BAB II

TINJAUAN PUSTAKA
2.1 Tinjauan Pustaka
2.1.1

Defenisi Kesehatan

Pengertian Kesehatan menurut wikipedia adalah keadaan sejahtera dari badan, jiwa, dan
sosial yang memungkinkan setiap orang hidup produktif secara sosial dan ekonomis. Sedangkan
Pengertian Kesehatan menurut Organisasi Kesehatan Dunia (WHO) tahun 1948 menyebutkan
bahwa pengertian kesehatan adalah sebagai suatu keadaan fisik, mental, dan sosial
kesejahteraan dan bukan hanya ketiadaan penyakit atau kelemahan
Pada tahun 1986, WHO, dalam Piagam Ottawa untuk Promosi Kesehatan, mengatakan
bahwa pengertian kesehatan adalah sumber daya bagi kehidupan sehari-hari, bukan tujuan
hidup Kesehatan adalah konsep positif menekankan sumber daya sosial dan pribadi, serta
kemampuan fisik.
Sedangkan Menurut UU Kesehatan adalah keadaan sejahtera dari badan, jiwa, dan
sosial yang memungkinkan setiap orang hidup produktif secara sosial dan ekonomis.
Upaya kesehatan adalah setiap kegiatan untuk memelihara dan meningkatkan kesehatan yang
dilakukan oleh pemerintah dan atau masyarakat.

2.1.2

Defenisi Kelahiran Prematur

Persalinan Prematur merupakan kondisi dimana kelahiran berlangsung tidak normal

jika diukur dari umur janin. Pada persalinan ini, kelahiran biasanya terjadi sebelum usia janin
memasuki usia minggu ke-37 sampai minggu ke-38. Persalinan secara prematur selalu
menjadi perhatian sebab ia menjadi salah satu penyebab paling utama kematian pada bayi
yang baru lahir atau dikenal juga dengan istilah neonatal. Bayi yang dilahirkan secara
prematur sangat rentan sebab kondisinya masih terlampau lemah untuk beradaptasi dengan
lingkungan di luar rahim sang ibu. Bayi ini biasnya memiliki berat badan yang sangat rendah
dan ukuran yang cenderung mini. Ukuran ini memang sejalan dengan keadaan sang bayi yang
belum matang atau immaturitas.Bayi yang lahir secara prematur memiliki potensi lebih besar
untuk mengalami gangguan seperti cacat bawaan yang meliputi cacat pada penglihatannya,
cerebral

palsy,

terganggunya

kecerdasan,

potensi

mengidap

penyakit

semcam

jantung, tekanan darah tinggi, stroke, diabetes dan lain-lain. Presentasi terjadinya persalinan
secara prematur mencapai angka 10% hingga 20% di dunia. sementara itu di Indonesia,
kelahiran secara prematur mencapai angka 19% dari total kelahiran. Sebenarnya, persalinan

prematur bisa dihindari dengan peningkatan kualitas kesehatan dan juga tindakan pencegahan
yang memadai.
2.1.3

Penyebab Kelahiran Prematur

Hingga saat ini, penyebab utama terjadinya persalinan prematur belum ditentukan secara
pasti. Namun, beberapa faktor pendorong terjadinya kelahiran dini ini telah diketahui, sebagai
berikut:
1. Sebuah penelitian di Universitas Aberdeen menemukan fakta seorang ibu yang lahir
secara prematur atau memiliki saudara kandung yang lahir secara prematur memiliki resiko
yang jauh lebih tinggi untuk melahirkan dengan cara yang sama, yakni prematur. Angka
resiko ini bahkan mencapai 60%.
2. Ibu yang pada kehamilan sebelumnya melahirkan secara prematur, di kehamilan
berikutnya juga berpotensi mengalami kelahiran secara prematur dengan potensi angka
sebanyak 30%.
3. Jika ibu mempunyai bayi yang kembar, maka sebanyak 50% peluang ia akan
melahirkan secara prematur. Dan jika bayi yang dikandungnya berjumlah 3 orang, maka
presentase kelahiran secara prematur akan meningkat sebanyak 83%.
4. Ibu memiliki leher rahim yang cenderung pendek atau ia menderita kelainan rahim
lainnya.
5. Ibu memiliki permasalahan kesehatan seperti diabetes dan hipertensi.
6. Ibu mengalami pendarahan pada bagian vagina pada usia di atas 20 minggu. Hal ini
akan memicu terlepasnya sejumlah protenin yang bisa mengacaukan selapur pada ketuban
dan hasil akhirnya ketuban pecah dan menyebabkan kelahiran yang lebih awal.

2.2 Landasan Teori

2.2.1

Regresi logistic

Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan
penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Dalam analisis
regresi dikenal 2 jenis variabel yaitu Variabel Respon disebut juga variabel dependen yaitu
variabel yang keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan dengan
variabel dan Variabel Prediktor disebut juga dengan variabel independen yaitu variabel yang
bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan

Untuk mempelajari hubugan hubungan antara variabel bebas maka regresi linier
terdiri dari dua bentuk yaitu Analisis regresi sederhana (simple analysis regresi) dan Analisis
regresi berganda (Multiple analysis regresi).
Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel
bebas (variable independen) dan variabel tak bebas (variabel dependen).Sedangkan analisis
regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya
dua variabel bebas dengan satu variabel tak bebas.
Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel
dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah
ditentukan.
Kelebihan lain dari regresi logistik adalah memiliki kesalahan klasifikasi yang kecil untuk
sampel data yang besar dan dapat mengetahui besaran odds rasio yang dapat diperoleh dari
variabel-variabel prediktor.
2.2.1.1 Penaksiran Parameter
Maksimum likelihood
Biasanya digunakan OLS (Ordinary Least Square) untuk mencari koefisien regresi
dari data. Akan tetapi disadari bahwa penggunaan OLS tidak tepat bila variabel dikotomi dan
lebih tepat menggunakan metode logistik. Tapi penggunaan metode logistik akan sangat
rumit dalam mencari koefisien regresi yang dilakukan secara manual sehingga kita akan
melibatkankan maksimum likelihood dalam penyelesaiannya. Metode maksimum likelihood
adalah metode untuk mengestimasi model logit untuk data terkelompok dan satu-satunya
metode yang umum digunakan (Allison,1999).
Langkah-langkah dalam mengestimasi nilai parameter dengan menggunakan metode
Maksimum Likelihood adalah sebagai berikut :
1. Harus menetapkan model yang digunakan, dengan memilih distribusi peluang dari
variabel dependen dan menentukan bentuk fungsionalnya. Dalam kasus model
logistic, variabel dependen berbentuk dikotomi dan memiliki distribusi binomial
dengan bentuk parameter Pi. Dimana Pi diperoleh dari model regresi logistik yaitu :
2. Lakukan iterasi hingga memperoleh hasil yang tidak akan berubah-ubah lagi. Pada
langkah ini sering memerlukan komputasi sebagai alat bantu perhitungan hasil.
Langkah-langkahnya adalah sebagai berikut :

Dengan m emisalkan P(Y=1) adalan probabilitas bahwa Yi=1, dapat diasumsikan

bahwa data memiliki model logit sbb:

Fungsi likelihood yang digunakan untuk mencari parameter dimodelkan sebagai

berikut :
Seluruh probabilitas dari semua observasi Yi bisa difaktorkan secara terpisah seperti
berikut :

Dengan memisalkan

dan

, maka diperoleh

persamaan :
Kemudian substitusi kedua persamaan tersebut sehingga akan diperoleh persamaan :

Kemudian substitusi persamaan

ke dalam persamaan diatas. Sehingga

diperoleh :

Persamaan diatas dapat disederhanakan menjadi sebagai berikut :

Kemudian lakukan logaritma natural pada persamaan yang diperoleh :

Persamaan yang diperoleh diatas adalah Fungsi Likelihood nya. Selanjutnya

akan dicari koefisien dari

yang dapat membuat persamaan diatas semaksimal

mungkin. Salah satu cara untuk memaksimalkan fungsi tersebut adalah dengan
melakukan turunan terhadap .

Dengan menyatakan

sama dengan

, maka hasil turunannya adalah sebagai

berikut :

Iterasi (Matriks Hessian)

Taksiran parameter di peroleh dari persamaan :

Dengan m merupakan nomor urut iterasi dan bm adalah vektor panaksiran nilai betha
Matiksd varians covarian untuk

2.2.1.2 Uji Keberartian Parameter

Pengujian terhadap parameter model dilakukan sebagai upaya untuk memeriksa
peranan peubah penjelas yang ada dalam model. Untuk mengetahui seluruh peubah penjelas

di dalam model secara bersama-sama atau analisis secara overall dapat digunakan statistic
uji-G.
Hipotesis statistik uji-G ialah
H0 : 0 = 1 = = 1+p = 0
H1 : minimal ada satu i 0,

i = 0,1, 2, ,1+ p

Ststistik uji-G didefinisikan sebagai:

(2.8)
Dengan L0 adalah fungsi kemungkinan (likelihood) tanpa peubah penjelas, dan Lp
merupakan fungsi kemungkinan dengan p peubah penjelas. Jika hipotesis nol benar, maka
statistic uji-G akan menyebar mengikuti sebaran X2 dengan derajat bebas p. Hipotesis nol
ditolak jika G >X2p(a)(Hosmer & Lemeshow 1989).

