BAB 2
LANDASAN TEORI
2.1 Definisi Diabetes Mellitus
Penyakit Diabetes Mellitus (DM) yang juga dikenal sebagai penyakit kencing
manis atau penyakit gula darah adalah golongan penyakit kronis yang ditandai
dengan peningkatan kadar gula dalam darah sebagai akibat adanya gangguan
sistem metabolisme dalam tubuh, dimana organ pankreas tidak mampu
memproduksi hormon insulin sesuai kebutuhan tubuh atau bisa disebutkan
sebagai suatu penyakit dimana kadar glukosa (gula sederhana) di dalam darah
tinggi karena tubuh tidak dapat melepaskan atau menggunakan insulin secara
kuat. (Segondo, 2004).
Menurut
International Diabetes Federation(IDF), DM adalah penyakit
kronis yang digambarkan sebagai keadaan kadar glukosa darah yang meningkat
(hiperglikemia) yang berhubungan dengan kematian. Penyakit ini muncul ketika
sel-sel beta di pankreas gagal menghasilkan hormon insulin yang cukup atau
tubuh tidak dapat menggunakan insulin yang dihasilkan secara efektif. Seseorang
dapat dikatakan DM bila didiagnosis dengan kriteria diagnostik DM dan
gangguan toleransi glukosa yaitu: kadar glukosa darah sewaktu (plasma vena) ≥
200 mg/dl, kadar glukosa darah puasa (plasma vena) ≥ 126 mg/dl, kadar glukosa
pla
sma ≥ 200 mg/dl pada 2 jam sesudah beban glukosa 75 gram pada Test
Toleransi Glukosa Oral (TTGO).
2.2 Sejarah Diabetes Mellitus
Aretaeus pada tahun 250 sesudah Masehi merupakan orang yang pertama
kali memberi nama diabetes yang berarti “mengalir terus” dan mellitus yang
berarti “manis”. Disebut diabetes karena selalu minum dalam jumlah yang banyak
(polidipsia) yang kemudian mengalir terus berupa urine yang banyak (poliuria).
Disebut mellitus karena urine penderita ini mengandung glukosa.
Pada tahun 1921, Frederick Banting dan Charles Best berhasil membuat
ekstrak pankreas yang setelah disuntikkan terbukti dapat menurunkan kadar
glukosa dalam darah. Dengan demikian, jelas bahwa diabetes mellitus (DM)
adalah penyakit menahun (kronis) yang disebabkan karena kekurangan insulin.21
Akhirnya, pada tahun 1945, Frank dan Fuchs mencoba tablet OHO (Obat
Hipoglikemik Oral) pada manusia, yang kemudian temuan OHO ini berkembang
pesat dengan berbagai jenis dan indikasi penggunaannya. (Soegondo, 2004)
2.3 Jenis dan Teknik Pengumpulan Data
Data adalah keterangan mengenai sesuatu. Data digunakan untuk menyediakan
informasi bagi suatu penelitian, pengukuran kinerja, dasar pembuatan keputusan
dan menjawab rasa ingin tahu. Jenis-jenis data berdasarkan cara memperolehnya
yaitu:
1.
Data primer
Data primer merupakan data yang didapat dari sumber pertama, baik dari
individu atau perseorangan seperti hasil wawancara atau pengisian
kuisioner yang biasa dilakukan oleh peneliti.Biasanya data primer, peneliti
melakukan observasi sendiri baik di lapangan maupun di laboratorium.
2.
Data sekunder
Data sekunder merupakan data primer yang diperoleh oleh pihak lain atau
data primer yang telah diolah lebih lanjut dan disajikan baik oleh
pengumpul data primer atau pihak lain yang pada umumnya disajikan
dalam bentuk tabel-tabel atau diagram-diagram. (Sugiarto, dkk, 2001).
diperoleh dari rumah sakit. Pengumpulan data primer dilakukan dengan metode
sampling survey dengan menggunakan kuesioner pada sampel yang diambil dari
populasi studi (pasien diabetes mellitus di RSU Dr. Pirngadi Medan). Pada
metode ini, pengumpulan data dilakukan dengan memberikan kuesioner kepada
pasien yang menderita penyakit diabetes mellitus.
