Perancangan Model Matematika Persentase Lemak Tubuh Anak-anak Indonesia Berbasis Antropometri

Perancangan Model Matematika Persentase Lemak Tubuh Anak-anak

Indonesia Berbasis Antropometri

Boy Nurtjahyo Moch., Sendhi Leonita

Teknik Industri, Fakultas Teknik, Universitas Indonesia, Depok 16424

ABSTRAK

Sebuah metode estimasi persentase dan distribusi lemak tubuh pada anak-anak diperlukan untuk menjadi dasar dalam penentuan program penentuan asupan makan dan aktivitas fisik dalam mengatasi masalah obesitas demi meningkatkan produktivitas dan pencapaian keterampilan pada anak-anak. Analisis regresi berganda dilakukan untuk merancang model matematika persentase lemak tubuh berbasis antropometri. Penelitian cross-sectional yang dilakukan pada 155 anak laki-laki Indonesia berusia 7-12 tahun ini menghasilkan model regresi,

ln⁡ [Body fat (kg)] = 6,939 - 22,8591/√(Weight (kg)) - 0,015 Body height (cm) + 0,142 √(Distance neck to hip (cm)) + 0,008 Knee girth right (cm) - 0,007 Waist to hip⁄thigh right (cm) + 14,056 1/(High hip girth (cm)) + 0,127 ln⁡ [Across back width (armpit level)(cm)] + 0,003 Width armpits (cm),

yang dapat digunakan untuk mengestimasi persentase lemak tubuh serta memprediksi distribusi dominan pada anak laki-laki Indonesia.

Kata Kunci: Antropometri, Distribusi Lemak Tubuh, Obesitas, Persentase Lemak Tubuh, Produktivitas

ABSTRACT

A method of estimating percentage and distribution of body fat at boys is required to become a basic in designing dietary and physical activity program in order to overcome obesity problem which can increase children’s productivity and skill attainment. Multiple regression analysis was conducted to design mathematical model of body fat percentage based on anthropometry. This cross-sectional study which has a total of 155 boys aged 7 to 12 years old obtained regression model,

ln⁡ [Body fat (kg)] = 6,939 - 22,8591/√(Weight (kg)) - 0,015 Body height (cm) + 0,142 √(Distance neck to hip (cm)) + 0,008 Knee girth right (cm) - 0,007 Waist to hip⁄thigh right (cm) + 14,056 1/(High hip girth (cm)) + 0,127 ln⁡ [Across back width (armpit level)(cm)] + 0,003 Width armpits (cm),

that can be used to estimate body fat percentage and predict dominant distribution of body fat at Indonesian boys.

Keywords: Anthropometry, Body Fat Distribution, Body Fat Percentage, Obesity, Productivity

1. Pendahuluan

Prevalensi obesitas meningkat dari tahun ke tahun, baik di negara maju maupun negara yang sedang berkembang. Berdasarkan data Kementerian Kesehatan tahun 2007, prevalensi obesitas pada anak-anak usia 6 hingga 14 tahun mencapai 9,5% untuk laki-laki, sedangkan pada perempuan mencapai 6,4%. Kondisi ini meningkat dari tahun 1990-an yang berkisar 4% [1]. Secara nasional masalah kegemukan pada anak umur 6-12 tahun masih tinggi yaitu 9,2% atau masih di atas 5,0%. Prevalensi kegemukan pada anak laki-laki umur 6-12 tahun lebih tinggi dari prevalensi pada anak perempuan yaitu berturut-turut sebesar 10,7% dan 7,7%. Selain berkaitan dengan masalah kesehatan, masalah yang ditimbulkan dari obesitas pada anak-anak adalah rendahnya pembentukan keterampilan ketika masa kanak-kanak sehingga dapat menurunkan produktivitas saat mereka tumbuh dewasa.

Dengan demikian, diperlukan kebijakan dan program untuk mengatasi obesitas pada anak-anak. Tindakan yang dapat dilakukan dapat meliputi pemilihan asupan makanan dan program olahraga yang tepat. Kedua hal tersebut harus berdasarkan kepada pengukuran standar. Sebuah pengukuran ideal pada obesitas haruslah akurat dengan mengukur lemak tubuh; mudah didapatkan baik dari segi waktu, biaya, dan ramah untuk anak-anak; dan terdokumentasi dengan baik, dengan sebuah referensi yang telah terpublikasi [2].