Statistic uji wald digunakan untuk menguji parameter i secara parsial

Hipotesis yang diuji adalah:
H 0 : i = 0
H1 : i 0, dengan i = 1, 2, , p
Statistik uji wald didefinisikan sebagai :

(2.10)
Jika hipotesis nol benar, maka statistic uji-W akan menyebar mengikuti sebaran
normal baku. Hipotesis nol ditolak jika |W| > Za/2.

2.2.1. 3. Uji Kecocokan Model

Chi kuadrat

Pengujian kecocokan model proportional odds dinyatakan dengan rumusan hipotesis

sebagai berikut :
H 0 : Model cocok dengan data pengamatan

H 1 : Model tidak cocok dengan data pengamatan

Statistik ujinya menggunakan Pearson chi-square goodness of fit statistic yang

membandingkan nilai observasi dengan nilai yang diharapkan yang didefinisikan dengan
persamaan berikut (Tutz, 2007) :

(2.11)
Pearsonchi-square goodness of fit statistic mengikuti distribusi chi-square dengan
df I 1 x J 1 P . Jika menggunakan taraf nyata sebesar

, maka kriteria ujinya

adalah tolak H0 jika X2hitung X2(I-1)x(J-1)-p atau p value .

Standar devians

Terlihay bahwa statistik D itu membandingkan antar Oi dan nilai taksiran Ei

Homer dan Lemeshow

Statistik uji

2.2.1.4 Interpretasi Model dengan Menggunakan Odds Ratio

Dalam kajian hubungan antar peubah kategorik dikenal adanya ukuran asosiasi atau
ukuran kesetaraan antar peubah kategorik, salah satu ukuran asosiasi yang dapat diperoleh
melalui analisis regresi logistik ialah odds rasio, odds diartikan sebagai rasio peluang
kejadian sukses dengan kejadian tidak sukses dari peubah.
Interpretasi koefisien untuk model regresi logistik ialah dengan melihat rasio oddsnya.
Koefisien model logit, i, mencerminkan peubah nilai fungsi logit g(x) untuk perubahan satu
unit peubah penjelas x. dalam analisis model logit rasio odds didefinisikan sebagai:
= exp (i) = exp[g(1) - g(0)]

(2.12)

Interpretasi dari odds ini ialah untuk peubah penjelas x yang berskala nominal, yaitu
kecendrungan untuk Y = 1 pada X = 1 sebesar kali dibandingkan pada X = 0. Rasio odds
diartikan sebagai perbandingan antara odds seorang masuk ke kategori tertentu dibandingkan
dengan odds seorang tidak masuk kedalam kategori tertentu.
2.2.2

Teknik Pengumpulan Data

Pengumpulan data dapat dilakukan dalam berbagai cara, setting, dan sumber. Bila
dilihat dari segi cara atau teknik pengumpulan data, teknik pengumpulan data dapat
dilakukan dengan menggunakan interview (wawancara), kuesioner (angket), observasi
(pengamatan), dan gabungan dari ketiganya. Sedangkan bila dilihat dari segi setting-nya, data
dapat dikumpulkan dalam setting alamiah (natural setting), dalam laboratorium dengan
metode percobaan atau experiment, dalam suatu kantor dengan berbagai responden, dalam
suatu seminar, diskusi , di restoran, dll. Apabila dilihat dari segi sumber datanya, maka

pengumpulan data dapat dibagi menjadi dua yaitu menggunakan sumber primer dan
menggunakan sumber sekunder. Sumber primer adalah sumber data yang secara langsung
memberikan data kepada pengumpul data, dan sumber sekunder merupakan sumber yang
secara tidak langsung memberikan data kepada pengumpul data.
2.2.3