Sumber data yang lain diperoleh dengan pemeriksaan fisik berupa tekanan
darah, berat badan dan tinggi badan dll. Tekanan darah, tinggi badan dan berat
badan diperoleh dari pemeriksaan langsung yang dilakukan oleh dokter atau
perawat yang bekerja di RSU Dr. Pirngadi Medan.
2.4 Skala Ukuran Penelitian
Pengumpulan data yang dilakukan dengan kuesioner pada penelitian ini akan
diperoleh jawaban dengan intensitas yang berbeda
–
beda sesuai dengan
pertanyaan yang diajukan. Untuk dapat menempatkan intensitas data yang
berbeda
–
beda secara tepat diberikan beberapa tingkatan atau jenjang yang
dikenal dengan skala ukuran. Adapun skala ukuran pada variabel yang akan
diteliti yaitu skala nominal dan ordinal. Pada penelitian skala nominal berada pada
variabel jenis kelamin karena data dengan skala nominal tidak mempunyai
jenjang. Sementara skala ukuran ordinal berada pada variabel usia, faktor
genetika/riwayat keturunan, obesitas, stres, Kolesterol, Hipertensi, komplikasi
penyakit lain dan aktifitas fisik (olahraga). Variabel
–
variabel tersebut memiliki
jenjang yang bersifat kualitatif.
2.5 Populasi dan Sampel
Populasi adalah sekelompok orang kejadian, atau benda yang merupakan
kumpulan lengkap dari elemen
–
elemen sejenis akan tetapi dapat dibedakan
berdasarkan karakteristiknya, yang dijadikan objek penelitian. (Supranto,2010).
yaitu populasi yang tidak diketahui dengan pasti jumlahnya, misalnya jumlah
penduduk disuatu negara dikatakan tidak pasti jumlahnya karena setiap waktu
terus berubah jumlahnya Sehingga yang menjadi populasi dalam penelitian ini
adalah seluruh pasien rawat jalan yang menderita diabetes mellitus dan sedang
melakukan pengobatan di RSU Dr. pirngadi Medan.
Sampel adalah bagian dari populasi yang menjadi objek penelitian
(Supranto, 2010). Pengambilan sampel dilakukan dengan teknik consecutive
sampling yaitu sampel diambil dari semua sampel yang datang dan memenuhi
kriteria pemilihan sampai jumlah sampel terpenuhi dengan jangka waktu
pengambilan sampel tidak pendek untuk mewakili karakteristik populasi.
(Suryano,2008). Penentuan jumlah sampel pada analisis faktor harus memenuhi
paling sedikit empat atau lima kali banyaknya variabel yang dianalisis
(Supranto,2010). Dalam penelitian ini terdapat 9 variabel yang akan dianalisis
sehingga jumlah sampel yaitu 45 orang dianggap mencukupi.
2.6 Analisis Data
2.6.1 Uji Validitas
Validitas adalah suatu ukuran yang menunjukkan tingkat
–
tingkat kevalidan atau
kesahihan suatu instrument.Validitas menunjukkan sejauh mana ketepatan dan
kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Dikatakan validitas
apabila dapat mengungkapkan data dari variabel yang di teliti secara tepat
(Arikunto,2010)
Untuk menghitung nilai
pada item pertanyaan dapat dilakukan
dengan rumus:
∑
∑
∑
√{ ∑
∑
}{ ∑
∑
}
Keterangan:
r
xy :Koefisien Korelasi
n
: Jumlah Sampel
Hipotesis untuk signifikansi adalah
H
0= Variabel tidak valid
H
1= Variabel valid
Validitas dapat diukur dengan membandingkan r hitung dengan r tabel. Kriteria
penilaian uji validitas adalah :
a.
Apabila r hitung > r tabel (pada taraf signifikansi 5% atau 1%), maka
dapat dikatakan butir pertanyaan tersebut valid.
b.
Apabila r hitung r tabel (pada taraf signifikansi 5% atau 1%), maka dapat
dikatakan butir pertanyaan tersebut tidak valid.
2.6.2 Uji Reliabilitas
Realibilitas merupakan indeks yang menunjukkan sejauhmana suatu alat ukur
dapat dipercaya atau dapat diandalkan.Pengukuran yang memiliki realibilitas
tinggi disebut sebagai pengukuran yang reabel.
Nilai Alpha Cronbach diperoleh dengan menggunakan rumus sebagai
berikut:
(
)
∑
Keterangan:
: nilai koefisien Cronbach Alpha
: banyaknya variaber penelitian
∑
: jumlah varians variabel penelitian
: varians total
Teknik perhitungan reliabelitas ada beberapa cara, yaitu sebagai berikut:
a.
