target MDG’s tahun 2015. 2. Sebagai bahan masukan atau referensi bagi peneliti lain yang ingin melakukan

(24)

Universitas Sumatera Utara BAB II

TINJAUAN PUSTAKA 2.1 Analisis Regresi

Analisis regresi adalah analisis yang digunakan untuk mendapatkan hubungan matematis antara satu variabel dependen (y) dan satu atau lebih variabel independen (x). Menurut Draper dan Smith (1992) dikatakan bahwa hubungan antara satu variabel dependen dengan satu atau lebih variabel independen dapat dinyatakan dalam model regresi linier. Secara umum hubungan tersebut dapat dinyatakan sebagai berikut :

(2.1)

dimana

y = variabel dependen

, , … = parameter yang tidak diketahui

X = variabel independen

= error regresi

Jika dilakukan pengamatan sebanyak n, maka model pengamatan ke-i adalah:

(2.2) i = 1,2,3,...,n

Jika disederhanakan (Ordinary Least Square (OLS)) menjadi

(2.3)

dimana

(25)

Universitas Sumatera Utara = vektor koefisien parameter regresi yang berukuran (k+1)x1

= error regresi 2.2 Regresi Spasial

Regresi spasial adalah suatu analisis yang digunakan untuk memodelkan suatu data yang memiliki informasi ruang atau spasial. Beberapa model yang telah berkembang adalah Geographically Weighted Regression (GWR), Spatial Autoregressive Model (SAR), Spatial Error Model (SEM) dan Spatial Autoregressive Moving Average (SARMA). Model umum regresi spasial dinyatakan dalam persamaan Anselin (1988) :

(2.4) (2.5)

~ 0, (2.6)

dimana

y = matriks variabel dependen yang berukuran (n x 1) X = matriks variabel independen berukuran (n x (k+1))

= vektor koefisien parameter regresi yang berukuran (k+1)x1

! = koefisien autoregresi lag spasial

" = koefisien autoregresi lag pada error yang bernilai |"$|% 1$

' = vektor error yang diasumsikan ada autokorelasi berukuran n x 1 = vektor error yang berukuran n x 1, yang berdistribusi normal

dengan =-mean nol dan varians

W = matriks pembobot spasial yang berukuran n x n n = banyaknya amatan atau lokasi

(26)

Universitas Sumatera Utara k = jumlah variabel independen (k = 1, 2, ...dst)

I = matriks identitas dengan ukuran n x n

Terdapat empat model yang dapat dibentuk dari model umum regresi yaitu: 1. Geographically Weighted Regression (GWR)

(

)

(

)

,

i i i k i i ik i

y

β

u v

β

u v x

ε

=

+

∑

+

2. Spatial Lag Model (SLM) atau Spasial Autogressive Model (SAR) Jika ! ( 0, " 0 maka persamaan (2.4) menjadi:

(2.8)

3. Spatial Error Model (SEM)

Jika ! 0, " ( 0 maka persamaan (2.4) menjadi:

(2.9)

4. General Spatial Model atau Spatial Autoregressive Moving Average (SARMA) Jika ! ( 0, " ( 0 maka persamaan (2.4) menjadi:

, (2.10)

2.2.1 Model Geographically Weighted Regression (GWR)

Model Geographically Weighted Regression (GWR) adalah model regresi yang pertama kali diperkenalkan oleh Fotheringham pada tahun 1967 yang

merupakan salah satu pengembangan model regresi OLS dengan

mempertimbangkan spasial atau lokasi (Maulani, 2013). Model ini merupakan model regresi linier yang menghasilkan dugaan parameter model regresi yang bersifat lokal untuk setiap lokasi atau titik dimana data tersebut diperoleh atau dikumpulkan. Model GWR dapat ditulis sebagai berikut :

(27)

Universitas Sumatera Utara

(

)

(

)

0 1

,

i i i k i i ik i

y

β

u v

β

u v

x

ε

=

+

∑

+

dimana:

y

: Nilai observasi variabel respon untuk lokasi ke-i

(

u

,

v

)

: Menyatakan titik koordinat (longitude, latitude) lokasi i

(

,

)

u v

i i

β

: Koefisien regresi variabel prediktor ke- k untuk lokasi ke-i Estimasi parameter di suatu titik (ui ,vi) akan lebih dipengaruhi oleh titik-titik yang dekat dengan lokasi (ui ,vi) daripada titik-titik yang lebih jauh. Pemilihan pembobot spasial digunakan untuk menentukan besarnya pembobot masing-masing lokasi yang berbeda. Salah satu cara yang digunakan untuk menentukan besarnya pembobot adalah dengan fungsi kernel. Pembobot yang terbentuk dengan menggunakan fungsi kernel ini adalah fungsi jarak Gaussian (Gaussian Distance Function), fungsi Exponential, fungsi Bisquare, dan fungsi kernel Tricube. Fungsi pembobot yang digunakan pada penelitian ini adalah fungsi jarak Gaussian.

(

)

(

)

_   − = 2 2 1 exp

,v d h

wj i i ij

dengan

(

) (

)

j i j i

ij u u v v

d = − + − adalah jarak euclidian antara lokasi

(

ui,vi

)

lokasi

(

uj,vj

)

dan h adalah parameter non negatif yang diketahui dan biasanya

disebut parameter penghalus (bandwidth).

