PEMODELAN PREVALENSI STUNTING DI INDONESIA MENGGUNAKAN METODE REGRESI NONPARAMETRIK SPLINE TRUNCATED

(Studi Kasus: Data Bps Tahun 2023)

Abstrak

Regression analysis is a statistical method used to determine the pattern of relationship between one variable and another. When the shape of the regression curve is unknown, nonparametric regression is used. Nonparametric regression can find the estimated form of the regression curve through data without any coercion from the researcher. One approach to nonparametric regression is truncated spline nonparametric regression. Truncated splines work by dividing the data into several intervals and limiting them with knot points. This allows truncated splines to capture changes in patterns, and the resulting model will tend to be flexible. Stunting in Indonesia remains high and requires appropriate intervention. The disparity in cases across provinces indicates that stunting is influenced by socio-economic, environmental, and health factors. Therefore, a flexible model is needed to capture non-linear relationships. This study aims to model the prevalence of stunting in Indonesia and identify the factors that significantly influence it using 2023 BPS data. Through the seven variables used, it was found that pregnant women who received supplementary food programs, pregnant women who underwent antenatal care (K4), infants born within 60 minutes who received early breastfeeding initiation, infants aged 0-23 years who received exclusive breastfeeding, infants aged 0-11 months who received complete basic immunizations, children aged 6–23 months who consume a variety of foods, and households with access to adequate sanitation significantly influence stunting prevalence. The results of the nonparametric spline truncated regression modeling based on the minimum GCV value were 8.16, with a coefficient of determination of 98.83%.

Analisis regresi merupakan metode statistika yang digunakan untuk mengetahui pola hubungan antara satu peubah dengan peubah lainnya. Ketika bentuk kurva regresi tidak diketahui, digunakan regresi nonparametrik. Regresi nonparametrik dapat mencari bentuk estimasi kurva regresinya melalui data tanpa ada unsur pemaksaan dari peneliti. Salah satu pendekatan regresi nonparametrik adalah regresi nonparametrik spline truncated. Spline truncated bekerja dengan membagi data menjadi beberapa interval dan membatasinya dengan titik knot. Hal ini memungkinkan spline truncated untuk menangkap perubahan pola dan model yang dihasilkan akan cenderung fleksibel. Stunting di Indonesia masih tergolong tinggi dan perlu penanganan yang tepat. Kesenjangan kasus antar provinsi menunjukkan stunting dipengaruhi oleh faktor sosio-ekonomi, lingkungan, dan kesehatan. Sehingga diperlukan pemodelan yang fleksibel untuk menangkap hubungan yang nonlinier. Penelitian ini bertujuan untuk memodelkan prevalensi stunting di Indonesia dan mengetahui faktor-faktor yang mempengaruhinya secara signifikan menggunakan data BPS tahun 2023. Melalui tujuh peubah yang digunakan, diketahui bahwa ibu hamil yang mendapatkan program makanan tambahan, ibu hamil yang melakukan pemeriksaan antenatal care (K4), bayi lahir kurang dari 60 menit yang menerima inisiasi menyusui dini, bayi usia 0-23 tahun yang menerima ASI eksklusif, bayi usia 0-11 bulan yang mendapatkan imunisasi dasar lengkap, anak usia 6-23 bulan yang mengonsumsi ragam pangan minimal, dan rumah tangga yang memiliki askses sanitasi layak sendiri berpengaruh secara signifikan terhadap prevalensi stunting. Hasil pemodelan regresi nonparametrik spline truncated berdasarkan nilai GCV minimum adalah sebesar 8,16, dan memiliki koefisien determinasi sebesar 98,83%.