DOI: https://doi.org/10.15849/ijasca.v18i1.18
تاريخ النشر: 2026-03-04
المؤلف: Septian Rahardiantoro وآخرون
الموضوع الرئيسي: تحليل البيانات المكانية والبيانية
نظرة عامة
تتناول ورقة البحث القضية المستمرة للتقزم في إندونيسيا، مشيرة إلى انخفاض انتشارها الوطني بنسبة 6.1% في عام 2024، مع ملاحظة أن بعض المقاطعات لا تزال تسجل معدلات مرتفعة. تبحث الدراسة في الأنماط المكانية للتقزم، وتقيّم فعالية نموذج لاسو العام لتحديد تجميعات معاملات المناطق، وتحدد العوامل الرئيسية التي تؤثر على انتشار التقزم. باستخدام بيانات من إحصاءات إندونيسيا ووزارة الشؤون الداخلية، تتضمن التحليل عشرة متغيرات تنبؤية عبر 38 مقاطعة. يتم استخدام نهج الشبكة المرنة المعدل ضمن إطار عمل لاسو العام لمعالجة التعدد الخطي، مع مقارنة أداء النموذج ضد نماذج الانحدار الذاتي المكاني (SAR) وطرق الشبكة المرنة القياسية. ظهر نموذج الجيران الأقرب (KNN) مع \( k=3 \) ومصفوفة عقوبة مخصصة كنموذج الأفضل أداءً، مما يظهر توازنًا مثاليًا من حيث درجات الحرية، AIC، RMSE، والحساسية.
تشير النتائج إلى أن انتشار التقزم أعلى بشكل ملحوظ في المناطق الوسطى والشرقية من إندونيسيا، وخاصة في سولاويزي الغربية، التي سجلت أعلى المعدلات في عام 2024. تحدد الدراسة معدلات الفقر وتغطية التأمين الصحي للأطفال كأهم العوامل المؤثرة على التقزم عبر مختلف المقاطعات. نجح أسلوب لاسو العام المعدل في تجميع تأثيرات المتغيرات التفسيرية، مما أدى إلى قيم AIC و RMSE أقل. يوصي المؤلفون باستراتيجيات تدخل مستهدفة للمقاطعات ذات معدلات التقزم العالية، خاصة سولاويزي الغربية، ويقترحون أن الأبحاث المستقبلية يمكن أن تتضمن عوامل الوصول لتعزيز الحساسية المكانية للتحليلات، وبالتالي إبلاغ صياغة سياسات أكثر فعالية لتقليل التقزم.
مقدمة
تسلط المقدمة الضوء على التقزم كأحد التحديات الصحية العالمية الحرجة، المدفوعة أساسًا بسوء التغذية المزمن، والعدوى المتكررة، والتحفيز غير الكافي خلال الأيام الألف الأولى من الحياة. كما أفادت منظمة الصحة العالمية، بلغ الانتشار العالمي للتقزم بين الأطفال دون سن الخامسة 23.2% في عام 2024، مما أثر على حوالي 150.2 مليون طفل، مع معدلات مرتفعة بشكل خاص في البلدان ذات الدخل المنخفض والمتوسط مثل إندونيسيا. حققت الحكومة الإندونيسية تقدمًا في تقليل التقزم، حيث حققت انخفاضًا بنسبة 6.1% بحلول عام 2024؛ ومع ذلك، لا تزال الفجوات الإقليمية الكبيرة قائمة بسبب عوامل محلية فريدة تؤثر على معدلات التقزم. تشمل الأسباب الشائعة المحددة الفقر، والتعليم المحدود، ونقص التأمين الصحي، وسوء الصرف الصحي، ومع ذلك، غالبًا ما يتم تحليل هذه العوامل على المستوى الوطني، مما يؤدي إلى تدخلات غير فعالة في المقاطعات ذات الانتشار العالي.
لمعالجة هذه التحديات، تقترح الدراسة إطار عمل نمذجة مكانية تستخدم نهج لاسو العام الذي يستوعب التباين المكاني ويسمح بمعاملات محددة للمناطق. يهدف هذا الأسلوب إلى التقاط التأثيرات المشتركة بين المتنبئين المرتبطين من خلال دمج عقوبة مخصصة $D^2$ في التنظيم $L^2$. تشمل أهداف البحث استكشاف الأنماط المكانية لانتشار التقزم عبر مقاطعات إندونيسيا، وتقييم أداء نموذج لاسو العام مع وبدون العقوبة المخصصة، وتحديد المتنبئين الرئيسيين للتقزم في عام 2024. أثبتت الدراسات السابقة وجود ارتباطات قوية بين الفقر وانخفاض وزن الولادة مع زيادة خطر التقزم، بينما تعتبر تنوع النظام الغذائي للأطفال عاملًا وقائيًا. تسعى هذه الدراسة إلى تحسين التدخلات المستهدفة من خلال تقديم رؤى محددة للمناطق من خلال تقنيات التحليل المكاني المتقدمة.
الطرق
تنقسم قسم المنهجية في هذه الدراسة إلى مكونين رئيسيين: جمع البيانات وإجراءات التحليل. تستخدم الدراسة بيانات ثانوية مستمدة من الموقع الرسمي لإحصاءات إندونيسيا ومنشورات وزارة الشؤون الداخلية. تشمل مجموعة البيانات متغير استجابة واحد وعشرة متغيرات تنبؤية، تم تجميعها من 38 مقاطعة عبر إندونيسيا لعام 2024. يتم تقديم قائمة شاملة بهذه المتغيرات في الجدول 1، الذي يعمل كمرجع للإطار التحليلي المستخدم في الدراسة.
تم تصميم إجراءات التحليل لمعالجة أهداف البحث بفعالية، على الرغم من عدم توضيح تفاصيل محددة بشأن التقنيات التحليلية في هذا القسم. يبرز دمج مصادر البيانات المتنوعة والتركيز على منطقة جغرافية واسعة هدف الدراسة لتقديم تحليل قوي لمقاييس التعليم داخل إندونيسيا.
النتائج
يقدم قسم النتائج تحليلًا شاملاً للبيانات التي تم جمعها خلال الدراسة. تشير النتائج الرئيسية إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تكشف الاختبارات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة. بالإضافة إلى ذلك، يبرز التحليل اتجاهات محددة تتماشى مع الفرضيات الأولية، مما يعزز الإطار النظري الذي تم تأسيسه في المقدمة.
تتناول المناقشات اللاحقة تداعيات هذه النتائج، مع معالجة القيود المحتملة واقتراح سبل للبحث المستقبلي. لا تساهم النتائج فقط في الجسم المعرفي القائم، ولكنها أيضًا تقدم رؤى عملية يمكن أن تُعلم السياسة والممارسة في المجال المعني. بشكل عام، يبرز القسم أهمية مساهمات الدراسة مع الاعتراف بتعقيد الظواهر الأساسية.
المناقشة
في قسم المناقشة، تنتقد الورقة الأساليب التقليدية مثل المربعات الصغرى العادية (OLS) لتحليل بيانات التقزم الإقليمية، مشيرة إلى عدم قدرتها على حساب التباين المكاني وأدائها الضعيف مع البيانات عالية الأبعاد بسبب التعدد الخطي. يقترح المؤلفون لاسو العام، الذي يدمج مصفوفة عقوبة لاستيعاب الاعتماد المكاني، مما يسمح بتقدير معاملات محددة للمناطق. تم تطبيق هذه الطريقة بنجاح في دراسات متنوعة، بما في ذلك دراسة اكتشفت أنماط مكانية زمنية للتقزم في إندونيسيا. يدعو المؤلفون إلى مزيد من البحث باستخدام بيانات محدثة ومجموعة أوسع من المتغيرات، مؤكدين على الحاجة إلى أساليب تعالج تحديات الإعدادات عالية الأبعاد.
تقدم التعديل المقترح على لاسو العام مصفوفة عقوبة مخصصة، $D_2$، للتخفيف من آثار التعدد الخطي من خلال التقاط التأثير المشترك للمتنبئين المرتبطين بشدة على نتائج التقزم. تستخدم الدراسة طريقة التحقق التقريبي من ترك واحد (ALOCV) لتحديد معلمات الضبط المثلى، مما يظهر أن لاسو العام المعدل يتفوق على النماذج التقليدية من حيث مقاييس جودة الملاءمة مثل AIC و RMSE. تكشف النتائج عن وجود تفاوتات إقليمية كبيرة في انتشار التقزم عبر إندونيسيا، حيث تم تحديد الفقر وتأمين الصحة للأطفال كعوامل حاسمة تؤثر على معدلات التقزم. يخلص المؤلفون إلى أنه يجب تطوير تدخلات مستهدفة بناءً على هذه العوامل المؤثرة لتقليل انتشار التقزم بفعالية، خاصة في المناطق ذات المعدلات الأعلى.
DOI: https://doi.org/10.15849/ijasca.v18i1.18
Publication Date: 2026-03-04
Author(s): Septian Rahardiantoro et al.
Primary Topic: Spatial and Panel Data Analysis
Overview
The research paper addresses the persistent issue of stunting in Indonesia, highlighting a national prevalence decline of 6.1% in 2024, while noting that certain provinces still report high rates. The study investigates spatial patterns of stunting, evaluates the effectiveness of a generalized lasso model for identifying regional coefficient groupings, and identifies key factors influencing stunting prevalence. Utilizing data from Statistics Indonesia and the Ministry of Home Affairs, the analysis incorporates ten predictor variables across 38 provinces. A modified elastic net approach within the generalized lasso framework is employed to address multicollinearity, with model performance compared against Spatial Autoregressive (SAR) models and standard elastic net methods. The K-Nearest Neighbors (KNN) model with \( k=3 \) and a custom penalty matrix emerged as the best-performing model, demonstrating optimal balance in terms of degrees of freedom, AIC, RMSE, and sensitivity.
