Penyakit jantung koroner (PJK) menyumbang sekitar 32 persen dari angka kematian global, dengan lonjakan tren prevalensi yang signifikan di Indonesia dalam beberapa dekade terakhir. Guna mengantisipasi ancaman fatal ini, penelitian terbaru berhasil mengembangkan sebuah model statistik mutakhir untuk memprediksi profil risiko pasien secara akurat melalui pendekatan kombinasi linier dan non-linier. Langkah preventif berbasis data riil di rumah sakit ini menjadi terobosan krusial dalam mendukung pencapaian Tujuan Pembangunan Berkelanjutan (SDGs) target ketiga, khususnya dalam menekan angka kematian akibat penyakit tidak menular.

Mengatasi Kelemahan Model Konvensional

Selama ini, dunia medis sering kali mengandalkan model regresi logistik linier standar untuk membaca risiko penyakit. Model konvensional tersebut mengasumsikan bahwa setiap peningkatan faktor risiko akan selalu berdampak garis lurus terhadap potensi kemunculan penyakit. Padahal, mekanisme biologis tubuh manusia jauh lebih kompleks dan tidak selalu berjalan secara linier.

Untuk menjembatani kesenjangan tersebut, riset yang dipublikasikan dalam jurnal internasional ini memperkenalkan metode Penalized Spline Semiparametric Binary Logistic Regression (PS-SBLR). Metode statistik canggih ini membagi indikator kesehatan menjadi dua komponen:

1. Komponen Parametrik: Digunakan untuk mengukur faktor-faktor yang memiliki hubungan garis lurus (linier) pasti dengan risiko penyakit.
2. Komponen Non-parametrik: Memanfaatkan fungsi kelengkungan (penalized spline) untuk menangkap pola fluktuatif atau titik kritis (tipping point) tersembunyi yang tidak terdeteksi oleh statistik biasa.

Menemukan “Tipping Point” pada Gaya Hidup

Melalui analisis data pasien di Rumah Sakit Universitas Airlangga (RSUA), model statistik ini berhasil membongkar dinamika risiko PJK berdasarkan faktor demografi dan gaya hidup secara objektif. Penelitian menemukan bahwa variabel usia dan jenis kelamin terbukti memiliki korelasi linier yang kuat. Setiap pertambahan usia satu tahun meningkatkan peluang terkena PJK sebesar 1,1004 kali. Di sisi lain, pasien perempuan memiliki kecenderungan risiko 0,4784 kali lebih rendah dibandingkan pasien laki-laki karena adanya efek protektif hormon alami tubuh.

Hal yang paling mengejutkan justru ditemukan pada variabel gaya hidup dan kondisi fisik penunjang yang sifatnya non-linier. Risiko yang berkaitan dengan berat badan, konsumsi gula harian, dan tingkat stres ternyata memiliki batasan ambang tertentu, antara lain:

• Berat Badan: Risiko tidak naik secara seragam, melainkan menunjukkan lonjakan tajam sebesar 1,6568 kali lipat khusus pada jendela berat badan sensitif, yaitu antara 63 kg hingga 71 kg.
• Konsumsi Gula: Pola peningkatan risiko mengalami fluktuasi, namun bahaya yang paling signifikan muncul ketika konsumsi gula harian pasien telah melewati ambang batas kritis sebesar 18,83 gram.
• Skor Tingkat Stres: Skor di bawah 3 dikategorikan aman dari risiko. Risiko tersebut mulai merangkak naik sebesar 1,1219 kali pada skor 3–6, dan melompat hingga 1,2518 kali lipat ketika tingkat stres berada pada skor 6 ke atas.

Akurasi Tinggi untuk Deteksi Dini

Hasil pengujian fungsional menunjukkan bahwa model PS-SBLR ini memiliki keandalan yang sangat tinggi dalam membedakan pasien berisiko tinggi dan rendah. Pada fase pengujian data independen, model ini mencatatkan tingkat akurasi sebesar 87,5% dengan nilai Area Under Curve (AUC) mencapai 0,97. Angka tersebut menempatkan performa klasifikasi model dalam kategori luar biasa (excellent classification). Artinya, sistem ini mampu meminimalkan kesalahan diagnosis medis atau potensi terjadinya misklasifikasi secara signifikan di lingkungan klinis rawat jalan.

Langkah Solutif ke Depan

Kehadiran model statistik cerdas ini memberikan solusi konkret bagi efisiensi sistem pelayanan kesehatan terpadu. Dokter dan tenaga medis kini dapat melakukan proses penyaringan (screening) yang lebih personal dengan memperhatikan ambang batas kritis dari masing-masing indikator gaya hidup pasien. Intervensi klinis tidak perlu menunggu hingga kondisi pasien memburuk atau mengalami obesitas ekstrem. Edukasi preventif mengenai pembatasan konsumsi gula di bawah 18,83 gram serta manajemen stres terstruktur sejak dini dapat langsung diterapkan secara tepat sasaran demi menekan laju mortalitas akibat penyakit jantung di Indonesia.

Penulis: Prof. Dr. Nur Chamidah, S.Si., M.Si.

Informasi lengkap (detail) dari penelitian ini dapat dilihat pada tulisan kami di laman:

https://doi.org/10.19139/soic-2310-5070-3334.

Naufal Ramadhan Al Akhwal Siregar, Nur Chamidah, Marisa Rifada, Budi Lestari, Dursun Aydin, 2026, Penalized Spline Semiparametric Logistic Regression for Modelling Coronary Heart Disease Risk Based on Demographic and Lifestyle Factors, Statistics, Optimization And Information Computing,.Vol.15 ( 6), pp 4736–4756.