HUBUNGAN BERAT BADAN LAHIR RENDAH DAN GIZI BURUK DENGAN ANGKA KEMATIAN BAYI PADA DATA SURVEY DINAS KESEHATAN PROVINSI JAWA TIMUR Ifa Roifah Prodi S1 Keperawatan STIKes Bina Sehat PPNI Kab. Mojokerto Abstract Infant mortality may reflect socio-economic conditions of local communities, because the baby is the age group most vulnerable to the impacts of environmental change and socioeconomic. Based on BPS data, the IMR in East Java in 2005-2010 dropped from 36.65 (in 2005) to 29.99 per 1.000 live births. This figure is still far from the MDG targets by 2015'S by 23 per 1,000 live births. The main causes of neonatal deaths are Low Birth Weight Babies by 29%. Other indicators of the health status remains a problem in East Java is the problem of nutritional status. In 2010 in East Java are 136 districts that are prone nutrition or 20.54% of the 662 districts in East Java Province. This study is the data that is non-reactive East Java Provincial Health Department in 38 districts. The variables in this study infant mortality, low birth weight and malnutrition. Data analysis in this study used multiple linear regression to test the method enter the 10% significance level. The test results simultaneously obtained results p value 0.000 <0.10 means that there is a relationship of LBW and poor nutrition status with infant mortality rates to the value of R2 0.415 at means 41.5% infant mortality rate caused by low birth weight and malnutrition, while 58.5% are caused by other factors . Formed regression model y = 0.275 + 0.299 LBW + 0.207 poor nutrition status. Infant mortality rate means the unit will increase at an average of 0.299 low birth weight and infant mortality will increase at an average of 0.207 poor nutrition status predictor variables the other is constant. Key words: Infant mortality rate, LBW and Poor nutrition status
kematian bayi yang terjadi antara usia satu
PENDAHULUAN Kematian bayi adalah kematian
bulan
sampai
satu
tahun,
umumnya
yang terjadi antara saat bayi lahir sampai
disebabkan oleh faktor yang berkaitan
satu hari sebelum ulang tahun pertama.
dengan pengaruh lingkungan.
Dari sisi penyebabnya, kematian bayi
Angka Kematian Bayi (AKB) atau
dibedakan faktor endogen dan eksogen.
Infan Mortality rate adalah banyaknya bayi
Kematian
(kematian
yang meninggal sebelum mencapai usia
neonatal) adalah kejadian kematian yang
satu tahun per 1.000 kelahiran hidup (KH).
terjadi pada bulan pertama setelah bayi
AKB dapat menggambarkan kondisi sosial
dilahirkan, umumnya disebabkan oleh
ekonomi masyarakat setempat, karena bayi
faktor
adalah kelompok usia yang paling rentan
bayi
bawaan.
endogen
Sedangkan
kematian
eksogen (kematian post neonatal) adalah
terkena dampak dari perubahan lingkungan
terbanyak
yaitu
perempuan
12%;
maupun sosial ekonomi.
pekerjaan orang tua Petani/ Nelayan/
Berdasarkan data BPS, AKB Jawa
Buruh (12,9%); pendidikan orang tua tidak
Timur tahun 2005-2010 turun dari 36,65
tamat SD/MI (15,1%) dan tinggal di
(tahun 2005) menjadi 29.99 per 1.000
Pedesaan
kelahiran hidup. Angka tersebut masih
Kabupaten/Kota tahun 2010 diketahui
jauh dari target MDG’S tahun 2015
jumlah bayi BBLR
sebesar 23 per 1.000 kelahiran hidup.
mencapai 16.565 bayi dari 591.746 bayi
Penyebab utama kematian neonatal adalah
lahir hidup (2,79%) dan berdasarkan data
Bayi
dari bidang Yankes Provinsi Jawa Timur
Berat
Lahir
Rendah
(BBLR),
sebanyak 29 % (Depkes, 2007).
(12%).
