BAB I PENDAHULUAN 1.

1 Latar Belakang Angka kematian bayi (AKB) merupakan salah satu indikator penting dalam menentukan tingkat kesehatan masyarakat. Keberhasilan pembangunan kesehatan berperan penting dalam meningkatkan mutu kualitas sumber daya manusia suatu negara. Pembangunan bidang kesehatan diarahkan untuk mencapai komitmen internasional yang dituangkan dalam Millennium Development Goals (MDGs). Salah satu tujuan MDGs adalah menurunkan angka kematian anak. Di Jawa Timur, Badan Pusat Statistik (BPS) mencatat angka kematian bayi (AKB) menurun dari 39.6 per 1000 kelahiran hidup pada tahun 2004 menjadi 31.41 per 1000 kelahiran hidup tahun 2009. Angka kematian ini turun menjadi 31.28 pada tahun 2010. Namun AKB ini masih tergolong tinggi karena masih jauh dari target MDGs tahun 2015 sebesar 23 per 1.000 sehingga bisa dikatakan bahwa upaya penurunan angka kematian bayi di Jawa Timur belum maksimal. Penurunan AKB mengindikasikan peningkatan derajat kesehatan masyarakat sebagai salah satu wujud keberhasilan pembangunan di bidang kesehatan. Beberapa penelitian menunjukkan bahwa tingginya angka kematian bayi bukan hanya karena masalah medis, melainkan non medis yang sifatnya sangat fundamental (mendasar dan besar), seperti minimnya sarana dan prasarana kesehatan, jauhnya akses masyarakat menuju puskesmas, minimnya tenaga bidan, lemahnya ekonomi dan juga bisa karena human error dari faktor ibu sendiri. Survei Demografi dan Kesehatan Indonesia (SDKI) tahun 2002-2003 mengumpulkan berbagai informasi, diantaranya tentang kematian bayi yang dikelompokkan berdasarkan karakteristik sosial ekonomi dan biodemografis. Variabel sosial ekonomi tersebut mencakup tempat tinggal, pendidikan, serta indeks kekayaan kuantil. Variabel biodemografis meliputi umur ibu, paritas dan jarak kelahiran. Beberapa variabel lain yang

2 berpengaruh terhadap kematian bayi antara lain berat bayi saat lahir, pemeriksaan kehamilan dan penolong kelahiran, serta komplikasi saat persalinan, semuanya telah tercakup didalamnya. Tingginya AKB tidak bisa dibiarkan begitu saja mengingat kelangsungan hidup anak menentukan kualitas sumber daya manusia dimasa yang akan datang. Oleh karena itu diperlukan intervensi untuk mengurangi angka kematian bayi. Intervensi yang efektif dapat dilakukan jika faktor-faktor signifikan yang mempengaruhi kematian bayi dapat diketahui. Penelitian mengenai faktor-faktor yang mempengaruhi angka kematian bayi di Jawa Timur telah dilakukan oleh Ardiyanti (2010) dengan menggunakan metode geographically weighted poisson regression (GWPR). Hasil penelitian menunjukkan bahwa terdapat perbedaan dari tiap kabupaten/kota di Jawa Timur mengenai faktor yang signifikan terhadap jumlah kematian bayi di wilayah tersebut. Faktor yang berpengaruh signifikan terhadap jumlah kematian bayi di seluruh kabupaten/kota di propinsi Jawa Timur adalah persentase persalinan yang dilakukan dengan bantuan non medis. Selain itu, Rani (2011) juga meneliti faktorfaktor yang mempengaruhi kematian bayi di Jawa Timur dengan pendekatan geographically weighted poisson regression semiparametric (GWPRS). Hasil penelitian menunjukkan bahwa faktor utama yang mempengaruhi AKB adalah jumlah sarana kesehatan, jumlah tenaga medis, dan persentase persalinan yang dilakukan dengan bantuan non medis. Faktor lain yang mempengaruhi AKB antara lain rata-rata jumlah pengeluaran rumah tangga ,rata-rata pemberian ASI eksklusif, persentase rumah tangga yang memiliki air bersih, dan persentase penduduk miskin. Pada dasarnya, kasus diatas bisa dianalisis dengan menggunakan regresi linier seperti pada penelitian yang telah dilakukan oleh Basilia (2003) tentang AKB di Jawa Timur tahun 2000, namun pada penelitian tersebut tidak melibatkan efek spasial. Hasil penelitian menunjukkan bahwa faktor yang paling dominan berpengaruh pada AKB adalah faktor pemeriksaan