Kadar lemak tubuh dapat diukur melalui berbagai bidang dan metode laboratorium yang sangat bervariasi dalam hal kecanggihan, akurasi, feasibilitas, dan biaya. Secara umum, pengukuran kadar lemak tubuh terbagi atas tiga macam, yaitu metode langsung, metode tidak langsung, dan metode tidak langsung berganda. Salah satu metode langsung adalah IVNAA (In Vivo Neutron Activation Analysis) yang mengukur jumlah elemen kimia di dalam tubuh manusia. Metode ini sangat jarang digunakan karena biayanya sangat mahal dan hanya sedikit laboratorium yang menggunakan metode ini. Sementara itu, metode tidak langsung yang dapat digunakan adalah underwater weighing (pengukuran berat tubuh di dalam air). Metode tersebut merupakan metode yang tidak tepat digunakan pada anak-anak. Metode-metode pengukuran tidak langsung lain yang dapat digunakan adalah deuterium oxide dilution, dan dual energy X-ray absorptiometry (DEXA). Metode-metode tersebut sangat sulit dan mahal dilakukan terutama untuk studi epidemiologi berskala besar. Selain metode langsung dan tidak langsung, terdapat juga metode lain untuk mengukur kadar lemak tubuh manusia, yaitu

variabel tubuh yang mudah. Sehingga sifatnya hanya sekedar prediksi. Contoh dari metode tidak langsung berganda adalah skinfold thickness assessment (pengukuran lipatan kulit), bioelectrical impedance, dan prediksi berdasarkan Body Mass Index (BMI) untuk mengukur persentase lemak tubuh.

Dengan kemudahan penggunaan yang ditawarkan, metode tidak langsung berganda merupakan metode pengukuran yang paling banyak digunakan. Namun kebanyakan dari metode tersebut hanya dapat memberikan luaran berupa ukuran lemak tubuh secara keseluruhan tanpa dapat menjelaskan distribusi lemak pada keseluruhan tubuh manusia. Adapun metode tidak langsung berganda yang dapat menjelaskan distribusi lemak hanya menggunakan dimensi tubuh dalam jumlah yang sangat terbatas sebagai variabelnya. Padahal distribusi lemak tubuh merupakan konsep penting yang dipertimbangkan sebagai dampak obesitas terhadap kesehatan [3]. Lemak yang disimpan dan didistribusikan di dalam tubuh sebenarnya lebih penting daripada jumlah lemak itu sendiri. Distribusi lemak tubuh terdiri dari dua tipe: (1) tubuh bagian atas, android, atau tipe laki-laki dan (2) tubuh bagian bawah, gynoid, atau tipe perempuan [4].

Beberapa upaya telah dilakukan untuk mengukur distribusi lemak dengan menggunakan indeks-indeks antropometri sederhana, selain massa dan tinggi badan yang digunakan pada BMI. Penelitian-penelitian yang menginvestigasi kegunaan data antropometri selain massa dan tinggi badan, seperti lingkar pinggang (waist circumference), rasio pinggang-pinggul (waist-to-hip ratio) dan rasio pinggang-tinggi badan (waist-to-height ratio) telah menghasilkan model prediksi yang dapat menjelaskan distribusi lemak tubuh. Namun distribusi lemak tubuh pada model prediksi tersebut hanya terbatas untuk mengidentifikasi abdominal obesity saja, sementara identifikasi distribusi lemak tubuh secara menyeluruh belum dilakukan. Dengan adanya kekurangan ini, maka dapat disimpulkan bahwa diperlukan sebuah metode pengukuran kadar lemak tubuh dengan mempertimbangkan data antropometri secara komprehensif.

Untuk itu, penelitian ini dilakukan dengan menghitung kadar lemak tubuh dengan menggunakan model prediksi persen lemak tubuh dan mengumpulkan data antropometri dengan menggunakan 3D Body Scanner. Penelitian ini akan menghasilkan sebuah model

signifikansi pada variabel-variabelnya. Dengan dibuatnya model ini, pengukuran persentase lemak tubuh tidak hanya mudah dilakukan, namun juga dapat mengidentifikasi distribusi lemak tubuh, terutama yang paling dominan dari keseluruhan tubuh.

2. Tinjauan Teoritis

2.1. Definisi dan Klasifikasi Lemak Tubuh

Jaringan adiposa atau yang biasa disebut dengan lemak tubuh (body fat) merupakan organ multifaset (memiliki berbagai bentuk) dan kompleks. Selain berfungsi sebagai sistem untuk penyimpanan energi berlebih serta proteksi dari udara dingin dan bahaya, jaringan adiposa memproduksi berbagai penghantar molekulular (adipokines) yang dapat mempengaruhi beragam fungsi yang meliputi fertilitas, respon terhadap inflamasi, aktivasi hormon seperti insulin, dan lain-lain. Di samping fungsi-fungsi positif tersebut, jaringan adiposa memiliki keterkaitan erat dengan masalah kelebihan adiposa pada tubuh dan perkembangan beberapa penyakit seperti yang telah diteliti pada studi epidemiologi. Lebih lanjut, keterkaitan ini akan semakin kuat jika dibandingkan dengan umur dan aktivitas fisik. Untuk mempelajari lebih lanjut, diperlukan pemahaman mengenai klasifikasi lemak tubuh.

Total adipose tissue

Subcutaneous adipose tissue Internal adipose tissue Abdominal subcutaneous adipose tissue Peripheral subcutaneous adipose tissue Intra-abdominal adipose tissue (visceral) Non-abdominal internal adipose tissue Deep subcutaneous adipose tissue Superficial subcutaneous adipose tissue Further subdivisions (i.e. omental and

retroperitoneal)

(i.e.cardiac and intermuscular adipose tissue)

2.2. Pengukuran Lemak Tubuh pada Anak-anak

Komposisi tubuh terdiri dari massa lemak dan massa bebas lemak. Massa bebas lemak terdiri dari otot rangka, otot bukan rangka, jaringan bebas lemak, dan rangka. Lemak merupakan bagian tubuh yang nilainya bervariasi dan bergantung pada jenis kelamin, tinggi, dan berat tubuh. Secara umum, perempuan memiliki persen lemak tubuh yang lebih besar jika dibandingkan dengan laki-laki. Faktor-faktor yang mempengaruhi komposisi tubuh antara lain adalah umur, jenis kelamin, aktivitas, dan gizi [6].

Untuk mengetahui komposisi tubuh, dapat dilakukan melalui pengukuran antropometri dan non-antropometri (laboratorium). Pengukuran antropometri yang digunakan untuk mengukur persentase lemak tubuh di antaranya adalah BMI (Body Mass Index), Lingkar Pinggang, Rasio Lingkar Pinggang Panggul, dan skinfold thickness. Metode laboratorium yang digunakan untuk mengukur persentase lemak tubuh di antaranya adalah isotop dilution, densitometry (underwater weighing), ultrasound, Total Body Electric Conductivity (TOBEC), Bioelectrical Impedance Analysis (BIA), dan CT Scanning [7].

2.3. Model Prediksi Persen Lemak Tubuh

Persentase lemak tubuh dapat diperkirakan dengan melibatkan unsur-unsur skinfold thickness, seperti tricep skinfold, bicep skinfold, subscapular skinfold, dan suprailiaca skinfold, seperti pada model prediksi Slaughter dan Chan. Model Prediksi Slaughter ini dihasilkan dari penelitian terhadap responden anak-anak etnis Kakukasia berusia 8-29 tahun [8]. Penelitian yang dilakukan oleh Chan terhadap anak-anak dan remaja etnis China di Korea berumur 7-18 tahun yang mengalami obesitas menghasilkan Model Prediksi Lemak Tubuh Chan [9]. Persentase lemak tubuh juga dapat diperkirakan dengan menggunakan Model Prediksi Deurenberg dan Model Prediksi Lee yang melibatkan unsur BMI, jenis kelamin, dan umur [10,11]. Model Prediksi Deurenberg dihasilkan dari penelitian pada responden etnis Kaukasia yang berusia 7-83 tahun. Sementara itu, Model Prediksi Lee didapatkan penelitian terhadap anak-anak dan remaja Korea yang berusia 7-18 tahun.

Tabel 1. Model Prediksi Persen Lemak Tubuh

No. Peneliti Model Prediksi

1. Slaughter et al. (1998)

PLT = 1,3 (tricep skinfold + subscapular skinfold) - 0,01 (tricep skinfold + subscapular skinfold)2 - 2,5

2. Deurenberg et al.(1991) PLT = 1,20 BMI + 0,2 U - 10,8 JK - 5,4 3. Chan et al. (2009) PLT = 19.088 + 0,157 ST (untuk laki-laki)

PLT = 28,725 + 0,089 ST (untuk perempuan)

4. Lee et al. (2007) PLT = 7,596 + 0,060 BMI2 - 0,460 U + 2,445 JK - 0,002 BMI2 _{U JK}

Keterangan:

PLT = Persen Lemak Tubuh, BMI = Body Mass Index, JK = Jenis Kelamin, U = Umur, ST = Skinfold Thickness (jumlah tricep skinfold, bicep skinfold, subscapular skinfold, dan suprailiaca skinfold)

2.4. Analisis Regresi Berganda

Analisis pada penelitian ini dilakukan dengan menggunakan metode analisis regresi. Analisis regresi berkaitan dengan studi mengenai ketergantungan satu variabel, yaitu variabel dependen, terhadap satu atau lebih variabel independen. Tujuan dari analisis regresi ini adalah untuk mengestimasi dan atau memperkirakan nilai rerata atau rata-rata (populasi) variabel dependen dari nilai yang diketahui atau nilai tetap variabel independen dalam suatu sampling. Nilai variabel dependen dinyatakan dengan konotasi ! dan nilai variabel independen dinyatakan dengan konotasi !. Bentuk model regresi dapat dinyatakan sebagai berikut.

! = !_!+  !_!!_!+ !_!!_!+ !_!!_!+  … +  !_!!_!+ !

dimana !_!, !_!, …., !_! adalah koefisien atau parameter regresi dan ! adalah error yang diasumsikan identik, independen, dan berdistribusi normal dengan mean nol dan varians konstan !!_.

Secara umum, regresi adalah suatu metode untuk meramalkan nilai harapan yang bersyarat. Regresi dikatakan linear apabila hubungan antara variabel independen dan variabel dependen adalah linear. Pada model regresi terdapat beberapa model yang sering digunakan dalam model regresi yang mungkin tidak linear dalam variabel, tetapi linear dalam parameter. Model regresi ini disebut dengan regresi non-linear. Model seperti ini biasanya terdapat pada model yang variabel-variabelnya telah dilakukan transformasi. Transformasi variabel pada model

perlu dilakukan dengan tujuan untuk memenuhi asumsi normalitas pada sampel data yang digunakan. Salah satu metode transformasi yang digunakan secara luas adalah Transformasi Box-Cox.

3. Metode Penelitian

Penelitian ini merupakan jenis penelitian korelasional (correlational research), yaitu penelitian yang bertujuan untuk melihat keterkaitan antara beberapa variabel untuk membuat sebuah prediksi yang baik. Besar sampel minimum untuk penelitian korelasional ini adalah minimum 50 sampel [12]. Adapun data yang dikumpulkan pada penelitian ini adalah data antropometri anak laki-laki Indonesia berumur 7-12 tahun dengan 151 variabel serta data persentase lemak tubuh yang didapatkan dengan menggunakan rumus prediksi.

3.1. Pengambilan Data Antropometri

Untuk mendapatkan variabel-variabel independen, yaitu data antropometri, yang digunakan dalam pembuatan model matematika persentase lemak tubuh anak-anak, dilakukan pengambilan data dengan menggunakan 3D Body Scanner. Hasil pemindaian ini berupa objek tiga dimensi yang dapat melakukan kalkulasi pengukuran terhadap 151 variabel dimensi tubuh manusia.

Gambar 2. Pengambilan Data Menggunakan 3D Body Scanner

Setelah data dimensi tubuh didapatkan, kemudian dilakukan perhitungan persentase lemak tubuh, sebagai variabel dependen pada model matematika, dengan menggunakan model prediksi yang telah ada. Persentase lemak tubuh pada setiap responden dihitung dengan metode tidak langsung berganda dengan menggunakan rumus prediksi Persen Lemak Tubuh yang dikembangkan oleh Deurenberg sebagai berikut.

PLT = 1,20 BMI + 0,2 U - 10,8 JK - 5,4

4. Hasil Penelitian

Setelah variabel independen (data antropometri) dan variabel dependen (persentase lemak tubuh) didapatkan, kemudian model regresi dibuat dengan metode stepwise dengan hasil sebagai berikut.

Tabel 2. Model Regresi

Variabel

Independen Keterangan Koefisien t-Statistik P-value

C (Constant) 6,939 27,656 0,000

1/(√X124) Weight (kg) -22,859 -115,939 0,000

X1 Body height (cm) -0,015 -15,121 0,000

√X4 Distance neck to hip (cm) 0,142 5,053 0,000

X117 Knee girth right (cm) 0,008 5,039 0,000

X79 Waist to hip/thigh right (cm) -0,007 -4,174 0,000

1/X80 High hip girth (cm) 14,056 3,475 0,001

ln X58 Across back width (armpit

level) (cm) 0,127 2,617 0,010

X51 Width armpits (cm) 0,003 2,018 0,046

Model regresi dengan variabel dependen yaitu body fat (%) [ln Y] tersebut memiliki nilai koefisien determinasi (R2_{) sebesar 0,993, yang berarti bahwa variabel weight (kg), body}

height (cm), distance neck to hip (cm), knee girth right (cm), waist to hip/thigh right (cm), high hip girth (cm), across back width (armpit level) (cm), dan width armpits (cm) mampu menjelaskan variasi body fat (%) anak laki-laki Indonesia berumur 7-12 tahun sebesar 99,3%. Sementara sisanya dijelaskan oleh variabel lain yang tidak termasuk di dalam model regresi ini.