Bandwidth dapat dianggap sebagai radius dari suatu lingkaran, sehingga sebuah titik yang berada dalam radius lingkaran dianggap masih memiliki pengaruh. Di dalam pembentukan sebuah model GWR, bandwidth berperan sangat penting karena akan berpengaruh pada ketepatan model terhadap data, (2.11)

(28)

Universitas Sumatera Utara yaitu mengatur varians dan bias dari model (Lestari, 2011). Ada beberapa metode yang digunakan untuk memilih bandwidth optimum, salah satu diantaranya adalah metode Cross Validation (CV) sebagai berikut :

( )

(

)

ˆ ( )

i i

CV h

y

_≠

h

=

∑

−

Dengan

y

≠i

( )

h

adalah nilai penaksir

y

i dimana pengamatan di lokasi

(

u

,

v

)

dihilangkan dari proses estimasi. Untuk mendapatkan nilai

h

yang

optimal maka diperoleh dari

h

yang menghasilkan nilai Cross Validation (CV) minimum.

Pengujian kesesuaian model (goodness of fit) dilakukan dengan menguji kesesuaian dari koefisien parameter secara serentak, yaitu dengan mengkombinasikan uji regresi linier dengan model untuk data spasial. Hipotesis yang digunakan sebagai berikut :

(

)

H :

β

_k u v_i, _i =

β

_k untuk setiap k=0,1, 2, , , dan p i=1, 2, ,n

(tidak ada perbedaan yang signifikan antara model regresi global dan GWR)

H :Paling sedikit ada satu β_k

(

u v_i, _i

)

≠β_k, k=0,1, 2, ,p

(ada perbedaan yang signifikan antara model regresi global dan GWR). Statistik uji:

( )

( ) (

₀ 1

)

2 2 1 1 − −         = p n H SSE H SSE Fhitung δ δ (2.14)

Jika hipotesis null () ) adalah benar berdasarkan data yang diberikan, maka nilai SSE () ) akan sama dengan nilai SSE () ). Akibatnya ukuran (2.13)

(29)

Universitas Sumatera Utara SSE() )/SSE() ) akan mendekati satu, sebaliknya jika ) tidak benar maka nilainya cenderung mengecil (Leung et. al., 2000 dalam Lestari, 2011) menghasilkan nilai yang relatif kecil, maka dapat dikatakan bahwa hipotesis alternatif lebih cocok digunakan. Dengan kata lain model GWR mempunyai goodness of fit yang lebih baik dari pada model regresi global.

Adapun pengujian signifikansi parameter model pada setiap lokasi dilakukan dengan menguji parameter secara parsial. Hipotesisnya adalah sebagai berikut :

(

)

H :

β

k u vi, i =0

(

,

)

0 :

1 k

u

v

≠

H

β

dengan k =1, 2, ,p

Statistik uji yang digunakan :

ˆ ( , )

ˆ

k i i hit kk

u v

T

c

β

σ

=

Tolak ) jika, |*+ ,| - ./

0; 23 0_/2

2.2.2 Model Spatial Lag Model (SLM) atau Spatial Autoregressive Model (SAR)

Spatial Autoregressive Model (SAR) disebut juga Spatial Lag Model (SLM) adalah salah satu model spasial dengan pendekatan area dengan memperhitungkan pengaruh spasial lag pada variabel dependen saja. Model ini dinamakan Mixed Regressive – Autoregressive karena mengkombinasikan regresi biasa dengan model regresi spasial lag pada variabel dependen (Anselin, 1988). Model spasial autoregressive terbentuk apabila W= 0 dan λ= 0 , sehingga model ini (2.15)

(30)

Universitas Sumatera Utara mengasumsikan bahwa proses autoregressive hanya pada variabel respon. Model umum SAR dapat dilihat pada Persamaan (2.8).

Model ini adalah pengembangan dari model autoregressive order pertama, dimana variabel respon selain dipengaruhi oleh lag variabel respon itu sendiri juga dipengaruhi oleh variabel prediktor. Proses autoregressive juga memiliki kesamaan dengan analisis deret waktu seperti pada model spasial autoregressive order pertama. Perkembangan dari model SAR itu sendiri adalah model SAC dan SARMA (Anselin, 1998). Menurut Anselin (1988), untuk mengetahui model SAR ini konsisten, maka dikembangkan model estimasi parameter dengan maximum likelihood.

2.2.3 Model Structural Equation Model (SEM)

Spatial Error Model (SEM) merupakan model spasial error dimana pada error terdapat korelasi spasial, model ini dikembangkan oleh Anselin (1988). Model spasial error terbentuk apabila W= 0 dan ρ= 0, sehingga model ini mengasumsikan bahwa proses autoregressive hanya pada error model. Model umum SEM dapat dilihat pada Persamaan (2.9).

Structural Equation Model (SEM) merupakan salah satu analisis multivariat yang dapat menganalisis hubungan variabel secara kompleks. Analisis ini pada umumnya digunakan untuk penelitian-penelitian yang menggunakan banyak variabel (Nawangsari, 2011). Menurut Ghozali (2008), SEM adalah sebuah evolusi dari model persamaan berganda yang dikembangkan dari prinsip ekonometri dan digabungkan dengan prinsip pengaturan dari psikologi dan

(31)

Universitas Sumatera Utara sosiologi, SEM telah muncul sebagai bagian integral dari penelitian manajerial akademik.

