Hasil penelitian terhadap kejadian PMS didapatkan frekuensi terbanyak adalah responden yang tidak memiliki gejala PMS yaitu
sebanyak 48 dari 80 responden 60,0.
B. Hubungan Antara Asupan Zat Gizi Dengan Kejadian PMS
Data yang diperoleh dianalisis dengan Analisis Regresi Logistik Berganda menggunakan SPSS 16.0. Berikut menyajikan langkah-langkah
Analisis Regresi Logistik Berganda antara variabel asupan zat gizi dan kejadian PMS.
1. Seleksi Bivariat Masing-masing variabel independen dilakukan analisis bivariat
dengan variabel dependen. Bila hasil bivariat menghasilkan p value ≤ 0,25,
maka variabel tersebut langsung masuk tahap multivariat. Untuk variabel independen yang hasil bivariatnya menghasilkan p value 0,25 namun
secara substansi penting, maka variabel tersebut dapat dimasukkan dalam model multivariat. Seleksi bivariat menggunakan uji regresi logistik
sederhana. a. Analisis bivariat antara karbohidrat dengan kejadian PMS
Tabel 11. Omnibus Tests of Model Coefficients Chi-square
df Sig.
Step 11.530
1 .001
Block 11.530
1 .001
Step 1 Model
11.530 1
.001
Tabel 12. Variables in the Equation 95,0 C.I.for EXPB
B S.E. Wald
df Sig. ExpB
Lower Upper
KH -.053 .018 9.123
1 .003 .949
.917 .982
Step 1
a
Constant 3.276 1.222 7.187 1 .007 26.464
a. Variables entered on step 1:KH.
Dari tabel 11, didapatkan hasil omnibus test dengan p value=0,001 berarti variabel p value-nya 0,25 sehingga variabel
karbohidrat dapat dilanjutkan ke analisis multivariat. Dari tabel 12, nilai OR dapat diketahui dari kolom Exp B yaitu sebesar 0,949 95
CI:0,917-0,982. Hal ini berarti semakin banyak asupan karbohidrat, resiko terjadinya PMS 0,9 kali lebih rendah.
b. Analisis bivariat antara vitamin B
6
dengan kejadian PMS
Tabel 13. Omnibus Tests of Model Coefficients Chi-square
df Sig.
Step 8.848
1 .003
Block 8.848
1 .003
Step 1 Model
8.848 1
.003 Tabel 14. Variables in the Equation
95,0 C.I.for EXPB B
S.E. Wald df
Sig. ExpB Lower
Upper Vit_B6
-.045 .016 7.556 1 .006
.956 .926
.987 Step 1
a
Constant 2.606 1.107 5.543 1 .019 13.549
a. Variables entered on step 1: Vit_B6.
Dari tabel 13, didapatkan hasil omnibus test dengan p value=0,003 berarti variabel p value-nya 0,25 sehingga variabel
vitamin B
6
dapat dilanjutkan ke analisis multivariat. Dari tabel 14, nilai OR dapat diketahui dari kolom Exp B yaitu sebesar 0,956 95
CI:0,926–0,987. Hal ini berarti semakin banyak asupan vitamin B6, resiko terjadinya PMS 0,9 kali lebih rendah.
c. Analisis bivariat antara vitamin E dengan kejadian PMS
Tabel 15. Omnibus Tests of Model Coefficients Chi-square
df Sig.
Step 1.223
1 .269
Block 1.223
1 .269
Step 1 Model
1.223 1
.269 Tabel 16. Variables in the Equation
95,0 C.I.for EXPB B
S.E. Wald df
Sig. ExpB Lower
Upper Vit_E
-.014 .013 1.174 1 .279
.986 .960
1.012 Step 1
a
Constant .130 .538 .058 1 .809
1.139
a. Variables entered on step 1: Vit_E.
Dari tabel 15, didapatkan hasil omnibus test dengan p value=0,269 berarti p value-nya 0,25 sehingga variabel vitamin E
tidak dapat dilanjutkan ke analisis multivariat. d. Analisis bivariat antara lemak dengan kejadian PMS
Tabel 17. Omnibus Tests of Model Coefficients Chi-square
df Sig.
Step 1.809
1 .179
Block 1.809
1 .179
Step 1 Model
1.809 1
.179
Tabel 18. Variables in the Equation 95,0 C.I.for EXPB
B S.E. Wald
df Sig. ExpB Lower
Upper lemak
.010 .007 1.755 1 .185
1.010 .995
1.024 Step 1
a
Constant -1.201 .648 3.435 1 .064
.301
a. Variables entered on step 1: lemak.
Dari tabel 17, didapatkan hasil omnibus test dengan p value=0,179 berarti p value-nya 0,25 sehingga variabel lemak dapat
dilanjutkan ke analisis multivariat. Dari tabel 18, nilai OR dapat diketahui dari kolom Exp B yaitu sebesar 1,010 95 CI:0,995-
1,024. Hal ini berarti semakin banyak asupan lemak, resiko terjadinya PMS 1,01 kali lebih tinggi.
e. Analisis bivariat antara magnesium dengan kejadian PMS
Tabel 19. Omnibus Tests of Model Coefficients Chi-square
df Sig.