Teknik Pengukuran Ulang (
Testretest)
perhitungannya adalah dengan mengkorelasikan jawaban pada wawancara
pertama dengan jawaban pada wawancara kedua.
b.
Teknik Belah Dua
Untuk menggunakan teknik belah dua sebagai cara menghitung reliabilitas
alat pengukur, maka alat pengukur yang disusun harus memiliki cukup
banyak item pertanyaan yang mengukur aspek yang sama.
c.
Teknik Bentuk Paralel
Perhitungan reliabilitas dilakukan dengan membuat dua jenis alat pengukur
yang mengukur aspek yang sama. Kedua alat ukur tersebut diberikan pada
responden yang sama, kemudian dicari validitasnya untuk masing-masing
jenis.
d.
Internal Consistency Reliability
Internal consistency reliability berisi tentang sejauh mana item-item
instrumen bersifat homogen dan mencerminkan konstruk yang sama sesuai
dengan yang melandasinya.Suatu variabel dikatakan reliabel jika
memberikan nilai cronbach alpha > 0,60 atau nilai cronbach alpha > 0,80.
2.7 Transformasi Data Ordinal menjadi Interval
Proses transformasi merupakan upaya yang dilakukan untuk merubah data ordinal
menjadi data interval misalnya analisis faktor dimana variabel bebasnya harus
berskala interval. Data ordinal yang ditransformasikan menjadi data interval
adalah data penelitian yang diperoleh menggunakan instrumen berupa angket
yang memiliki jawaban berupa skala likert. Cara melakukan proses transformasi
data ordinal menjadi data interval menggunakan MSI
(Method Sof Successive Interval).Langkahnya sebagai berikut:
1.
Mencari F (Frekuensi) jawaban responden.
2.
Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut
proporsi
4.
Menghitung nili Z untuk setiap proporsi dengan menggunakan tabel
distribusi normal.
5.
Menentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan
menggunakan tabel densitas.
6.
Menentukan SV
(Scale Value =nilai skala) dengan rumus sebagai berikut:
Keterangan:
SV =
interval rata-rata
Density at lower limit
= kepadatan batas bawah
Density at upper limit= kepadatan batas atas
Area below upper limit
= daerah dibawah batas bawah
Area below lower limit= Daerah diatas batas bawah
7.
Menentukan nilai transformasi dengan rumus:
|
|
Keterangan:
: Nilai hasil Penskalaan akhir
: Nilai Skala
|
|
: Nilai Skala minimum
2.8 Analisis Faktor
Proses analisis faktor mencoba menemukan hubungan (interrelationship) antara
sejumlah variabel
–
variabel yang saling independen satu dengan yang lain,
sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari
jumlah variabel awal (Santoso, 2010).
sedikit.Analisis faktor memisahkan pengaruh faktor yang menjadi perhatian dasar
dari error (Anderson.T.W, 1984).
Salah satu kelebihan dari analisis faktor adalah ketika bentuk persamaan
tidak cocok dengan data, perkiraan korelasi antar faktor dengan variabel jelas
mencerminkan kegagalan. Dalam sebuah kasus, ada dua permasalahan dalam
perkiraan yaitu (1) tidak jelas banyaknnya faktor yang dibentuk dan (2) tidak jelas
nama faktor yang di tentukan. Dalam prosedur statistik lain, kegagalan asumsi
tidak mengakibatkan konsekuensi yang jelas seperti dalam perkiraan korelasi.
Namun hal ini menjadi asumsi dasar analisis faktor. (Rencher A.C., 2002)
Teknik umum dalam analisis faktor adalah metode principal component
analysis, yaitu metode yang digunakan untuk memperkirakan korelasi antara
faktor yang akan dibentuk terhadap variabel. (Rencher A.C.,2002)
Pada metode
principal analysis factorbertujuan untuk mencari korelasi
pada faktor terhadap variabel
–
variabel secara linier serta mengurangi (perkiraan)
dimensi dari ruang vektor yang menggandung variabel
–
variabel dari satu set
variabel acak yang intercorrelated. Dalam metode ini variabel yang diamati
bergantung pada jumlah faktor yang lebih sedikit yang dapat dijelaskan dari
varians atau kovarians yang sistematis atau benar dari penelitianuntuk
memperkirakandan mengidentifikasi variabel yang nyata (tapi tidak teramati)
yang berpengaruh pada variabel acak (Basilevsky .A., 1994).