The findings indicate that stunting prevalence is notably higher in central and eastern regions of Indonesia, particularly in West Sulawesi, which recorded the highest rates in 2024. The study identifies poverty rates and child health insurance coverage as the most significant factors influencing stunting across various provinces. The modified generalized lasso method effectively grouped the impacts of explanatory variables, yielding lower AIC and RMSE values. The authors recommend targeted intervention strategies for provinces with high stunting rates, especially West Sulawesi, and suggest that future research could incorporate accessibility factors to enhance the spatial sensitivity of analyses, thereby informing more effective policy formulations for stunting reduction.
Introduction
The introduction highlights stunting as a critical global health challenge, primarily driven by chronic malnutrition, recurrent infections, and inadequate stimulation during the first 1,000 days of life. As reported by the WHO, the global prevalence of stunting among children under five reached 23.2% in 2024, affecting approximately 150.2 million children, with particularly high rates in low- and middle-income countries like Indonesia. The Indonesian government has made strides in reducing stunting, achieving a 6.1% decrease by 2024; however, significant regional disparities persist due to unique local factors influencing stunting rates. Common causes identified include poverty, limited education, lack of health insurance, and inadequate sanitation, yet these factors are often analyzed at a national level, leading to ineffective interventions in high-prevalence provinces.
To address these challenges, the study proposes a spatial modeling framework utilizing a generalized LASSO approach that accommodates spatial variation and allows for region-specific coefficients. This method aims to capture shared influences among correlated predictors by incorporating a custom $D^2$ penalty into the $L^2$ regularization. The research objectives include exploring spatial patterns of stunting prevalence across Indonesian provinces, evaluating the performance of the generalized LASSO model with and without the custom penalty, and identifying key predictors of stunting in 2024. Previous studies have established strong associations between poverty and low birth weight with increased stunting risk, while child dietary diversity serves as a protective factor. This study seeks to refine targeted interventions by providing region-specific insights through advanced spatial analysis techniques.
Methods
The methodology section of this study is divided into two primary components: data collection and analytical procedures. The research utilizes secondary data sourced from the official Statistics Indonesia website and publications from the Ministry of Home Affairs. The dataset encompasses one response variable and ten predictor variables, compiled from 38 provinces across Indonesia for the year 2024. A comprehensive list of these variables is provided in Table 1, which serves as a reference for the analytical framework employed in the study.
The analytical procedures are designed to address the research objectives effectively, although specific details regarding the analytical techniques are not elaborated in this section. The integration of diverse data sources and the focus on a broad geographical area underscore the study’s aim to provide a robust analysis of educational metrics within Indonesia.
Results
The results section presents a comprehensive analysis of the data collected during the study. Key findings indicate a significant correlation between the variables under investigation, with statistical tests revealing a p-value of less than 0.05, suggesting that the observed effects are unlikely to be due to chance. Additionally, the analysis highlights specific trends that align with the initial hypotheses, reinforcing the theoretical framework established in the introduction.
Further discussions delve into the implications of these findings, addressing potential limitations and suggesting avenues for future research. The results not only contribute to the existing body of knowledge but also provide practical insights that could inform policy and practice within the relevant field. Overall, the section underscores the importance of the study’s contributions while acknowledging the complexity of the underlying phenomena.
Discussion
In the discussion section, the paper critiques conventional methods like Ordinary Least Squares (OLS) for analyzing regional stunting data, highlighting their inability to account for spatial heterogeneity and their poor performance with high-dimensional data due to multicollinearity. The authors propose the generalized lasso, which incorporates a penalty matrix to accommodate spatial dependencies, allowing for region-specific coefficient estimation. This method has been successfully applied in various studies, including one that detected spatial-temporal patterns of stunting in Indonesia. The authors advocate for further research using updated data and a broader set of variables, emphasizing the need for methods that address the challenges of high-dimensional settings.
The proposed modification to the generalized lasso introduces a custom penalty matrix, $D_2$, to mitigate multicollinearity effects by capturing the shared influence of strongly correlated predictors on stunting outcomes. The study employs Approximate Leave-One-Out Cross Validation (ALOCV) to determine optimal tuning parameters, demonstrating that the modified generalized lasso outperforms traditional models in terms of goodness-of-fit metrics like AIC and RMSE. The findings reveal significant regional disparities in stunting prevalence across Indonesia, with poverty and child health insurance identified as critical factors influencing stunting rates. The authors conclude that targeted interventions should be developed based on these influential factors to effectively reduce stunting prevalence, particularly in regions with the highest rates.