Akses terhadap layanan kesehatan adalah hak dasar setiap warga negara. Namun, realitas di lapangan menunjukkan bahwa sebagian masyarakat Indonesia masih kesulitan memperoleh layanan kesehatan yang seharusnya mereka dapatkan. Fenomena ini dikenal sebagai unmet need”kebutuhan layanan kesehatan yang belum terpenuhi. Berdasarkan data Badan Pusat Statistik (2023), lebih dari 27% penduduk Indonesia yang mengalami keluhan kesehatan tidak mencari pertolongan medis. Alasan utamanya meliputi anggapan bahwa keluhan tidak serius, kendala biaya, hingga jarak fasilitas kesehatan yang terlalu jauh. Kondisi tersebut menandakan bahwa sistem kesehatan nasional belum sepenuhnya mampu menjangkau seluruh lapisan masyarakat. Di sinilah pentingnya analisis berbasis data untuk mengidentifikasi wilayah-wilayah yang memiliki kebutuhan layanan tinggi tetapi akses yang rendah.
Penelitian ini dilakukan oleh tim dosen dan mahasiswa dari Departemen Matematika 51¶¯Âþ dengan menggunakan pendekatan nonparametrik Kernel Estimator. Pendekatan ini digunakan karena mampu menangkap pola data yang tidak terstruktur tanpa harus mengikuti asumsi distribusi tertentu. Data yang dianalisis berasal dari publikasi Badan Pusat Statistik tahun 2024, mencakup 34 provinsi di Indonesia. Dua variabel utama yang digunakan yaitu persentase keluhan kesehatan masyarakat sebagai variabel prediktor dan persentase kebutuhan layanan kesehatan yang tidak terpenuhi (unmet need) sebagai varaibel respon. Proses analisis dilakukan menggunakan perangkat lunak R, dengan pengujian beberapa fungsi kernel seperti Gaussian, Triweight, dan Epanechnikov. Fungsi terbaik ditentukan berdasarkan nilai Generalized Cross Validation (GCV) terendah, yang menunjukkan keseimbangan optimal antara ketepatan dan kelancaran hasil estimasi.
Dari hasil analisis, ditemukan bahwa fungsi kernel Gaussian dengan bandwidth 0,33 memberikan hasil terbaik, dengan nilai GCV minimum 1,052939. Model ini menghasilkan koefisien determinasi (R²) sebesar 82,44%, yang berarti lebih dari 80% variasi unmet need dapat dijelaskan oleh tingkat keluhan kesehatan masyarakat.
Secara umum, terdapat 12 provinsi yang memiliki tingkat unmet need di atas rata-rata nasional, dan 16 provinsi.dengan tingkat keluhan kesehatan lebih tinggi dari rata-rata. Provinsi Nusa Tenggara Barat (NTB) tercatat sebagai daerah dengan tingkat unmet need dan keluhan tertinggi, sedangkan Bali memiliki tingkat terendah.
Temuan ini mengindikasikan adanya ketimpangan yang cukup tajam antar wilayah. Wilayah-wilayah dengan keluhan tinggi tetapi pelayanan rendah perlu menjadi prioritas dalam perencanaan kebijakan kesehatan. Penelitian ini tidak hanya relevan bagi akademisi, tetapi juga penting untuk pembuat kebijakan. Dengan pemetaan berbasis statistik nonparametrik, pemerintah dapat mengidentifikasi daerah rawan ketimpangan layanan kesehatan secara lebih akurat. Hasilnya diharapkan mampu membantu pencapaian Tujuan Pembangunan Berkelanjutan (SDGs) poin ke-3 (Good Health and Well-Being) dan poin ke-10 (Reduced Inequalities).
Sebagai langkah lanjut, peneliti merekomendasikan agar kajian serupa diperluas dengan memasukkan faktor sosial-ekonomi, ketersediaan tenaga medis, dan kondisi geografis untuk mendapatkan gambaran yang lebih menyeluruh.
Melalui pendekatan statistik kernel estimator, penelitian ini berhasil menunjukkan bahwa tingkat keluhan kesehatan masyarakat dapat menjadi indikator kuat terhadap belum terpenuhinya kebutuhan layanan kesehatan di Indonesia. Analisis ini memperkuat urgensi bagi pemerintah untuk mengarahkan kebijakan dan sumber daya secara lebih tepat sasaran, terutama di wilayah dengan ketimpangan akses tinggi. Dengan pemanfaatan metode statistik modern, data bukan hanya sekadar angka melainkan alat untuk memastikan pemerataan kesehatan bagi seluruh rakyat Indonesia.
Penulis:Marisa Rifada
Detail tulisan ini dapat dilihat di:
