Evaluasi Dampak MBG & Stunting di Indonesia

Peta Sebaran Stunting & Alokasi SPPG di 38 Provinsi Indonesia

Eksplorasi heterogenitas spasial. Perhatikan bagaimana daerah dengan stunting tinggi mendapatkan alokasi dapur MBG (SPPG) yang lebih padat.

Skala Ukuran Lingkaran = Jumlah SPPG

Prevalensi Stunting & Status SPPG Data BGN & SSGI

<15% (Rendah)

15% - 25% (Sedang)

25% - 32% (Tinggi)

>32% (Prioritas 3T)

Detail Provinsi Terpilih

Klik salah satu titik provinsi di peta untuk melihat detail statistik alokasi SPPG, prevalensi stunting, dan tingkat cakupan.

Korelasi Mentah (Spasial): +0.72

Korelasi positif yang tinggi menunjukkan bahwa kebijakan BGN menargetkan daerah yang paling membutuhkan.

Simulasi Interactive Selection Bias

Uji coba ekonometrika interaktif. Bandingkan hasil perlakuan acak (RCT) dengan perlakuan prioritas (Purposive Targeting).

Dampak Sebenarnya MBG $ (\tau_{\text{ATT}}) $: -5.0%

Penurunan persen stunting murni yang dihasilkan MBG jika diberikan pada anak.

Intensitas Target Kebijakan $ (\gamma) $: Tinggi (+12.0%)

Tingkat kecenderungan BGN memberikan SPPG ke daerah berskor stunting tinggi.

Jumlah Sampel Wilayah $ (N) $: 200 Wilayah

Jumlah unit kabupaten/kecamatan simulasi yang diobservasi.

Plot Sebaran Wilayah: Baseline Stunting vs Status SPPG

Estimasi Naif OLS: ...

Dekomposisi Persamaan Rubin Potential Outcomes

1. Estimasi Naif (Perbedaan Rata-rata Observasi)

+7.2% Tampak Buruk / Bias!

$ \bar{Y}_{\text{SPPG}} - \bar{Y}_{\text{Non-SPPG}} $

Dampak Kausal Murni $ (\tau_{\text{ATT}}) $

-5.0%

Manfaat Sebenarnya

Bias Seleksi $ (E[Y_0|D=1] - E[Y_0|D=0]) $

+12.2%

Kesenjangan Awal

Solusi Ekonometrika: Mengatasi Bias Seleksi

Bagaimana Peneliti dan Analis Kebijakan mengisolasi dampak kausal murni dari MBG tanpa eksperimen acak (RCT)?

Metode 1

Difference-in-Differences (DiD)

Membandingkan perubahan tingkat stunting sebelum $ (t=0) $ dan sesudah $ (t=1) $ adanya SPPG antara wilayah perlakuan dan kontrol.

$$\hat{\tau}_{\text{DiD}} = (\Delta \bar{Y}_{\text{Treatment}}) - (\Delta \bar{Y}_{\text{Control}})$$

Metode 2

Propensity Score Matching (PSM)

Mencocokkan daerah SPPG dengan daerah non-SPPG yang memiliki kemiripan karakteristik $ (X) $ seperti PDRB, fasilitas kesehatan, dan tingkat kemiskinan.

$$P(X) = \text{Pr}(D_i = 1 \mid X_i)$$

Metode 3

Panel Fixed Effects (FE)

Melihat perkembangan wilayah yang sama secara memanjang (time-series) untuk mengontrol faktor tak terobservasi yang tidak berubah seiring waktu $ (\alpha_i) $.

$$Y_{it} = \beta D_{it} + \mathbf{X}_{it}'\gamma + \alpha_i + \gamma_t + \varepsilon_{it}$$

Tren Prevalensi Stunting, Pertumbuhan SPPG, & Anggaran (2018–2026)

Dinamika historis penurunan stunting nasional, akselerasi kuantitas SPPG, serta ilustrasi alokasi anggaran APBN.

Sumber: SSGI, BGN, & Proyeksi APBN Laboratorium Ekonometrika

Penurunan Stunting 2024

0.0% (21.5% → 21.5%)

Laju melambat sebelum peluncuran masif SPPG

Unit SPPG Beroperasi (2024)

150 Unit

Fase Uji Coba Perintisan (Pilot Project)

Proyeksi Anggaran MBG (2026)

Rp 171 Triliun

Skala Penuh Operasional Nasional BGN

Efisiensi Anggaran (2026)

Rp 61.0 Jt / % Stunting

Estimasi biaya APBN per penurunan 1% poin

Garis Tren: Stunting (%) vs Ekspansi SPPG (Unit)

Dua Sumbu Y

Alokasi Anggaran MBG & Program Gizi (Rp Triliun)

APBN 2018-2026