Stunting 324i37

ANALISIS FAKTOR RESIKO STUNTING PADA ANAK USIA 0-23 BULAN DI PROVINSI JAWA TIMUR Oleh : Alma Herawati (1314105023) I.

PENDAHULUAN I.1 Latar Belakang Perkembangan masalah gizi di Indonesia saat ini semakin kompleks, hal ini ditunjukkan dengan tingginya prevalensi stunting(pendek pada balita), wasting(kurus) dan overweight(berat badan berlebih). Masalah stunting memiliki angka yang paling tinggi diantara ketiga masalah gizi tersebut. Stunting merupakan dampak dari berbagai faktor yang dihasilkan oleh lingkungan sosial ekonomi yang tidak menguntungkan (Kemenkes, 2015). Dalam artikel ringkasan kajian gizi ibu & anak oleh UNICEF Indonesia pada Oktober 2012 menyebutkan bahwa stunting atau anak pendek akan menghadapi kemungkinan yang lebih besar untuk tumbuh menjadi orang dewasa yang kurang berpendidikan, miskin, kurang sehat dan lebih rentan terhadap penyakit tidak menular seperti hipertensi, diabetes dan jantung. Stunting terjadi akibat kekurangan gizi berulang dalam waktu lama pada masa janin hingga 2 tahun pertama kehidupan seorang anak(Zahrani, 2011). Hasil Riset Kesehatan Dasar tahun 2013 menunjukkan bahwa secara nasional prevalensi stunting secara nasional tahun 2013 adalah 37,2 persen, yang berarti terjadi peningkatan dibandingkan tahun 2010 (35,6%) dan 2007 (36,8%). Prevalensi stunting sebesar 37,2 persen terdiri dari 18,0 persen sangat pendek dan 19,2 persen pendek. Pada tahun 2013 prevalensi sangat pendek menunjukkan penurunan, dari 18,8 persen tahun 2007 dan 18,5 persen tahun 2010. Prevalensi pendek meningkat dari 18,0 persen pada tahun 2007 menjadi 19,2 persen pada tahun 2013(Litbangkes, 2013). Dari data tersebut diketahui bahwa rata-rata angka kasus stunting di 33 provinsi di Indonesia 37,2% yang artinya 33 provinsi di Indonesia memiliki angka stunting di atas 30 yang menurut WHO 2010 masalah kesehatan masyarakat dianggap berat bila prevalensi stunting sebesar 3039 persen dan serius bila prevalensi pendek 40 persen. Sebanyak 14 provinsi termasuk kategori berat dan sebanyak 15 provinsi termasuk kategori serius. Jawa Timur termasuk kedalam kategori berat karena memiliki angka diatas 30. Berdasarkan Rencana Strategis Kementrian Kesehatan Tahun 2015-2019 salah satu sasaran pembangunan kesehatan yang akan dicapai pada tahun 2025 adalah meningkatkan derajat kesehatan masyarakat yang ditunjukkan oleh menurunnya prevalensi gizi kurang pada balita. Dalam RPJMN 2015-2019, target prevalensi stunting(pendek dan sangat pendek) pada anak baduta(bawah dua tahun) berkurang hingga 28 persen. Pemerintah perlu mengetahui bagaimana melakukan tindakantindakan yang tepat agar pencapaian target tersebut dapat terpenuhi. Menyelaraskan kebijakan dan strategi pembangunan nasional dengan capaian-capaian penting bidang gizi dapat meningkatkan Produk Domestik Bruto sebanyak sekitar 2-3% setiap tahun dan memotong siklus kemiskinan (Caesari, 2014). Banyak pihak menghubungkan gizi kurang dengan kurangnya pangan dan percaya bahwa penyediaan pangan merupakan jawabannya. Ketersediaan pangan bukan penyebab utama gizi kurang di Indonesia karena bahkan dari dua kuintil kekayaan tertinggi menunjukkan adanya kejadian stunting dari kondisi ekonomi menengah sampai tinggi, sehingga penyediaan pangan saja bukan solusi. Adanya penyakit dan