SEM terdiri dari 2 bagian yaitu model variabel laten dan model pengukuran (Ghozali, 2008). Bagian pertama yaitu model variabel laten (latent variable model) mengadaptasi model persamaan simultan pada ekonometri. Jika pada ekonometri semua variabelnya merupakan beberapa variabel terukur/teramati (measured/ observed variables), maka pada model ini beberapa variabel merupakan variabel laten (latent variables) yang tidak terukur secara langsung). Sedangkan bagian kedua yang dikenal dengan model pengukuran (measurement model), menggambarkan beberapa indikator atau beberapa variabel terukur sebagai efek atau refleksi dari variabel latennya. Kedua bagian model ini merupakan jawaban terhadap 2 permasalahan dasar pembuatan kesimpulan ilmiah dalam ilmu sosial dan perilaku. Untuk permasalahan pertama yang berkaitan dengan masalah pengukuran dapat dijawab dengan model pengukuran, sedangkan permasalahan kedua yang berkaitan dengan hubungan kausal dapat dijawab menggunakan model variabel laten.

Dalam praktiknya, SEM merupakan gabungan dari dua metode statistika yang terpisah yang melibatkan analisis faktor (factor analysis) yang dikembangkan dipsikologi dan psikometri dan model persamaan simultan (simultaneous equation modelling) yang dikembangkan di ekonometrika.

Hair, Babin, Anderson, dan Tatham cit Ghozali (2008) menunjukkan perbedaan antara teknik SEM dengan teknik regresi dan multivariate lainnya, melalui 2 karakteristik SEM seperti di bawah ini:

(32)

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.

(33)

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.

(34)

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

Secara umum ada dua macam kelompok paket software statistik untuk keperluan analisis data, yaitu kelompok software komersil dan kelompok software statistik open source. Beberapa contoh sofware statistik komersil yang popular di Indonesia adalah SPSS, MINITAB, Eviews, SAS, dan S-plus. Sedangkan contoh dari freeware statistik antara lain adalah R, Open Stats, SalStat, Vista, Supermix, dan lain-lain (Suhartono, 2008).

Software statistik yang komersil mensyaratkan lisensi dengan harga yang cukup mahal untuk ukuran sebagian besar pengguna di Indonesia. Dengan demikian, salah satu alternatif penyelesaian dari mahalnya lisensi tersebut adalah melalui penggunaan freeware statistik, khususnya R.

2.3.1 Sejarah

R dalam versi terakhirnya yaitu R 3.1.2 for Windows (52 megabytes, 32/64 bit) per 31 Oktober 2014 oleh Duncan Murdoch, merupakan suatu sistem analisis

(35)

Universitas Sumatera Utara data statistik yang komplet sebagai hasil dari kolaborasi penelitian berbagai ahli statistik di seluruh dunia. Versi awal dari R dibuat pada tahun 1992 di Universitas Auckland, New Zealand oleh Ross Ihaka dan Robert Gentleman. Paket statistik R bersifat multiplatforms, dengan file instalasi binary/file tar tersedia untuk sistem operasi Windows, Mac OS, Mac OS X, Linux, Free BSD, NetBSD, irix, Solaris, AIX, dan HPUX.

2.3.2 Kelebihan dan Kekurangan Program R 2.3.2.1 Kelebihan Program R

Beberapa kelebihan Program R (Didi, 2012) adalah sebagai berikut:

1. Free, user dapat meng-copy dan meng-install program ini secara bebas tanpa perlu membayar lisensinya.

2. Multiplatform, yaitu dapat di-install dan digunakan baik pada sistem operasi Windows, UNIX/LINUX maupun Macintosh. Untuk sistem operasi UNIX/LINUX dan Macintosh diperlukan sedikit penyesuaian.

3. Programmable, user dapat memprogramkan metode baru atau mengembangkan modifikasi dari fungsi-fungsi analisa statistika yang sudah ada dalam R. Dan juga dikarenakan berbasis analisa statistika pemrograman dalam membuat paket ini jauh lebih mudah karena sudah ditunjang beberapa program dasar statistik yang telah ada.

4. Lengkap dan terdiri dari koleksi tools statistik yang terintegrasi untuk analisis data, diantaranya mulai statistik deskriptif, fungsi probabilitas, berbagai macam uji statistik hingga time series.

(36)

Universitas Sumatera Utara 5. Mempunyai kemampuan menampilkan grafis yang sangat baik dan lengkap sehingga sangat memudahkan bagi kita untuk menampilkan bentuk-bentuk grafiks sesuai yang diinginkan dan mudah dibaca.

2.3.2.2 Kekurangan Program R

Selain memiliki kelebihan, Program R juga memiliki beberapa kekurangan (Didi, 2012) yaitu:

1. R dibangun dalam versi CLI (Command Line Interface) yang banyak menggunakan syntax-syntax dalam pemrograman sehingga user tidak begitu akrab bagi user yang biasa menggunakan software dengan Point Click & GUI. Namun saat ini hal tersebut sudah mulai dapat teratasi dengan versi R-GUI yakni R-Commander walaupun masih belum memiliki tools yang lengkap namun sudah cukup powerfull untuk pengguna pemula.

2. Missing Statistical Function, walaupun analisa statistik dalam R sudah cukup lengkap, belum semua metode statistika telah diimplementasikan di dalam R. 3. Bahasa berbasis analisa matriks. Bahasa R sangat baik untuk melakukan

programming berbasis matriks. Sehingga sangat cocok dan powerfull untuk pemrograman dibidang multivariat namun cukup rumit digunakan bagi pemula. 2.3.3 Cara Memperoleh Program R

R dapat diperoleh di situs http://www.r-project.org/ atau http://cran.r-project. org/. Pada server CRAN ini dapat didownload file instalasi binary dan source code dari R-base system dalam sistem operasi Windows (semua versi), beberapa jenis distro linux dan Macintosh. R versi terakhir adalah R 3.1.2 for Windows (52 megabytes, 32/64 bit) per 31 Oktober 2014. Setelah program

(37)

Universitas Sumatera Utara didownload, lakukan peng-install-an. Langkah-langkah instalasi dapat dilakukan sebagai berikut :

• Double click file R-3.1.2-win yang telah didownload, maka akan muncul jendela dialog seperti pada Gambar 2.1

Gambar 2.1 Jendela dialog awal instalasi R dalam sistem operasi Windows Setelah itu lanjutkan instalasi dengan mengikuti wizard dan menggunakan pilihan default instalasi.

