c. Analisis Multivariat
Analisis multivariat menggunakan analisis regresi logistik ganda yang bertujuan untuk mendapatkan model faktor risiko yang paling baik fit dan
sederhana parsinomy yang dapat menggambarkan pengaruh paritas setelah dikontrol variabel umur, pendidikan, paritas, jarak antar kelahiran, riwayat persalinan
buruk sebelumnya, dan status anemia terhadap perdarahan postpartum primer. Analisis multivariat tidak memerlukan asumsi-asumsi seperti pada regresi linier
ganda, yaitu : eksistensi, independensi, linearitas, homosedasitas dan normalitas. Pemodelan multivariat menggunakan model faktor risiko karena satu variabel
independen telah diyakini mempunyai hubungan dengan variabel dependen dengan mengontrol beberapa variabel confounding.
Dimulai dengan memasukkan semua variabel yang mempunyai nilai p0,25 pada analisis bivariat dengan menggunakan metode backward. Jika ada kovariat yang
menurut substansi keilmuan harus masuk ke dalam model multivariat, kovariat tersebut tetap dimasukkan ke dalam model multivariat walaupun nilai p0,25.
Variabel yang masuk ke dalam model harus mempunyai p-Wald0,05, bila tidak variabel tersebut dikeluarkan dari model dimulai dari p-Wald yang terbesar
dengan memperhatikan logika substansi sampai didapatkan model akhir yang paling sederhana semua variabel mempunyai nilai p-Wald0,05.
Setelah memproleh model yang fit dan mempunyai p-Wald yang signifikan, selanjutnya memeriksa kemungkinan adanya interaksi ke dalam model. Penilaian ada
tidaknya variabel interaksi dimulai dengan menciptakan perkalian multiplikatif variabel-variabel yang mungkin berinteraksi. Kemudian menilai kemaknaannya
Universitas Sumatera Utara
dengan melihat nilai p-Wald, bila variabel interaksi mempunyai nilai p-Wald yang bermakna maka variabel interaksi penting untuk dimasukkan ke dalam model.
Kemudian melakukan pemeriksaan confounding dengan cara mengeluarkan variabel confounder yang dipertimbangkan untuk keluar model satu persatu dimulai
dari variabel yang memiliki nilai p-Wald yang terbesar. Variabel kovariat tersebut dapat dievaluasi dengan membandingkan koefisien atau OR masing-masing kovariat
pada model dengan dan tanpa kovariat tersebut. Jika perbedaan tersebut besar 10, berarti kovariat tersebut tidak dapat dikeluarkan dari model karena akan
mengganggu estimasi koefisien kovariat lainnya. Dengan kata lain variabel tersebut merupakan confounder untuk variabel lainnya.
Model yang digunakan untuk interpretasi adalah : Log p 1 –
p = α + β
1
X
1
+ β
2
X
2
+ …. + β
i
X
i
Untuk probabilitas kejadian suatu penyakit dapat ditulis sebagai berikut Murti, 1997:
dimana : p = probabilitas kejadian suatu penyakit
α = konstanta β
i
= koefisien regresi X
i
= variabel independen e = bilangan natural 2,71828
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN
4.1 Gambaran Umum Rumah Sakit Umum Daerah Dr. Pirngadi Medan
Rumah Sakit Umum Daerah Dr. Pirngadi Medan didirikan pada tanggal 11 Agustus 1928 yang berlokasi di Jl. Prof. HM. Yamin SH No. 47 Medan. Pemilik
rumah sakit ini adalah Pemerintah Kota Medan sejak 27 Desember 2001, dengan kualifikasi Kelas B Pendidikan, status rumah sakit Swadana pada tanggal 11 Februari
1998, penilaian Akreditasi Dasar tanggal 14 April 2000 dan Akreditasi Lengkap tanggal 16 Desember 2006. RSUD Dr. Pirngadi Medan resmi menjadi Rumah Sakit
Pendidikan pada tanggal 10 April 2007 berdasarkan Keputusan Menteri Kesehatan RI Nomor : 433MenkesSKIV2007.
Rumah Sakit Umum Daerah Dr. Pirngadi Medan memiliki luas 76.990 m
2
dengan ruang rawat inap berjumlah 29 ruangan dan rawat jalan klinik rawat jalan berjumlah 58 klinik.
Dalam usaha pelayanan medis Rumah Sakit Umum Daerah Dr. Pirngadi Medan terdiri dari beberapa unit, yaitu:
1. Penyakit Dalam
2. Bedah
3. Kebidanan dan Penyakit Kandungan
4. Kesehatan Anak
5. Penyakit Mata
6. Penyakit Telinga, Hidung dan Tenggorokan
Universitas Sumatera Utara
Kategori