Prediction-Oriented Segmentation Partial Least Square (POS-PLS) pada Kasus Gizi Buruk Balita di Provinsi Jawa Timur

Agustina, Fatkhi Rizqiyah (2024) Prediction-Oriented Segmentation Partial Least Square (POS-PLS) pada Kasus Gizi Buruk Balita di Provinsi Jawa Timur. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003212006-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (3MB) | Request a copy

Abstract

Salah satu metode yang dapat menjelaskan struktur hubungan kompleks dengan melibatkan banyak variabel adalah Structural Equation Modeling (SEM). SEM memerlukan pemenuhan asumsi distribusi secara parametrik yang seringkali sulit dipenuhi, sehingga diperlukan metode alternatif untuk mengatasi keterbatasan tersebut, yaitu SEM-PLS (Partial Least Square). Penelitian dengan SEM-PLS memiliki dugaan bahwa data berasal dari populasi yang homogen. Pada SEM-PLS sangat dimungkinkan terdapat heterogenitas tidak teramati pada data, yaitu heterogenitas yang muncul ketika perbedaan antar kelompok tidak tergantung pada karakteristik yang diamati melainkan pada perbedaan dalam bentuk model. Salah satu metode untuk mengatasi heterogenitas tidak teramati adalah Prediction-Oriented Segmentation PLS (POS-PLS) dengan salah satu fitur baru yang diterapkan adalah pendekatan hill-climbing untuk meningkatkan kriteria objektif (R2). Tujuan dari penelitian ini adalah untuk melakukan analisis dan kajian jarak serta penerapan hill-climbing pada POS-PLS. Selain itu penelitian ini juga bertujuan untuk mendeteksi adanya heterogenitas tidak teramati kasus gizi buruk balita di Jawa Timur tahun 2021. Provinsi Jawa Timur menjadi perhatian utama pemerintah dalam penanganan gizi buruk karena memiliki populasi yang besar meskipun termasuk salah satu wilayah yang kasus gizi buruknya menurun. Terdapat 3 faktor yang mempengaruhi gizi buruk yaitu faktor langsung, tidak langsung, dan mendasar. Hasil pemodelan secara global dengan SEM-PLS menunjukkan bahwa variabel sosial ekonomi hanya memiliki pengaruh yang signifikan terhadap pengaruh tidak langsung. Selanjutnya hasil pengolahan dengan POS-PLS meyakinkan adanya heterogenitas tidak teramati pada model global dengan membentuk 2 segmen. Hasil dari POS-PLS menunjukkan bahwa model dengan 2 segmen lebih baik dibandingkan model global karena mampu meningkatkan nilai R2.
=============================================================================================================================
One method that can explain the structure of complex relationships involving many variables is Structural Equation Modeling (SEM). SEM requires the fulfillment of parametric distribution assumptions that are often difficult to fulfill, so an alternative method is needed to overcome these limitations, namely SEM-PLS (Partial Least Square). Research using SEM-PLS assumes that the data comes from a homogeneous population. In SEM-PLS there may be unobserved heterogeneity in the data, that is heterogeneity that arises when differences between groups do not depend on observed characteristics but on differences in the form of the model. One method for dealing with unobserved heterogeneity is Prediction-Oriented Segmentation PLS (POS-PLS) with one of the new features implemented is a hill-climbing approach to improve objective criteria (R2). The research aim is to conduct an analysis and study of distance and the application of hill-climbing in POS-PLS. Apart from that, this research also aims to detect unobserved heterogeneity in cases of child undernutrition in East Java in 2021. East Java Province is the government's main concern in handling malnutrition because it has a large population even though it is one of the regions where cases of malnutrition are decreasing. Three factors influence malnutrition in toddlers are direct, indirect and basic factors. Global modeling using SEM-PLS shows that socio-economic variables only have a significant influence on indirect effetcs. Furthermore, the result with POS-PLS confirms that there is unobserved heterogeneity in the global model by forming 2 segments. The results of POS-PLS show that the model with 2 segments is better than the global model because it can increase the R2 value.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	POS-PLS, SEM-PLS, Stunting, Underweight, Wasting
Subjects:	Q Science > QA Mathematics > QA278.3 Structural equation modeling. Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Fatkhi Rizqiyah Agustina
Date Deposited:	15 Feb 2024 01:10
Last Modified:	15 Feb 2024 01:10
URI:	http://repository.its.ac.id/id/eprint/107008

Actions (login required)

View Item