Berdasarkan uji t-statistik (uji secara parsial), dapat diketahui bahwa semua variabel independen berpengaruh signifikan terhadap body fat (%). Hal tersebut dapat dilihat berdasarkan P-value dari masing-masing variabel. Hipotesis dari uji ini yaitu:

!!: Variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel

dependen

!_!: Variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen Jika P-value < 0,05 (tolak !_!) berarti dapat disimpulkan bahwa variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Namun, jika P-value > 0,05 (terima !_!), berarti variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen. Berdasarkan Tabel 2, terlihat bahwa seluruh variabel tersebut memiliki P-value < 0,05, maka !_! ditolak, yang menandakan bahwa setiap variabel independen tersebut secara parsial berpengaruh signifikan terhadap variabel dependen.

Sementara itu, nilai F-statistik yang diperoleh dari model regresi tersebut adalah sebesar 2548,024 dengan P-value sebesar 0,000. Hipotesis pada uji ini yaitu:

!_!: Variabel independen secara serentak tidak berpengaruh signifikan terhadap variabel independen

!_!: Variabel independen secara serentak berpengaruh signifikan terhadap variabel independen

Jika P-value < 0,05 (tolak !_!) berarti dapat disimpulkan bahwa variabel independen secara serentak berpengaruh signifikan terhadap variabel independen. Namun, jika P-value > 0,05 (terima !_!), berarti variabel independen secara serentak berpengaruh signifikan terhadap variabel independen. Dengan demikian, hasil tersebut menandakan tolak !_!, yang berarti bahwa variabel independen secara serentak berpengaruh secara signifikan terhadap variabel dependen.

Sehingga, model regresi yang menggambarkan prediksi body fat (%) pada anak laki-laki Indonesia berumur 7-12 tahun adalah sebagai berikut.

ln  [!"#$  !"#  (!")] = 6,939 −  22,859 1 !"#$ℎ!   !" −  0,015  !"#$  ℎ!"#ℎ!   !" +  0,142   !"#$%&'(  !"#$  !"  ℎ!"  (!")     +  0,008  !"##  !"#$ℎ  !"#ℎ!   !"   −  0,007  !"#$%  !" ℎ!" !ℎ!"ℎ !"#ℎ!   !"   +  14,056   1 !"#ℎ  ℎ!"  !"#$ℎ  (!") +  0,127 ln  [!"#$%%  !"#$  !"#$ℎ   !"#$%&  !"#"! !" ]   +  0,003  !"#$ℎ  !"#$%&'  (!")

Setelah model regresi didapat, dilakukan pengujian terhadap model regresi tersebut. Pengujian tersebut meliputi uji normalitas residual, uji multikolinearitas, dan uji homoskedastisitas.

a. Uji Normalitas Residual

Uji normalitas ini dilakukan untuk mengetahui normal atau tidaknya faktor pengganggu yang dapat diketahui melalui Uji One-Sample Kolmogorov-Smirnov dengan hipotesis sebagai berikut.

!_!: Residual model berdistribusi secara normal !!: Residual model tidak berdistribusi secara normal

Jika P-value < 0,05 (tolak !_!) berarti dapat disimpulkan bahwa residual model tidak berdistribusi secara normal. Namun, jika P-value > 0,05 (terima !!), maka residual model

Tabel 3. Hasil Uji One-Sample Kolmogorov-Smirnov

Berdasarkan hasil Uji One-Sample Kolmogorov-Smirnov di atas, didapatkan bahwa probability dari nilai Kolmogorv-Smirnov adalah sebesar 0,141 (> 0,05), terima !_!. Dengan demikian, dapat disimpulkan bahwa residual pada model regresi berdistribusi secara normal.

Selain melalui Uji One-Sample Kolmogorov-Smirnov, pengujian untuk mengetahui residual model berdistribusi secara normal atau tidak dapat dilakukan dengan melihat histogram pada Gambar 3.

Gambar 3. Histogram Uji Normalitas Residual Model

Histogram pada Gambar 3 menunjukkan bahwa residual model berdistribusi secara normal yang ditunjukkan melalui pola distribusinya yang mengikuti pola distribusi normal.

U n sta n dar di zed R es id ua l

N 1 42

N or m a l P ar am eter sa ,, b M e an .0 00 0 000

S td . D ev ia tion .04 23 1 179

M o s t E xtrem e D iffer en c es A b s ol ute .0 97

P o s itiv e .0 57

N eg ati ve - .097

K olm o gor o v -S m ir no v Z 1.1 52

A s ym p. S ig . ( 2 - tailed ) .1 41

a. T es t d istr ib ution i s N o rm a l. b. C al c ulated fro m da ta.

b. Uji Multikolinearitas

Pada model regresi ini berlaku asumsi bahwa variabel-variabel independen yang terdapat di dalam persamaan tidak boleh memiliki korelasi yang terlalu tinggi (multikolinearitas). Pada penelitian ini, untuk mengetahui ada atau tidaknya multikolinearitas pada model, dilakukan uji nilai VIF (variance-inflating factor). Jika nilai VIF suatu variabel melebihi nilai 10, maka variabel tersebut dikatakan memiliki kolinearitas. Tabel 4 berikut ini menyajikan nilai VIF untuk masing-masing variabel independen.

Tabel 4. Nilai VIF Tiap Variabel Independen Variabel Independen Keterangan Collinearity Statistics Tolerance VIF C (Constant) 1/(_√X124) Weight (kg) 0,590 1,694 X1 Body height (cm) 0,186 5,388

√X4 Distance neck to hip (cm) 0,222 4,511

X117 Knee girth right (cm) 0,259 3,858

X79 Waist to hip/thigh right (cm) 0,539 1,855

1/X80 High hip girth (cm) 0,235 4,248

ln X58 Across back width (armpit level) (cm) 0,504 1,985

X51 Width armpits (cm) 0,395 2,534

Berdasarkan Tabel 4, terlihat bahwa nilai VIF untuk semua variabel independen yang terdapat di dalam model regresi kurang dari 10. Dengan demikian, dapat disimpulkan bahwa model regresi ini tidak memiliki masalah multikolinearitas.

c. Uji Homoskedastisitas

Asumsi lain yang harus dipenuhi oleh model regresi adalah homoskedastisitas. Homoskedastisitas menunjukkan bahwa varians dari setiap residual/error bersifat konstan. Sebaliknya, jika varians dari setiap residual/error tidak bersifat konstan, maka model tersebut mengelami heteroskedastisitas. Pengujian ini dapat dilakukan dengan melakukan Uji Harvey yang memiliki hipotesis sebagai berikut.

!_!: Homoskedastisitas !_!: Heteroskedastisitas

Jika P-value < 0,05 (tolak !_!) berarti dapat disimpulkan bahwa model bersifat heteroskedastis. Namun, jika P-value > 0,05 (terima !_!), maka model bersifta homoskedastis.

Tabel 5. Uji Homoskedastisitas dengan Uji Harvey

Berdasarkan hasil Uji Harvey dapat dilihat bahwa nilai P-value untuk Uji-F > 0,05 (α), yaitu 0,2112. Dengan demikian dapat disimpulkan bahwa pada model tidak terdapat masalah heteroskedastisitas.

5. Pembahasan

5.1. Analisis Model Regresi

Setelah dilakukan pengolahan data, diketahui bahwa beberapa dimensi tubuh sangat memiliki keterkaitan dengan lemak tubuh. Dimensi tubuh tersebut divisualisasikan pada Gambar 4 berikut ini.

Weight (kg) Body Height _(cm) Distance Neck _{to Hip (cm)} Knee Girth _{Right (cm)}

Waist to Hip/Thigh Right

(cm)

High Hip Girth (cm) Across Back Width (Armpit Level) (cm) Width Armpits (cm) Gambar 4. Visualisasi Dimensi Tubuh pada Model

Berdasarkan model regresi tersebut dapat diketahui bahwa distribusi lemak dominan pada anak laki-laki Indonesia yang berusia 7-12 tahun berada pada bagian perut, dada dan punggung, serta pinggul dan paha. Distribusi lemak pada bagian perut (abdomen) diindikasikan melalui variabel high hip girth (cm). Distance neck to hip (cm), across back width (armpit level) (cm), dan width armpits (cm) dapat menjelaskan distribusi lemak di bagian dada dan punggung. Sementara itu, waist to hip/thigh right (cm) dan knee girth right (cm) dapat menunjukkan distribusi lemak di bagian pinggul dan paha.

5.2. Verifikasi Model Regresi

Setelah model regresi selesai dibuat dan dinyatakan layak untuk digunakan, peneliti melakukan verifikasi model tersebut. Hal ini dilakukan dengan cara membandingkan perhitungan persentase lemak tubuh yang didapatkan dari Rumus Prediksi PLT Deurenberg dengan perhitungan persentase lemak tubuh berdasarkan model regresi. Berdasarkan verifikasi tersebut diketahui bahwa perhitungan persentase lemak tubuh berdasarkan model regresi tidak memiliki selisih yang signifikan jika dibandingkan dengan perhitungan persentase lemak tubuh berdasarkan Rumus Prediksi PLT Deurenberg, dengan rata-rata

sebesar 4,73%. Dengan demikian, dapat disimpulkan bahwa model regresi tersebut telah lulus verifikasi.

5.3. Analisis Variabel Independen

Setelah dilakukan analisis terhadap model regresi secara keseluruhan dan verifikasinya, dilakukan analisis pada masing-masing variabel independen yang terdapat di dalam model untuk mengetahui hubungan antara variabel independen tersebut dengan distribusi lemak pada tubuh. Variabel independen tersebut dikelompokkan sesuai dengan kemiripan pengaruhnya pada distribusi lemak tubuh.

a. Weight (kg) dan Height (cm)

Weight (massa tubuh) dan height (tinggi tubuh) dapat menjelaskan mengenai pengaruh proporsi tubuh terhadap jumlah lemak tubuh, seperti halnya BMI (Body Mass Index). Banyak bukti yang mengindikasikan bahwa anak-anak dengan nilai BMI yang tinggi relatif dengan jenis kelamin dan umurnya juga memiliki kelebihan lemak tubuh [13]. Walaupun sering kali BMI sebagai sebuah indeks pengukuran massa tubuh relatif dengan tinggi tubuh dinyatakan sebagai indikator yang tidak sensitif terhadap lemak tubuh, pada kenyataannya rendahnya sensitivitas tersebut hanya terjadi jika seorang anak memiliki nilai BMI yang sangat tinggi. Dengan kecenderungan demikian, variabel massa tubuh dan tinggi tubuh menjadi prediktor yang baik untuk mengestimasi persentase lemak tubuh.

b. High Hip Girth (cm)

High hip girth (lingkar pinggul atas) merupakan ukuran lingkar tubuh yang berlokasi di antara pinggang dan pinggul. Kedekatan hubungan high hip girth dengan waist circumference (lingkar pinggang) dapat menjadikan ukuran high hip girth sebagai prediktor yang dapat memprediksi abdominal fat (lemak di bagian abdomen). Abdominal fat terdiri atas abdominal subcutaneous adipose tissue (subcutaneous fat) dan intra-abdominal adipose tissue (visceral fat).

menyebabkan peningkatan ukuran lingkar pinggang. Studi epidemiologi menjelaskan bahwa abdominal obesity memiliki hubungan erat dengan penyakit metabolik dan kardiovaskular [14]. Abdominal fat yang terkait dengan penyakit tersebut lebih diakibatkan oleh visceral fat dibandingkan dengan subcutaneous fat. Dengan demikian visceral fat, menjadi fokus dalam studi lemak tubuh. Peneliti menggambarkan visceral fat sebagai organ aktif dalam tubuh yang memicu keluarnya hormon dan zat inflamasi. Visceral fat juga diperkirakan mudah pecah menjadi asam lemak, yang mengalir langsung ke hati dan otot. Studi membuktikan bahwa aktivitas fisik memiliki keterkaitan erat dengan visceral fat. Aktivitas fisik yang tinggi dapat menyebabkan rendahnya penimbunan lemak ini. Olahraga yang teratur dapat mencegah abdominal obesity [15]. Selain itu, pola makan yang baik juga dapat membantu mencegah abdominal obesity ini.

c. Distance Neck to Hip (cm), Across Back Width (Armpit Level) (cm), dan Width Armpits (cm), Waist to Hip/Thigh Right (cm) dan Knee Girth Right (cm)

Distance neck to hip (jarak dari leher ke pinggul), across back width-armpit level (lebar punggung pada tinggi ketiak), dan width armpits (jarak antar ketiak) merupakan prediktor yang dapat menjelaskan distribusi lemak yang terkait dengan peripheral subcutaneous adipose tissue dan non-abdominal internal adipose tissue. Peripheral subcutaneous adipose tissue yang dapat dijelaskan oleh distance neck to hip, across back width-armpit level, dan width armpits berkaitan dengan lemak di bawah lapisan kulit yang terdapat di sekitar dada dan punggung. Selain itu, variabel-variabel tersebut juga memiliki keterkaitan dengan intermuscular adipose tissue (jaringan lemak antar otot). Karena konsentrasi lemak yang cenderung sedikit dan menyebar, penimbunan lemak peripheral subcutaneous adipose tissue dan non-abdominal internal adipose tissue tidak dapat menyebabkan pembesaran pada bagian terkait.

Sementara itu, variabel waist to hip/thigh (jarak dari pinggul ke pusat paha), dan knee girth (lingkar lutut) juga memiliki keterkaitan dengan peripheral subcutaneous adipose tissue dan non-abdominal internal adipose tissue. Berbeda dengan lemak tubuh yang ada di sekitar dada dan punggung, penimbunan subcutaneous adipose tissue yang ada di sekitar pinggul dan paha dapat menyebabkan pembesaran ukuran bagian terkait. Keadaan tersebut disebut dengan lower body obesity. Meskipun disebut sebagai obesitas, namun tingginya penimbunan lemak

yang dapat membuat tubuh bergelambir ini lebih mudah untuk dihilangkan dengan dibandingkan dengan visceral fat melalui pola olahraga yang teratur.

