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
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
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.
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 memisalkan
dan
, maka diperoleh
persamaan :
Kemudian substitusi kedua persamaan tersebut sehingga akan diperoleh persamaan :
diperoleh :
mungkin. Salah satu cara untuk memaksimalkan fungsi tersebut adalah dengan
melakukan turunan terhadap .
Dengan menyatakan
sama dengan
berikut :
Dengan m merupakan nomor urut iterasi dan bm adalah vektor panaksiran nilai betha
Matiksd varians covarian untuk
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
(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).
(2.10)
Jika hipotesis nol benar, maka statistic uji-W akan menyebar mengikuti sebaran
normal baku. Hipotesis nol ditolak jika |W| > Za/2.
(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
(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
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 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:
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