Hipertensi, yang disebut sebagai silent killer, merupakan penyakit tidak menular yang merupakan penyebab utama kematian dini di seluruh dunia. Berdasarkan WHO, diperkirakan 46% orang dewasa penderita hipertensi tidak menyadari bahwa mereka mengidap penyakit tersebut. Berbagai penelitian menemukan beberapa faktor risiko penyebab hipertensi: usia, indeks massa tubuh, dan faktor psikologis. Kita perlu membangun model untuk memperkirakan risiko hipertensi berdasarkan usia, indeks massa tubuh, dan faktor psikologis. Model regresi parametrik dan nonparametrik adalah dua pendekatan untuk memperkirakan model dalam analisis statistik. Estimator linier lokal merupakan salah satu estimator dalam model regresi nonparametrik. Kelebihan dari estimator ini adalah dapat mengestimasi fungsi pada setiap titik sehingga model mendekati pola sebenarnya, dan juga tidak memerlukan data yang besar untuk menilai model.
Pada penelitian ini, pemodelan risiko hipertensi berdasarkan usia, BMI, dan faktor psikologis dilakukan dengan menggunakan pendekatan regresi logistik ordinal nonparametrik berdasarkan estimator linier lokal. Data yang digunakan dalam penelitian ini adalah data primer dan sekunder yang diperoleh dari kuesioner dan wawancara di Rumah Sakit Haji Surabaya terhadap 84 responden yang terdiri dari 23 orang menderita pra hipertensi, 27 orang menderita hipertensi stadium 1, dan responden menderita hipertensi stadium-2.
Kesimpulan: Pendekatan regresi logistik ordinal nonparametrik berdasarkan estimator linier lokal lebih baik dibandingkan pendekatan regresi logistik ordinal parametrik untuk pemodelan risiko hipertensi berdasarkan usia, indeks massa tubuh dan faktor tingkat psikologis. Hasil pemodelan yang diperoleh dalam penelitian ini dapat digunakan untuk memprediksi peluang risiko seseorang terkena hipertensi sebagai upaya pencegahan hipertensi di Indonesia.
Penulis: Dr. Nur Chamidah, S.Si., M.Si.
Informasi lengkap (detail) dari penelitian ini dapat dilihat pada tulisan kami di laman:
Baca juga: Diabetes dan Hipertensi pada Pasien Gigi