3 kehamilan, faktor unit pelayanan kesehatan, faktor tersedianya posyandu, faktor pendidikan ibu, dan faktor penolong persalinan. Pada penelitian-penelitian yang sudah dilakukan diatas, hasil model yang didapat merupakan model tunggal yaitu hasil seleksi model terbaik sehingga tidak melibatkan ketidakpastian model. Pemilihan model tunggal menjadi model terbaik cenderung mengabaikan ketidakpastian model (Leamer 1978; Hodges 1987; Raftery 1988, 1996; Moulton 1991; Draper 1995). Hal ini memungkinkan terjadinya estimasi yang kurang tepat dalam pemilihan model tersebut. Kasus AKB diatas merupakan kasus yang melibatkan ketidakpastian model sehingga diperlukan suatu metode yang melibatkan ketidakpastian model dalam pemilihan model terbaik. Terkait dengan model yang tidak pasti, Bayesian Model Averaging (BMA) merupakan metode yang bisa digunakan untuk menyelesaikan kasus diatas dengan hasil prediksi yang lebih baik. Seperti penelitian yang telah dilakukan oleh Raftery, dkk (1998) mengenai kasus kriminal di US tahun 1960. Penelitian tersebut memberikan hasil yang berbeda antara metode BMA dengan regresi linier. Selain itu, hasil pemilihan model menggunakan BMA memberikan keakuratan hasil prediksi yang lebih tinggi daripada regresi linier. Penelitian lain tentang aplikasi BMA juga dilakukan oleh Volinsky (1997), Hoeting, dkk (1999), Liang, dkk (2001), Madigan (1994), Mubwandarikwa, dkk (2005), Montgomery dan Nyhan (2010), Viallefont, dkk (2001). BMA merupakan salah satu metode statistik yang mempertimbangkan model yang tidak pasti dalam pemilihan variabel dengan mengkombinasikan model-model yang terbentuk dari variabel prediktor. Prinsip dasar BMA adalah memprediksi model terbaik berdasarkan rata-rata terboboti dari seluruh model. Hasil dari estimasi mencakup semua model yang kemungkinan terbentuk sehingga bisa mendapatkan hasil estimasi yang lebih baik (Madigan dan Raftery 1994). Oleh karena itu, pada penelitian kali ini peneliti menggunakan metode Bayesian Model Averaging (BMA) untuk memprediksi faktor-faktor yang

4 mempengaruhi angka kematian bayi di Jawa Timur yang hasilnya akan dibandingkan dengan model terbaik pada regresi liner. Penelitian tentang aplikasi BMA pada regresi linier belum pernah dilakukan untuk memodelkan kasus-kasus di Indonesia. 1.2 Rumusan Permasalahan Berdasarkan uraian latar belakang di atas, permasalahan yang akan dibahas dalam penelitian ini adalah 1. Bagaimana hasil prediksi Bayesian Model Averaging (BMA) terhadap faktor-faktor yang mempengaruhi angka kematian bayi di Jawa Timur? 2. Bagaimana hasil prediksi regresi linier berganda terhadap faktor-faktor yang mempengaruhi angka kematian bayi di Jawa Timur? 3. Bagaimana perbandingan hasil prediksi antara Bayesian Model Averaging dan regresi linier berganda terhadap faktorfaktor yang mempengaruhi angka kematian bayi di Jawa Timur? 1.3 Tujuan Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah memprediksi faktor-faktor yang bepengaruh secara signifikan terhadap angka kematian bayi di Jawa Timur dengan metode Bayesian Model Averaging (BMA) dan regresi linier serta mengetahui perbandingan hasil prediksi antara kedua metode. 1.4 Manfaat Penelitian Adapun manfaat yang diharapkan dari penelitian ini adalah memprediksi faktor-faktor yang berpengaruh secara signifikan terhadap angka kematian bayi yang tergolong tinggi di Jawa Timur dengan harapan bisa memberikan hasil yang lebih akurat daripada regresi linier sehingga bisa memberi masukan bagi pemerintah dalam upaya menentukan langkah-langkah intervensi dalam penurunan angka kematian bayi (AKB) sebagai indikator peningkatan derajat kesehatan masyarakat di Jawa Timur untuk mencapai tujuan dalam Millennium Development

5 Goals (MDGs). Selain itu, penelitian juga diharapkan bisa mengetahui hasil prediksi yang didapat menggunakan metode BMA sehingga bisa menambah referensi mengenai metode statistik baru dalam pemilihan model. 1.5 Batasan Masalah Batasan masalah dalam penelitian ini adalah data yang digunakan dikhususkan pada data cross section dan tidak melibatkan efek spasial (lokasi daerah).

(Halaman ini sengaja dikosongkan)