Step 7.309
1 .007
Block 7.309
1 .007
Step 1 Model
7.309 1
.007 Tabel 20. Variables in the Equation
95,0 C.I.for EXPB B
S.E. Wald df
Sig. ExpB
Lower Upper
mg -.042 .017 6.157
1 .013 .959
.928 .991
Step 1
a
Constant 1.971 .966 4.159 1 .041
7.174
a. Variables entered on step 1: mg.
Dari tabel 19, didapatkan hasil omnibus test dengan p value=0,007 berarti p value-nya 0,25 sehingga variabel magnesium
dapat dilanjutkan ke analisis multivariat. Dari tabel 20, nilai OR dapat diketahui dari kolom Exp B yaitu sebesar 0,959 95 CI: 0,928 –
0,991. Hal ini berarti semakin banyak asupan magnesium, resiko terjadinya PMS 0,96 kali lebih rendah.
f. Analisis bivariat antara kalsium dengan kejadian PMS
Tabel 21. Omnibus Tests of Model Coefficients Chi-square
df Sig.
Step 6.514
1 .011
Block 6.514
1 .011
Step 1 Model
6.514 1
.011 Tabel 22. Variables in the Equation
95,0 C.I.for EXPB B
S.E. Wald df
Sig. ExpB Lower
Upper ca
-.019 .009 4.305 1 .038
.981 .963
.999 Step 1
a
Constant .347 .399 .754
1 .385 1.414
a. Variables entered on step 1: ca.
Dari tabel 21, didapatkan hasil omnibus test dengan p value=0,011 berarti p value-nya 0,25 sehingga variabel kalsium
dapat dilanjutkan ke analisis multivariat. Dari tabel 22, nilai OR dapat diketahui dari kolom Exp B yaitu sebesar 0,981 95 CI: 0,963 –
0,999. Hal ini berarti semakin banyak asupan kalsium, resiko terjadinya PMS 0,98 kali lebih rendah.
Tabel 23
. Hasil seleksi bivariat antara variabel independen dengan variabel dependen sebagai berikut:
Variabel p value
Karbohidrat Vitamin B
6
Vitamin E Lemak
Magnesium Kalsium
0,001 0,003
0,269 0,179
0,007 0,011
Berdasarkan tabel diatas, hanya variabel ‘vitamin E’ yang p value-nya 0,25, maka yang akan dilanjutkan ke analisis multivariate
hanya variabel karbohidrat, vitamin B
6
, lemak, magnesium, dan kalsium.
2. Permodelan Multivariat a. Selanjutnya dilakukan analisis multivariat kelima variabel independen
tersebut dengan kejadian PMS.
Tabel 24. Variables in the Equation 95,0 C.I.for EXPB
B S.E.
Wald df
Sig. ExpB
Lower Upper
KH -.059
.024 6.245
1 .012
.942 .900
.987 Vit_B6
-.058 .023
6.012 1
.014 .944
.902 .989
lemak .030
.011 7.431
1 .006
1.030 1.008
1.052 mg
.018 .026
.476 1
.490 1.018
.968 1.071
ca -.012
.010 1.659
1 .198
.988 .969
1.006 Step 1
a
Constant 4.670
1.664 7.880
1 .005 106.714
a. Variables entered on step 1: KH, Vit_B6, lemak, mg, ca.
Dari hasil analisis diatas, terlihat ada 2 variabel yang nilai p value-nya0,05 yaitu magnesium dan kalsium, sehingga pada
permodelan yang selanjutnya, variabel magnesium dikeluarkan dari model.
b. Variabel magnesium dikeluarkan dari model
Tabel 25. Variables in the Equation 95,0 C.I.for EXPB
B S.E.
Wald df
Sig. ExpB
Lower Upper
KH -.052
.021 5.933
1 .015
.949 .910
.990 Vit_B6
-.051 .021
6.024 1
.014 .951
.913 .990
lemak .029
.011 7.333
1 .007
1.030 1.008
1.052 ca
-.010 .010
1.210 1
.271 .990
.971 1.008
Step 1
a
Constant 4.685
1.655 8.018
1 .005 108.356
a. Variables entered on step 1: KH, Vit_B6, lemak, ca.