2.8.1 Kegunaan Analisis Faktor
Analisis faktor dipergunakan didalam situasi sebagai berikut : (Supranto,2010)
a.
Mengenali atau mengidentifikasi dimensi yang mendasari (underlying
dimensions) atau faktor, yang menjelaskan korelasi antara suatu set
variabel.
c.
Mengenali atau mengidentifikasi suatu set yang penting dari suatu set
variabel yang lebih banyak jumlahnya untuk dipergunakan didalam
analisis multivariat selanjutnya.
2.8.2 Tujuan Analisis Faktor
Tujuan analisis faktor adalah: (Santoso,2010)
a.
Data summarization yakni mengidenfikasi adanya hubungan antara
variabel dengan melakukan uji korelasi.
b.
Data reduction yakni setelah melakukan korelasi, dilakukan proses
membuat sebuah variabel set baru yang dinamakan faktor untuk
menggantikan sejumlah variabel tertentu.
2.8.3 Asumsi Pada Analisis Faktor
Karena prinsip utama analisis faktor adalah korelasi, maka asumsi
–
asumsi terkait
dengan korelasi akan digunakan, yakni : (Santoso,2010)
a.
Besar korelasi atau korelasi antar variabel independen harus cukup kuat,
misalkan diatas 0,5
b.
Besar korelasi parsial, korelasi antara dua variabel dengan menganggap
tetap variabel yang lain, justru harus kecil
c.
Pengujian seluruh matriks korelasi (korelasi antar variabel) yang diukur
dengan besaran
Bartlett Test Of Sphericityatau
Measure Sampling Adequacy(MSA). Pengujian ini mengharuskan adanya korelasi yang
signifikan di antara paling sedikit beberapa variabel
2.8.4 Model Analisis Faktor
Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu dalam
hal bentukfungsi linier. Jumlah varians yang dikontribusi dari sebuah variabel
dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas.
Kovarians diantara variabel dijelaskan terbatas dalam sejumlah kecil komponen
atau faktor.
Pada dasarnya faktor merupakan kombinasi linier dari variabel
–
variabel
asli/awal, sebagai hasil suatu penelitian.
keterangan:
i
: 1,2,3,...,k
k
: Banyaknya variabel.
: Perkiraan faktor ke-i (didasarkan pada nilai variabel X
dengan koefisiennya W
i).
: Timbangan/bobot atau koefisien nilai faktor ke-i.
: Variabel ke
yang sudah dibakukan (
standardized).
2.9 Langkah-langkah Analisis faktor
2.9.1 Tabulasi Data
Data yang telah diperoleh dari penyusunan serta penyebaran kuesioner di
tempat-tempat yang telah ditentukan, kemudian data-data ini dikumpulkan serta
ditabulasikan pada kolom-kolom agar mempermudah untuk dikonversi pada
software yang akan digunakan.
2.9.2
Pembentukan Matriks Korelasi
pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari
analisis faktor. Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis
faktor dapat dilaksanakan yaitu:
1.
Penentukan besaran nilai
Barlett Test of Sphericity,
Bartlett’s of sphericity
yaitu suatu uji statistik yang dipergunakan untuk menguji hipotesis bahwa
variabel tidak saling berkorelasi (
uncorrelated) dalam populasi. Dengan
kata lain, matriks korelasi populasi merupakan matriks identitas (
identity matrix), setiap variabel berkorelasi dengan dirinya sendiri secara sempurna
dengan (r =1) akan tetapi sama sekali tidak berkorelasi dengan lainnya (r =
0). Statistik uji
Bartlett’s
adalah:
[
] | |
dengan derajat kebebasan(
degree of freedom) df =
Keterangan :
= jumlah observasi
= jumlah variabel
|
|
= determinan matriks korelasi
2.
Penentuan
Keiser-Meyesr-Okliti(KMO)
Measure of Sampling Adequacy,
yang digunakan untuk mengukur kecukupan sampel dengan cara
membandingkan besarnya koefisien korelasi yang diamati dengan koefisien
korelasi parsialnya.
