Kajian Penurunan Prevalensi Stunting dengan Pendekatan Intervensi Sensitif Menggunakan Least Median of Squares

Abstract

Percepatan angka penurunan stunting pada balita merupakan program prioritas pemerintah yang termuat dalam Rancangan Pembangunan Jangka Menengah Nasional (RPJMN) 2020-2024. Penelitian ini bertujuan memperoleh model dan penduga koefisien terbaik untuk prevalensi stunting. Faktor yang dipertimbangkan mengacu pada jenis intervensi sensitif yang tercantum pada Pedoman Pelaksanaan Intervensi Penurunan Stunting Terintegrasi di Kabupaten/Kota. Amatan yang digunakan berupa 34 provinsi di Indonesia dengan karakteristik yang bervariasi sehingga rentan mengandung pencilan. Metode yang sering digunakan untuk melakukan pendugaan regresi adalah Ordinary Least Square (OLS). Namun, metode OLS sensitif terhadap pencilan sehingga mengakibatkan terjadinya pelanggaran asumsi klasik pada model. Oleh karena itu, diperlukan sebuah metode yang kekar terhadap keberadaan pencilan, salah satunya adalah Least Median of Squares (LMS). Diperoleh faktor-faktor yang berkontribusi terhadap prevalensi stunting adalah persentase rumah tangga dengan sumber air minum layak, akses terhadap sanitasi layak, keikutsertaan dalam program keluarga harapan (PKH), dan prevalensi kerawanan pangan tingkat sedang atau berat. Metode LMS menghasilkan hasil yang lebih baik dalam menduga parameter regresi pada data mengandung pencilan dengan nilai RMSE sebesar 4,249, MAPE 15,491, dan MAE 3,025. Sementara itu, metode OLS menghasilkan nilai RMSE sebesar 4,199, MAPE 16,030, dan MAE 3,190.

Accelerating stunting reduction rates among children under five is government priority program contained in the National Medium Term Development Plan 2020-2024. This study aims to obtain the best model and coefficient estimator for stunting prevalence. The factors considered refer to the types of sensitive interventions listed in the Guidelines for Implementing Integrated Stunting Reduction Interventions in Districts/Cities. The observations used are 34 provinces in Indonesia with varying characteristics that are prone to contain outliers. The method often used to estimate regression is Ordinary Least Square (OLS). However, the OLS method is sensitive to outliers, resulting in violations of classical assumptions in the model. Therefore, a method that is robust to the presence of outliers is needed, one of which is the Least Median of Squares (LMS). The factors found to contribute to stunting prevalence are the percentage of households with proper drinking water sources, access to proper sanitation, participation in the family hope program (PKH), and the prevalence of moderate or severe food insecurity. The LMS method produced better results in estimating the regression parameters on data containing outliers with an RMSE value of 4,249, MAPE 15,491, and MAE 3,025 while the OLS method produces an RMSE value of 4,199, MAPE 16,030, and MAE 3,190.