Angka Kematian Ibu (AKI) didefinisikan sebagai seluruh kematian pada masa kehamilan, persalinan, dan masa nifas yang disebabkan oleh kehamilan, persalinan, dan masa nifas atau penatalaksanaannya, tetapi bukan karena sebab lain seperti kecelakaan atau insiden. AKI merupakan indikator keberhasilan pembangunan kesehatan yang ditargetkan pada poin tiga dari Sustainable Development Goals (SDGs), yaitu menjamin kehidupan yang sehat dan mendorong kesejahteraan bagi semua orang di segala usia. Lebih spesifik lagi, tujuan SDGs target 3.1 pada tahun 2030 adalah mengurangi rasio angka kematian ibu hingga kurang dari 70 per 100.000 kelahiran hidup. Salah satu upaya untuk menurunkan AKI adalah melalui program pelayanan antenatal terpadu atau Antenatal Care (ANC). Program ANC merupakan pelayanan antenatal yang komprehensif dan berkualitas yang diberikan kepada seluruh ibu hamil. Faktanya di tahun 2020, Indonesia menduduki peringkat ketiga sebagai negara dengan AKI tertinggi di kawasan negara ASEAN setelah Myanmar dan Laos. Hasil Long Form SP2020 mencatat nilai AKI Indonesia adalah sebesar 189 (per 100.000 kelahiran hidup). Hanya DKI Jakarta dan DIY yang telah mencapai target 3.1 SDGs dengan masing-masing sebesar 48 dan 58, sementara itu Provinsi Papua mempunyai AKI tertinggi sebesar 565. Oleh karena itu perlu upaya untuk menemukan faktor-faktor yang memengaruhi AKI dengan memperhatikan keberagaman karakteristik provinsi, sehingga diharapkan dapat dijadikan sebagai dasar untuk pembuatan kebijakan bagi masing-masing pemerintah daerah dalam menurunkan AKI. Karenanya, penelitian ini bertujuan untuk menemukan faktor-faktor yang berpengaruh signifikan terhadap AKI di masing-masing provinsi di Indonesia menggunakan pendekatan model Geographically Weighted Poisson Regression (GWPR). Terdapat banyak faktor yang mungkin memengaruhi AKI, namun dalam penelitian ini difokuskan pada faktor fasilitas pelayanan kesehatan. Adapun pemodelan yang digunakan adalah GWPR karena GWPR merupakan pemodelan regresi untuk variabel terikat berupa data count dan dikembangkan dari Regresi Poisson Global dengan memperhatikan keberagaman dan dependensi antar wilayah, yang sesuai dengan kasus angka kematian ibu.
Data yang digunakan dalam penelitian ini adalah data AKI dan fasilitas pelayanan kesehatan di 34 provinsi di Indonesia tahun 2020. Data bersumber dari publikasi Kementerian Kesehatan Republik Indonesia (Kemenkes RI) bertajuk Profil Kesehatan Indonesia 2020. Dalam pemodelan GWPR, AKI sebagai variabel terikat. Adapun variabel bebasnya adalah fasilitas pelayanan kesehatan yang meliputi rasio puskesmas per kabupaten (), persentase cakupan pelayanan kesehatan ibu hamil K4 (
), persentase puskesmas yang melaksanakan Program Perencanaan Persalinan dan Pencegahan Komplikasi (
), persentase pelayanan imunisasi Tetanus (Td2+) pada ibu hamil (
), persentase cakupan persalinan di fasilitas pelayanan kesehatan (
), persentase cakupan kunjungan nifas lengkap (
), dan persentase cakupan kontrasepsi aktif/KB peserta (
).
Pemodelan GWPR dimulai dengan melakukan pengecekan multikolinieritas antar variabel bebas. Hasilnya menunjukkan bahwa tidak terjadi kasus multikolinieritas pada semua variabel bebas. Berikutnya adalah pengujian asumsi dependensi menggunakan Morans-I, dan heterogenitas dengan Breusch Pagan. Hasilnya menunjukkan bahwa dalam data terdapat dependensi dan heterogenitas. Selanjutnya, pemilihan pembobot terbaik diantara empat pilihan yaitu Fixed Gaussian, Fixed Bisquare, Adaptive Gaussian, dan Adaptive Bisquare. Berdasarkan kriteria Akaike Information Criteria (AIC), diperoleh pembobot terbaik untuk kasus ini adalah Fixed Gaussian. Untuk melihat apakah model GWPR yang diperoleh telah sesuai atau lebih baik daripada pemodelan Regresi Poisson Global, dapat dilihat dari nilai devians masing-masing model. Semakin kecil nilai devians maka semakin baik model tersebut. Model regresi Poisson Global meghasilkan nilai devians 159,269 sedangkan GWPR menghasilkan nilai devians 4,66. Ini menunjukkan bahwa GWPR lebih baik dari Regresi Poisson Global. Variabel bebas yang signifikan memengaruhi AKI dapat dilihat pada tabel berikut. Bagi tiap pemerintah daerah, untuk membuat kebijakan dalam upaya menurunkan AKI di daerahnya, dapat memprioritaskan pada variabel yang signifikan di daerahnya.
Penulis: Dr. Toha Saifudin
Informasi detil dari penelitian ini dapat dilihat pada tulisan kami di:
Selly Martafiyah, Cindyana Supriadi, Toha Saifudin. 2023. Modeling the maternal mortality rate in Indonesia using geographically weighted Poisson Regression approach, AIP Conference Proceedings 2975,080011 (2023). doi: https://doi.org/10.1063/5.0181066
