OPEN JOURNAL SYSTEMS Journal Help
U SER
Usernam e
Password
Rem em ber m e
Log In
NO T I F I C AT I O NS
View Subscribe / Unsubscribe
J O U R NAL C O NT ENT Search
All
HO ME ABO UT LO G I N R EGI ST ER SEAR C H C UR R ENT AR C HI VES
Home > E-Jurnal Matematika
E-Jurnal Matematika
E-Jurnal Matematika merupakan salah satu jurnal elektronik yang ada di Universitas Udayana, sebagai media komunikasi antar peminat di bidang ilmu matematika dan terapannya, seperti statistika, matematika finansial, pengajaran matematika dan terapan matematika dibidang ilmu lainnya. Jurnal ini lahir sebagai salah satu bentuk nyata peran serta jurusan Matematika FMIPA UNUD guna mendukung percepatan tercapainya target mutu UNUD, selain itu jurnal ini terbit didorong oleh surat edaran Dirjen DIKTI tentang syarat publikasi karya ilmiah bagi program Sarjana di Jurnal Ilmiah. E-jurnal Matematika juga menerima hasil-hasil penelitian yang tidak secara langsung berkaitan dengan tugas akhir mahasiswa meliputi penelitian atau artikel yang merupakan kajian keilmuan.
Editorial Team
Ketua : Desak Putu Eka Nilakusumawati, S.Si., M.Si Sekretaris : I Made Eka Dwipayana S.Si. M.Si.
Search
Browse By Issue By Author By Title Other Journals
F O NT SI ZE
I NF O R M AT I O N
For Readers For Authors For Librarians
Penyunting :
1. Tjokorda Bagus Oka Ph.D. 2. Komang Dharmawan Ph.D. 3. Drs. GK Gandhiadi MT.
4. Ir. I Komang Gde Sukarsa M.Si. 5. Ir. I Putu Eka Nila Kencana MT
2/13/2014 Vol 2, No 4 (2013) DAN PENCILAN PADA REGRESI LINEAR BERGANDA
NI WAYAN YULIANI, I KOMANG GDE SUKARSA, I
GUSTI AYU MADE SRINADI 1-5
PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA
I PUTU EKA IRAWAN, I KOMANG GDE SUKARSA,
NI MADE ASIH 6-10
PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA
NI MADE SEKARMINI, I KOMANG GDE SUKARSA, I
GUSTI AYU MADE SRINADI 11-16
KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN
I MADE ANOM ARIAWAN, I PUTU EKA NILA
KENCANA, NI LUH PUTU SUCIPTAWATI 17-22
KARAKTERISTIK SEKTOR PERTANIAN DI PROVINSI BALI MENURUT SUBSEKTOR PENYUSUN
PUTU OKA SURYA ARSANA, MADE SUSILAWATI,
KETUT JAYANEGARA 23-28
HUBUNGAN PENGARUH PENOLONG KELAHIRAN TERHADAP STATUS KELAHIRAN BAYI DENGAN KONTROL VARIABEL CONFOUNDING DI KABUPATEN BULELENG (STUDI KASUS: PUSKESMAS SUKASADA II)
KADEK NOVIA DWIJAYANTHI, I GUSTI AYU MADE
SRINADI, NI LUH PUTU SUCIPTAWATI 29-32
VARIABEL LATEN SEBAGAI MODERATOR DAN MEDIATOR DALAM HUBUNGAN KAUSAL
I KOMANG GEDE ANTARA, I PUTU EKA NILA
KENCANA, KETUT JAYANEGARA 33-39
PERUMUSAN PREMI BULANAN ASURANSI KESEHATAN INDIVIDU PERAWATAN RUMAH SAKIT (ANUITAS HIDUP PEMBAYARAN BULANAN)
AGUSTINA PAULA THERESIA PUTRI LAHALLO, I NYOMAN WIDANA, DESAK PUTU EKA
AGUS EKA ARIESTA, G.K. GANDHIADI, NI KETUT
TARI TASTRAWATI, I PUTU EKA NILA KENCANA 46-52
ISSN: 2303-1751
2/13/2014 Vol 2, No 4 (2013)
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 29-32 ISSN: 2303-1751
1
Mahasiswa Jurusan Matematika FMIPA Universitas Udayana
2,3
Staf Pengajar Jurusan Matematika FMIPA Universitas Udayana 29
HUBUNGAN PENGARUH PENOLONG KELAHIRAN TERHADAP STATUS KELAHIRAN BAYI DENGAN
KONTROL VARIABEL CONFOUNDING DI KABUPATEN BULELENG
(STUDI KASUS: PUSKESMAS SUKASADA II)
KADEK NOVIA DWIJAYANTHI1,IGUSTI AYU MADE SRINADI2,
NI LUH PUTU SUCIPTAWATI3
1,2,3
Jurusan Matematika FMIPA Universitas Udayana, Bukit Jimbaran-Bali e-mail: [email protected], [email protected],
3
Abstract
One indicator of the Human Development Index (HDI) is the Infant Mortality Rate (IMR). IMR is lower HDI showed a better area when compared with other regions for different values of the same indicators. This study aims to determine the relationship between the birth attendants birth status and confounding variables that affect the status of births in Buleleng regency, with Sukasada II health center located in District Sukasada - Buleleng regency as the location of the observed cases of infant mortality. Results of analysis using logistic regression showed that (1) birth attendants, (2) maternal age, and (3) income household heads have a real influence on the status of the baby's birth. Birth status with medical birth attendants have the opportunity to live 2,427 times compared with non-medical birth attendants with controlled variables maternal age and income of the family head.
Keywords: IPM, Infant Mortality, Sukasada district, Buleleng regency, Logistic Regression.
1. Pendahuluan
Kesehatan merupakan salah satu unsur penting dalam menentukan indeks pembangunan Manusia (IPM). Dengan kondisi kesehatan yang optimal masyarakat suatu daerah mempunyai kemampuan yang lebih besar untuk memenuhi kebutuhannya [2].
K. N.Dwijayanthi, I G.A.M. Srinadi, N.L.P.Suciptawati Hu b u n g a n P e n g a r u h P e n o l o n g K e l a h i r a n Te r h a d a p S t a t u s Ke l a h i r a n B a yi d e n g a n
K o n t r o l V a r i a b e l C o n f o u n d i n g
30 Selain penolong kelahiran, angka kematian bayi juga dikontrol oleh beberapa faktor yaitu umur ibu, pendidikan ibu, jenis kelamin bayi, jarak kelahiran, urutan kelahiran dan penghasilan keluarga.
Penelitian terdahulu yang dilakukan oleh Ardika [1] untuk mengetahui faktor apa saja yang memengaruhi angka kematian bayi diperoleh hasil bahwa umur ibu dan pengaruh bersama antara pendidikan ibu dan jenis kelamin bayi yang memengaruhi status kelahiran bayi. Penolong kelahiran tidak berpengaruh terhadap status kelahiran bayi. Sehingga terjadi ketidakseimbangan dalam menganalisis suatu kasus akibat adanya pengaruh variabel perancu atau
confounding.
Tujuan dari penelitian ini adalah untuk mengetahui ada tidaknya pengaruh penolong kelahiran dan status kelahiran bayi di desa-desa yang berada di bawah tanggung jawab Puskesmas Sukasada II dan untuk mengetahui variabel perancu yang berpengaruh signifikan terhadap status kelahiran bayi di desa-desa yang berada di bawah tanggung jawab Puskesmas Sukasada II
Confounding adalah suatu variabel dalam penelitian yang tidak tercakup dalam hipotesis penelitian akan tetapi muncul dalam penelitian dan berpengaruh terhadap variabel tidak bebas. Pengaruhnya mencampuri atau berbaur dengan variabel bebas (Yasril dan Kasjono, [4]). Confounding adalah distorsi oleh variabel luar yang dapat mengacaukan atau mempengaruhi perhitungan pendugaan pengaruh variabel bebas terhadap suatu kasus (Murti, [3]).
Variabel confounding merupakan variabel luar yang pengaruhnya mencampuri pengaruh variabel penelitian terhadap suatu kasus (Yasril dan Kasjono, [4]). Ada tiga kriteria variabel confounding yaitu: (1) Merupakan faktor risiko bagi kasus yang diteliti; (2) Mempunyai hubungan dengan variabel bebas; dan (3) Bukan merupakan bentuk antara dalam hubungan kausal variabel bebas dan variabel tidak bebas.
Langkah-langkah Uji Confounding: (1) Melakukan seleksi variabel kandidat untuk masuk dalam model dengan cara analisis regresi logistik dengan p- Value
< 0,25; (2) Melakukan pemodelan regresi logistik ganda terhadap semua variabel kandidat; (3) Melakukan uji interaksi antara variabel tidak bebas dengan variabel bebas dan variabel confounding; (4) Melakukan uji confounder dengan menghitung selisih OR jika > 10% maka variabel tersebut merupakan variabel
confounding; (5) Pemodelan akhir dan interpretasi model (Yasril dan Kasjono,[4]).
