Optimisasi Portofolio Saham pada Indekx ESG Menggunakan Model Mean-Variance
DOI:
https://doi.org/10.33830/saintek.v2i1.11598.2025Kata Kunci:
binomial negatif, overdispersi, regresi spasial, malnutrisiAbstrak
Malnutrisi pada balita di Indonesia masih menjadi masalah kesehatan masyarakat yang serius, dengan tingginya prevalensi stunting, wasting, kekurangan mikronutrien, dan obesitas. Berdasarkan data Survei Kesehatan Indonesia 2023 di Provinsi Jawa Tengah, prevalensi stunting tercatat 20,7%, wasting 7,1%, berat badan kurang 14,4%, dan berat badan lebih 4,2%, yang mendekati rata-rata nasional. Penelitian ini akan menggunakan pendekatan spasial untuk menganalisis jumlah kasus malnutrisi, mengingat distribusi kasus sering dipengaruhi oleh kedekatan geografis. Data menunjukkan adanya overdispersi (rata-rata = 69,8; varians = 1033,4), sehingga model Binomial Negatif dipilih sebagai alternatif yang lebih tepat dibandingkan model Poisson, didukung oleh analisis metode Cullen & Frey dan Q-Q Plot. Uji Breusch-Pagan (p = 0,4437) mengindikasikan tidak adanya heteroskedastisitas spasial, sementara uji Moran’s I dan Getis-Ord G mengonfirmasi dependensi spasial. Dari model spasial yang diuji—SAR dan SEM —model SEM-NB terbukti paling baik berdasarkan AIC (388.33), MAD (20.73), MAPE (33.15), dan RMSE (24.94) serta lag errornya () signifikan. Prediktor yang berpengaruh signifikan dalam model ini mencakup imunisasi dasar lengkap, konsumsi daging per kapita, akses sanitasi layak, kemiskinan, dan rumah tidak layak huni. Hasil ini menyoroti pentingnya pendekatan spasial dalam memahami faktor risiko malnutrisi di Jawa Tengah.
Referensi
Amelia, M., Djuraidah, A., & Anisa, R. (2023). Pendugaan Faktor – Faktor yang Memengaruhi Kasus Stunting di Jawa Barat Tahun 2021 Menggunakan Regresi Spasial Binomial Negatif. Jurnal Matematika, Statistika, Dan Komputasi, 20(1).
Anselin, L. (1988). Spatial Econometrics: Methods and Models (Vol. 4). Springer Netherlands. https://doi.org/10.1007/978-94-015-7799-1
Djuraidah, A., & Anisa R. (2023). Analisa Statistika untuk Data Geospasial. IPB Press.
Djuraidah, Anik. (2020). Monograph penerapan dan pengembangan regresi spasial dengan studi kasus pada kesehatan, sosial, dan ekonomi. IPB Press.
Fatmah, I. N., & Sutanto, H. T. (2013). Pemodelan Faktor – Faktor yang Mempengaruhi Balita Gizi Buruk di Jawa Timur dengan Pendekatan Regresi Spasial. MATHunesa, 2(3).
Glaser, S. (2017). A review of spatial econometric models for count data, Hohenheim Discussion Papers in Business, Economics and Social Sciences (19–2017).
Golgher, A. B., & Voss, P. R. (2016). How to Interpret the Coefficients of Spatial Models: Spillovers, Direct and Indirect Effects. Spatial Demography, 4(3), 175–205. https://doi.org/10.1007/s40980-015-0016-y
Hilbe, J. M. . (2011). Negative binomial regression (2nd ed.). Cambridge University Press.
Kementerian Kesehatan Republik Indonesia. (2023). Survei Kesehatan Indonesia (SKI) 2023. Badan Kebijakan Pembangunan Kesehatan. https://www.badankebijakan.kemkes.go.id/hasil-ski-2023/
Keputusan Menteri Perencanaan Pembangunan Nasional/Kepala Badan Perencanaan Pembangunan Nasional Nomor KEP 124/M.PPN/HK/10/2021 Tentang Penetapan Rencana Aksi Nasional Pangan Dan Gizi Tahun 2021-2024, Pub. L. No. KEP 124/M.PPN/HK/10/2021 (2021).
Mustika, R., & Sulistyawan, E. (2019). Spasial Error Model untuk Balita Gizi Buruk Di di Provinsi Jawa Timur Tahun 2016. Jurnal Riset Dan Aplikasi Matematika, 3(1).
Pawitan, Y. (2023). In all likelihood : statistical modelling and inference using likelihood. Oxford University Press.
Ramadani, I. R., Rahmawati, R., & Hoyyi, A. (2013). Analisis faktor-faktor yang mempengaruhi gizi buruk balita di Jawa Tengah dengan metode spatial durbin model. Jurnal Gaussian, 2(4), 333–342.
Rohimah, S. R., Nuraidi, M., & Djuraidah, A. (2011). Model Spasial Autoregresif Poisson untuk Mendeteksi Faktor-Faktor yang Berpengaruh terhadap Jumlah Penderita Gizi Buruk di Provinsi Jawa Timur. SNS, 2.
Sauddin, A., Auliah, N., & Alwi, W. (2020). Pemodelan Jumlah Kematian Ibu di Provinsi Sulawesi Selatan Menggunakan Regresi Binomial Negatif. Jurnal Matematika Dan Statistika Serta Aplikasinya, 8(2).
UNICEF. (2022). Mengatasi tiga beban malnutrisi di Indonesia. UNICEF. https://www.unicef.org/indonesia/id/gizi?gad_source=1&gclid=CjwKCAjwyfe4BhAWEiwAkIL8sKzUXUhJarlsVgK-YVBsMWOMrC-IwekSLUX7YLXl1Jrc-JZrvzrZDhoCN4UQAvD_BwE
Usada, K. N., Wanodya, S. K., & Trisna, N. (2021). Analisis Spasial Gizi K Analisis Spasial Gizi Kurang Balita di K ang Balita di Kota Tangerang Tahun 2019. Jurnal Biostatistik, Kependudukan, Dan Informatika Kesehatan, 2(1).
Wahyuni, W. (2011). Penaksir Parameter Model Regresi Binomial Negatif pada Kasus Overdispersi. Universitas Indonesia.
