ptik.umsida.ac.id – Penelitian yang dilakukan oleh Cindy Cahyaning Astuti SSi MSi, dosen Program Studi Pendidikan Teknologi Informasi (Prodi PTI) Fakultas Psikologi dan Ilmu Pendidikan (FPIP) Universitas Muhammadiyah Sidoarjo (Umsida), bersama rekannya, berhasil mengembangkan model Zero-Inflated Negative Binomial (ZINB) untuk menganalisis kematian bayi akibat pneumonia di Provinsi Jawa Timur. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi kematian bayi berusia 12-59 bulan akibat penyakit pneumonia dan untuk menerapkan model regresi yang tepat untuk menangani data dengan banyak nilai nol dan overdispersion.
Analisis Kasus Menggunakan Model ZINB
Penelitian ini mengidentifikasi faktor-faktor yang mempengaruhi tingkat kematian bayi akibat pneumonia di Jawa Timur. Menggunakan data dari Profil Kesehatan Jawa Timur 2021, penelitian ini menerapkan Zero-Inflated Negative Binomial (ZINB) sebagai model regresi untuk menangani masalah overdispersion dan zero-inflation dalam data kematian bayi. Faktor-faktor yang diuji meliputi tingkat imunisasi dasar lengkap, akses pelayanan kesehatan anak, prevalensi gizi buruk, dan kelahiran bayi dengan berat badan lahir rendah (LBW). Dari hasil analisis, ditemukan bahwa faktor-faktor seperti tingkat imunisasi, cakupan pelayanan kesehatan, status gizi buruk, dan LBW memiliki pengaruh signifikan terhadap kematian bayi akibat pneumonia di provinsi tersebut.
Analisis Faktor Pengaruh: Imunisasi, Kesehatan, dan Gizi dalam Kematian Bayi
Dalam penelitian ini, peneliti menggunakan model ZINB untuk menganalisis data kematian bayi akibat pneumonia dengan menguji tujuh variabel prediktor. Penelitian ini menunjukkan bahwa Zero-Inflated Negative Binomial regression lebih sesuai digunakan daripada model Poisson regression, karena data yang diperoleh memiliki banyak nilai nol dan menunjukkan adanya overdispersion. Hasil analisis model menunjukkan bahwa variabel-variabel seperti persentase bayi yang menerima imunisasi dasar lengkap (X1), cakupan pelayanan kesehatan anak (X4), persentase bayi dengan gizi buruk (X6), dan persentase bayi dengan LBW (X7) memiliki pengaruh signifikan dalam memprediksi jumlah kematian bayi akibat pneumonia. Berdasarkan uji Bayesian Information Criterion (BIC), model dengan empat prediktor terbaik adalah yang menggunakan variabel X1, X4, X6, dan X7.
Meningkatkan Kebijakan Kesehatan Berdasarkan Temuan Penelitian
Penelitian ini memberikan kontribusi penting dalam bidang statistik dan kesehatan masyarakat, terutama dengan penerapan model ZINB yang mengatasi masalah zero-inflation dan overdispersion dalam data kematian. Dosen PTI UMSIDA, Dr. Cindy Cahyaning Astuti, berharap temuan ini dapat digunakan untuk merancang kebijakan kesehatan yang lebih tepat dan efektif untuk menurunkan angka kematian bayi akibat pneumonia. Selain itu, penelitian ini juga menyarankan agar pemerintah daerah dan penyedia layanan kesehatan meningkatkan upaya dalam imunisasi dasar lengkap, pengelolaan gizi buruk, serta pemantauan kesehatan bayi dengan LBW sebagai bagian dari upaya pencegahan.
Temuan ini diharapkan tidak hanya bermanfaat bagi peneliti dan akademisi, tetapi juga bagi pembuat kebijakan untuk merancang strategi yang lebih baik dalam pencegahan pneumonia pada bayi. Model ZINB yang digunakan dalam penelitian ini juga dapat diterapkan pada berbagai penelitian serupa di daerah lain yang memiliki karakteristik data serupa, meningkatkan akurasi analisis dalam penelitian di bidang kesehatan.
Penulis: Mutafarida