1

infeksi yang berulang terjadi, perilaku kebersihan dan pengasuhan yang buruk disebabkan oleh faktor-faktor seperti kurangnya pendidikan dan pengetahuan pengasuh anak, penggunaan air yang tidak bersih, lingkungan yang tidak sehat, keterbatasan akses pangan dan pendapatan rendah(UNICEF Indonesia, 2012). Penelitian mengenai faktor risiko stunting pernah dilakukan oleh (Adair & Guilkey, 1997) menggunakan multivariate discrete time hazard model yang menghasilkan bahwa diare, penyakit infeksi saluran pernapasan, pemberian makanan tambahan di awal dan berat badan lahir rendah signifikan mempengaruhi stunting. Penelitian lainnya dilakukan oleh (El Taguri et al., 2009) yang menghasilkan bahwa faktor pendidikan ayah yang rendah, lingkungan rumah yang miskin, penyakit diare dan berat badan lahir rendah menjadi faktor yang signifikan terhadap stunting. Penelitian yang dilakukan oleh (Paudel et al., 2012) menyebutkan hasil yang sama seperti penelitian-penelitian yang diungkapkan sebelumnya dimana penyakit diare signifikan mempengaruhi. Selain itu dikatakan faktor sosial ekonomi seperti keluarga dengan defisit makanan, dan perawatan anak yang dilakukan selain ibu juga mempengaruhi. Penelitian yang lain dilakukan oleh (Arifin dkk, 2012) tentang faktor risiko stunting pada balita di Kabupaten Purwakarta menghasilkan bahwa adanya hubungan antara berat badan saat lahir, asupan gizi balita, pemberian ASI, riwayat penyakit infeksi, pengetahuan gizi ibu balita, pendapatan keluarga dan jarak antar kelahiran dengan kejadian stunting, sedangkan faktor yang paling dominan dengan kejadian stunting adalah pemberian ASI. Penelitian yang dilakukan oleh (Adriani & Kartika, 2013) tentang pola asuh makan pada balita di Jawa Timur, Jawa Tengah dan Kalimantan Tengah mengungkapkan bahwa asupan gizi makanan pada saat ibu hamil dan pada bayi setelah dilahirkan penting untuk pertumbuhan bayi. Kurangnya asupan makanan yang bergizi menyebabkan gangguan pertumbuhan balita menjadi kurang gizi. Penelitian tentang stunting lainnya telah dilakukan oleh (Nadiyah dkk, 2014) tentang faktor resiko stunting di Provinsi Bali, Jawa Barat dan NTT dengan uji Chi-square menunjukkan hubungan positif antara berat badan lahir rendah, sanitasi kurang baik, kebiasaan ayah merokok dalam rumah, pendidikan ibu yang rendah, pendidikan ayah yang rendah, pendapatan yang rendah dan tinggi badan ibu kurang dari 150 cm. Pulau Jawa masih menjadi penyumbang penduduk miskin terbesar dengan jumlah sekitar 15,55 juta orang dimana Jawa Timur menjadi peringkat pertama penduduk miskin terbanyak (Tempo, 2014). Menurut data Badan Pusat Statistik (BPS) Provinsi Jawa Timur mencatat angka kemiskinan di wilayah pedesaan hingga maret 2015 naik 0,06 persen (Ibrahim, 2015). Adanya pertambahan angka kemiskinan tersebut membuat peneliti ingin melakukan analisis faktor stunting yang terjadi di Provinsi jawa Timur, mengetahui dari penelitian sebelumnya bahwa kemiskinan menjadi faktor dari adanya stunting. I.2 Rumusan Masalah Berdasarkan latar belakang di atas, maka permasalahan yang akan dibahas dalam penelitian ini adalah sebagai berikut. 1. Bagaimana karakteristik faktor risiko stunting pada anak usia 0-23 bulan di Provinsi Jawa Timur? 2. Apa saja faktor resiko yang mempengaruhi kejadian stunting pada anak usia 0-23 bulan di Provinsi Jawa Timur?

2

I.3 Tujuan Penelitian Berdasarkan rumusan masalah di atas, adapun tujuan penelitian ini sebagai berikut. 1. Mendeskripsikan karakteristik faktor risiko stunting pada anak usia 0-23 bulan di Provinsi Jawa Timur 2. Mendapatkan faktor resiko yang mempengaruhi kejadian stunting pada anak usia 023 bulan di Provinsi Jawa Timur I.4 Manfaat Penelitian Manfaat penelitian mengenai faktor resiko yang mempengaruhi kejadian stunting di kabupaten/kota di Jawa Timur adalah sebagai rekomendasi bagi pemerintah daerah khususnya lembaga kesehatan di Jawa Timur dalam mengambil kebijakan penanganan yang tepat dan upaya sosialisasi kepada masyarakat terkait kasus stunting khususnya untuk daerah miskin di Jawa Timur sehingga dapat mengurangi angka kejadian stunting. I.5 Batasan Masalah Penelitian ini menggunakan data jumlah kejadian stunting pada wilayah-wilayah di Jawa Timur yang diperoleh dari Profil Kesehatan Dinas Kesehatan Provinsi Jawa Timur Tahun 2013. II.

TINJAUAN PUSTAKA 2.1 Statistika Deskriptif Statistika deskriptif adalah analisis yang berkaitan dengan pengumpulan dan penyajian data sehingga dapat memberikan informasi yang berguna. Tujuannya menguraikan tentang sifat-sifat atau karakteristik dari suatu keadaan dan untuk membuat deskripsi atau gambaran yang sistematis dan akurat mengenai fakta-fakta, sifat-sifat dari fenomena yang diselidiki. (Walpole, 1995). Tabel kontingensi (cross tabulation) merupakan tabel yang berisi data jumlah atau frekuensi atau beberapa klasifikasi (kategori). Cross tabulation merupakan suatu metode statistik yang menggambarkan dua atau lebih variabel secara simultan dan hasilnya ditampilkan dalam bentuk yang merefleksikan distribusi bersama dua atau lebih variabel dengan jumlah kategori yang terbatas (Agresti, 2002). Metode cross tabulation dapat menjawab hubungan antara dua atau lebih variabel penelitian tetapi bukan hubungan sebab akibat. Tabel kontingensi r x c dijelaskan pada Tabel 2.1 berikut. Jika kedua variabel berskala diskret (nominal atau ordinal atau numerik yang dikategorikan, mka peneliti bisa membuat tabel kontingensi untuk menguji apakah kedua variabel tersebut independen. Semakin banyak kategori dari variabel, maka semakin banyak pula sampel yang dibutuhkan karena tabel kontingensi mensyaratkan nilai harapan yang bernilai kurang dari 5 maksimum ada 20% dari seluruh sel (Agresti, 2002).

3

Baris 1

2

⋮

r

Total

Tabel 2.1 Tabel Kontingensi r x c Kolom 1 2 c …

Total

n11

n12

…

n1 c

n1.

p11

p12

…

p1 c

p1.

n21

n22

…

n2 c

n2.

p21

p22

…

p2 c

p2.

⋮

⋮

⋮

⋮

⋮

⋮

⋮

⋮

⋮

⋮

nr 1

nr 2

…

nrc

nr .

pr 1

pr 2

…

prc

pr .

n.1

n.2

…

n. c

n..

p.1

p.2

…

p.c

p..