Dari
laporan
di Jawa Timur
diketahui kasus kematian BBLR tertinggi
Angka kejadian BBLR di Indonesia sangat bervariasi antara satu daerah dengan
(>20%) terjadi di Kota Blitar, Batu dan Kabupaten Bondowoso.
daerah lain, yaitu berkisar antara 2,0%-
Indikator lain dari derajat kesehatan
15,1% (Joeharno, 2006). Secara nasional
yang masih menjadi masalah di Jawa
berdasarkan analisa lanjut SDKI, angka
Timur adalah masalah status gizi. Tahun
BBLR sekitar 7,5%. Angka ini lebih besar
2010
dari target BBLR yang ditetapkan pada
kecamatan yang rawan gizi atau 20,54%
sasaran program perbaikan gizi menuju
dari 662 kecamatan yang ada di Provinsi
Indonesia Sehat 2010 yakni maksimal
Jawa
7% (Meta, 2008). Di Provinsi Jawa
terbanyak ada di Kabupaten Situbondo (
Timur, BBLR masih menjadi penyebab
12
kematian neonatal tertinggi, pada tahun
kecamatan) dan Jember (10 kecamatan).
2007 sebesar 40,7% dan 2008 sebesar
Sementara jumlah kecamatan yang bebas
41,4%.
Sedangkan
prevalensi
rawan gizi di Jawa Timur ada
sendiri
mengalami
peningkatan
BBLR
di
Jawa
Timur.
Timur
Kecamatan
kecamatan),
terdapat
rawan
Probolinggo
136
gizi
(11
426
yaitu
kecamatan (79,46%) yang berarti cakupan
1,26% pada tahun 2005; 1,55 % pada tahun
tersebut telah mendekati target yang
2006 dan 2,2 % pada tahun 2008 (Data
diharapkan sebesar 80%.
LB3 KIA Dinkes Propinsi Jawa Timur, 2008).
ini
bertujuan
untuk
mengetahui hubungan berat badan lahir
Berdasarkan hasil Riskesdas tahun 2010
Penelitian
diketahui
bahwa
kasus
BBLR
mencapai 10,3% dari seluruh bayi lahir hidup dengan karakteristik bayi BBLR
rendah dan gizi buruk dengan angka kematian bayi di provinsi jawa timur.
a. Distribusi normalitas
METODE PENELITIAN Penelitian ini merupakan penelitian non-reaktif
Pengujian
error
normalitas
dengan
karena pada pengukuran
menggunakan uji Shapiro - Wilk,
variabel yang akan digunakan peneliti
dikatakan error mengikuti distribusi
menggunakan data sekunder yaitu data
normal jika p value > α
Dinas Kesehatan provinsi Jawa Timur. Sampel
pada
semua
Pemerikasaan multikolinieritas dapat
kabupaten/kota di wilayah propinsi jawa
dilihat nilai VIF, TOL dan condition
timur
index. Nilai VIF lebih dari 10 dan
tahun
penelitian
2010
ini
b. Multikolinieritas
sebanyak
38
kabupaten/kota. Variabel dalam penelitian
condition
ini adalah:
menunjukkan
a. Variabel Independen
multikolinieritas.
1. Berat badan bayi baru lahir (BBLR)
index
lebih
dari
ada
30 gejala
c. Heteroskedastisitas
Berat badan bayi diukur dengan
Pemeriksaan
prosentasi jumlah berat badan bayi
menggunakan uji Spearman’s Rank
baru lahir dibagi dengan jumlah bayi
Correlation,
lahir hidup dan mati dikalikan
masalah
dengan 100 persen.