• Klik finish jika instalasi telah selesai. Jika proses instalasi berjalan dengan sukses, maka akan muncul icon R pada desktop dan start menu seperti pada Gambar 2.2

(38)

Universitas Sumatera Utara Gambar 2.2 Icon R pada desktop

• Setelah instalasi berhasil, lakukan pengecekan apakah program R dapat berjalan dengan baik. Double click pada icon R, maka tampilan R yang muncul adalah :

Gambar 2.3 Tampilan awal Program R 2.3.4 Analisis Regresi Spasial dalam Program R

Selain membutuhkan R, paket yang dibutuhkan untuk pelaksanaan analisis regresi spasial adalah spdep package. Spdep dikembangkan oleh Roger Bivand dan teman-temannya (Anselin, 2003). Versi terakhir dari spdep adalah spdep 0.3-7.zip for Windows yang dapat didownload di situs http://spatial.nhh.no/R/spdep/.

(39)

Universitas Sumatera Utara Untuk instalasi paket spdep, dapat dilakukan manual dari spdep.zip file yang telah didownload, atau dapat juga meng-install paket spdep langsung dari program R (Anselin, 2003) yaitu dengan cara sebagai berikut:

1. Buka program R yang telah di-install 2. Pada menu Package, pilih Install package

Jika spdep.zip file telah didownload sebelumnya, maka lebih mudah meng-install dengan cara :

Pilih menu Package, kemudian pilih Install Package from local zip file. Untuk memastikan bahwa paket spdep telah berhasil di-install dan telah dapat digunakan, pada menu Package pilih Load Package, maka akan muncul :

Gambar 2.4 Tampilan dari Load Package-spdep package

Setelah memilih spdep, klik OK. Maka tampilan yang akan muncul dapat dilihat pada Gambar 2.5 sebagai berikut:

(40)

Universitas Sumatera Utara Gambar 2.5 Tampilan dari R-Console untuk spdep package

Dalam menjalankan beberapa fungsi dalam analisis ini dibantu dengan Rcmdr package. Rcmdr memiliki sistem Grapical User Interface (GUI) seperti dalam SPSS. Namun perintah dalam Rcmdr sangat terbatas, Rcmdr belum memiliki tools yang lengkap untuk melakukan analisis.

Rcmdr package versi terakhir adalah versi 2.1-1 yang dirilis pada 4 September 2014. Rcmdr package dapat didownload di http://cran.r-project.org/web/packages/ Rcmdr/index.html. Setelah selesai men-download Rcmdr package, download juga package suggest yang tersedia agar function yang diperlukan dapat berjalan dengan baik dan tidak terjadi error. Kemudian lakukan instalasi Rcmdr package dengan cara yang sama saat melakukan instalasi spdep package. Untuk memastikan bahwa paket Rcmdrtelah berhasil di-install dan telah dapat digunakan, pada menu Package klik Load Package maka akan muncul:

(41)

Universitas Sumatera Utara Gambar 2.6 Tampilan dari Load Package-Rcmdr package

Setelah memilih Rcmdr, klik OK. Maka tampilan yang akan muncul dapat dilihat pada Gambar 2.7 sebagai berikut:

(42)

Universitas Sumatera Utara 2.3.5 Geographically Weighted Regression (GWR) dalam Program R

Fungsi untuk menjalankan GWR dalam R didasarkan atas ketentuan oleh

Chris Brunsdon, Martin Charlton dan Stewart Fortheringham

(http://gwr.nuim.ie/). Paket untuk GWR berbeda dengan paket untuk analisis spasial pada umumnya. Untuk menjalankan GWR dalam R, perlu melakukan peng-install-an pada Package spgwr. Versi terbaru Package spgwr adalah versi 0.6-24 per 16 September 2013. Langkah-langkah untuk men-download paket adalah sebagai berikut :

1. Buka link berikut untuk men-download Package spgwr, http://cran.r-project.org/web/packages/spgwr/index.html. Download paket sesuai Operating System laptop atau komputer yang digunakan (Windows, OS) 2. Dalam link tersebut terdapat Package Suggests yang harus didownload

untuk melengkapi perintah syntax yang akan digunakan dalam proses analisis. Package Suggests yang tertera adalah spdep, parallel, snow dan maptools. Download seluruh paket, lakukan seperti langkah 1. Dalam masing-masing paket, terdapat Package Suggests. Download seluruhnya seperti langkah 1.

3. Apabila seluruh paket sudah didownload, lakukan peng-install-an dengan cara pilih menu Package, kemudian pilih Install Package from local zip file. Install seluruh paket yang sudah didonwload.