2.2

Uji Independensi Pengujian independensi digunakan untuk mengetahui hubungan antara dua variabel (Agresti, 2002). Pengujian hipotesis untuk uji independensi menggunakan uji Chi-square adalah sebagai berikut. Hipotesis H0: Tidak terdapat hubungan antara dua variabel yang diamati H1: Terdapat hubungan antara dua variabel yang diamati Statistik uji 2 r c ( nij−Eij ) 2 X =∑ ∑ (2.1) Eij i=1 j =1 Dengan: Eij =

ni ∙ ×n ∙ j n∙ ∙

Dimana: i : Banyaknya baris, i = 1,2,…,r j : Banyaknya kolom, j = 1,2,…,c nij : Nilai observasi baris ke-i kolom ke-j Eij : Nilai ekspektasi baris ke-i kolom ke-j Daerah kritis 2 2 Tolak H jika X hitung > X (∝, (r−1 )( c−1 )) 0

4

(2.2)

2.3

Regresi Logistik Biner Regresi logistik biner merupakan salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan beberapa faktor dengan sebuah variabel yang bersifat dikotomus (biner). Pada regresi logistik jika variabel responnya terdiri dari dua kategori misalnya Y = 1 menyatakan hasil yang diperoleh “sukses” dan Y = 0 menyatakan hasil yang diperoleh “gagal” maka regresi logistik tersebut menggunakan regresi logistik biner. Menurut Agresti (2002) variabel y yang demikian lebih tepat dikatakan sebagai variabel indikator dan memenuhi distribusi Bernoulli. Fungsi distribusi peluang untuk y dengan parameter πi adalah f ( y )=π y (1−π )1− y , y=0,1 (2.3) Secara umum model probabilitas regresi logistik dengan melibatkan beberapa variabel prediktor (x) dapat diformulasikan sebagai berikut    x   x ....   p x p e 0 11 2 2  ( x)     x   x ....   p x p 1 e 0 1 1 2 2 (2.4) Fungsi π(x) merupakan fungsi non linear sehingga perlu dilakukan transformasi logit untuk memperoleh fungsi yang linier agar dapat dilihat hubungan antara variabel respon (y) dengan variabel prediktornya (x). Bentuk logit dari π(x) dinyatakan sebagai g(x), yaitu   (x)   g ( x)  ln   1   (x)  (2.5) Persamaan (2.4) dan persamaan (2.5) disubtitusikan sehingga diperoleh   ( x)     0  1 x1   2 x 2  ...   p x p ln   1   ( x)  (2.6) 2.4 Estimasi Parameter Estimasi parameter dalam regresi logistik dilakukan dengan metode Maximum Likelihood. Metode tersebut mengestimasi parameter β dengan cara memaksimumkan fungsi likelihood dan mensyaratkan bahwa data harus mengikuti suatu distribusi tertentu. Pada regresi logistik, setiap pengamatan mengikuti distribusi Bernouli sehingga dapat ditentukan fungsi likelihoodnya sebagai berikut. n

l ( β )=∏ π ( xi ) y (1−π ( x i ) )1− y i

i

i=1

(2.7)

Jika xi dan yi adalah pasangan variabel bebas dan terikat pada pengamatan ke-i dan diasumsikan bahwa setiap pasangan pengamatan saling independen dengan pasangan pengamatan lainnya, i = 1,2,..,n maka fungsi probabilitas untuk setiap pasangan adalah sbeagai berikut. 1− y f ( x i )=π ( x i ) y ( 1−π ( xi ) ) , y = 0,1 (2.8) i

i

i

Dengan,

5

p

e∑ β j x j j =0

π ( xi )=

p

∑ βjx j

1+ e

(2.9)

j=0

Dimana ketika j = 0 maka nilai xij = xi0 = 1. Untuk mempermudah dalam perhitungan matematik maka fungsi likelihood dimaksudkan dalam bentuk log l ( β ) dan dinyatakan dengan L(β). L ( β )=ln l( β) n

¿ ln ∏ π ( x i ) y (1−π ( xi ) )1− y i

i

i=1

n

¿ ∑ ln π ( xi ) (1−π ( x i ) ) yi

n i− yi

i=1

x x 1−π (¿¿ i) (¿¿ i) π ¿ ¿ n ( ¿ ¿ y i (1−π ( x i ) ) ] ¿ ln¿ i

n

¿∑ ¿ i=1

x x 1−π (¿ ¿i) (¿¿ i) π ¿ y i ln ( ¿+ni ln(1−π ( x i ) )] ¿ n

¿∑ ¿ i=1

n

[

p

1

¿ ∑ y i ∑ β j xij +ni ln i=1

n

[

j=0

p

p

β j xij ∑ j=0

1+ e

(

¿ ∑ y i ∑ β j xij +ni ln 1+e i=1

j=0

]

p

β j xij ∑ j=0

−1

)

] 6

n

[

p

(

p

¿ ∑ y i ∑ β j xij −n i ln 1+ e i=1

−1

)

j=0

p

Sehingga,

β j x ij ∑ j=0

]

[∑ ] n

L ( β )=ln l ( β )=∑ j=0

i=1

[ (∑ )]

n

p

y i x ij β j−∑ ni ln 1 +exp i=1

β j x ij

j=0

(2.10) Nilai β maksimum didapatkan melalui turunan L(β) terhadap β dan hasilnya adalah sama dengan nol. ∂L(β) =0 ∂ βj

(2.11)

∑ x ij [ y i −^π ( x i ) ]=0

(2.12)

