Pemodelan Geographically Weighted Regression (GWR) pada Prevalensi Severely Stunting di Indonesia Tahun 2023 :

Abstract

Stunting masih menjadi tantangan kesehatan global yang kritis, terutama di negara berkembang seperti Indonesia, di mana tingkat prevalensi nasional mencapai 20,8% pada tahun 2023. Penelitian ini menggunakan Geographically Weighted Regression (GWR) untuk menganalisis faktor-faktor yang bervariasi secara spasial yang memengaruhi prevalensi stunting parah di berbagai provinsi di Indonesia. Dengan memanfaatkan data dari Survei Kesehatan Dasar Nasional (RISKESDAS) tahun 2013 dan 2018, penelitian ini mencakup variabel seperti pemberian ASI eksklusif, sanitasi rumah tangga, pernikahan dini, imunisasi, dan status sosial ekonomi. Hasil penelitian menunjukkan adanya heterogenitas spasial yang signifikan, dengan determinan utama seperti pemberian ASI eksklusif (X1), sanitasi yang memadai (X3), dan pernikahan di bawah umur (X6) menunjukkan dampak yang bervariasi di berbagai wilayah. Provinsi di Indonesia bagian timur, seperti Papua dan Maluku, menunjukkan prevalensi stunting yang lebih tinggi terkait dengan faktor sosial ekonomi dan lingkungan yang bersifat lokal. Model GWR menunjukkan performa yang lebih baik dibandingkan regresi global, menangkap ketergantungan spasial (Moran’s I = 0.303, p < 0,001) dan menekankan perlunya intervensi yang spesifik untuk setiap wilayah. Rekomendasi kebijakan menekankan perbaikan yang terarah dalam bidang gizi, sanitasi, dan pendidikan untuk mengatasi disparitas dan mencapai target nasional penurunan stunting sebesar 14% pada tahun 2024.

Stunting remains a critical global health challenge, particularly in developing countries like Indonesia, where the national prevalence rate was 20.8% in 2023. This study employs Geographically Weighted Regression (GWR) to analyze spatially varying factors influencing severe stunting prevalence across Indonesian provinces. Utilizing data from the 2013 and 2018 National Basic Health Surveys (RISKESDAS), the research incorporates variables such as exclusive breastfeeding, household sanitation, early marriage, immunization, and socioeconomic status. Results reveal significant spatial heterogeneity, with key determinants like exclusive breastfeeding (X1), adequate sanitation (X3), and underage marriage (X6) showing varying impacts across regions. Provinces in eastern Indonesia, such as Papua and Maluku, exhibited higher stunting prevalence linked to localized socioeconomic and environmental factors. The GWR model outperformed global regression, capturing spatial dependencies (Moran’s I = 0.303, p < 0.001) and highlighting the need for region-specific interventions. Policy recommendations emphasize targeted improvements in nutrition, sanitation, and education to address disparities and achieve Indonesia’s national stunting reduction target of 14% by 2024.