MODEL REGRESI LOGISTIK BINER UNTUK MENGIDENTIFIKASI

FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP STATUS

ANEMIA PADA IBU HAMIL
(Studi Kasus : Wilayah Kerja Puskesmas Wajo Kota Bau-Bau
Propinsi Sulawesi Tenggara)

DINIA WIHANSAH

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI
Dengan ini saya menyatakan bahwa skripsi Model Regresi Logistik Biner untuk
Mengidentifikasi Faktor-Faktor yang Berpengaruh Terhadap Status Anemia pada Ibu Hamil
(Studi Kasus : Wilayah Kerja Puskesmas Wajo Kota Bau-Bau Propinsi Sulawesi Tenggara) adalah
karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang
diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Bogor, Oktober 2012

Dinia Wihansah
NIM G14080033

RINGKASAN
DINIA WIHANSAH. Model Regresi Logistik Biner untuk Mengidentifikasi Faktor-Faktor yang
Berpengaruh Terhadap Status Anemia pada Ibu Hamil (Studi Kasus : Wilayah Kerja Puskesmas
Wajo Kota Bau-Bau Propinsi Sulawesi Tenggara). Dibimbing oleh BUNAWAN SUNARLIM
dan DIAN KUSUMANINGRUM.

Ibu hamil merupakan kelompok sasaran yang perlu mendapatkan perhatian khusus, karena ibu
hamil merupakan kelompok yang rentan menderita masalah gizi. Salah satu masalah gizi yang
banyak terjadi pada ibu hamil adalah anemia. Anemia pada ibu hamil meningkatkan risiko
terjadinya keguguran, lahir sebelum waktunya, melahirkan bayi dengan Berat Badan Lahir Rendah
(BBLR), lahir mati, dan kematian perinatal. Ibu hamil yang menderita anemia berat dapat
mengalami kegagalan jantung yang dapat menyebabkan kematian. Penelitian ini bertujuan untuk
mengidentifikasi faktor-faktor yang mempengaruhi status anemia pada ibu hamil dengan
menggunakan regresi logistik biner. Data yang digunakan dalam penelitian ini adalah data
sekunder dari Penelitian Any Fauzayani Basri untuk mengetahui faktor yang berhubungan
dengan anemia ibu hamil di wilayah kerja Puskesmas Wajo Kota Bau-Bau Propinsi Sulawesi
Tenggara pada tahun 2011. Perbedaan penelitian ini dengan penelitian Any Fauzayani Basri
terletak pada analisis yang digunakan. Penelitian sebelumnya digunakan analisis Uji Chi Square
dan analisis multivariate. Hasil yang diperoleh dari model regresi logistik biner menunjukkan
bahwa faktor-faktor yang berpengaruh terhadap status anemia ibu hamil di wilayah kerja
Puskesmas Wajo Kota Bau-Bau Propinsi Sulawesi Tenggara yaitu umur kehamilan, jarak
kelahiran, frekuensi pemeriksaan kehamilan, dan konsumsi tablet penambah darah. Model regresi
logistik biner yang diperoleh adalah g(x)= 1.662 + 0.437 x2 - 1.024 x3 - 5.276 x5 0.516 x6.
Evaluasi keakuratan model dilakukan dengan melihat nilai persentase CCR untuk data
keseluruhan yaitu sebesar 91.30% dan luas dibawah kurva ROC sebesar 1.00 pada nilai cutpoint
0.50. Selain itu dilihat pula nilai persentase CCR dan luas dibawah kurva ROC untuk data
validasi. Nilai persentase CCR minimum untuk data validasi yaitu sebesar 78.40% dan nilai
minimum untuk luas dibawah kurva ROC sebesar 0.884. Adapun nilai persentase CCR
maksimumnya sebesar 100% dengan nilai maksimum untuk luas dibawah kurva ROC yaitu 1.
Nilai ketepatan klasifikasi antara data keseluruhan dengan validasi data menunjukkan hasil yang
relatif sama sehingga model dapat dikatakan valid atau akurat.
Kata kunci : ibu hamil, anemia, regresi logistik biner , persentase CCR, kurva ROC

 Hak Cipta milik IPB, tahun 2012

Hak Cipta dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan
sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah,
penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak
merugikan kepentingan yang wajar IPB.
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya tulis dalam bentuk apa
pun tanpa izin IPB.