Untuk memastikan bahwa paket spgwr telah berhasil di-install dan telah dapat digunakan, pada menu Package pilih Load Package, maka akan muncul :

(43)

Universitas Sumatera Utara Gambar 2.8 Tampilan dari Load Package

Setelah memilih spgwr, klik OK. Maka tampilan yang akan muncul dapat dilihat pada Gambar 2.9 sebagai berikut:

(44)

Universitas Sumatera Utara 2.4 Gizi

Gizi berasal dari bahasa Arab Al Gizzai yang artinya makanan dan manfaatnya untuk kesehatan, sari makanan yang bermanfaat untuk kesehatan. Kata ‘Gizi’ dikenal di Indonesia sejak tahun 1950-an sebagai terjemahan dari kata Nutrition, suatu istilah bahasa Inggris yang berarti hubungan antara makanan dan kesehatan. Oleh Lembaga Bahasa Indonesia Fakultas Sastra Universitas Indonesia, pada tahun 1950-an ditawarkan terjemahan nutrition dengan menggunakan akar bahasa Arab Al Gizzai.

Gizi adalah suatu proses organisme menggunakan makanan yang dikonsumsi secara normal melalui pencernaan, absorbsi, transportasi, penyimpanan, metabolisme dan pengeluaran zat-zat yang tidak digunakan untuk mempertahankan kehidupan, pertumbuhan dan fungsi normal dari organ-organ serta menghasilkan energi (Supariasa, dkk. 2002).

Gizi menurut Harry Oxorn dan William R.Forte adalah memiliki pemahaman yang luas. Gizi bukan hanya sekedar membahas mengenai jenis makanan serta manfaat yang bisa diakibatkan pada tubuh manusia. Namun, gizi juga membahas tentang proses mendapatkan dan pengolahan serta pertimbangan yang perlu dilakukan dalam upaya menciptakan kestabilan kesehatan.

Status gizi adalah ekspresi dari keadaan keseimbangan dalam bentuk variabel tertentu atau perwujudan dari nutriture dalam bentuk variabel tertentu. Almatsier (2004) menyatakan bahwa status gizi merupakan keadaan tubuh sebagai akibat konsumsi makanan dan penggunaan zat-zat gizi.

(45)

Universitas Sumatera Utara Gizi baik adalah keadaan gizi seseorang terjadi karena seimbangnya jumlah asupan (intake) zat gizi dan jumlah yang dibutuhkan (required) oleh tubuh yang ditandai dengan berat badan menurut umur (BB/U) yang berada pada ≥ -2 SD sampai 2 SD tabel baku WHO-NCHS (Depkes RI, 2006).

Apabila asupan gizi berlebih dari jumlah yang dibutuhkan maka akan menyebabkan gizi lebih (over nutrition). Apabila asupan gizi kurang dari jumlah yang dibutuhkan maka akan menyebabkan gizi kurang (under nutrition). Indonesia kini sedang dihadapi kedua masalah yang disebut dengan masalah gizi ganda, yaitu gizi lebih dan gizi kurang.

2.5 Gizi Buruk

Gizi buruk (severe malnutrition) menurut daftar istilah dan pengertian Kemenkes RI 2010 adalah status gizi yang didasarkan pada indeks Berat Badan menurut Umur (BB/U) yang merupakan padanan istilah underweight (gizi kurang) dan severely underweight (gizi buruk). Keterangan kategori dan ambang batas status gizi anak berdasarkan indeks terlampir pada Kemenkes RI Nomor: 1995/MENKES/SK/XII/2010 yaitu sebagai berikut :

Tabel 2.1 Kategori dan Ambang Batas Status Gizi Anak berdasarkan Indeks

No Indeks Kategori

Status Gizi

Ambang Batas (Z-Score) 1

Berat Badan menurut Umur (BB/U)

Anak Umur 0-60 Bulan

Gizi buruk < -3 SD

Gizi kurang -3 SD sampai dengan < -2 SD

Gizi baik -2 SD sampai dengan 2 SD

Gizi lebih > 2 SD

2 Panjang Badan menurut Umur (PB/U) atau

Tinggi Badan menurut Umur (TB/U)

Anak Umur 0-60 Bulan

Sangat Pendek < -3 SD

Pendek -3 SD sampai dengan < -2 SD

Normal -2 SD sampai dengan 2 SD

(46)

Universitas Sumatera Utara Tabel 2.1 Lanjutan

No Indeks Kategori

Status Gizi

Ambang Batas (Z-Score) 3 Berat Badan menurut Panjang

Badan (BB/PB) atau Berat Badan menurut Tinggi

Badan (BB/TB) Anak Umur 0-60 Bulan

Sangat Kurus < -3 SD

Kurus -3 SD sampai dengan < -2 SD

Normal -2 SD sampai dengan 2 SD

Gemuk > 2 SD

Indeks Massa Tubuh menurut Umur (IMT/U) Anak Umur 0-60 Bulan

Sangat Kurus < -3 SD

Kurus -3 SD sampai dengan < -2 SD

Normal -2 SD sampai dengan 2 SD

Gemuk > 2 SD

Indeks Massa Tubuh menurut Umur (IMT/U) Anak Umur 5-18 Tahun

Sangat Kurus < -3 SD

Kurus -3 SD sampai dengan < -2 SD

Normal -2 SD sampai dengan 2 SD

Gemuk >1 SD sampai dengan 2 SD

Obesitas > 2 SD

Sumber : Kemenkes RI, 2011 2.5.1 Penyebab Gizi Buruk

Penyebab gizi buruk dapat dilihat dari berbagai faktor yang dapat mengakibatkan terjadinya kasus gizi buruk. Menurut UNICEF (1998) ada dua penyebab langsung yang memengaruhi status gizi yaitu:

1. Kurangnya asupan gizi dari makanan. Hal ini disebabkan terbatasnya jumlah makanan yang dikonsumsi atau makanan yang tidak memenuhi unsur gizi yang dibutuhkan karena alasan sosial dan ekonomi yaitu kemiskinan.

