BAB 1 PENDAHULUAN 1.1 Latar Belakang - Analisis Faktor Resiko Penyakit Radang Paru-Paru Dengan Metode Regresi Logistik

BAB 1 PENDAHULUAN

1.1 Latar Belakang

  Radang paru–paru adalah sebuah penyakit pada paru–paru dimana pulmonary alveolus yang bertanggung jawab menyerap oksigen dari atmosfer meradang dan terisi cairan. Berdasarkan data Dinas Kesehatan (Dinkes) Sumut, sepanjang tahun 2012 lalu terdapat 11.326 kasus radang paru–paru (pneumonia) di daerah Sumut. Angka itu tergolong masih cukup tinggi meski turun dibanding tahun sebelumnya yang mencapai 16.130 kasus.

  Kepala Bagian Humas Rumah Sakit Umum (RSU) Dr. Pirngadi Medan, Edison Perangin-angin menilai radang paru-paru merupakan penyakit berbahaya dan berpotensi besar menyebabkan kematian. Dihimbau kepada warga Medan untuk mewaspadai penyakit tersebut, apalagi sangat berpotensi tinggi bagi kematian anak khususnya balita. Setiap bulannya paling tidak delapan pasien meninggal dunia akibat radang paru-paru di Medan. Menurut beliau, banyak faktor resiko yang menyebabkan seseorang menderita jenis penyakit ini salah satunya adalah paparan dari asap rokok.

  Rokok sangat berbahaya bagi kesehatan sang perokok maupun orang disekitarnya. Oleh karena itu penyakit radang paru–paru ini merupakan penyakit umum yang terjadi di seluruh kelompok umur, dan orang–orang yang sering terpapar asap rokok sangat rentan terkena penyakit ini.

  Sebagian besar penyakit yang dipicu oleh rokok dapat dicegah, maka

  

tindakan yang perlu dilakukan oleh pemerintah adalah dengan melindungi

masyarakat dari paparan asap rokok melalui upaya pencegahan berbagai penyakit

  yang dipicu oleh rokok dengan promosi pentingnya lingkungan yang sehat untuk menciptakan keluarga yang bebas dari gangguan radang paru–paru serta menunjang terwujudnya masyarakat yang sehat dan sejahtera. Promosi kesehatan adalah ilmu dan seni membantu masyarakat menjadikan gaya hidup mereka sehat optimal. Kesehatan yang optimal didefinisikan sebagai keseimbangan kesehatan fisik, emosi, sosial, spiritual, dan intelektual. Ini bukan sekedar pengubahan gaya hidup saja, namun berkaitan dengan pengubahan lingkungan yang diharapkan dapat lebih mendukung dalam membuat keputusan yang sehat.

  Hair et al (Santoso, 2012) membagi berbagai teknik multivariat dimulai dengan melihat hubungan antar variabel. Untuk mengetahui bagaimana hubungan diantara variabel tersebut dapat dibagi menjadi dua bagian besar yaitu interdependensi dan depedensi. Interdependensi adalah variabel-variabel yang tidak saling bergantung dengan yang lain. Ciri pentingnya adalah tidak adanya variabel dependen dan variabel independen, semua variabel bersifat independen. Alat analisis yang digunakan adalah analisis faktor, cluster, MDS, dan CA. Sedangkan dependensi adalah variabel-variabel yang saling ketergantungan. Ciri penting dependensi adalah adanya dua jenis variabel yaitu variabel dependen dan variabel independen. Alat analisis yang digunakan adalah regresi berganda, Regresi logistik, analisis diskriminan, SEM, Manova dan korelasi kanonikal.

  Regresi Logistik adalah bentuk khusus analisis regresi dengan variabel dependen bersifat kategori dan variabel independen bersifat kategori, kontinu, atau gabungan antara keduanya. Berdasarkan penjelasan di atas maka penulis tertarik untuk mengambil judul “Analisis Faktor Resiko Penyakit Radang Paru–Paru

  dengan Metode Regresi Logistik”.