menerima 꽠 jika p value > α
2. Gizi buruk Gizi
buruk
heteroskedastisitas
dikatakan
tidak
ada
heteroskedastisitas
atau
d. Otokorelasi diukur
dengan
Pemeriksaan otokorelasi menggunakan
prosentaase jumlah gizi buruk dibagi
uji Durbin Watson, dikatakan tidak ada
jumlah bayi dikalikan dengan 100
masalah otokorelasi atau menerima 꽠
persen
jika nilai d hitung atau nilai Durbin
b. Variable dependen : angka kematian bayi
Watson model lebih besar dari Durbin Watson table batas atas (dU) dan lebih
Analisa data dalam penelitian ini
kecil daripada nilai (4-dU)
menggunakan uji regresi linier berganda dengan
metode
enter
pada
taraf
Langkah terpenuhi
kedua,
maka
apabila
dilakukan
pengujian
signifikansi 10 %. Model persamaan dalam
hipotesis yaitu :
penelitian ini adalah :
a. Pengujian secara keseluruhan
Langkah dalam pengujian regresi linier berganda pertama, terpenuhi yaitu:
asumsi harus
꽠
꽠
Atau ,
㓨tit㓨m: 麸eb
m
0
asumsi
m麸
0
꽠
: secara bersama berat badan lahir
rendah
dan
gizi
buruk
tidak
c. Hasil pengujian hetroskedastisitas dengan
menggunkan
uji
berpengaruh signifikan terhadap angka
Spearman’s Rank Correlation p
kematian bayi
value 0,397
꽠
: minimal terdapat satu variable
d. pada BBLR dan p value 0,263 >
berat badan lahir rendah atau gizi
0,10 artinya tidak ada masalah
buruk berpengaruh signifikan terhadap
heteroskedastisitas. e. Hasil pengujian otokorelasi nilai
angka kematian bayi
Durbin
b. Pengujian parsial 꽠
0 , atau berat badan lahir
Watson
artinya
terhadap angka kematian bayi
otokorelasi.
rendah
0 , atau berat badan lahir
berpengaruh
signifikan
terhadap angka kematian bayi Atau, 꽠
0 , atau gizi buruk tidak
1,778>
Darbin Watson table (dU = 1,594)
rendah tidak penagaruh signifikan 꽠
hitung
tidak
ada
masalah
Hasil pengujian serentak adalah : R2
Variabel
F
p value
BBLR, gizi buruk dan 0,415 12,408 0,000 AKB Hubungan BBLR dan gizi buruk
penagaruh signifikan terhadap angka
dengan angka kematian bayi didapatkan
kematian bayi
hasil p value 0,000 < 0,10 maka H0 ditolak
꽠
0
,
atau
gizi
buruk
artinya ada hubungan BBLR dan
gizi
berpengaruh signifikan terhadap angka
buruk dengan angka kematian bayi dengan
kematian bayi
nilai R2
HASIL PENELITIAN
0,415 artinya 41,5 % angka
kematian bayi disebabkan oleh BBLR dan
Hasil pengujian asumsi pada regresi
gizi buruk sedangkan 58,5 % disebabkan
linier berganda :
oleh faktor lain.
a. Hasil pengujian error normalitas
Hasil pengujian parsial pada variable
dengan menggunakan uji Shapiro Wilk p value 0,475 > 0,10 artinya distribusi data normal. b. Hasil pengujian multikolinieritas nilai VIF = 1,553 < 10 dan nilai CI = 7,334 < 30 artinya tidak ada masalah multikolinieritas.
BBLR, gizi buruk dan AKB adalah : Std P t Error value (constant) 0,275 0,168 1,642 0,10 BBLR 0,299 0,062 4,816 0,000 Gizi 0,207 0,112 1,852 0,073 Buruk Hubungan BBLR dengan angka Model
B
kematian bayi didapatkan hasil p value
0,000 < 0,10 maka H0
artinya ada
cerminan dari status kesehatan anak saat
hubungan BBLR dengan angka kematian
ini. Tingginya angka kematian bayi di
bayi, sedangkan hubungan gizi buruk
Indonesia
dengan angka kematian bayi didapatkan
faktor, diantaranya faktor penyakit infeksi
hasil p value 0,073 < 0,10 maka H0 ditolak
dan kekurangan gizi. Status gizi balita
artinya ada hubungan gizi buruk dengan
kurang dan buruk serta berat badan lahir
angka kematian bayi. Model regresi yang
rendah
terbentuk adalah :
kematian
y = 0,275 + 0,299 BBLR + 0,207 gizi buruk
indikator derajat kesehatan di Indonesia.