MODEL REGRESI LOGISTIK BINER UNTUK MENGIDENTIFIKASI

FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP STATUS
ANEMIA PADA IBU HAMIL
(Studi Kasus : Wilayah Kerja Puskesmas Wajo Kota Bau-Bau
Propinsi Sulawesi Tenggara)

DINIA WIHANSAH

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada
Departemen Statistika

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

Judul Skripsi

Model Regresi Logistik Biner untuk Mengidentifikasi Faktor-Faktor yang

Berpengaruh Terhadap Status Anemia pada Ibu Hamil
(Studi Kasus : Wilayah Kerja Puskesmas Wajo Kota Bau-Bau Propinsi
Sulawesi Tenggara)

Nama

Dinia Wihansah

NIM

G14080033

Menyetujui :

Pembimbing 1

Pembimbing 2

Ir. Bunawan Sunarlim, MS

Dian Kusumaningrum, S.Si. M.Si

NIP : 19471024 197303 1 001

Mengetahui :
Ketua Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor

Dr. Ir. Hari Wijayanto, M.Si.

NIP : 19650421 199002 1 001

Tanggal Lulus :

PRAKATA
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas limpahan rahmat dan karunia
Nya sehingga penulisan karya ilmiah ini dapat terselesaikan. Karya ilmiah ini berjudul Model
Regresi Logistik Biner untuk Mengidentifikasi Faktor-Faktor yang Berpengaruh Terhadap Status
Anemia pada Ibu Hamil (Studi Kasus : Wilayah Kerja Puskesmas Wajo Kota Bau-Bau Propinsi
Sulawesi Tenggara). Karya ilmiah ini disusun sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Institut Pertanian Bogor.
Terselesaikannya karya ilmiah ini tak lepas dari dorongan serta bantuan dari berbagai pihak.
Oleh karena itu pada kesempatan ini penulis ucapkan terima kasih kepada Bapak Ir. Bunawan
Sunarlim, MS dan Ibu Dian Kusumaningrum, S.Si, M.Si selaku pembimbing atas segala bantuan
dan kesediannya untuk membimbing, mengarahkan , memberikan saran dan kritik serta atas waktu
yang diluangkan selama proses penulisan karya ilmiah ini. Selain itu terima kasih penulis
sampaikan kepada :
1. Bapak Dr. Ir. Hari Wijayanto, M.Si selaku Ketua Depatremen Statistika, Fakultas Matematika
dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor
2. Ibu Yenny Angraeni, S.Si, M.Si selaku dosen penguji luar atas saran dan masukannya
3. Seluruh dosen, staf pengajar, dan seluruh staf Departemen Statistika yang telah memberikan
bimbingan dan bantuannya
4. Ibu Any Fauzayani Basri, SKM, M.Si atas bimbingan, arahan serta izin penggunaan datanya
5. Kedua orang tua, adik serta seluruh keluarga atas doa, dukungan dan kasih sayangnya yang
diberikan selama ini
6. Teman-teman Statistika 45 khususnya Anna Fauziyah, Hanik Aulia, Mulya Sari, Hana
Maretha , Aisyah Fitasari, Widya Maricella, Eko Yudhi, Ummi Nur Chasanah, IDG Richard,
Iqbal Noviandi, Arima Puspitaningrum, Metha Naomi Sipayung, Anita Pratiwi, dan Hadi
Septian Guna Putra atas kebersamaan dan kekompakannya
7. Anton Susilo dan Penghuni Harmoni 1 khususnya Rohanah, Putri Nur Sakinah, Rathih
Wulansari, Ninggar Pramita Sari, Nur Elok, Ernawati, Citra Ayu, Rismawati, Liyona, Riska
Amalia, Novita atas kasih sayang dan dukungannya
Semoga Allah SWT memberikan imbalan yang setimpal atas segala bantuan yang telah
diberikan dan semoga karya ilmiah ini dapat bermanfaat bagi pihak yang membutuhkan. Penulis
memohon maaf atas segala kekurangan dan kesalahan yang terdapat di dalam penyusunan karya
ilmiah ini.