6. Kesimpulan

Berdasarkan model regresi yang telah didapatkan, dapat diketahui bahwa distribusi lemak dominan pada anak laki-laki Indonesia yang berusia 7-12 tahun berada pada bagian perut, dada dan punggung, serta pinggul dan paha. Distribusi lemak pada bagian perut (abdomen) diindikasikan melalui variabel high hip girth (cm). Distance neck to hip (cm), across back width (armpit level) (cm), dan width armpits (cm) dapat menjelaskan distribusi lemak di bagian dada dan punggung. Sementara itu, waist to hip/thigh right (cm) dan knee girth right (cm) dapat menunjukkan distribusi lemak di bagian pinggul dan paha. Model regresi tersebut mampu menjelaskan variabel dependen, yaitu persentase lemak tubuh sebesar 99,3% yang terlihat dari nilai adjusted R2 _{pada model yang memiliki nilai 0,993.}

7. Saran

Saran untuk penelitian-penelitian selanjutnya agar mendapatkan hasil yang dapat memberikan manfaat yang lebih luas, yaitu:

1. Pemilihan jumlah dan etnis yang akan diteliti sebaiknya dapat merepresentasikan kondisi populasi yang sebenarnya.

2. Pengumpulan data lemak tubuh pada subjek yang diteliti sebaiknya dilakukan dengan menggunakan alat dan metode yang telah ditetapkan sebagai golden standard dalam perhitungan lemak tubuh agar data memiliki tingkat akurasi yang tinggi.

3. Model regresi sebaiknya divalidasi dengan membandingkan hasilnya dengan berbagai metode pengukuran lemak tubuh lainnya. Validasi harus dilakukan untuk memeriksa tingkat akurasi perhitungan persentase lemak tubuh. Selain itu, validasi juga diperlukan untuk memeriksa kesesuaian distribusi lemak tubuh dengan membandingkan prediktor pada model regresi dengan metode yang dapat memberikan luaran berupa hasil scan lemak tubuh secara menyuluruh.

Kepustakaan

[1] Kementerian Kesehatan Republik Indonesia. (2007). Riset kesehatan dasar.

[2] Power, C., Lake, J.K., & Cole, T.J. (1997). Measurement and long-term health risks of child and adolescent fatness. Int J Obes, 21(7), 507-526.

[3] Food and Nutrition Board, National Research Council. (1989). Diet and health: Implications for reducing chronic disease risk. Washington D.C.: National Academy Press.

[4] National Task Force on the Prevention of and Treatment of Obesity. (2000). Overweight, obesity, and health risk. Archives of Internal Medicine, 160, 898-904. [5] Thomas, E.L., et al. (2013). Whole body fat: Content and distribution. Prog Nucl Magn

Reson Spectrosc 2013.

[6] Dierkes, J. et al. (1993). Body composition of Indonesian adults assessed by skinfold thickness and bioelectrical impedance measurement and by a body mass index equation. Asia Pacific Journal of Clinical Nutrition, 2, 171-176.

[7] Gibson, R.S. (1990). Nutritional assessment. USA: Oxford University Press.

[8] Slaughter et al. (1988). Skinfold equations for estimation of body fatness in children and youth. Hum Biol 1988; 60: 904-12.

[9] Chan et al. (2009). New skinfold thickness equation for predicting percentage body fat in Chinese obese children. Hong Kong Journal Pediatric 2009;14:96-102.

[10] Deurenberg, P. et al. (1991). Body mass index as a measure of body fatness: age and sex prediction formulas. British Journal of Nutrition 1991;65 (2): 105-114.

[11] Lee Kayoung et al. (2007). Percent body fat cutoff values for classifying overweight and obesity recommended by The International Obesit Task Force (IOTF) in Korean Children. Asia Pacific Journal of Clinical Nutrition 2007; 16 (4): 649-655.

[12] Fraenkel, J. & Wallen, N. (1993). How to design and evaluate research in education. (2nd ed.). New York: McGraw-Hill Inc.

[13] Freedman, D.S. & Sherry, Bettylou. The validity of BMI as an indicator of body fatness and risk among children. Official Journal of the American Academy of Pediatrics, 2009; 124; S23.

[14] Lin Zhi-jian et al. (2009). Abdominal fat accumulation with hyperuricemia and hypercholesterolemia quail model induced by high fat diet. Chin Med Sci J, Vol. 24, no.3, p.191-194.

[15] Saelens, B.E. et al. (2007). Visceral abdominal fat is correlated with whole-body fat and physical activity among 8-y-old children at risk of obesity. Am J Clin Nutr 2007; 85: 46–53.