Variabel acak

variabel acak adalah alat Untuk menggambarkan hasil-hasil percobaan sebagai nilainilai numerik secara sederhana. Jadi variabel acak dapat didefinisikan sebagai deskripsi
numerik dari hasil percobaan. Variabel acak biasanya menghubungkan nilai-nilai numerik
dengan setiap kemungkinan hasil percobaan. Karena nilai-nilai numerik tersebut dapat
bersifat diskrit(hasil perhitungan) dan bersifat kontinu(hasil pengukuran) maka variabel acak
dapat dikelompokkan menjadi variabel acak diskrit dan variabel acak kontinu.
Varibel acak diskrit adalah variabel acak yang tidak mengambil seluruh nilai yang ada
dalam sebuah interval atau variabel yang hanya memiliki nilai tertentu. Nilainya merupakan
bilangan bulat dan asli, tidak berbentuk pecahan. Variabel acak diskrit jika digambarkan pada
sebuah garis interval, akan berupa sederetan titik-titik yang terpisah. Contoh ,Banyaknya
pemunculan sisi muka atau angka dalam pelemparan sebuah koin (uang logam) dan Jumlah
anak dalam sebuah keluarga.
Varibel acak kontinu adalah variabel acak yang mengambil seluruh nilai yang ada
dalam sebuah interval atau variabel yang dapat memiliki nilai-nilai pada suatu interval
tertentu. Nilainya dapat merupakan bilangan bulat maupun pecahan. Varibel acak kontinu jika
digambarkan pada sebuah garis interval, akan berupa sederetan titik yang bersambung
membantuk suatu garis lurus.Contoh nya Usia penduduk suatu daerah. Dan Panjang beberpa
helai kain.
2.2.4

Regresi Linier Berganda

Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara
peubah respon (variabel dependen) dengan faktor-faktor yang mempengaruhi lebih dari satu
prediktor (variabel independen). Regresi linier berganda hampir sama dengan regresi linier
sederhana, hanya saja pada regresi linier berganda variabel bebasnya lebih dari satu variabel
penduga.

Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan
antara dua variabel atau lebih dan membuat prediksi perkiraan nilai atas X dan Y
Secara umum model regresi linier berganda untuk populasi adalah sebagai berikut:

Model regresi linier berganda untuk populasi diatas dapat ditaksir berdasarkan sebuah
smpel acak yang berukuran n dengan model regresi linier berganda untuk sampel, yaitu:

Bentuk data yang akan diolah ditunjukkan pada table berikut:

Dalam regresi linier berganda variabel tak bebas tergantung kepada dua atau lebih variabel
bebas . Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel
dapat ditulis sebagai berikut:

Untuk rumus diatas, dapat diselesaikannya dengan empat persamaan oleh empat variabel
yang terbentuk

2.2.5

Odds Rasio

Odds dapat diartikan sebagai rasio antara dua peluang, seperti rasio antara peluang
peristiwa sukses dengan peluang peristiwa gagal. Nilai odds yang tinggi dapat disamakan
dengan nilai peluang yang tinggi. Begitu pula sebaliknya, nilai odds yang rendah sesuai
dengan nilai peluang yang rendah. Odds yang dinotasikan oleh dapat dirumuskan sebagai
berikut:

( x)
1 ( x)

Untuk menghitung asosiasi x dan y dapat diperlihatkan melalui rasio dua buah odds
yang disebut Odds Rasio, yang mana dinotasikan oleh dengan perumusan sebagai berikut:

1
2

Regresi logistik memiliki banyak persamaan dengan regresi linier biasa: koefisien
logit dapat disamakan dengan koefisien dalam persamaan regresi linier biasa, koefisien
logit yang distandariSPSSi dapat disamakan dengan yang diboboti, dan R2 untuk meringkas
kekuatan hubungan. Walau bagaimanapun tidak seperti regresi linier biasa, regresi logistik
tidak mengasumsikan hubungan linier antara variabel independen dan variabel dependen,
tidak

memerlukan

variabel

yang

berdistribusi

normal,

tidak

mengasumsikan

homokedastisitas, dan biasanya memiliki syarat yang lebih sedikit. Akan tetapi, regresi
logistik memiliki syarat bahwa pengamatan bersifat independen. Uji kecocokan model dapat
dilakukan dengan menggunakan chi-square sebagai indikator kecocokan model, dan statistik
Wald untuk menguji signifikans variabel independen secara individual.

http://www.google.co.id/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&uact=8&ved=0CDcQFjAB&url=http
%3A%2F%2Fthesis.binus.ac.id%2FAsli%2FBab2%2F2011-2-00669%2520STIF%2520Bab
%25202.pdf&ei=GNyGU8WkOJedugSN_4D4Cg&usg=AFQjCNEnIOAb0LZgNaYahF4MY
Poxyoed5g&sig2=kLluE6Iqn-zfOiRmpkblWA&bvm=bv.67720277,d.dGI