Setelah magnesium dikeluarkan dari model, maka perubahan nilai OR untuk variabel karbohidrat, vitamin B
6
, lemak, dan kalsium dapat dilihat pada tabel di bawah ini:
Tabel 26. Perubahan OR setelah magnesium dikeluarkan dari model
Variabel OR
variabel lengkap
Magnesium sudah
dikeluarkan Perhitungan
Perubahan OR
Karbohidrat Vitamin B
6
Lemak Magnesium
Kalsium 0,942
0,944 1,030
1,018 0,988
0,949 0,951
1,030 -
0,990 0,949-0,9420,942 X 100
0,951-0,9440,944 X 100 1,030-1,0301,030 X 100
- 0,990-0,9880,988 X 100
0,7 0,7
- 0,2
Dengan hasil perbandingan OR terlihat tidak ada perubahan OR yang 10 dengan demikian variabel magnesium dikeluarkan dari
model. Selanjutnya variabel yang terbesar p value-nya adalah kalsium, dengan
demikian permodelan
selanjutnya variabel
kalsium dikeluarkan dari model.
c. Variabel kalsium dikeluarkan dari model, diperoleh hasil sebagai berkut:
Tabel 27. Variables in the Equation 95,0 C.I.for EXPB
B S.E.
Wald df
Sig. ExpB
Lower Upper
KH -.058
.021 7.664
1 .006
.944 .905
.983 Vit_B6
-.053 .020
7.092 1
.008 .948
.912 .986
lemak .029
.011 7.494
1 .006
1.029 1.008
1.051 Step 1
a
Constant 4.866
1.646 8.741
1 .003 129.828
a. Variables entered on step 1: KH, Vit_B6, lemak.
Setelah kalsium dikeluarkan dari model, maka perubahan nilai OR untuk variabel karbohidrat, vitamin B
6
dan lemak dapat dilihat dari tabel di bawah ini:
Tabel 28. Perubahan OR setelah kalsium dikeluarkan dari model
Variabel OR
variabel lengkap
Magnesium sudah
dikeluarkan Perhitungan
Perubahan OR
Karbohidrat Vitamin B
6
Lemak Magnesium
Kalsium 0,942
0,944 1,030
1,018 0,988
0,944 0,948
1,029 -
- 0,944-0,9420,942 X 100
0,948-0,9440,944 X 100 1,029-1,0301,030 X 100
- -
0,2 0,4
0,09 -
-
Setelah dilakukan perbandingan OR terlihat tidak ada perubahan OR yang 10 dengan demikian variabel kalsium dikeluarkan dari
model. Akhirnya model yang dihasilkan adalah sebagai berikut:
Dari tabel 29, didapatkan nilai signifikan untuk model sebesar 0,000. Hal ini menunjukkan bahwa ada pengaruh variabel independen yaitu asupan
karbohidrat, vitamin B
6
, dan lemak dalam memprediksi kejadian PMS pada mahasiswi UNS. Adanya hubungan antara variabel juga dapat diketahui
dengan melihat nilai Chi-Square sebesar 25,559 dimana nilai batas kritisnya sebesar 7,82 yang diperoleh dari tabel Chi-Square dengan tingkat signifikan
sebesar 0,05 5 dan derajat bebas df sebesar 3, sehingga dapat disimpulkan bahwa hipotesis diterima, artinya ada hubungan antara asupan
zat gizi dengan kejadian PMS. Berdasarkan tabel 30, diperoleh nilai Nagelkerke R Square adalah 0,370
yang berarti variabilitas yang terjadi pada variabel dependen yaitu kejadian PMS dapat dijelaskan oleh variabilitas variabel independennya yaitu variabel
Tabel 29. Omnibus Tests of Model Coefficients Chi-square
df Sig.
Step 25.559
3 .000
Block 25.559
3 .000
Step 1 Model
25.559 3
.000 Tabel 30. Model Summary
Step -2 Log likelihood Nagelkerke R Square
1 82.123
a
.370
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Tabel 31. Variables in the Equation 95,0 C.I.for EXPB
B S.E.
Wald df
Sig. ExpB
Lower Upper
KH -.058
.021 7.664
1 .006
.944 .905
.983 Vit_B6
-.053 .020
7.092 1
.008 .948
.912 .986
lemak .029
.011 7.494
1 .006
1.029 1.008
1.051 Step 1
a
Constant 4.866
1.646 8.741
1 .003 129.828
a. Variables entered on step 1: KH, Vit_B6, lemak.
asupan karbohidrat, vitamin B
6
, dan lemak sebesar 37, sedangkan sisanya
63 dijelaskan oleh variasi variabel lainnya di luar model.
Berdasarkan tabel 31, didapatkan hasil analisis sebagai berikut: 1 OR dari variabel karbohidrat adalah 0,9 kali artinya semakin tinggi asupan
karbohidrat, maka resiko untuk mengalami PMS 0,9 kali lebih rendah. 2 OR dari variabel vitamin B
6
adalah 0,9 kali artinya semakin tinggi asupan vitamin B
6
, maka resiko untuk mengalami PMS 0,9 kali lebih rendah. 3 OR dari variabel lemak adalah 1,02 kali artinya semakin tinggi asupan
lemak, maka resiko untuk mengalami PMS 1,02 kali lebih tinggi. Dalam penelitian ini ditemukan bahwa variabel lemak yang paling berpengaruh
terhadap kejadian PMS.
BAB V PEMBAHASAN