Bogor,

Oktober 2012

Dinia Wihansah

RIWAYAT HIDUP
Penulis dilahirkan di Ciamis pada tanggal 16 Januari 1990 dari pasangan Samsudin dan
Haliah. Penulis merupakan anak pertama dari dua bersaudara. Pada tahun 2002 penulis
menyelesaikan pendidikan dasar di SD Negeri 004 Tampan Pekanbaru, kemudian melanjutkan
pendidikan menengah pertama di SMP Negeri 3 Tasikmalaya hingga tahun 2005. Pada tahun 2008
penulis menyelesaikan pendidikannya di SMAN 1 Tasikmalaya dan pada tahun yang sama penulis
lulus seleksi masuk Institut Pertanian Bogor melalui jalur Undangan Seleksi Mahasiswa IPB
(USMI). Penulis memilih program studi mayor Statistika, Fakultas Matematika dan Ilmu
Pengetahuan Alam .
Selama mengikuti masa perkuliahan, penulis aktif dalam berbagai kegiatan Himpunan
Keprofesian Gamma Sigma Beta (GSB) 2011 sebagai staf di Divisi Kesekretariatan , serta aktif di
Organisasi Mahasiswa Dareah (OMDA) Tasikmalaya yaitu HIMALAYA (Himpunan Mahasiswa
Tasikmalaya). Selain itu, penulis aktif dalam kegiatan kepanitiaan seperti Statistika Ria keenam
tahun 2010, Welcome Ceremony Statistics 2011, dan Pesta Sains Nasional pada tahun 2011. Selain
itu penulis juga pernah mengikuti Survey Jaminan Kesehatan Daerah (Jamkesda) yang diadakan
oleh Dinas Kesehatan Kota Bogor pada tahun 2011. Pada Pebruari-April 2012, penulis
melaksanakan kegiatan praktek lapang di Balai Penelitian Tanaman Jeruk dan Buah Subtropika
(Balitjestro), Batu-Jawa Timur.

ix

DAFTAR ISI
Halaman

DAFTAR ISI .............................................................................................................................

ix

DAFTAR TABEL .....................................................................................................................

DAFTAR GAMBAR ................................................................................................................

DAFTAR LAMPIRAN .............................................................................................................

PENDAHULUAN ................................................................................................................. ...

Latar Belakang .................................................................................................................
Tujuan .............................................................................................................................

1
1
1

TINJAUAN PUSTAKA ...........................................................................................................

Anemia ............................................................................................................
Regresi Logistik Biner .........................................................................................
Pendugaan Parameter ......................................................................................
Pengujian Parameter ..................................................................................................
Backward Elimination ...........................................................................
Interpretasi Koefisien .....................................................................................
Tabel Klasifikasi ....................................................
Validasi Model .....................................................................................................

1
1
2
2
2
3
3
3
4

METODOLOGI ............................................................................................................
Data .. ............................................................................................................................. ..
Metode ...................................................................................................................... .......

4
4
5

HASIL DAN PEMBAHASAN .................................................................................................

Deskripsi Karakteristik Responden .................................................................................
Model Regresi Logistik Biner ........................................................................................
Interpretasi Koefisien ..............................................................................
Evaluasi Keakuratan Model ............................................................................................

5
5
7
8
8

SIMPULAN DAN SARAN ......................................................................................................

Simpulan ..........................................................................................................................
Saran ....................................................................................................................... .........

9
9
10

DAFTAR PUSTAKA ...............................................................................................................

10

LAMPIRAN ..............................................................................................................................

11

DAFTAR TABEL

1
2
3
4

Halaman
Ketepatan Klasifikasi .....................................................................................................
4
Analisis Regresi Logistik Biner dengan model reduksi .................
7
8
Rasio odds model Regresi Logistik Biner ......................................................................
9
Ketepatan prediksi model pada cutpoint ....................................