Sehingga diperoleh, n

i=1

Dengan i = 0,1,…,n

p

∑ βjx j

e π^ ( x i ) =

dimana

j=0

1+e

(2.13)

p

∑ β j xj j=0

Estimasi varians dan covarians dikembangkan melalui teori MLE dari koefisien parameternya. Teori tersebut menyatakan bahwa estimasi varians-covarians didapatkan melalui turunan kedua L(β). ∂ L(β ) n =∑ x x π ( x i ) ( 1−π ( x i ) ) ∂ β j β u i=1 ij iu

(2.14)

Dengan j, u = 0,1,…,p Matriks varians covarians berdasarkan estimasi parameter diperoleh melalui invers matriks dan diberikan sebagai berikut. −1 ^ ov ( ^β )= x T Diag ^π ( x1 ) ( 1−^ C π ( x1 )) x (2.15)

{

Dimana

[

1 1 x x X T = 11 21 ⋯ ⋯ x1 p x2 p

] }

[

⋯ 1 ⋯ x1 p ⋯ ⋯ ⋯ x np

7

]

(2.16)

Diag

[ ^π ( x ) ( 1− ^π ( x ) ) ] 1

utamanya adalah

1

[ ^π ( x ) ( 1− ^π ( x ) ) ] 1

( n ×n )

adalah matriks diagonal 1

. Penaksir

SE ( β^ )

dengan diagonal

diberikan oleh akar kuadrat

diagonal utama. Untuk mendapatkan nilai taksiran β dari turunan pertaman fungsi L(β) yang non linear maka digunakan metode iterasi Newton Rephson. Persamaan yang digunakan adalah. −1 β(t +1)=β (t )−( H (t ) ) q(t ) (2.17) dimana t = 1, 2, ... sampai konvergen. Dengan, ∂L(β) ∂L(β) ∂ L (β ) qT = , ,…, ∂ β0 ∂ β1 ∂ βp

(

)

Dan H merupakan matriks Hessian. Elemen-elemennya adalah

sehingga

[

⋯ h1 p ⋯ h2 p ⋱ ⋮ ⋯ h pp

h11 h12 h h H= 21 22 ⋮ ⋮ hp1 hp2

∂2 L (β ) h = ∂ β j ∂ βu ( t) ju

|

β

]

h ju =

2 ∂ L(β) ∂ β j ∂ βu ,

, dan pada setiap iterasi berlaku,

n

(t)

=−∑ x ij x iu π ( xi )(t) (1−π ( x i )(t) ) i=1

|

n

∂ L(β ) (t ) q = =∑ ( y i−π ( x i ) ) x ij ∂ β j β i =1 (t ) j

( t)

p

∑ βjx j

π ( x i )( t ) =

e

j=0

(2.18)

p

1+e

∑ β j xj j=0

Dari persamaan (2.18) diperoleh, β ( )

t Dengan m =π ( xi )

(t +1)

{

T

−1

] }

[

=β (t )− X Diag ^π ( x 1 ) ( 1−^π ( x 1 ) ) x

T

X ( y−m(t ) )

(2.19)

(t )

Langkah-langkah iterasi Newton Rephson diberikan sebagai berikut. (0) a. Menentukan nilai dugaan awal β kemudian dengan menggunakan persamaan (0) (2.18) maka didapatkan π ( x i ) .

b.

(0) Dari π ( x i ) pada langkah a. diperoleh matriks Hessian H(0) dan vektor q(0).

8

c. d.

Melakukan hasil iterasi tersebut selanjutnya pada persamaan (2.19) dimulai dari t = 0, dimana β(t) merupakan estimasi parameter yang konvergen pada iterasi ke-t. Apabila belum diperoleh estimasi parameter yang konvergen, langkah c. diulang kembali hingga iterasi ke t = t + 1 dan iterasi akan berhenti ketika ||β(t+1) – β(t)|| ≤ ε, dimana ε merupakan bilangan yang sangat kecil. Hasil estimasi yang diperoleh adalah β(t+1) pada iterasi terakhir.

2.5

Pengujian Estimasi Parameter Setelah parameter hasil estimasi diperoleh, maka kemudian dilakukan pengujian  keberartian terhadap koefisien secara univariat terhadap variabel respon yaitu dengan  membandingkan parameter hasil maksimum likelihood, dugaan dengan standard error parameter tersebut. Hipotesis pengujian parsial adalah sebagai berikut, i  0 H0 : i  0 H1 : ; i = 1, 2, ..., p Statistik uji: ˆi W SE ( ˆi ) (2.20) Statistik uji W tersebut, yang juga disebut sebagai Statistik uji Wald, mengikuti W  Z / 2 distribusi normal sehingga H0 ditolak jika dan dapat diperoleh melalui persamaan berikut 2 ˆ i W2  SE ( ˆ i ) 2 (2.21) Statistik uji tersebut mengikuti distribusi Chi-Squred sehingga H0 ditolak jika W 2 hitung   2 ( ,1) . Setelah diperoleh variabel prediktor yang signifikan berpengaruh terhadap variabel respon pada pengujian univariat, langkah selanjutnya adalah menentukan variabel manakah hasil pengujian univariat yang signifikan mempengaruhi variabel respon secara bersama-sama. Pengujian ini dilakukan untuk memeriksa  keberartian koefisien secara serentak (multivariat) terhadap variabel respon. Hipotesis yang digunakan diberikan sebagai berikut. 1   2  ...   i  0 H0 : p  0 H1 : Paling tidak terdapat satu ; i = 1, 2, ..., p Statistik uji:

9

G  2 ln

 n1     n n

n1

 n0     n

n0

  ˆ 1  ˆ  yi

i

1 yi 

i

i 1

(2.22)

dimana: n

n

n 0   1  y i 

n1   yi i 1

i 1

n  n1  n0

Statistik uji G adalah merupakan Likelihood Ratio Test dimana nilai G mengikuti

G hitung  2 ( , p ) distribusi Chi-Squred sehingga H0 ditolak jika

(Agresti, 2002).