2. Metode Penelitian
e-Jurnal Matematika Vol. 2, No. 4, Nopember 2013, 29-32
31 Status kelahiran bayi (Y) merupakan variabel respon yang dikategorikan menjadi dua, yaitu status kelahiran bayi hidup dan status kelahiran bayi meninggal. Variabel bebas terdiri dari penolong kelahiran �1 , Umur Ibu �2 , Jenis Kelamin Bayi �3 , dan Jarak Kelahiran Bayi �4 . Variabel confounder terdiri dari Pendidikan Ibu �1 , Penghasilan Keluarga �2 , dan Urutan Kelahiran �3 . Selanjutnya melakukan proses langkah-langkah uji confounding untuk melakukan analisis penelitian
3. Hasil dan Pembahasan
Analisis regresi berganda dalam penelitian bertujuan untuk menganalisis hubungan antara variabel bebas dan beberapa variabel confounding terhadap variabel status kelahiran bayi. Analisis regresi yang digunakan adalah analisis regresi logistik ganda dengan variabel kandidat yang masuk dalam model adalah variabel bebas dan variabel confounding dengan nilai p-Value < 0,25. Berdasarkan analisis ini diperoleh variabel kandidat yang masuk dalam model adalah variabel penolong kelahiran (p-Value = 0,000 < 0,25), umur ibu (p-Value = 0,187 < 0,25), pendidikan ibu (p-Value = 0,001 < 0,25) dan penghasilan keluarga (p-Value = 0,003 < 0,25).
Dari hasil analisis tersebut kemudian dilakukan analisis regresi logistik ganda. Variabel yang masuk dalam model regresi logistik adalah variabel yang mempunyai p-Value kurang dari 0,05. Hasil regresi logistik ganda diperoleh variabel penolong kelahiran (p-Value = 0,000 < 0,05), umur ibu (p-Value = 0,013 < 0,05) dan penghasilan keluarga (p-Value = 0,03 < 0,05) yang masuk ke dalam model.
Kemudian dilakukan pemeriksaan kemungkinan adanya interaksi antar variabel bebas dan confounding yaitu antara penolong kelahiran dengan penghasilan keluarga dan antara umur ibu dengan penghasilan keluarga. Dari analisis tersebut tidak terjadi interaksi antara variabel bebas dan variabel
confounding.
Selanjutnya dilakukan pemeriksaan confounding yaitu dengan mengevaluasi variabel penghasilan keluarga yang diduga sebagai variabel confounding dengan membandingkan nilai OR variabel penolong kelahiran dan umur ibu dengan atau tanpa variabel penghasilan keluarga. Setelah dilakukan analisis diperoleh nilai OR penolong kelahiran sebesar 19,0% > 10 % dan nilai OR umur ibu sebesar 10% > 10 % maka variabel penghasilan kepala keluarga merupakan variabel
confounding, sehingga diperoleh model regresi logistik adalah:
Log p (Status Kelahiran ) = –3,169 – 3,877 (Penolong kelahiran) + 0,142 (Umur Ibu) + 0,375 (Penghasilan Keluarga)
K. N.Dwijayanthi, I G.A.M. Srinadi, N.L.P.Suciptawati Hu b u n g a n P e n g a r u h P e n o l o n g K e l a h i r a n Te r h a d a p S t a t u s Ke l a h i r a n B a yi d e n g a n
K o n t r o l V a r i a b e l C o n f o u n d i n g
32 dibandingkan penolong kelahiran nonmedis setelah dikontrol variabel penghasilan keluarga.
4. Kesimpulan
Kesimpulan yang dapat diambil berdasarkan hasil analisis dan pembahasan yang dilakukan pada bab sebelumnya adalah status kelahiran bayi dipengaruhi oleh penolong kelahiran, Umur ibu dan penghasilan kepala keluarga.
Model Regresi Logistik Ganda yang diperoleh dari pembahasan tersebut yaitu:
Log p ( Status Kelahiran ) = –3,169 – 3,877 ( Penolong kelahiran ) + 0,142 ( Umur Ibu ) + 0,375 ( Penghasilan Keluarga )
Dari model yang diperoleh, dapat dijelaskan bahwa ibu yang melahirkan dengan penolong kelahiran medis menurunkan risiko untuk status kelahiran meninggal sebesar 0,021 kali dibandingkan dengan penolong kelahiran nonmedis setelah dikontrol variabel penghasilan kepala keluarga.
Daftar Pustaka
[1] Ardika, I Gusti Ngurah. 2011 . Faktor-Faktor yang Mempengaruhi Kematian Bayi di Kabupaten Buleleng . Universitas Udayana
[2] Dinas Kesehatan [Dikes] Kabupaten Buleleng. 2009 . Profil Kesehatan Kabupaten Buleleng Tahun 2008. Dikes Kabupaten Buleleng. Singaraja.
[3] Murti, Bhisma. 2003. Prinsip dan Metode Riset Epidemiologi. Gadjah Mada University Press, Yogyakarta
