Pemodelan Kejadian Stunting Pada Balita Di Surabaya Dengan Pendekatan Multivariate Adaptive Regression Spline
Stunting atau gagal tumbuh pada anak adalah suatu kondisi yang menggambarkan status gizi kronis terutama pada masa pertumbuhan dan perkembangan anak sejak 1.000 hari awal masa kehidupan. Kejadian stunting merupakan salah satu masalah gizi yang dialami oleh balita di dunia saat ini, khususnya di nega...
Saved in:
| 總結: | Stunting atau gagal tumbuh pada anak adalah suatu kondisi yang menggambarkan status gizi kronis terutama pada masa pertumbuhan dan perkembangan anak sejak 1.000 hari awal masa kehidupan. Kejadian stunting merupakan salah satu masalah gizi yang dialami oleh balita di dunia saat ini, khususnya di negara berkembang seperti Indonesia. Data prevalensi balita stunting yang dikumpulkan World Health Organization (WHO) dan dirilis tahun 2018 menyebutkan Indonesia merupakan salah satu negara dengan prevalensi stunting tertinggi ketiga di Asia Tenggara yaitu sebesar 36,4. Jawa Timur memiliki prevalensi stunting di atas rata-rata prevalensi nasional yaitu sebesar 26,9% pada tahun 2019, Sedangkan di kota Surabaya yang merupakan ibukota provinsi Jawa Timur pada tahun 2018 memiliki presentase balita stunting sebesar 8,92%. Menurut hasil kesepakatan rembuk stunting kota Surabaya tahun 2020 terdapat 11 kelurahan yang menjadi lokasi prioritas penurunan stunting kota Surabaya pada tahun 2021. Oleh karena itu pada penelitian ini akan lebih berfokus kepada puskesmas yang menjadi prioritas stunting. Tujuan penelitian ini untuk menganalisis dan menginterpretasikan model berdasarkan faktor yang berpengaruh signifikan terhadap kejadian stunting pada balita di Surabaya. Metode yang digunakan dalam penelitian ini adalah metode Multivariate Adaptive Regression Spline karena adanya interaksi antar variabel prediktor. Penelitian ini menggunakan 1.181 data dengan 6 variabel prediktor yaitu jenis kelamin, berat badan lahir, panjang badan lahir, ASI eksklusif, tinggi badan ibu, pegetahuan gizi ibu, pendidikan ibu, dan pendapatan keluarga. Hasil penelitian yang diperoleh berdasarkan model MARS terbaik dengan BF=18, MI=3 dan MO=2 mempunyai nilai GCV sebesar 0,215 dan R-square sebesar 0,155. Berdasarkan hasil pemodelan MARS didapatkan variabel yang memberikan pengaruh positif terhadap kejadian stunting balita di Surabaya adalah pendapatan keluarga, berat badan lahir, dan panjang badan lahir. Sedangkan variabel yang memberikan pengaruh negatif adalah riwayat ASI, pendapatan keluarga, berat badan lahir balita, pendidikan ibu. Dengan nilai sensitivitas kejadian stunting sebesar 85,6%, Hal tersebut menunjukkan bahwa kemampuan pemodelan MARS pada penelitian ini untuk menduga balita mengalami kejadian stunting sebesar 85,6% |
|---|