2.6

Interpretasi Koefisien Parameter Interpretasi dari suatu model adalah inferensi dari pengambilan keputusan berdasarkan pada koefisien parameter. Koefisien menggambarkan perubahan variabel respon per unit untuk setiap perubahan variabel prediktor. Interpretasi dilakukan setelah mendapatkan nilai terbaik. Interpretasi dari intersep adalah nilai peluang saat semua variabel prediktor (x) = 0, perhitungan berdasarkan nilai π. Sedangkan intersep koefisien menggunakan nilai Odds ratio yaitu nilai yang menunjukkan perbandingan tingkat kecenderungan dari dua kategori dalam satu variabel prediktor dengan salah satu kategoriny dijadikan pembanding atau kategori dasar . Untuk regresi logistik dengan variabel prediktor bersifat dichotomous, nilai x dikategorikan 0 atau 1. Tabel 2.2 berikut menyatakan variabel prediktor bersifat dichotomous atau kategori untuk mencari nilai odds ratio. Tabel 2.2 Nilai-Nilai π(x) dan 1- π(x) Untuk Variabel Prediktor

Variabel respons y=1

y=0

Variabel prediktor x =1 x=0 exp ⁡( β 0 + β 1 ) exp ⁡( β 0) π (1)= π ( 0 )= 1+exp ⁡( β 0+ β 1 ) 1+ exp ⁡( β 0 ) 1−π ( 1 )=

Pengamatan dengan x = 1 adalah adalah

π (0) 1−π (0)

1 1 1−π ( 0 )= 1+ exp ⁡( β 0 + β 1) 1+exp ⁡( β 0 ) π (1) 1−π (1)

sedangkan jika x = 0 nilai odds

(Hosmer dan Lemeshow, 2000).

Ln odds, sebagaimana didefinisikan sebelumnya sebagai logit, adalah π (1) π (0) g (1 )=ln g(0)=ln dan 1−π (1) 1−π (0) .

[

]

[

]

10

Odds ratio, dinotasikan ψ, didefinisikan sebagai ratio odds untuk x = 1 terhadap odds untuk x = 0, yang dapat dituliskan pada persamaan (2.23) berikut (Hosmer dan Lemeshow, 2000) Ψ=

π (1)/1−π (1) π (0)/1−π (0)

(2.23)

Berdasarkan Tabel 2.2, nilai odds ratio adalah sebagai berikut.

Ψ=

( (

exp( β 0 + β 1) 1 1+exp ( β 0+ β1 ) 1+ exp(β 0 )

)(

) exp( β ) 1 1+exp ( β ) ) ( 1+exp( β + β ) ) 0

0

0

1

¿

exp ( β 0+ β1 ) =exp ( β 1 ) exp (β 0)

(2.24)

Odds ratio merupakan ukuran asosiasi yang dapat diartikan secara luas, terutama dalam epidemilogi. Dari persamaan (2.24), odds ratio berarti rata-rata besarnya kecenderungan variabel respons bernilai tertentu jika x = 1 dibandingkan x = 0 (Hosmer dan Lemeshow, 2000). 2.7

Uji Kesesuaian Model Uji kesesuaian model digunakan untuk mengetahui apakah model dengan variabel dependen tersebut merupakan model yang sesuai. Statistik uji yang digunakan adalah deviance. n   πˆ   1  πˆ i D  2  y i ln  i    1  y i  ln  i 1   yi   1  yi

      (2.25)

πˆ i  πˆ  xi 

dengan Statistik uji D menggunakan uji hipotesis sebagai berikut. H0 : Model sesuai (tidak ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model) H1 : Model tidak sesuai (ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model) D Pengambilan keputusan didasarkan pada semakin tinggi nilai dan semakin rendah p-value mengindikasikan bahwa mungkin model tidak fit terhadap data (Hosmer dan Lemeshow, 2000). 2.8

Stunting

Stunted adalah tinggi badan yang kurang menurut umur, ditandai dengan terlambatnya pertumbuhan anak yang mengakibatkan kegagalan dalam mencapai tinggi badan yang normal dan sehat sesuai usia anak. Stunted merupakan kekurangan gizi kronis atau kegagalan pertumbuhan dimasa lalu dan digunakan sebagai indikator jangka panjang untuk gizi kurang pada anak(Kesmas, 2015). Stunting terjadi karena kekurangan gizi kronis yang disebabkan oleh kemiskinan dan pola asuh yang tidak 11

tepat, yang mengakibatkan kemampuan kognitif tidak berkembang maksimal, mudah sakit dan berdaya saing rendah, sehingga bisa terjebak dalam kemiskinan. Seribu hari pertama kehidupan seorang anak adalah masa kritis yang menentukan masa depannya. Lewat dari 1000 hari, dampak buruk kekurangan gizi sangat sulit diobati (Kemenkes, 2015). 2.9