2. Akibat terjadinya penyakit yang mengakibatkan infeksi. Hal ini disebabkan oleh rusaknya beberapa fungsi organ tubuh sehingga tidak bisa menyerap zat-zat makanan secara baik.

Timbulnya KEP tidak hanya karena makanan yang kurang tetapi juga karena penyakit. Anak yang mendapat makanan yang cukup baik tetapi sering mengalami diare atau demam yang pada akhirnya dapat menimbulkan kurang gizi.

(47)

Universitas Sumatera Utara Begitu pula pada anak yang makanannya tidak cukup baik kuantitas dan kualitasnya yang akan menyebabkan daya tahan tubuh melemah.

Faktor-faktor yang memengaruhi status gizi menurut UNICEF dirangkum dalam Gambar 2.10 sebagai berikut:

Faktor Memengaruhi Status Gizi Status Gizi

Asupan zat gizi Penyakit Infeksi

Kemiskinan, Tingkat Pendidikan Rendah, Ketersediaan Pangan Menurun, Kesempatan Kerja Rendah

Krisis Ekonomi dan Politik

Sumber: UNICEF (1988) dengan penyesuaian

Gambar 2.10 Faktor yang memengaruhi status gizi

Faktor tidak langsung yang memengaruhi status gizi menurut UNICEF yaitu:

1. Faktor ketidaktersediaan pangan yang bergizi dan terjangkau oleh masyarakat; 2. Perilaku dan budaya dalam pengolahan pangan dan pengasuhan anak;

3. Pengelolaan yang buruk dan perawatan kesehatan yang tidak memadai.

Penyebab Langsung Penyebab Tidak Langsung Pelayanan/fasilitas kesehatan Perwatan anak

dan ibu hamil Ketersediaan pangan RT Masalah Utama Akar Masalah Ketersediaan pangan RT Perawatan anak dan ibu hamil

Penyebab Tidak Langsung

Masalah Utama

(48)

Universitas Sumatera Utara Penjelasan Gambar 2.10 dapat dilihat sebagai berikut:

a. Asupan zat gizi balita

Pemberian makanan bergizi dalam jumlah yang cukup pada masa balita mendapat perhatian serius agar anak tidak mengalami kurang gizi. Menurut Sulaeman (2003), masa penyapihan (peralihan antara penyusuan dan makanan dewasa) menyebabkan konsumsi ASI berkurang sehingga diperlukan makanan tambahan untuk memenuhi kebutuhan gizi anak khususnya energi dan protein.

Menurut Supariasa, dkk (2002) diperlukan suatu standar kecukupan untuk menilai tingkat konsumsi makanan anak yaitu Angka Kecukupan Gizi (AKG) atau Recommended Dietary Allowance (RDA). Berdasarkan Widyakarya Nasional Pangan dan Gizi (2004), klasifikasi tingkat konsumsi dibagi menjadi 5 yaitu sebagai berikut:

1. Kelebihan apabila > 120% AKG 2. Normal apabila 90-119% AKG

3. Defisit tingkat ringan apabila 80-89% AKG 4. Defisit tingkat sedang apabila 70-79% AKG 5. Defisit tingkat berat apabila < 70% AKG b. Penyakit infeksi

Penyakit infeksi yang menyerang anak dapat menyebabkan gizi anak mejadi buruk. Memburuknya keadaan gizi anak akibat penyakit infeksi dapat menyebabkan nafsu makan anak menurun, sehingga pasokan zat gizi berkurang, padahal seharusnya anak membutuhkan zat gizi yang lebih banyak.

(49)

Universitas Sumatera Utara Diare merupakan penyebab utama kesakitan dan kematian pada anak di negara-negara berkembang (Sumantri, 1994). Penyebab utama kematian yang disebabkan oleh diare adalah dehidrasi sebagai akibat kehilangan cairan dan elektrolit dalam tubuh. Selain penyakit diare, penyakit infeksi lainnya pada balita yang cukup tinggi adalah ISPA.

c. Pengetahuan

Faktor pendidikan dan pengetahuan yang rendah dari seorang ibu akan pentingnya pemberian makanan bergizi dan seimbang kepada anaknya dapat dikaitkan dengan permasalahan KEP. Hal ini juga tidak dapat dipisahkan dengan faktor perilaku, seperti yang ditemukan di Sulawesi Selatan tentang anggapan bahwa banyak makan ikan dapat menyebabkan kecacingan. Menurut Hadju (1999), pandangan yang salah terhadap jenis makanan tertentu dapat menyebabkan ibu tidak mau mengkonsumsi dan juga tidak memberikannya pada anaknya.

d. Ketahanan pangan

Ketahanan pangan adalah kemampuan keluarga untuk memenuhi kebutuhan pangan seluruh anggota keluarganya dalam jumlah yang cukup baik kualitas maupun kuantitas gizinya (Ayu, 2008). Ketahanan pangan terkait dengan ketersediaan pangan baik dari hasil pasar, produksi sendiri, maupun sumber lain, harga pangan dan daya beli keluarga, serta pengetahuan akan gizi dan kesehatan. e. Pola asuh

Menurut Hamzah (2000), pola pengasuhan anak adalah pengasuhan anak dalam pra dan pasca kelahiran, pemberian ASI, pemberian makanan, dan

(50)

Universitas Sumatera Utara pengasuhan bermain. Menurut Hurlock (1993) peran pengasuh serta interaksi yang terjadi antara pengasuh dan anak menjadi sangat penting, karena perkembangan anak secara umum termasuk dominasi dan perkembangan kognitif banyak ditentukan oleh pola pengasuhan dan peran pengasuh. Hal yang termasuk dalam pola pengasuhan anak (Ayu, 2008) adalah:

1. Pengasuhan makanan anak

Ibu menyiapkan kebutuhan pangan/gizi sejak prenatal, neo-natal berupa pemberian ASI, menyiapkan MP-ASI dan dukungan emosional pada anak. 2. Pengasuhan perawatan dasar anak

Pengawasan perawatan dasar anak adalah pemenuhan kebutuhan anak yang dilakukan oleh ibu untuk mengatasi kejadian diare, ISPA, pemberian imunisasi, pemberian vitamin A, membuat oralit, serta memberikan pelega tenggorokan dan mengatasi demam pada anak.