Model tersebut menunjukkan bahwa angka
SIMPULAN
kematian bayi akan meningkat satu satuan
Simpulan dalam penelitian ini adalah
pada rata-rata 0,299 berat badan bayi lahir
1. Ada hubungan berat badan lahir rendah
rendah dan angka kematian bayi akan
dan gizi buruk dengan angka kematian
meningkat pada rata-rata 0,207 gizi buruk
bayi dengan p value 0,00 < 0,10.
dengan syarat variabel prediktor yang lain
disebabkan
merupakan
oleh
salah
berbagai
satu
sebab
bayi/balita sekaligus sebagai
2. Model akhir yang terbentuk y = 0,275 +
adalah konstan.
0,299 BBLR + 0,207 gizi buruk. Model
PEMBAHASAN
tersebut menunjukkan bahwa angka
Hasil
penelitian
menunjukkan
kematian bayi akan meningkat satu
terdapat hubungan berat badan lahir
satuan pada rata-rata 0,299 berat badan
rendah dan gizi buruk dengan angka
bayi lahir rendah dan angka kematian
kematian bayi dengan model akhir y =
bayi akan meningkat pada rata-rata
0,275 + 0,299 BBLR + 0,207 gizi buruk.
0,207 giizi buruk dengan syarat variabel
Model tersebut menunjukkan bahwa angka
prediktor yang lain adalah konstan.
kematian bayi akan meningkat satu satuan pada rata-rata 0,299 berat badan bayi lahir rendah dan angka kematian bayi akan meningkat pada rata-rata 0,207 giizi buruk dengan syarat variabel prediktor yang lain adalah konstan.
yang dikemukakan oleh Hapsari (2005) angka kematian bayi menjadi indikator
kesehatan
dalam anak
1. Perlu peningkatan promosi kesehatan pada faktor yang menyebabkan berat badan lahir rendah dan gizi buruk dengan sasaran ibu hamil dan ibu yang mempunyai balita.
Hal ini sesuai dengan konsep teori
pertama
SARAN
menentukan karena
derajat
merupakan
2. Perlu penelitian model faktor yang mempengaruhi angka kematian bayi yang lain sehingga dapat memberikan kontribusi
yang
lebih
terhadap
perkembangan pembangunan di Jawa Timur khususnya di bidang kesehatan. DAFTAR PUSTAKA Ali,
Z. (2006). Dasar-Dasar Ilmu Kesehatan Masyarakat, Raflesia Pres, Jakarta
Alimul,A. (2008) Ilmu Kesehatan Anak.Salemba Medika, Jakarta Bapenas. (2010). Bab 28, Peningkatan Akses Masyarakat Terhadap Kesehatan Yang Berkualitas. Presiden RI, sitasi 4 Maret 2010. Dinkes. (2012). Profil Kesehatan Jawa Timur Tahun 2010, sitasi 14 Maret 2012 Hapsari, E.D. (2004). Kontribusi Penting Menyelamatkan Persalinan Sehat dan Buku KIA, sitasi 22 Maret 2012 Hair, J.F., R.E. Anderson, R.L. Thatam, and W.C. Black. (2006).
Multivariate Data Analysis With Reading, 6th edition. Englewood Cliffs, Upper Saddle River. NJ: Prentice Hall. Johson RA, Wichern DW. (2007). Applied Multivariate Stastistical Analysis. 7th edition, Upper Saddle River,NJ: Prentice-Hall Supranto, M.A. (2004). Analisis Multivariat Arti & Interpretasi, Rineka Cipta, Jakarta Mubarak, I. (2006). Ilmu Kesehatan Masyarakat, Salemba Medika, Jakarta Suryabarata, S. (2010). Metodologi Penelitian, Rajawali Pres, Jakarta Yamin, S. dan Kurniawan, H., (2011). Regresi Dan Korelasi Dalam Genggaman Anda,, Salemba Empat, Jakarta
