PEMODELAN PERSENTASE BALITA STUNTING DI INDONESIA DENGAN PENDEKATAN REGRESI SEMIPARAMETRIK KERNEL

Regresi semiparametrik merupakan salah satu pendekatan statistika yang
menggabungkan pendekatan parametrik dan nonparametrik dalam satu model.
Dalam model ini, sebagian variabel memiliki hubungan linier, sementara variabel
lainnya tidak. Regresi semiparametrik unggul karena fleksibel menangkap
hubungan linier dan nonlinier sekaligus, tanpa perlu bentuk fungsional tertentu.
Salah satu pendekatan yang termasuk dalam regresi semiparametrik tersebut
adalah regresi semiparametrik kernel, model diestimasi menggunakan nadaraya�watson dan fungsi kernel. Penelitian ini bertujuan untuk memperoleh model
regresi semiparametrik kernel serta mengevaluasi ketepatan model tersebut.
Pemilihan bandwidth optimal dilakukan dengan menggunakan Generalized Cross
Validation (GCV) dengan membandingkan terlebih dahulu tiga fungsi kernel
untuk mendapatkan fungsi kernel dengan estimasi yang paling optimal. Penelitian
ini menggunakan data stunting di Indonesia tahun 2023 yang terdiri dari satu
variabel respon dan tiga variabel prediktor. Berdasarkan penelitian yang telah
dilakukan, dari perbandingan ketiga fungsi kernel didapatkan fungsi kernel
Gaussian dengan nilai GCV terkecil yaitu sebesar 0,0432, koefisien determinasi

2
sebesar 98,43%, dan Root Mean Squared Error (RMSE) sebesar 20,25%
yang menunjukkan bahwa model cukup baik dalam menggambarkan hubungan
antar variabel dan memiliki tingkat akurasi yang baik dalam melakukan prediksi.
Kata kunci: fungsi kernel, GCV, stunting, bandwidth optimal, regresi
semiparametrik kernel