Indonesia mencatat lebih dari 57 ribu kasus HIV baru pada tahun 2023. Namun, penyebaran kasus tersebut tidak terjadi secara merata. Beberapa provinsi memiliki jumlah kasus yang jauh lebih tinggi dibandingkan wilayah lain. Pertanyaannya, apakah faktor-faktor penyebab HIV memiliki pengaruh yang sama di setiap daerah? Penelitian terbaru menunjukkan bahwa jawabannya tidak selalu demikian.
Selama ini, analisis kasus HIV umumnya menggunakan model statistik yang menganggap hubungan antara faktor penyebab dan jumlah kasus HIV bersifat sama di seluruh wilayah. Padahal, kondisi sosial, ekonomi, pendidikan, dan karakteristik masyarakat di setiap provinsi Indonesia sangat beragam. Perbedaan tersebut berpotensi menghasilkan pola penyebaran HIV yang berbeda pula.
Untuk menjawab tantangan tersebut, penelitian ini mengembangkan pendekatan statistika yang disebut Geographically Weighted Negative Binomial Regression (GWNBR). Metode ini memungkinkan analisis dilakukan secara lokal sehingga pengaruh suatu faktor dapat berbeda antara satu wilayah dan wilayah lainnya.
Penelitian ini menggunakan data 34 provinsi di Indonesia tahun 2023. Variabel yang dianalisis meliputi jumlah kasus HIV sebagai variabel respon, sedangkan faktor-faktor yang diduga memengaruhi terdiri atas persentase penduduk miskin, jumlah desa menurut status wilayah, jumlah lulusan sekolah menengah atas, dan pengeluaran per kapita masyarakat.
Tahap awal analisis dilakukan menggunakan regresi Poisson, yaitu metode yang umum digunakan untuk data berupa jumlah kejadian. Akan tetapi, hasil pengujian menunjukkan adanya overdispersi, yaitu kondisi ketika variasi data jauh lebih besar dibandingkan asumsi yang digunakan model Poisson. Kondisi ini menyebabkan hasil analisis menjadi kurang akurat dan berpotensi menghasilkan kesimpulan yang menyesatkan.
Untuk mengatasi masalah tersebut, peneliti menggunakan Regresi Binomial Negatif (Negative Binomial Regression) yang lebih mampu menangani data dengan variasi tinggi. Hasilnya menunjukkan bahwa model ini memberikan performa yang jauh lebih baik dibandingkan regresi Poisson.
Namun, penelitian tidak berhenti sampai di situ. Analisis selanjutnya menunjukkan adanya ketergantungan spasial dan heterogenitas spasial. Artinya, suatu provinsi cenderung dipengaruhi oleh kondisi wilayah di sekitarnya, dan hubungan antara faktor-faktor penyebab dengan jumlah kasus HIV tidak sama di seluruh Indonesia.
Temuan inilah yang menjadi alasan penggunaan metode GWNBR. Melalui pendekatan ini, setiap provinsi memperoleh model statistiknya sendiri berdasarkan karakteristik lokal dan pengaruh wilayah di sekitarnya. Dengan kata lain, faktor yang dominan memengaruhi kasus HIV di Jakarta belum tentu memiliki pengaruh yang sama di Papua, Nusa Tenggara Timur, atau Jawa Timur.
Hasil penelitian menunjukkan bahwa model GWNBR menghasilkan nilai Akaike Information Criterion (AIC) yang paling rendah dibandingkan model sebelumnya. Nilai AIC yang lebih kecil menunjukkan kemampuan model yang lebih baik dalam menjelaskan data. Dengan demikian, GWNBR terbukti menjadi model yang paling sesuai untuk menganalisis jumlah kasus HIV di Indonesia.
Salah satu temuan menarik dari penelitian ini adalah bahwa pengeluaran per kapita menjadi faktor yang signifikan di seluruh provinsi. Sementara itu, pengaruh faktor lain seperti kemiskinan, pendidikan, dan karakteristik wilayah pedesaan bervariasi antar daerah. Fakta ini menunjukkan bahwa strategi penanganan HIV tidak dapat dilakukan dengan pendekatan yang seragam untuk seluruh Indonesia.
Sebagai contoh, di beberapa daerah peningkatan akses pendidikan dapat menjadi strategi yang efektif dalam menekan penyebaran HIV. Di wilayah lain, faktor kemiskinan dan keterbatasan pembangunan desa justru menjadi faktor utama yang perlu mendapat perhatian. Oleh karena itu, kebijakan yang disusun berdasarkan kondisi lokal berpotensi memberikan hasil yang lebih efektif dibandingkan kebijakan nasional yang bersifat umum.
Selain memberikan manfaat praktis bagi sektor kesehatan, penelitian ini juga menunjukkan pentingnya pemanfaatan teknologi statistika modern dalam pengambilan keputusan berbasis data. Pendekatan spasial seperti GWNBR mampu mengungkap informasi yang tidak terlihat jika hanya menggunakan metode statistika konvensional.
Penelitian ini membuktikan bahwa penyebaran HIV di Indonesia dipengaruhi oleh faktor-faktor yang berbeda di setiap wilayah. Metode GWNBR mampu menangkap keragaman tersebut dengan lebih baik dibandingkan model statistik konvensional. Hasil penelitian menegaskan bahwa kebijakan penanggulangan HIV sebaiknya disusun berdasarkan karakteristik lokal masing-masing daerah. Dengan memanfaatkan analisis spasial yang akurat, pemerintah dapat mengalokasikan sumber daya secara lebih tepat, mengidentifikasi wilayah berisiko tinggi, serta merancang program pencegahan yang lebih efektif untuk mencapai target pengendalian HIV dan mendukung pencapaian Sustainable Development Goals (SDGs) di Indonesia.
Ditulis oleh: Toha Saifudin
Link Artikel:
