TINJAUAN PUSTAKA
3. Faktor Penguat ( Reinforcing Factor ) a.Dukungan Petugas Kesehatan
Dukungan petugas kesehatan merupakan salah satu bentuk faktor dorongan (reinforcing factor) yang memengaruhi pengambilan keputusan dalam memanfaatkan pelayanan kesehatan. Bentuk dukungan yang dapat diberikan oleh petugas kesehatan yaitu dukungan melalui penyampaian informasi dan dukungan emosional yang dapat memotivasi seseorang dalam memilih perilaku kesehatan. Dukungan petugas kesehatan terkait dengan keputusan melakukan skrining TB pada pasien DM dapat berupa penyampaian informasi secara jelas mengenai besarnya risiko untuk menderita TB, tahapan atau prosedur mengikuti skrining, serta dukungan emosional berupa merujuk ke fasilitas pelayanan kesehatan yang menyediakan pelayanan skrining TB Paru.
27
Penelitian khusus yang mempelajari hubungan dukungan petugas kesehatan dengan keputusan melakukan skrining TB Paru pada pasien DM masih belum ada. Namun, penelitian terkait yang dapat dijadikan bahan rujukan yaitu penelitian mengenai hubungan dukungan petugas kesehatan dengan kepatuhan penggunaan obat TB yang dilakukan oleh Manuhara (2012) di Puskesmas Kota Surakarta. Hasil penelitian tersebut mengungkapkan bahwa faktor dominan yang memengaruhi kepatuhan pada pasien TB yaitu dukungan petugas kesehatan yang memberikan informasi tentang pengobatan TB yang sedang dijalani (78,9%). Berkaitan dengan hal tersebut, maka peran petugas kesehatan dalam memberikan dukungan sangat penting karena berpengaruh terhadap proses pengambilan keputusan pada pasien.
2.3 Metode Regresi Poisson 2.3.1 Pengertian Regresi Poisson
Regresi poisson merupakan bagian dari analisis regresi yang menganalisis hubungan satu atau beberapa variabel bebas terhadap satu outcome variabel binary (nominal dengan 2 kategori) dengan asumsi probabilitas kejadian outcome berdistrubusi poisson. Data berdistribusi poisson yang dimaksud yaitu rate atau banyaknya kejadian dalam interval waktu tertentu (Rodriguez, 2007). Analisis regresi poisson digunakan untuk melakukan estimasi rate ratio dengan membandingkan kelompok terpapar dan tidak terpapar.
Berdasarkan jumlah variabel bebas yang akan dianalisis, regresi poisson dibedakan menjadi dua, yaitu regresi poisson sederhana (simple poisson regression) dan regresi poisson ganda (multiple poisson regression). Regresi poisson sederhana digunakan apabila ingin mempelajari hubungan antara satu variabel bebas dengan satu variabel tergantung. Sedangkan regresi poisson ganda digunakan apabila ingin
28
mempelajari hubungan antara beberapa variabel bebas dengan dengan satu variabel tergantung.
2.3.2 Model Regresi Poisson
Model regresi poisson menggunakan logaritma dari rate dengan variabel tergantung merupakan persamaan model regresi. Adapun model regresi poisson dengan variabel X sebagai variabel bebas yaitu sebagai berikut.
e X b a Rate
Log 1 1 (untuk regresi poisson sederhana)
e X b X b a Rate
Log 1 1 2 2 ... (untuk regresi poisson ganda) atau RateExp
ab1X1 b2X2 ...e
Keterangan:
a = intercept/ konstan
i
b = koefisien regresi untuk variabel bebas i
i
X = variabel bebas ke i e = error
2.3.3 Penentuan Faktor Risiko
Ada tidaknya faktor risiko dari variabel bebas terhadap variabel tergantung dapat dilihat dari rate ratio (RR). Rate merupakan perbandingan antara probabilitas kejadian (event) dibagi dengan jumlah orang waktu pengamatan (person-time). Sedangkan rate ratio (RR) merupakan rasio antara rate kelompok terpapar dengan rate pada kelompok tidak terpapar. Adapun persamaan nilai RR yang diturunkan dari model regresi poisson yaitu sebagai berikut.