3. Pengasuhan higiene perorangan anak dan kesehatan lingkungan

Difokuskan kepada kemampuan ibu dalam menjaga kebersihan anak, kebersihan tempat anak banyak menghabiskan waktu, dan mencegah anak mengalami luka.

f. Pelayanan kesehatan dan kesehatan lingkungan

Adalah tersedianya pelayanan kesehatan dasar dan air bersih yang dapat dijangkau oleh setiap keluarga yang membutuhkan. Diharapkan dapat melakukan tindakan pencegahan penyakit serta pemeliharaan kesehatan seperti pemeriksaan kehamilan, imunisasi, pertolongan persalinan, penimbangan anak, penyuluhan,

(51)

Universitas Sumatera Utara posyandu, puskesmas, rumah sakit, praktek bidan maupun dokter serta persediaan air bersih.

Menurut Ikatan Dokter Anak Indonesia (IDAI) dalam Ayu (2008), ada 3 faktor penyebab gizi buruk pada anak dan balita, yaitu:

1. Keluarga miskin;

2. Ketidaktahuan orang tua atas pemberian gizi yang baik bagi anak;

3. Faktor penyakit bawaan pada anak, seperti: jantung, TBC, HIV/AIDS, saluran pernapasan dan diare (IDAI, 2007).

2.5.2 Gejala Klinis KEP Berat atau Gizi Buruk

Gejala klinis pada KEP ringan dan sedang adalah tubuh anak terlihat kurus. Sedangkan gejala klinis untuk KEP berat atau gizi buruk adalah dibagi menjadi marasmus, kwashiorkor, dan marasmus-kwashiorkor.

1. Marasmus

Kata “marasmus” berasal dari bahasa Yunani yang berarti kurus kering. Tubuh penderita marasmus hanya terlihat “tulang dan kulit”. The Wellcome Trust Working Patty pada tahun 1970 mendefinisikan marasmus dengan kriteria berat badan menurut usia yang berada di bawah 70% dari standar internasional. Marasmus merupakan adaptasi fisiologis terhadap keterbatasan energi dari makanan. Pada keadaan ini terjadi pengurangan secara nyata jumlah jaringan lemak dan subkutan disamping terdapat pula atrofi jaringan viseral. Penderita marasmus akan membatasi aktivitas fisiknya dan memiliki laju metabolisme serta pergantian protein yang menurun dalam upaya untuk menghemat nutrien. Jika dibandingkan dengan orang sehat, para penderita marasmus lebih rentan terhadap

(52)

Universitas Sumatera Utara infeksi dan memiliki kemungkinan yang lebih besar untuk meninggal atau mengalami disabilitas karena infeksi. Adapun tanda-tanda klinis yang ditimbulkan adalah:

a. keterlambatan pertumbuhan yang parah

b. kurus kering hampir tidak ada lemak di bawah kulit c. perut cekung

d. rambut jarang dan tipis

e. kulit keriput, jaringan lemak subkutis sangat sedikit sampai tidak ada (terlihat seperti memakai celana longgar/baggy)

f. wajah seperti orang tua g. cengeng dan rewel

h. sering disertai penyakit infeksi (kronis berulang, diare) 2. Kwashiorkor

Kata “kwashiorkor” berasal dari bahasa Ghana yang berarti penyakit yang terjadi ketika bayi berikutnya lahir. Kwashiorkor pertama kali dikenal di Afrika Barat pada tahun 1930-an di antara anak-anak yang disapih (penghentian pemberian ASI) dan pada mulanya dianggap sebagai keadaan defisiensi air susu. Kemudian, para pakar mengemukakan bahwa kwashiorkor merupakan keadaan defisiensi protein dari makanan, akan tetapi bukti yang ada menunjukkan bahwa hipotesis ini masih kurang kuat. Sejumlah data yang terbaru menunjukkan bahwa kwashiorkor dapat terjadi karena kehilangan antioksidan yang menyertai defisiensi energi dari makanan. The Wellcome Trust Working Patty pada tahun 1970 mendefinisikan kwashiorkor sebagai keadaan terdapatnya edema dengan

(53)

Universitas Sumatera Utara kriteria berat badan menurut usia yang berada di bawah 80% dari standar internasional. Adapun tanda-tanda klinis yang ditimbulkan adalah:

a. edema seluruh tubuh, terutama pada kedua punggung kaki b. wajah membulat dan sembab

c. pandangan mata sayu

d. rambut tipis kemerahan seperti rambut jagung, mudah dicabut tanpa rasa sakit, rontok

e. perubahan status mental, apatis dan rewel

f. otot mengecil terlihat nyata jika diperiksa pada posisi berdiri atau duduk g. kelainan kulit berupa bercak merah muda yang meluas dan berubah warna

menjadi coklat kehitaman dan terkelupas (dermatosis) h. sering disertai penyakit infeksi, anemia dan diare 3. Marasmus-Kwashiorkor

Gejala klinis yang terjadi dari penggabungan marasmus dan kwashiorkor, yaitu terjadinya penurunan berat badan tubuh sekaligus timbulnya edema.