DAFTAR GAMBAR

1
2
3
4
5
6
7
8
9
10

Halaman
Kurva ROC .........................................................................
4
Status anemia ibu hamil ..................................................................................................
5
Usia Ibu Hamil ....
5
Pekerjaan Ibu Hamil ...........................................................................................
6
Pendidikan Ibu Hamil .........................................................................
6
Status Malaria .........................................
6
Status Kecacingan .......................................
6
Kurva ROC keseluruhan model ..
9
Fluktuasi persentase CCR ...
9
Fluktuasi nilai ROC
9

DAFTAR LAMPIRAN

1
2
3
4
5
6
7

Halaman
Peubah-peubah yang digunakan beserta peubah dummy yang terbentuk ...
12
Deskripsi nilai peubah penjelas (peubah numerik) ..........................................................
13
Deskripsi hubungan antara status anemia dengan peubah penjeas (peubah kategorik)
14
Analisis Regresi Biner dengan 11 peubah penjelas .........................................................
16
Nilai spesifisitas dan sensitifitas dengan berbagai kemungkinan cutpoint .....................
17
Plot spesifisitas dan sensitifitas dengan berbagai kemungkinan cutpoint ........................
18
Hasil validasi model menggunakan persentase CCR dan ROC dengan ulangan
sebanyak 50 kali..........................................................
19

PENDAHULUAN
Latar Belakang
Masa kehamilan merupakan masa dimana
tubuh sangat membutuhkan asupan makan
yang maksimal baik untuk jasmani maupun
rohani. Hal ini disebabkan karena pada masa
ini biasanya terjadi penurunan kemampuan
tubuh untuk bekerja secara maksimal. Ibu
hamil seringkali mengalami keletihan, kepala
pusing, sesak nafas, wajah pucat dan berbagai
macam keluhan lainnya. Semua keluhan
tersebut merupakan indikasi bahwa wanita
tersebut sedang menderita anemia (Arisman
2003, diacu dalam Basri 2011).
Anemia pada masa kehamilan merupakan
masalah kesehatan yang penting untuk
ditanggulangi dalam upaya meningkatkan
derajat kesehatan masyarakat. Anemia pada
ibu hamil adalah salah satu faktor yang
menjadi indikator pengukuran keberhasilan
pembangunan kesehatan suatu bangsa, yang
menggambarkan kemampuan sosial ekonomi
dalam memenuhi kebutuhan kuantitas dan
kualitas gizi masyarakat. Sampai saat ini
anemia masih merupakan masalah gizi utama
yang diderita oleh ibu hamil dan wanita pada
umumnya.
Anemia
pada ibu hamil
meningkatkan risiko terjadinya keguguran,
lahir sebelum waktunya, melahirkan bayi
dengan Berat Badan Lahir Rendah (BBLR),
lahir mati, dan kematian perinatal. Ibu hamil
yang menderita anemia berat dapat mengalami
kegagalan jantung yang dapat menyebabkan
kematian (Arisman 2003, diacu dalam Basri
2011).
Di Sulawesi Tenggara, prevalensi anemia
pada ibu hamil menurut data Survey
Kesehatan Rumah Tangga (SKRT) pada tahun
2001 dilaporkan sebesar 67.25%. Selain
prevalensi anemia yang masih cukup tinggi,
hasil Survei Sosial Ekonomi Nasional
(Susenas) tahun 2004 menunjukkan bahwa
cakupan pelayanan terhadap ibu hamil belum
maksimal, terlihat dari masih rendahnya
kesadaran ibu untuk mengkonsumsi tablet
penambah darah yaitu hanya sekitar 14.9%
dari rata-rata nasional sebesar 18.7%.
Demikian pula dengan persentase kunjungan
pemeriksaan ibu hamil yang masih 53.9% dari
Standar Pelayanan Minimal (SPM) sebesar
78% (Depkes 2008, diacu dalam Basri 2011).
Melihat masih tingginya prevalensi
anemia pada ibu hamil, maka perlu dilakukan
penelitian mengenai faktor-faktor yang
mempengaruhi status anemia pada ibu hamil.
Untuk menganalisis masalah tersebut maka
digunakan analisis regresi logistik. Dalam