Pengukuran Stunting

Penilaian status gizi balita yang paling sering dilakukan adalah dengan cara penilaian antropometri. Secara umum antropometri berhubungan dengan berbagai macam pengukuran dimensi tubuh dan komposisi tubuh dari berbagai tingkat umur dan tingkat gizi. Antropometri digunakan untuk melihat ketidakseimbangan asupan protein dan energi Arifin(Siagan A, 2010). Beberapa indeks antropometri yang sering digunakan adalah Berat Badan menurut Umur (BB/U), Tinggi Badan menurut Umur (TB/U), dan Berat Badan menurut Tinggi Badan (BB/TB) yang dinyatakan dengan standar deviasi unit z (z score). Stunting dapat diketahui bila seorang balita sudah ditimbang berat badannya dan diukur panjang atau tinggi badannya, lalu dibandingkan dengan standar, dan hasilnya berada dibawah normal. Jadi secara fisik balita akan lebih pendek dibandingkan balita seumurnya Arifin(Hastono, 2006). Penghitungan ini menggunakan standar Z score dari WHO (Litbangkes, 2013). Klasifikasi Status Gizi Stunting berdasarkan indikator Tinggi Badan per Umur (TB/U): Sangat Pendek : Zscore < -3,0 Pendek : Zscore ≥ -3,0 s.d. Zscore < -2,0 Normal : Zscore ≥ -2,0 2.10 Faktor-Faktor Penyebab Stunting

Terdapat beberapa faktor yang teridentifikasi menjadi penyebab terjadinya stunting. Menurut (Soetjiningsih, 1995, p.95-96) kurang gizi yang kronis pada masa anak-anak dengan atau tanpa sakit yang berulang akan menyebabkan bentuk tubuh balita yang stunting. Faktor kondisi tubuh ibu yang menderita anemia dan kondisi sosial ekonomi mempengaruhi pertumbuhan janin. Sehingga dapat diuraikan bahwasanya faktor-faktor yang menyebabkan terjadinya stunting adalah sebagai berikut: 1. Usia anak Usia anak merupakan faktor yang berhubungan dimana penelitian yang dilakukan (Rosha dkk, 2010) di wilayah miskin Jawa Tengah dan Jawa Timur mengungkapkan bahwa anak berusia 0-12 bulan memiliki efek protektif dibanding anak yang berusia 13-23 bulan. 2. Jenis Kelamin Anak Jenis kelamin anak berhubungan dengan waktu terjadinya/teridentifikasinya stunting. Penelitian oleh (Adair & Guilkey, 1997) mengungkapkan bahwa anak berjenis kelamin laki-laki cenderung terkena stunting pada tahun pertama kehidupan sedangkan anak berjenis kelamin perempuan cenderung terkena stunting pada tahun kedua kehidupan. 3. Riwayat Penyakit Diare Riwayat penyakit diare di banyak penelitian seperti yang dilakukan oleh (El Taguri et al., 2009) dan (Paudel et al., 2012) menjadi faktor yang signifikan terhadap 12

stunting. Diare yang terjadi pada bayi terjadi akibat pemberian makanan selain ASI, sehingga menyebabkan bayi diare, dan bila bayi sakit, akan kurang mendapat asupan gizi makanan yang bergizi sehingga mengakibatkan pertumbuhan balita menjadi kurang gizi (Adriani & Kartika, 2013). 4. Berat Badan Lahir Berat badan lahir terutama bayi dengan berat badan lahir rendah mempunyai resiko 2,6 kali lebih besar terkena stunting dibanding balita dengan asupan gizi baik/memiliki berat badan lahir normal (Arifin dkk, 2012). 5. Asupan Gizi Kehamilan Asupan zat gizi dari makanan untuk ibu hamil yang kurang mengandung protein dan zat gizi lainnya dapat berakibat pada status gizi ibu hamil terutama bila ibu mengalami kesulitan makan karena perubahan metabolisme tubuh diperlukan pada saat kehamilan berkurang, dimana akan berpengaruh pada gizi bayi yang dikandungnya (Adriani & Kartika, 2013). 6. Pemberian ASI Penelitian yang dilakukan oleh (Paudel et al., 2012) menyatakan bahwa pemberian ASI tidak ekslusif memiliki resiko 6,9 kali terjadinya stunting pada bayi. Sedangkan penelitian oleh (Arifin dkk, 2012) menghasilkan bahwa balita dengan ASI tidak eksklusif mempunyai risiko 3,7 kali lebih besar terkena stunting dibanding balita dengan ASI eksklusif. 7. Pemberian Makanan Pre-Lakteal Praktik pemberian makanan/minuman selain ASI saat anak baru dilahirkan dan belum disusui untuk pertama kalinya dianalisis tersendiri dalam penelitian (Nadiyah dkk, 2014) dimana pemberian makanan pre-lakteal menjadi faktor risiko yang signifikan terhadap stunting pada anak 0-23 bulan (OR=1.47, p<0.05). Pemberian makanan pre-lakteal memiliki dampak sistemik yang buruk berupa penundaan inisiasi menyusui. 8. Pola Asuh Pola asuh seperti yang terjadi di kabupaten Sumenep kebanyakan orangtua bekerja sehingga anak lebih sering diasuh oleh neneknya. Pola asuh nenek cenderung memberikan pola makan sesuai dengan kemauan neneknya berdasarkan kebiasan turun menurun. Pengasuhan yang kurang memadai seperti pemberian makan yang kurang tepat sejak bayi hingga balita menyebabkan balita lebih sering menderita sakit, akibat terganggunya pencernaan karena usus bayi yang masih rentan. Kondisi sakit yang terlalu lama mengakibatkan berat badan balita cepat turun dan memudahkan balita menjadi kurang gizi (Adriani & Kartika, 2013). 9. Usia Ibu Dalam penelitian (Rosha dkk, 2010) menunjukkan bahwa ibu yang berusia 20-30 tahun memiliki anak stunting sebesar 56,7 persen. Fenomena yang menarik di sini adalah ibu yang berusia 20-30 tahun memiliki anak stunting yang lebih besar jumlahnya daripada ibu berusia 31-50. Hal ini perlu diteliti berkaitan dengan karakteristik umur ibu. 10. Tinggi Badan Ibu Tinggi badan ibu kurang dari 150 cm menjadi faktor risiko stunting pada anak usia 0-23 bulan dengan Odds Ratio 1,77 (Nadiyah dkk, 2014). Penelitian (Schmidt et al., 2002) di Jawa Barat menyimpulkan bahwa setiap kenaikan 1 cm tinggi badan ibu, maka panjang badan bayi bertambah 0,196 cm. Hal ini menjadi alasan penting