(54)

Universitas Sumatera Utara 2.6 Kerangka Konsep Penelitian

Adapun kerangka konsep penelitian yang akan dilakukan adalah :

Gambar 2.11 Kerangka Konsep 2.7 Hipotesis Penelitian

Hipotesis penelitian yang dapat disusun adalah :

Ada pengaruh ASI eksklusif, imunisasi lengkap, vitamin A, ISPA, diare dan fasilitas pelayanan kesehatan terhadap kejadian gizi buruk pada balita di Kota Medan

GIZI BURUK ASI Eksklusif

Imunisasi Lengkap

Vitamin A

ISPA

Fasilitas Pelayanan Kesehatan

(55)

Universitas Sumatera Utara BAB III

METODE PENELITIAN 3.1 Jenis dan Rancangan Penelitian

Jenis penelitian yang dilakukan merupakan studi observasional analitik dengan rancangan penelitian cross sectional, yang meneliti variabel independen dan variabel dependen secara bersama-sama atau dalam waktu yang bersamaan. 3.2 Lokasi dan Waktu Penelitian

Penelitian dilakukan di Kota Medan yang dilaksanakan mulai bulan Februari-Desember 2014.

3.3 Populasi dan Sampel 3.3.1 Populasi

Populasi dalam penelitian ini adalah seluruh data balita dan fasilitas pelayanan kesehatan yang tercatat di Dinas Kesehatan Kota Medan hingga tahun 2012.

3.3.2 Sampel

Sampel dalam penelitian ini adalah seluruh data balita yang meliputi data balita yang mengalami gizi buruk, balita yang memperoleh ASI eksklusif, balita yang memperoleh imunisasi lengkap, balita yang memperoleh vitamin A, balita yang mengalami penyakit infeksi ISPA dan balita yang mengalami penyakit infeksi diare serta data jumlah fasilitas pelayanan kesehatan yang tercatat di Dinas Kesehatan Kota Medan hingga tahun 2012.

(56)

Universitas Sumatera Utara 3.4 Metode Pengumpulan Data

3.4.1 Jenis Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang didapatkan dari data Profil Dinas Kesehatan Kota Medan Tahun 2013 yang menggambarkan kondisi tahun 2012 dan situs Kemenag Sumatera Utara untuk titik koordinat 21 kecamatan di Kota Medan.

3.4.2 Cara Pengumpulan Data

Pengumpulan data sekunder diperoleh dengan cara mengambil titik koordinat 21 kecamatan di situs Kemenag Sumatera Utara melalui browsing internet, pengambilan profil Dinas Kesehatan Kota Medan ke Dinas Kesehatan Kota Medan, dan pengambilan data agregat di kantor BPS Kota Medan.

3.5 Definisi Operasional Variabel

1. Gizi buruk, yang dimaksud gizi buruk dalam penelitian ini adalah data jumlah kasus gizi buruk yang diukur berdasarkan indeks Berat Badan menurut Umur (BB/U) dimana ambang batas status gizi anak adalah < -3 SD menurut Profil Dinkes Kota Medan Tahun 2013 yang menggambarkan kondisi Tahun 2012.

2. ASI eksklusif adalah data pemberian ASI tanpa minuman dan makanan tambahan lainnya hingga usia 6 bulan menurut Profil Dinkes Kota Medan Tahun 2013 yang menggambarkan kondisi Tahun 2012.

3. Imunisasi lengkap adalah data pemberian imunisasi pada balita secara lengkap meliputi imunisasi BCG 1x dalam kurun waktu 0-11 bulan, Polio 1-4 dalam kurun waktu 0-11 bulan, DPT 1-3 dalam kurun waktu 2-11

(57)

Universitas Sumatera Utara bulan, Campak 1x dalam kurun waktu 9-11 bulan dan Hep B1-B3 dalam kurun waktu 0-11 bulan menurut Profil Dinkes Kota Medan Tahun 2013 yang menggambarkan kondisi Tahun 2012.

4. Vitamin A adalah data pemberian vitamin A pada balita (1-4 tahun) sebanyak 2x yaitu sebelum usia 12 bulan dan setelah usia 12 bulan menurut Profil Dinkes Kota Medan Tahun 2013 yang menggambarkan kondisi Tahun 2012.

5. ISPA adalah data balita yang mengalami penyakit infeksi ISPA menurut Profil Dinkes Kota Medan Tahun 2013 yang menggambarkan kondisi Tahun 2012.

6. Diare adalah data balita yang mengalami penyakit infeksi diare menurut Profil Dinkes Kota Medan Tahun 2013 yang menggambarkan kondisi Tahun 2012.

7. Fasilitas Pelayanan kesehatan adalah data fasilitas pelayanan kesehatan yang tersedia menurut Profil Dinkes Kota Medan Tahun 2013 yang menggambarkan kondisi Tahun 2012.

3.6 Aspek Pengukuran

Ukuran variabel yang digunakan yaitu dalam bentuk numerik. a. Variabel Dependen

Gizi buruk

Ukuran: Angka mutlak gizi buruk pada balita per kecamatan Skala ukur : Rasio

(58)

Universitas Sumatera Utara (diperoleh dari Profil Dinkes Kota Medan Tahun 2013 yang menggambarkan kondisi Tahun 2012)

b. Variabel Independen 1. ASI Eksklusif

Ukuran: Angka mutlak balita yang mendapatkan ASI eksklusif per kecamatan

Skala ukur : Rasio