Selama empat tahun terakhir, Indonesia mengalami peningkatan jumlah penduduk yang tidak tercukupi kebutuhan pangannya atau dikenal dengan Prevelence of Undernourishment (PoU). Data dari Badan Pudat Statistik menunjukkan bahwa angka PoU meningkat dari 7,63% pada tahun 2019 menjadi 10,21% di tahun 2022. Kenaikan ini menunjukkan adanya ketidakstabilan dalam sistem ketahanan pangan nasional, yang jika dibiarkan dapat berdampak terhadap masyarakat terutama pada kelompok rentan seperti anak-anak dan ibu hamil.
Situasi ini diperparah oleh peringkat Indonesia dalam Global Hunger Index (GHI) pada tahun 2022. Dari 121 negara, Indonesia berada di posisi ke-77 menempati peringkat tertinggi ketiga dalam tingkat kelaparan dikawasan ASEAN setelah Timor Leste dan Laos. Meskipun pemerintah telah menjalankan Program Makan Bergizi Gratis sejak tahun 2024 sebagai salah satu bentuk intervensi, berbagai tantangan turut muncul di lapangan. Mulai dari kasus keracunan makanan di beberapa sekolah dasar hingga ketidaksesuaian menu saat bulan Ramadan. Selain itu, proyeksi anggaran program yang mencapai Rp460 triliun per tahun pada 2029 menuntut adanya evaluasi dan pendekatan yang lebih berbasis data.
Berangkat dari realitas tersebut, tim peneliti dari 51¶¯Âþ melakukan kajian komprehensif terhadap determinan PoU di Indonesia menggunakan pendekatan Geographically Weighted Regression (GWR). Berbeda dengan pendekatan regresi linier klasik yang mengasumsikan pengaruh variabel bersifat sama di seluruh wilayah, GWR memungkinkan analisis yang mempertimbangkan perbedaan pengaruh variabel di masing-masing daerah. Pendekatan ini dipilih karena Indonesia memiliki karakteristik geografis dan sosial-ekonomi yang sangat beragam antarprovinsi.
Studi ini menggunakan data sekunder dari BPS tahun 2024 yang mencakup seluruh 38 provinsi di Indonesia. Terdiri dari enam variabel prediktor utama dianalisis dalam hubungannya dengan PoU, yaitu pengeluaran per kapita, akses terhadap air minum yang layak, rata-rata lama sekolah, akses terhadap sanitasi yang layak, angka partisipasi perguruan tinggi, dan pengeluaran pangan rata-rata.
Hasil pengujian awal menunjukkan bahwa distribusi PoU memiliki autokorelasi spasial positif yang signifikan, yang mengindikasikan bahwa provinsi-provinsi dengan PoU tinggi cenderung berdekatan secara geografis, khususnya di wilayah Indonesia Timur. Selanjutnya, hasil pengujian terhadap heterogenitas spasial menggunakan uji Breusch-Pagan juga mendukung terdapatnya variasi antarwilayah. Oleh karena itu, model GWR diterapkan sebagai pendekatan yang paling sesuai. Hasil analisis menunjukkan bahwa model GWR dengan kernel Adaptive Gaussian memiliki performa terbaik, dengan nilai koefisien determinasi (R²) sebesar 96% dan nilai Akaike Information Criterion (AIC) sebesar 176,70, jauh lebih baik dibandingkan model regresi linier klasik yang hanya memiliki R² sebesar 53% dan AIC sebesar 253,21. Ini menunjukkan bahwa model spasial lebih akurat dalam menangkap kondisi ketahanan pangan di tingkat wilayah.
Secara substantif, hasil GWR menunjukkan bahwa variabel-variabel yang memengaruhi PoU berbeda di setiap wilayah. Misalnya, di Papua Pegunungan peningkatan akses terhadap air bersih dan rata-rata lama sekolah justru berkorelasi positif terhadap meningkatnya PoU. Hal ini mungkin menunjukkan bahwa infrastruktur formal tersedia, namun belum menjamin keterjangkauan atau kualitas konsumsi pangan. Sebaliknya, peningkatan akses terhadap sanitasi memiliki dampak negatif terhadap PoU, yang berarti semakin baik sanitasi, maka semakin rendah tingkat ketidakcukupan pangan. Sementara itu, di wilayah lain seperti Kalimantan dan Sulawesi, pengeluaran per kapita menjadi variabel yang paling signifikan dalam menurunkan PoU. Hal ini menunjukkan bahwa peningkatan daya beli masyarakat dapat berdampak langsung pada perbaikan konsumsi pangan di wilayah tersebut. Temuan ini mempertegas bahwa determinan ketahanan pangan bersifat lokal.
Secara keseluruhan, penelitian ini menegaskan pentingnya pendekatan berbasis wilayah dalam menyusun strategi ketahanan pangan nasional. Intervensi pemerintah seharusnya mempertimbangkan karakteristik sosial, ekonomi, dan geografis dari masing-masing provinsi. Wilayah seperti Papua, Nusa Tenggara, dan sebagian Kalimantan yang menunjukkan PoU tinggi membutuhkan perhatian khusus dan solusi yang kontekstual. Penelitian ini juga memberikan kontribusi nyata dalam mendukung pencapaian Tujuan Pembangunan Berkelanjutan (SDGs) nomor 2: Zero Hunger, dengan menekankan bahwa kebijakan pangan harus berbasis data, inklusif, dan mempertimbangkan variasi regional. Selain itu, studi ini membuka peluang pengembangan riset lanjutan dalam bidang ekonometrika spasial, khususnya terkait ketahanan pangan, kemiskinan, dan pembangunan wilayah.
Penulis: Dr. Toha Saifudin, S.Si., M.Si
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
Toha Saifudin, Nur Chamidah, Fidela Sahda Ilona Ramadhina, Ilham Maulana Al Hasri, Nadya Lovita Hana Trisa, Hanny Valida, dan Muhammad Daffa Bintang Setyawan, 2025, Mapping Food Insecurity: Spatial Modelling of Undernourishment Prevalence in Indonesia using Geographically Weighted Regression, JTAM, 9(4), 1165-1181.