13

anak perempuan menjadi target penting dalam perbaikan stunting hingga generasi selanjutnya. 11. Pendidikan Ibu Pendidikan Ibu menjadi penting ketika ibu memiliki pengetahuan tentang cara merawat bayi, nutrisi apa yang seharusnya diberikan kepada bayi sehingga kejadian stunting pada anak tidak terjadi (El Taguri et al., 2009). Hasil penelitian yang dilakukan oleh (Rosha dkk, 2010) mengungkapkan bahwa ibu dengan tingkat pendidikan <SMP memiliki resiko lebih besar memiliki anak dengan status stunting dibandingkan dengan ibu yang berpendidikan SMP. 12. Pendidikan Ayah Pendidikan ayah menjadi faktor yang signifikan karena pendidikan yang tinggi pada ayah, dapat berdampak pada pendapatan yang tinggi dan menyebabkan tingginya kesadaran orangtua akan nutrisi yang diberikan kepada anak, serta kesadaran akan kesehatan dan kebersihan di lingkungan rumah (El Taguri et al., 2009). 13. Pekerjaan Ayah Penelitian oleh (Ramli et al., 2009) mengungkapkan bahwa variabel pekerjaan ayah dengan kategori tidak bekerja menunjukkan prevalensi yang tinggi terhadap kejadian stunting parah. 14. Sanitasi Lingkungan Penelitian oleh (Rosha dkk, 2010) menghasilkan wilayah tempat tinggal yang tidak kondusif dapat berpengaruh terhadap status gizi anak. Hasil uji statistik penelitian ini menunjukkan, ada hubungan bermakna antara wilayah tempat tinggal dengan status stunting. Hasilnya menunjukkan sebesar 71,3 persen anak yang tinggal di desa menderita stunting. Hal ini disebabkan karena sanitasi lingkungan yang kurang baik. 15. Wilayah Tempat Tinggal Wilayah tempat tinggal menjadi faktor penting karena seperti penelitian yang dilakukan oleh (Rosha dkk, 2010) di wilayah miskin Jawa Tengah dan Jawa Timur menghasilkan sampel yang tinggal di wilayah kota memiliki efek protektif atau resiko lebih rendah terhadap stunting dibanding yang tinggal di pedesaan. III.

METODOLOGI PENELITIAN III.1 Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder dari Dinas Kesehatan Provinsi Jawa Timur dengan lokasi meliputi wilayah-wilayah di Jawa Timur daerah kota maupun desa. Data yang digunakan adalah data dengan kelengkapan variabel penelitian.

14

III.2 Variabel Penelitian Variabel yang digunakan dalam penelitian ini adalah sebagai berikut. Tabel 3.1 Variabel Penelitian

Variabel Status Stunting (Y) Usia Anak (X1)

Jenis Kelamin (X2) Riwayat Sakit Diare(X3) Berat Badan Lahir(X4) Asupan Gizi Kehamilan(X5) Pemberian ASI(X6) Pemberian Makanan PreLaktal(X7) Pola Asuh(X8) Usia Ibu(X9)

Tinggi Badan Ibu(X10) Pendidikan Ibu(X11) Pendidikan Ayah(X12) Pekerjaan Ayah(X13)

Sanitasi Lingkungan(X14)

Kategori 0 = Stunting 1 = Normal 0 = 0-6 bulan 1 = 7-12 bulan 2 = 13-18 bulan 3 = 19-23 bulan 0 = Perempuan 1= Laki-Laki 0 = Tidak 1 = Ya 0 = Rendah 1 = Normal 0 = Kurang 1 = Baik 0 = < 6 bulan 1 =  6 bulan 0 = Tidak 1 = Ya

Skala Nominal

0 = Oleh Ibu 1 = Selain Ibu 0 = 13-19 tahun 1 = 20-30 tahun 2 = 31-50 tahun 0 = < 150cm 1 =  150 cm 0 = SD 1 = SMP 2 =  SMA 0 = SD 1 = SMP 2 =  SMA 0 = Tidak Bekerja 1 = Sekolah (Guru/karyawan,dll) 2 = TNI/POLRI/PNS 3 = Peg.BUMN/Peg.Swasta 4 = Wiraswasta/Pelayanan jasa 5 = Petani/Nelayan 6 = Buruh/Lainnya 0 = Buruk 1= Baik

Nominal

15

Nominal

Nominal Nominal Nominal Nominal Nominal Nominal

Nominal

Nominal Nominal

Nominal

Nominal

Nominal

Wilayah Tempat Tinggal(X15)

0 = Kota 1 = Desa

Nominal

III.3 Metode Analisis Data Metode dalam analisis data yang digunakan dalam penelitian ini adalah sebagai berikut. 1. Mendeskripsikan karakteristik faktor risiko stunting pada anak usia 0-23 bulan di Provinsi Jawa Timur dengan analisis statistika deskriptif yaitu menggunakan diagram batang dan tabel kontingensi. 2. Melakukan uji independensi antar variabel respon dan variabel prediktor berupa faktor risiko stunting pada anak usia 0-23 bulan di Provinsi Jawa Timur. 3. Melakukan pengujian untuk mengetahui faktor-faktor yang mempengaruhi stunting di Provinsi Jawa Timur. Langkah-langkahnya adalah sebagai berikut: a. Melakukan estimasi parameter regresi logistik dan menentukan model regresi logistik biner antara variabel respon dengan variabel-variabel prediktor yang signifikan. b. Melakukan uji signifikansi parameter secara parsial terhadap model yang diperoleh untuk mengetahui variabel-variabel prediktor yang secara parsial berpengaruh signifikan terhadap variabel respon. c. Melakukan uji signifikansi parameter secara serentak untuk mengetahui variabel-variabel prediktor yang secara bersama-sama berpengaruh signifikan terhadap variabel respon. d. Melakukan uji kesesuaian model. e. Menginterpretasikan model regresi logistik biner dan odds rasio yang diperoleh. f. Mengambil kesimpulan.