penelitian ini peubah respon yang digunakan

merupakan peubah kategorik status anemia
dengan skala pengukuran nominal, maka
digunakanlah analisis regresi logistik biner.
Tujuan
Tujuan dari penelitian ini adalah
membentuk model regresi logistik biner untuk
mengidentifikasi
faktor-faktor
yang
mempengaruhi status anemia pada ibu hamil
di Wilayah Kerja Puskesmas Wajo Kota BauBau Propinsi Sulawesi Tenggara.
TINJAUAN PUSTAKA
Anemia
Anemia adalah keadaan dimana jumlah
sel darah merah atau jumlah hemoglobin
(protein pembawa oksigen) dalam sel darah
merah berada dibawah normal. Sel darah
merah
mengandung hemoglobin yang
memungkinkan mereka mengangkut oksigen
dari paru-paru dan mengantarkannya ke
seluruh bagian tubuh. Anemia menyebabkan
berkurangnya jumlah sel darah merah atau
jumlah hemoglobin dalam sel darah merah
sehingga darah tidak dapat mengangkut
oksigen dalam jumlah sesuai yang diperlukan
tubuh.
Anemia lebih sering ditemukan pada masa
kehamilan karena selama masa kehamilan
keperluan zat-zat gizi bertambah dan adanya
perubahan-perubahan dalam darah dan
sumsum tulang. Ibu hamil yang menderita
anemia tidak akan mampu memenuhi
kebutuhan zat-zat gizi dirinya dan janin yang
dikandungannya. Hal ini dapat menyebabkan
kematian ibu dan janinnya serta dapat
berakibat pada berat badan lahir rendah
(BBLR) atau kelahiran premature (Lamshir
2006, diacu dalam Basri 2011).
Secara umum penyebab anemia pada ibu
hamil dipengaruhi banyak faktor, terdiri dari
umur ibu, umur kehamilan, paritas, Lingkar
Lengan bagian Atas (LILA), sosial ekonomi
(tingkat ekonomi, pendidikan ibu, pekerjaan
ibu dan suami), pola konsumsi, dan riwayat
selama kehamilan (WHO 2005, diacu dalam
Basri 2011).
Menurut WHO pada tahun 2005, kadar
hemoglobin pada wanita hamil dapat dibagi
dalam 3 kategori yaitu:
a. Normal
: bila kadar Hb 11 gr/dl
atau lebih
b. Anemia Ringan : bila kadar Hb antara 8
gr/dl sampai < 11 gr/dl
c. Anemia Berat : bila kadar Hb kurang dari
8 gr/dl

Regresi Logistik Biner

Regresi Logistik Biner merupakan suatu
teknik analisis statistika yang digunakan untuk
menganalisis hubungan antara satu atau lebih
peubah bebas dengan peubah respon yang
bersifat biner atau dichotomous. Peubah bebas
pada regresi logistik dapat berupa peubah
berskala kategorik maupun peubah yang
berskala kontinu sedangkan peubah respon
berupa peubah berskala kategorik.
Peubah bebas ditunjukkan oleh vektor x
=(x1,x2,,xp) dan peubah respon Y, dimana Y
mempunyai dua kemungkinan nilai yaitu 0
dan 1. Peubah respon Y mengikuti sebaran
Bernouli dengan fungsi sebaran peluang:
f(Y=y) = y (1-)1-y
Jika peubah respon Y berjumlah n, peluang
setiap kejadian sama dan setiap kejadian
saling bebas dengan kejadian lainnya maka
peubah respon Y akan mengikuti sebaran
Binomial.
Hosmer dan Lemeshow
(2000)
menjelaskan bahwa model regresi logistik
yang dibentuk E(Y=1x) sebagai (x) adalah
sebagai berikut:
exp( g ( x))

1 exp( g ( x))

( x)