  1.2 Perumusan Masalah

  Berdasarkan uraian pada latar belakang maka permasalahan yang dibahas penulis adalah seberapa besar faktor resiko berdasarkan jenis kelamin, usia dan konsumsi rokok atau kebiasaan merokok pasien yang terserang radang paru–paru atau tidak terserang.

  1.3 Batasan Masalah

  Untuk mengarahkan pembahasan penulis fokuskan untuk meneliti faktor resiko berdasarkan Jenis Kelamin, Usia dan Konsumsi rokok dengan metode regresi logistik.

  1.4 Tujuan Penelitian

  Tujuan dari penelitian ini adalah untuk menganalisis apakah model yang diteliti sudah baik (sesuai) agar dapat menggambarkan hubungan antara variabel independen; Jenis Kelamin, Usia dan kebiasaan merokok terhadap variabel dependen terserang atau tidaknya seorang pasien.

  1.5 Kontribusi Penelitian

  Beberapa manfaat dari penelitian ini adalah sebagai berikut: 1.

  Meningkatkan pemahaman aplikasi ilmu statistik khususnya regresi logistik untuk menyusun kebijakan dalam sistem kesehatan.

  2. Semakin berkembangnya kebijakan kesehatan yang memiliki kerangka berpikir logis yang tepat sehingga meningkatkan kinerja para penggagas kebijakan kesehatan.

  3. Meningkatkan minat untuk pengembangan riset kebijakan dalam sistem kesehatan yang sangat berguna jadi himbauan untuk masyarakat lebih peduli akan kesehatan lingkungan sekitarnya.

  4. Mendorong gerakan masyarakat demi terciptanya rumah bebas asap rokok untuk melindungi perokok pasif.

  5. Untuk mendukung Pergub SUMUT No. 35 tahun 2013 tentang kawasan bebas asap rokok.

1.6 Tinjauan Pustaka

  Regresi logistik adalah suatu model matematik yang digunakan untuk mempelajari hubungan antara satu atau beberapa variabel independen dengan satu variabel dependen yang bersifat dikotomus (binary). Variabel yang bersifat dikotomus adalah variabel yang hanya memiliki dua nilai, misalnya hidup/mati, sakit/sehat, merokok/tidak merokok dan sebagainya. Menurut Hosmer dan Lemeshow (1989) metode regresi logistik adalah suatu metode analisis statistika yang mendiskripsikan hubungan antara variabel dependen yang memiliki dua kategori dengan variabel independen berskala kategori atau interval maupun numerik. Regresi logistik dapat digunakan untuk memprediksi variabel dependen oleh sebuah atau beberapa variabel independen; untuk menentukan persentase varians dalam variabel dependen yang dapat dijelaskan oleh variabel independen; serta untuk menentukan peringkat kepentingan relatif variabel independen terhadap variabel dependen.

  Persamaan regresi Logistik dengan ‘k’ variabel bebas adalah:

  1 ) =

  (

• …

  1 + Keterangan:

  ) −( + +

  ) = probabilitas terjadinya peristiwa pada kelompok ke-i ( e

  = basis dari logaritma natural; ≈ 2,71828 i = 1, 2, . . . ,n b , b

  1 , . . . b k = koefisien regresi pada model logistik

  X

  1 , X 2 , . . .X k = variabel independen

  Model ini merupakan model peluang suatu kejadian yang dipengaruhi oleh faktor–faktor . Persamaan ini bersifat nonlinier dalam parameter. Tidak

  1, 2, . . .

  seperti pada regresi linier dengan metode Ordinary Least Squares atau kuadrat terkecil, regresi logistik tidak mengasumsikan hubungan linier antara variabel dependen dengan variabel independen. Akan tetapi, variabel independen memiliki hubungan linear dengan logit variabel dependen. Selanjutnya, untuk menjadikan model tersebut linier proses yang dinamakan logit transformation perlu dilakukan seperti berikut ini:

  ) (

• … . . +

  � � =

  

1

  1

  2

  2

  1 ) − (

  Estimasi koefisien dalam model regresi logistik tidak dapat dilakukan dengan metode Ordinary Least Square atau metode kuadrat terkecil. Metode yang bisa digunakan adalah metode Maximum Likelihood. Regresi logistik membentuk variabel dependen [logit (p ( )/(1-p( ))] yang merupakan kombinasi linier dari variabel independen. Nilai variabel dependen ini kemudian ditransformasikan menjadi probabilitas dengan fungsi logit. Regresi logistik menghasilkan rasio peluang atau biasa disebut odds ratio, yang terkait dengan nilai setiap variabel independen. Ratio peluang (odds ratio) dari suatu kejadian diartikan sebagai peluang hasil yang muncul (p) dibagi dengan peluang suatu kejadian tidak muncul (1 - p). Interpretasi hasil regresi logistik dari variabel independen tidak secara langsung dilihat dari koefisien regresinya tetapi diamati dari bentuk odds ratio-nya atau likelihood ratio dengan kemungkinan terbesar nilai peluang adalah 1. Likelihood adalah pengukuran seberapa besar data yang ada mendukung nilai parameter menurut model probabilitas. berarti juga peluang atau probabilitas untuk hipotesis tertentu. Seperti

  Likelihood yang diketahui pada kurva regresi linier dapat dilihat adanya hubungan linier, peningkatan pada sumbu Y akan diikuti dengan peningkatan pada sumbu X dan sebaliknya. Tetapi pada regresi logistik dengan nilai Y antara 0 dan 1, pendekatan linier tidak bisa digunakan.

  Untuk menguji kelayakan model regresi dapat dilihat dari tabel Hosmer and Lemeshow dari hasil olah data. Dan uji hipotesisnya seperti berikut ini:

  H : Model sesuai (Model mampu menjelaskan data empiris) H

  1 : Model tidak sesuai (Model tidak mampu menjelaskan data empiris) Kriteria Pengujian adalah:

  H : ditolak bila probabilitas ≤ 0,05

  H : diterima bila probabilitas > 0,05

1.7 Metodologi Penelitian

  Metodologi penelitian ini adalah sebagai berikut: 1.

  Data yang digunakan dalam penelitian ini merupakan data sekunder. Data– data tersebut yaitu data pasien yang terserang atau tidak terserang radang paru- paru, data jenis kelamin, usia dan komsumsi rokok para pasien. Dimana dalam menentukan sampel peneliti menggunakan rumus pendugaan proporsi sebagai berikut:

  

2

.

  .

  /2

  =

  2 Keterangan: n : Jumlah sampel

  : Nilai Z pada interval keyakinan

  2

  P : Proporsi kasus terhadap populasi, populasi tidak diketahui. Q : 1-P e : derajat penyimpangan terhadap populasi yang diinginkan.

2. Langkah–langkah pengolahan data adalah seperti berikut ini: a.

  Memisahkan variabel ke dalam faktor dependen dan independen b. Menguji model apakah menunjukkan model regresi yang baik.

  c.

  Menilai kelayakan model regresi atau menganalisis seberapa penting variabel independen di dalam model dengan Uji Hosmer and Lemeshow dengan melihat nilai goodness of fit yang diukur dengan nilai chi–square pada tingkat signifikansi 5%.

  d.

  Memperlihatkan tingkat akurasi model dan menguraikan persentase variabel dependen dilihat dari tabel Overall Classification.

  e.

  Membentuk persamaan regresi Logistik dengan bantuan SPSS.

  f.

  Menghitung faktor resiko masing–masing pasien secara manual.

  g.

  Membuat kesimpulan apakah model yang diteliti sudah baik (sesuai) sehingga dapat diperlihatkan besar pengaruh masing–masing variabel independen.