16

DAFTAR PUSTAKA Adair, L. S., & Guilkey, D. K. (1997). Age-specific determinants of stunting in Filipino children. The Journal of nutrition, 127(2), 314-320. Adriani, M., & Kartika, V. (2013). Pola Asuh Makan pada Balita dengan Status Gizi Kurang di Jawa Timur, Jawa Tengah dan Kalimantan Tengah, Tahun 2011. Buletin Penelitian Sistem Kesehatan, 16(2 Apr). Agresti, A. (2002). Categorical Data Analysis Second Edition. New York: John Wiley & Sons. Arifin, D. Z., Irdasari, S. Y., & Sukandar, H. (2012). Analisis Sebaran dan Faktor Risiko Stunting pada Balita di Kabupaten Purwakarta 2012. Jurnal. Departemen Ilmu Kesehatan Masyarakat, Fakultas Kedokteran, Universitas Padjajaran Bandung. Litbangkes, 2013. Riset Kesehatan Dasar 2013. Jakarta: Litbangkes, Kemenkes RI. Caesari, A. (2014, November 11). Memerangi Stunting dan Taruhannya Bagi Indonesia. Mca-Indonesia[online]. Diambil 3 November 2015 dari http://mcaindonesia.go.id/kabar-kami/kesehatan-gizi/memerangi-stunting-dan-taruhannyabagi-indonesia/ El Taguri, A., Betilmal, I., Mahmud, S. M., Monem Ahmed, A., Goulet, O., Galan, P., & Hercberg, S. (2009). Risk factors for stunting among under-fives in Libya. Public health nutrition, 12(08), 1141-1149. Hosmer, D. W., Lemeshow, S., Sturdivant, R. X. (2013). Applied Logistic Regression Third Edition. United States of America: John Wiley and Sons Inc. Ibrahim, A.M. (2015, September 17). BPS: Angka Kemiskinan Wilayah Pedesaan Jatim Naik. Antara Jatim[online]. Diambil 3 November 2015 dari http://www.antarajatim.com/lihat/berita/164564/bps--angka-kemiskinan-wilayahpedesaan-jatim-naik Kementrian Kesehatan RI. 2015. Rencana Strategis Kementrian Kesehatan Tahun 20152019. Jakarta : Kementrian Kesehatan RI. Kesmas. (2015, Juli 17). Faktor Penyebab dan Dampak Stunted Terhadap Kesehatan. Indonesian public health[online]. Diambil 3 November 2015 dari http://www.indonesian-publichealth.com/2015/07/dampak-dan-penyebabstunted.html Nadiyah, N., Briawan, D., & Martianto, D. (2014). Faktor Risiko Stunting Pada Anak Usia 0-23 Bulan Di Provinsi Bali, Jawa Barat, Dan Nusa Tenggara Timur. Jurnal Gizi dan Pangan, 9(2), 125-132. Paudel, R., Pradhan B., Wagle R.R., Pahari D.P., Onta S.R. (2012). Risk Factors for Stunting Among Children: A Community Based Case Control Study in Nepal. Kathmandu Univ Med J, 39(3),18-24. Rosha, B. C., Hardinsyah, H., & Baliwati, Y. F. (2012). Analisis Determinan Stunting Anak 0-23 Bulan Pada Daerah Miskin Di Jawa Tengah Dan Jawa Timur. Jurnal Penelitian Gizi dan Makanan, 35(1), 34-41. Schmidt MK, Muslimatun S, West CE, Schultink W, Gross R, & Hautvast JGAJ. (2002). Nutritional status and linear growth of indonesian infants in west java are

17

determined more by prenatal environment than by postnatal factors. Journal of Nutrition, 132(8), 2202-2207. Ramli, Agho KE, Inder KJ, Bowe SJ, Jacobs J, Dibley MJ. (2009). Prevalence and risk factors for stunting and severe stunting among under-fives in North Maluku Province of Indonesia. BMC Pediatrics, 9(1),64 Soetjiningsih. (1995). Tumbuh Kembang Anak. p.95-96. Jakarta: ECG. Tempo. (2014, Januari 3). Orang Miskin Jawa Timur Terbanyak di Indonesia. Tempo[online]. Diambil 3 November 2015 dari http://nasional.tempo.co/read/news/2014/01/03/173541819/orang-miskin-jawatimur-terbanyak-di-indonesia UNICEF Indonesia. (2012, Desember). Gizi Ibu dan Anak. Ringkasan Kajian UNICEF Indonesia[online], p.1 dan p.3 diambil 16 oktober 2014, dari http://www.unicef.org/indonesia/id/A6_-_B_Ringkasan_Kajian_Gizi.pdf Walpole, R. E. (1995). Pengantar Metode Statistik. Edisi ke 3. Diterjemahkan oleh: Ir. Bambang Sumantri. Jakarta: PT Gramedia Pustaka Utama. Zahrani, Yuni. (2011). STOP Generasi Stunting di Indonesia. Diambil 16 Oktober 2015 dari http://gizi.depkes.go.id/ .

18