∑ ∑
∑ ∑
∑ ∑
keterangan:
rij
:Koefisien korelasi sederhana antara ke-
idan ke-
j. aij: Koefisien korelasi parsial antara variabel ke-
idan ke-
j.i
: 1,2,3,...,p dan j = 1,2,3,...,p
MSA digunakan untuk mengukur kecukupan sampel.
∑
∑ ∑
keterangan:
p
= Jumlah variabel
= Kuadrat matriks korelasi sederhana
= Kuadrat matriks korelasi parsial.
i
= 1,2,3,...,p dan j = 1,2,3...,p
Kriteria kesesuaian dalam pemakaian analisis faktor adalah (Kaiser, 1974):
1.
Jika harga KMO sebesar 0,9 berarti sangat memuaskan
2.
Jika harga KMO sebesar 0,8 berarti memuaskan
3.
Jika harga KMO sebesar 0,7 berarti harga menengah
4.
Jika harga KMO sebesar 0,6 berarti cukup
5.
Jika harga KMO sebesar 0,5 berarti kurang memuaskan
6.
Jika harga KMO kurang dari 0,5 tidak dapat diterima
Angka MSA bekisar antara 0 sampai dengan 1, dengan kriteria yang
digunakan untuk intepretasi adalah sebagai berikut:
1.
Jika MSA = 1, maka variabel tersebut dapat diprediksi tanpa
kesalahan oleh variabel yang lainnya.
2.
Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut
masih dapat diprediksi dan bisa dianalisis lebih lanjut.
3.
Jika MSA lebih kecil dari 0,5 dan atau mendekati nol (0), maka
variabel tersebut tidak dapat dianalisis lebih lanjut, atau
dikeluarkan dari variabel lainnya.
2.9.3
Ekstrasi Faktor
Setelah sejumlah variabel terpilih, maka dilakukan ekstrasi variabel
tersebut sehingga menjadi beberapa faktor. Setelah memproses variabel-variabel
yang layak, maka dengan program SPSS versi 17 akan diperoleh nilai hasil
statistik yang menjadi indikator utama yaitu tabel
communalities,tabel Total
Variance Explained, Grafik Scree,tabel
component matrixdan tabel
rotated component matrix.Tabel
Communalitiesmerupakan tabel yang menunjukkan persentase
variansi dari tiap variabel yang dapat dijelaskan oleh faktor yang terbentuk.Nilai
yang dilihat adalah
extractionyang terdapat pada tabel
communalities.Makin kecil
nilainya, makin lemah hubungan antara variabel yang terbentuk. Perhitungan
communalitysetiap variabel dengan persamaan:
Keterangan:
=
communalityvariabel ke-i
= Nilai
faktor LoadingCommunality
adalah jumlah varian yang disumbangkan oleh suatu variabel
dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau
bagian varian yang dijelaskan oleh common faktor atau besarnya sumbangan
suatu faktor terhadap varian seluruh variabel.
Tabel Total
Variance Explained, menunjukkan persentase variance yang
dapat dijelaskan oleh faktor secara keseluruhan. Nilai yang menjadi indikatornya
eigenvaluesyang telah mengalami proses ekstrasi. Pada tabel akan tercantum nilai
extraction sum of square loading. Hal ini disebabkan nilai
eigenvaluestidak lain
merupakan jumlah kuadrat dari faktor loading dari setiap variabel yang termasuk
ke dalam faktor.
Factor Loadingini merupakan nilai yang menghubungkan
faktor-faktor dengan variabel-variabel.Variabel yang masuk ke dalam faktor
adalah yang nilainya lebih dari satu (
). Dari sini akan terlihat pula jumlah
faktor yang akan terbentuk.
Keterangan:
= matriks korelasi dengan orde n x n
= matriks identitas
=
eigen valueEigen value
adalah jumlah varian yang dijelaskan oleh setiap faktor. Penentuan
vektor karakteristik (
eigen vector) yang bersesuaian dengan nilai karakteristik
(
eigen value), yaitu dengan persamaan:
Keterangan:
= eigen vector dengan orde
n x n=
eigen valueMatriks
loading factor(
) diperoleh dengan mengalikan matriks eigen vector (
)
dengan akar dari matriks eigen value (
). Atau dalam persamaan matematis
ditulis:
√
Keterangan:
=
loading factor= matriks eigen vektor
=
eigen valueFactor loading
merupakan korelasi sederhana antara variabel dengan faktor.
Grafik Scree Plot