Geographically Weighted Negative Binomial Regresion Flexibly Shaped Spatial Scan Statistic pada jumlah kasus stunting di provinsi sulawesi selatan

A. JUANDA. B. SYAHPUTRA. Pemodelan Geographically Weighted Negative Binomial Regression Flexibly Shaped Statial Scan Statistic pada jumlah kasus stunting di Provinsi Sulawesi Selatan (dibimbing oleh Prof. Dr. Dr. Georgina Maria Tinungki, M. Si., dan Dr. Anna Islamiyati, S.Si., M.Si.). Latar Belakang: Jumlah kasus stunting merupakan data jumlah (count data) yang umumnya dipengaruhi oleh faktor lingkungan, kesehatan, dan geografis. Namun, data sering kali mengalami overdispersi serta heterogenitas spasial antar wilayah. Kondisi tersebut menyebabkan penggunaan regresi Poisson konvensional kurang tepat karena berpotensi menghasilkan estimasi parameter yang kurang akurat.. Tujuan: Penelitian ini bertujuan untuk mengestimasi parameter, memodelkan faktor-faktor yang berpengaruh terhadap jumlah kasus stunting, serta mendeteksi lokasi hotspot stunting di Provinsi Sulawesi Selatan menggunakan kombinasi metode Geographically Weighted Negative Binomial Regression (GWNBR) dan Flexibly Shaped Spatial Scan Statistic (FSSS). Hasil: Hasil penelitian menunjukkan bahwa penggunaan model Regresi Binomial Negatif berhasil mengatasi masalah overdispersi. Model GWNBR dengan pembobot Adaptive Bisquare Kernel terbukti sangat efektif dengan nilai AIC sebesar 216,98, jauh lebih unggul dibandingkan model Binomial Negatif global (AIC = 414,80). Hasil analisis parsial lokal mengelompokkan 24 kabupaten/kota menjadi tiga kelompok berdasarkan variabel signifikan. Penerapan FSSS berhasil mengidentifikasi tiga klaster kantong stunting yang signifikan. Klaster utama mencakup enam wilayah (Gowa, Takalar, Jeneponto, Bantaeng, Bulukumba, dan Kepulauan Selayar) dengan tingkat risiko relatif stunting sebesar 2,6 kali lebih tinggi dibandingkan wilayah lainnya. Kesimpulan: Kombinasi metode GWNBR dan FSSS sangat efektif untuk memodelkan data stunting yang mengalami overdispersi dan heterogenitas spasial. Metode ini mampu memetakan determinan lokal secara presisi serta menentukan wilayah prioritas utama dalam penanganan stunting.