Analisa Faktor-Faktor Yang Mempengaruhi Prevalensi Ketidakcukupan Konsumsi Pangan Di Sumatera Barat Menggunakan Geoda

Abstract

Background: Daily energy requirements must be fulfilled for a healthy and active life. Prevalence of Undernourishment (PoU) is an indicator which are developed for goal. A number of factors were expected affecting PoU were tested in this study. We also tested the possibility of these factors could have a spatial correlationObjectives: The study produced a map of the spread of PoU and the factors which were influenced them (independent variables). The study need to yield the best estimation model.Method : This study produce spread map of all variables, for visible purposes, and the classical regression were made. All OLS assumption will be test. Then, SAR and SEM models will be made. Finally, the best model for this study will be chosen. GeoDa software helps all steps.Results : This study concludes PoU has positive auto correlation and growth has a negative autocorrelation. The best model which produced is the Spatial Error Model (SEM). The slow trend of PoU in West Sumatera Barat is strongly suspected due to the habit of West Sumatera residents in consuming high-calorie foods such as rendang, curry and coconut milk.

Pemodelan Spasial Prevalensi Ketidakcukupan Konsumsi Pangan Menggunakan Pendekatan Ketahanan Pangan di Indonesia Tahun 2022

“…Penelitian yang mempertimbangkan efek spasial pada prevalensi ketidakcukupan konsumsi pangan masih sangat terbatas. Setidaknya baru ada dua penelitian, yaitu penelitian oleh Mardison (2020) dan Solana (2022). Mardison (2020) melakukan analisis spasial dari faktor-faktor yang mempengaruhi prevalensi ketidakcukupan konsumsi pangan di kabupaten/kota di Sumatera Barat.…”

“…Setidaknya baru ada dua penelitian, yaitu penelitian oleh Mardison (2020) dan Solana (2022). Mardison (2020) melakukan analisis spasial dari faktor-faktor yang mempengaruhi prevalensi ketidakcukupan konsumsi pangan di kabupaten/kota di Sumatera Barat. Penelitian tersebut hanya mempertimbangkan indikator di bidang ekonomi, yaitu pertumbuhan ekonomi dan persentase penduduk miskin.…”

“…Berdasarkan dimensi-dimensi tersebut, variabelvariabel yang digunakan sebagai berikut. (Rivani, 2012;Mardison, 2020) 1. Dimensi availability diwakili oleh variabel produksi rata-rata padi (X1) dan kepadatan penduduk (X2).…”

Analisis Spasial Faktor-Faktor yang Mempengaruhi Prevalensi Ketidakcukupan Konsumsi Pangan di Indonesia Tahun 2020

“…Hipotesis yang digunakan pada statistik Moran's I adalah Lee dan Wong, 2001): H0: I = 0 (tidak ada autokorelasi spasial antar wilayah) H1: I ≠ 0 (ada autokorelasi spasial antar wilayah) Statistik uji yang digunakan pada statistik Moran's I adalah Lee dan Wong, 2001) Tolak H0 ketika nilai | ZI | > Zα/2 atau p-value < α yang akan menghasilkan kesimpulan bahwa secara umum terdapat autokorelasi spasial antar lokasi pada tingkat signifikansi (α) tertentu. Nilai Moran's I (I) berada pada rentang -1 sampai 1.…”

“…Ketika keputusan tolak H0 dan nilai I > E(I), maka terdapat autokorelasi spasial positif, yang berarti bahwa nilai variabel untuk wilayah-wilayah yang secara geografis dekat cenderung serupa: wilayah dengan nilai variabel yang tinggi cenderung terletak di dekat wilayah-wilayah lain dengan nilai variabel yang tinggi, wilayah dengan nilai variabel yang rendah cenderung terletak di dekat wilayahwilayah lain dengan nilai variabel yang rendah. Begitu sebaliknya, ketika keputusan tolak H0 dan nilai I < E(I), maka terdapat autokorelasi spasial negatif yang berarti bahwa wilayah dengan nilai variabel yang tinggi cenderung terletak di dekat (bertetangga) dengan wilayah lain yang bernilai variabel yang rendah, wilayah dengan nilai variabel yang rendah cenderung terletak di dekat (bertetangga) dengan wilayah lain yang bernilai variabel yang tinggi Lee dan Wong, 2001;Fotheringham, 2009).…”