Jurnal Sains dan Seni ITS
Vol 8, No 2 (2019)

Pemodelan Faktor-Faktor yang Memengaruhi Status Balita Stunting di Provinsi Jawa Timur Menggunakan Regresi Probit Biner

Clara Dewanti (Departemen Statistika Institut Teknologi Sepuluh Nopember)
Vita Ratnasari (Departemen Statistika Institut Teknologi Sepuluh Nopember)
Agnes Tuti Rumiati (Departemen Statistika Institut Teknologi Sepuluh Nopember)



Article Info

Publish Date
02 Mar 2020

Abstract

Stunting adalah suatu kondisi dimana pertumbuhan anak tidak maksimal yang disebabkan oleh kekurangan gizi sejak dalam kandungan. Dampak yang ditimbulkan stunting dalam jangka panjang adalah menurunnya kemampuan kognitif dan kecerdasan seseorang sehingga dapat menurunkan kualitas sumber daya manusia. Bank Dunia merilis riset yang menyatakan bahwa stunting merugikan Produk Domestik Negara sebanyak 3-11%. Pada tahun 2018, sebanyak 30,8% balita di Indonesia mengalami stunting. Angka ini berada di atas batas wajar yang ditetapkan WHO yakni 20%. Berdasarkan hasil Riskesdas 2018, Jawa Timur merupakan salah satu provinsi yang memiliki prevalensi stunting di atas rata-rata nasional. Tujuan dari penelitian ini adalah mendeskripsikan karakteristik balita stunting di Jawa Timur serta memodelkan faktor-faktor yang memengaruhi stunting pada balita, serta membandingkan hasil klasifikasi data aktual dan hasil pemodelan menggunakan regresi probit biner. Data yang digunakan adalah data sekunder dari Indonesian Family Life Survey 2015 dengan variabel respon berupa status gizi balita stunting yang dibagi dalam dua kategori yaitu balita dengan status gizi pendek dan sangat pendek. Variabel prediktor yang digunakan adalah BBLR, tinggi badan ibu, tingkat pendidikan ibu, pemberian ASI eksklusif, konsumsi pil penambah darah, jumlah anggota rumah tangga, dan status ekonomi rumah tangga. Jumlah data yang terkumpul sebanyak 146 balita dengan komposisi 102 balita pendek dan 44 balita sangat pendek. Variabel yang berpengaruh signifikan dengan nilai alfa sebesar 0,05 adalah tingkat pendidikan ibu dan pemberian ASI tidak eksklusif. Ketepatan klasifikasi yang dihasilkan oleh model sebesar 67,81%.

Copyrights © 2019