Rate kelompok terpapar (X=1) yaitu RateExp
ab.1
Exp (ab)29 ) ( ) ( ) ( ) ( Exp b a Exp b a Exp terpapar tidak Rate terpapar Rate RR Ratio Rate
2.3.4 Asumsi Regresi Poisson
Berbeda dengan regresi linier, regresi poisson tidak memerlukan asumsi-asumsi seperti linieritas, homoskedastisitas, tidak terdapat autokorelasi, dan tidak terdapat multikolineritas. Asumsi yang harus dipenuhi dalam regresi poisson yaitu bahwa data fit dengan analisis regresi poisson. Metode yang sering dipakai yaitu Goodness of Fit. Pada metode ini, akan dibandingkan antara hasil observasi dengan prediksi hipotetik secara sempurna. Perbedaan antara hasil observasi dengan hasil prediksi mempunyai distribusi Chi Square. Bila nilai p-value > 0,05, maka dapat disimpulkan bahwa data fit dengan model regresi poisson.
2.3.5 Cara Seleksi Variabel Bebas
Metode-metode yang digunakan untuk pemilihan variabel bebas dalam regresi poisson yaitu sebagai berikut.
1. Metode Enter
Pada metode ini semua variabel bebas dimasukkan secara serentak tanpa melewati kriteria tertentu. Kemudian pengeluaran variabel dari model didasarkan kepada pertimbangan peneliti baik secara substansi atau dari aspek statistik. 2. Metode Forward
Pada metode ini dimasukkan satu per satu dari hasil pengkorelasian variabel dan memenuhi kriteria kemaknaan statistik untuk masuk ke dalam model, sampai semua variabel yang memenuhi kriteria masuk. Variabel yang pertama kali masuk adalah variabel yang mempunyai korelasi parsial terbesar dengan variabel tergantung. Standar kriteria yaitu jika variabel mempunyai nilai p < 0,05 maka dapat masuk ke dalam model.
30
3. Metode Backward
Metode dengan memasukkan semua variabel ke dalam model, kemudian satu per satu variabel yang tidak memenuhi kriteria kemaknaan statistik tertentu dikeluarkan dari model. Variabel pertama yang dikeluarkan adalah variabel yang mempunyai korelasi parsial terkecil dengan variabel tergantung atau mempunyai nilai p (p-value) terbesar. Variabel bebas yang berpengaruh secara independen terhadap variabel tergantung jika nilai p < 0,05.
4. Metode Stepwise
Metode stepwise merupakan kombinasi metode antara backward dan forward. Pada metode ini, dimulai dari tanpa variabel sama sekali dalam model. Kemudian satu per satu variabel hasil pengkoreksial variabel dimasukkan ke dalam model dan dikeluarkan dari model dengan kriteria yang sudah ditetapkan. Variabel yang pertama masuk adalah variabel yang mempunyai korelasi parsial terbesar. Setelah masuk variabel pertama ini diperiksa apakah sudah memenuhi kriteria atau perlu keluar dari model seperti pada metode backward.
2.3.6 Modifikasi Regresi Poisson untuk Penelitian Cross-Sectional
Regresi poisson pada umumnya digunakan pada penelitian observasional analitik dengan rancangan penelitian cohort dan hasil analisis akan mendapatkan ukuran asosiasi berupa incidence rate ratio (IRR). Namun, pada rancangan cross-sectional study, tidak ada variabel interval waktu pengamatan dan ukuran asosiasi yang digunakan yaitu prevalence ratio (PR). Maka dari itu, diperlukan modifikasi regresi poisson untuk rancangan penelitian cross-sectional study yang dilakukan dengan membuat variabel waktu dengan nilai yang sama untuk semua subjek,
misalnya “1”. Hasil analisis akan menunjukkan ukuran asosiasi dalam rancangan cross-sectional study, yaitu berupa prevalence ratio (PR).