Poin ketiga dalam Sustainable Development Goals (SDGs) adalah menjamin kehidupan yang sehat dan meningkatkan kesejahteraan masyarakat di segala usia, yang salah satu targetnya adalah menurunkan Angka Kematian Neonatal (AKN) menjadi sekurang-kurangnya 12 per 1000 kelahiran hidup dan Angka Kematian Bayi (AKB) menjadi 12 per 1000 kelahiran hidup pada tahun 2030. Dengan demikian, AKB merupakan salah satu indikator penting dalam upaya pelayanan kesehatan dan kesejahteraan masyarakat. Menurut Kementerian Perencanaan Pembangunan Nasional, Indonesia merupakan salah satu negara dengan peringkat tertinggi terkait AKB di Asia Tenggara. Dalam skala nasional, berdasarkan data Profil Kesehatan Indonesia selama dua tahun berturut-turut 2020 dan 2021, Provinsi Jawa Barat menempati urutan ketiga tertinggi dalam jumlah kematian bayi. Oleh karena itu, penelitian ini bertujuan untuk melakukan pemodelan AKB di Jawa Barat guna mendapatkan faktor-faktor yang memengaruhinya secara signifikan. Penelitian ini menggunakan dua pendekatan pemodelan, yang pertama model Regresi Poisson (Poisson Regression) sebagai model dasar, dan kedua adalah model Regresi Poisson Tergeneralisir (Generalized Poisson Regression) sebagai pendekatan untuk mengatasi jika terjadi kasus overdispersi. Beberapa penelitian sebelumnya melibatkan kematian neonatal sebagai variabel prediktor, dalam penelitian ini tidak melibatkan variabel kematian neonatal karena kematian neonatal merupakan komponen dari kematian bayi, sehingga diharapkan dapat memberikan pemahaman yang lebih jelas mengenai faktor eksternal dan demografis yang memengaruhi kematian bayi. Dua model pendekatan tersebut kemudian dibandingkan dengan beberapa ukuran kebaikan, yaitu Akaike’s Information Criterion (AIC), Bayes Information Criterion (BIC), dan Root Mean Squared Error (RMSE). Kriteria kebaikannya adalah bahwa makin kecil nilai AIC, BIC, dan RMSE maka makin baik model tersebut. Dengan menggunakan model terbaik hasil penelitian ini, diharapkan dapat memberikan wawasan mengenai faktor-faktor yang signifikan memengaruhi kematian bayi, yang dapat menjadi referensi berharga bagi para pembuat kebijakan dalam menyusun kebijakan atau intervensi yang efektif untuk penurunan AKB.
Data dalam penelitian ini diperoleh dari Dinas Kesehatan Provinsi Jawa Barat melalui laporan Profil Kesehatan Provinsi Jawa Barat tahun 2022. Observasi meliputi 27 unit, terdiri atas 18 kabupaten dan 9 kota di Jawa Barat. Variabel respon dalam penelitian ini adalah jumlah kematian bayi (Y). Adapun variabel prediktor terdiri dari lima variabel, yaitu cakupan K4 , jumlah ibu hamil dengan kehamilan beresiko tinggi , persentase keluarga dengan perilaku hidup bersih dan sehat (PHBS) , persentase ASI eksklusif , dan cakupan imunisasi .
Hasil penelitian menunjukkan bahwa rata-rata jumlah kematian bayi per kabupaten/kota di Provinsi Jawa Barat tahun 2022 sebesar 109 jiwa, dengan angka terendah di Kabupaten Bekasi (23 jiwa) dan tertinggi di Kabupaten Garut (300 jiwa). Jumlah kematian bayi yang tinggi ada di Kabupaten Garut, Bandung, dan Sumedang. Variansi jumlah kematian bayi juga tinggi yaitu sebesar 4921,9 menunjukkan distribusi yang tidak merata antar kabupaten/kota. Rata-rata jumlah ibu hamil berisiko tinggi sebesar 6501 orang per kabupaten/kota. Jumlah yang besar untuk ibu hamil beresiko tinggi ada di Kabupaten Bogor, Bekasi, dan Bandung. Selain itu, rata-rata persentase cakupan K4 sebesar 97,22%, rata-rata persentase keluarga dengan Perilaku Hidup Bersih dan Sehat (PHBS) sebesar 63,63%, rata-rata persentase pemberian ASI eksklusif sebesar 70,5%, dan rata-rata persentase imunisasi sebesar 103,26%. Uji kesesuaian distribusi Poisson menunjukkan data kematian bayi mengikuti distribusi Poisson, sehingga analisis regresi Poisson layak digunakan. Uji multikolinearitas terhadap variabel prediktor menunjukkan bahwa tidak ada masalah multikolinieritas dengan nilai Variance Inflation Factor (VIF) yang kurang dari 10 untuk semua variabel. Hasil regresi Poisson menunjukkan variabel tidak signifikan, sementara empat variabel lainnya signifikan. Dalam pemodelan regresi Poisson diasumsikan adanya ekuidispersi dalam data respon, yang artinya nilai mean dan variansi respon tidak segnifikan berbeda. Namun, uji asumsi ekuidispersi pada model Regresi Poisson menunjukkan adanya kasus overdispersi dengan statistik uji Pearson Chi-Square sebesar yang jauh di atas 1. Oleh karena itu, dilakukan analisis lebih lanjut untuk mengatasinya, yaitu model Regresi Poisson Tergeneralisir. Pada model ini, variabel , dan tidak signifikan, sementara variabel dan memiliki pengaruh signifikan terhadap angka kematian bayi. Parameter dispersi dalam model Regresi Poisson Tergeneralisir juga signifikan sehingga menunjukkan perlunya pendekatan Regresi Poisson Tergeneralisir untuk mengatasi overdispersi yang terjadi saat pemodelan Regresi Poisson. Model Regresi Poisson menghasilkan nilai AIC, BIC, dan RMSE secara berturut-turut 936,555; 943,035; dan 60,058. Sementara itu model Regresi Poisson Tergeneralisir menghasilkan nilai AIC, BIC, dan RMSE berturut-turut 294,521; 299,705; dan 0,742. Berdasarkan kriteria kebaikan model bahwa makin kecil nilai AIC, BIC, dan RMSE menunjukkan model makin baik, maka dari perbandingan nilai-nilai tersebut dapat disimpulkan bahwa model Regresi Poisson Tergeneralisir adalah yang terbaik. Dengan demikian, penggunaan model Regresi Poisson Tergeneralisir dalam kasus Angka Kematian Bayi di Jawa Barat berpotensi untuk meningkatkan akurasi dan keandalan prediksi pada data kematian bayi dalam studi demografi. Berdasarkan penelitian ini, disarankan bagi para pembuat kebijakan dalam menyusun kebijakan atau intervensi untuk memprioritaskan upaya pada penurunan jumlah ibu hamil berisiko tinggi dan peningkatan perilaku hidup bersih dan sehat guna menekan angka kematian bayi secara efektif. Selain itu, penelitian lanjutan dapat mempertimbangkan faktor-faktor lain yang belum dilibatkan dalam studi ini untuk memperkuat model prediksi yang lebih akurat dan menentukan tambahan faktor signifikan lainnya, sehingga upaya penurunan AKB bisa berhasil lebih cepat.
Penulis: Dr. Toha Saifudin, S.Si., M.Si
Informasi detail dari penelitian ini dapat dilihat pada tulisan kami di:
https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/12102
