Pemodelan Kasus Stunting di Sulawesi dengan Pendekatan Regresi Panel
Abstract
Stunting merupakan masalah gizi yang tetap menjadi perhatian serius, mengingat dampaknya yang berkepanjangan terhadap pertumbuhan dan perkembangan anak. Tingginya angka stunting yang terus berlanjut menandakan adanya berbagai faktor yang perlu ditangani terkait kesehatan masyarakat dan kesejahteraan, khususnya di wilayah Sulawesi. Penelitian ini bertujuan mengkaji faktor determinan stunting di Sulawesi dan menentukan model regresi data panel yang paling sesuai untuk analisis tersebut. Penelitian ini menggunakan data sekunder dari enam provinsi di Sulawesi selama periode 2016–2023. Variabel dependen dalam kajian ini adalah stunting, dengan variabel independen meliputi pemberian MPASI, kepesertaan JKN, kepemilikan KKS, APK PAUD, akses sanitasi, serta bantuan persalinan tenaga kesehatan. Analisis data dilakukan menggunakan RStudio melalui pendekatan Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model (REM), dengan model terbaik ditentukan melalui Uji Chow, Hausman, dan Breusch-Pagan. Analisis data menetapkan Fixed Effect Model (FEM) sebagai model terbaik. Secara simultan, semua variabel independen berpengaruh signifikan terhadap stunting, namun secara parsial, hanya variabel bantuan persalinan oleh tenaga kesehatan yang menunjukkan pengaruh signifikan. Nilai R² yang disesuaikan sebesar 86,39% menunjukkan bahwa model yang digunakan mampu menjelaskan variasi tingkat stunting dengan tingkat kepercayaan yang cukup tinggi. Berdasarkan hal ini, dapat disimpulkan bahwa regresi data panel dapat dimanfaatkan sebagai alat analisis untuk mengetahui faktor-faktor yang memengaruhi stunting serta memetakan perbedaan karakteristik antarprovinsi di Pulau Sulawesi.
References
Badan Pusat Statistik. (2018). Laporan Indeks Khusus Penanganan Stunting 2016-2018. Badan Pusat Statistik
Badan Pusat Statistik. (2021). Laporan Indeks Khusus Penanganan Stunting 2020-2021. Badan Pusat Statistik
Badan Pusat Statistik. (2023). Laporan Indeks Khusus Penanganan Stunting 2022-2023. Badan Pusat Statistik
Baltagi, B. H. (2021). Econometric analysis of panel data (6th ed.). Springer.
Determinan Prevalensi Stunting Menurut Provinsi di Indonesia. (2026). Jurnal Ekonomi Dan Bisnis, 3(9), 211-224. https://ecosemica.net/index.php/ECONOMICA/article/view/1073
Gujarati, D. N., & Porter, D. C. (2021). Basic econometrics (6th ed). McGraw-Hill Education.
Hsiao, C. (2022). Analysis of panel data (4th ed.). cambridge University Press.
Hutagalung, I. P., & Darnius, O. . (2022). Analisis Regresi Data Panel Dengan Pendekatan Common Effect Model (CEM), Fixed Effect Model (FEM) dan Random Effect Model (REM) (Studi Kasus : IPM Sumatera Utara Periode 2014 – 2020). FARABI: Jurnal Matematika Dan Pendidikan Matematika , 5(2), 217–226. https://doi.org/10.47662/farabi.v5i2.422
Ihwal, M. ., Samsuddin, I. R. ., Makkulau, Baharuddin, Ampa, A. T., & Alni. (2024). Analisis Faktor-faktor yang Mempengaruhi Banyaknya Kasus Stunting pada Balita di Kota Kendari dengan Menggunakan Regresi Data Panel. Arus Jurnal Sains Dan Teknologi, 2(1), 208–215. https://doi.org/10.57250/ajst.v2i1.517
Kementerian Kesehatan Republik Indonesia. (2022). Buku Saku Hasil Survei Status Gizi Indonesia (SSGI) Tahun 2022. Jakarta: Kemenkes RI.
Laily, L., & Indarjo, S. (2023). Literature Review: Dampak Stunting terhadap Pertumbuhan dan Perkembangan Anak. HIGEIA (Journal of Public Health Research and Development), 7(3), 354-364. https://doi.org/10.15294/higeia.v7i3.63544
Nachrowi, D. N. Dan H. Usman. (2002). Penggunaan Teknik Ekonometrika. Jakarta: PT Raja Grafindo Persada.
Rahman, H., Rahmah, M., & Saribulan, N. (2023). Handling Stunting Strategy in Indonesia: Bibliometrycs Analysis and Content Analysis. Jurnal Ilmu Pemerintahan Suara Khatulistiwa, 8(1), 44–59. https://doi.org/10.33701/jipsk.v8i1.3184