Dalam model regresi logistik diperlukan

suatu fungsi penghubung yang sesuai dengan
model regresi logistik yaitu fungsi logit.
Transformasi logit sebagai fungsi dari (x)
dinyatakan sebagai berikut :
logit [(x)] = g(x)=ln[

()

()

dengan penduga linier:

g(x) = 0+1x1+2x2++pxp
p = jumlah peubah bebas
Untuk peubah bebas yang bersifat
kategorik, maka diperlukan peubah boneka
(dummy variable). Secara umum jika sebuah
peubah skala nominal atau ordinal mempunyai
k kemungkinan nilai, maka diperlukan k-1
peubah boneka. Misalnya, peubah bebas ke-j
mempunyai kj level. Dju melambangkan kj-1
peubah boneka dan ju merupakan koefisien
peubah boneka dengan u=1,2,,kj-1. Dengan
demikian model transformasi logitnya
menjadi:
k j 1

g ( x) 0 1 x1 ... ju D ju p x p
u

Pendugaan Parameter
Pendugaan parameter yang digunakan
dalam regresi logistik adalah metode
kemungkinan
maksimum
(maximum
likelihood). Metode ini dapat digunakan jika
antara amatan yang satu dengan amatan yang
lainnya diasumsikan saling bebas, maka fungsi
kemungkinan maksimumnya adalah :
n

l ( ) ( xi ) yi 1 ( xi )

i 1

1 yi

Dengan :
i
= 1,2,,p
yi
= pengamatan pada peubah penjelas ke-i
(xi) = peluang untuk peubah penjelas ke-i
Parameter
i
diduga
dengan
memaksimumkan persamaan diatas untuk
mempermudah perhitungan maka dilakukan
pendekatan logaritma sehingga fungsi loglikelihood sebagai berikut:
L()=

=1 {yi

ln[(xi)]+(1-yi) ln [1-(xi)]}

Nilai dugaan i dapat diperoleh dengan

membuat turunan pertama dari L() terhadap
i =0 dengan i=1,2,,p. Dari nilai tersebut
dapat diketahui penduga dari (x) dimana (x)
adalah penduga logit sebagai fungsi linier dari
peubah penjelas (Hosmer & Lemeshow
2000).
Pengujian Parameter
Setelah melakukan pendugaan parameter,
langkah
selanjutnya
yaitu
melakukan
pengujian parameter. Pengujian terhadap
parameter model dilakukan untuk memeriksa
peranan peubah penjelas yang ada di dalam
model. Menurut Hosmer dan Lemeshow
(2000) untuk mengetahui peran seluruh
peubah penjelas didalam model secara
bersama-sama maka digunakan statistik Uji G
yaitu uji rasio kemungkinan maksimum
(likelihood ratio test).
Hipotesis yang diuji yaitu:
H0: 1 = 2 = = p = 0
H1: paling sedikit ada satu i0, i=1,2,,p
Statistik Uji G didefinisikan sebagai :
L
G 2 In 0
Lp

L0 = Nilai likelihood tanpa peubah bebas

Lp = Nilai likelihood dengan semua peubah
bebas

Statistik akan mengikuti sebaran

2
dengan derajat bebas p. Kaidah keputusan
yang diambil yaitu , jika G > 2P() maka
hipotesis nol ditolak (Hosmer & Lemeshow
2000).
Selain pengujian peranan peubah bebas
secara serentak dilakukan pula pengujian
secara parsial untuk masing-masing koefisien
peubah yaitu dengan menggunakan statistik
Uji Wald. Uji ini sebanding dengan uji t pada
regresi linear.
Dalam Uji Wald dilakukan pengujian
terhadap hipotesis :
H0 : j = 0
H1 : j 0 ; j=1,2,,p
Statistik Uji Wald didefinisikan sebagai
berikut:

= [S ()]2
dimana merupakan penduga bagi ,dan
S () merupakan penduga galat baku dari .
Statistik akan mengikuti sebaran
2
dengan derajat bebas p. Kaidah keputusan
yang diambil yaitu , jika W > 2P() maka
hipotesis nol ditolak (Agresti 1990).
Backward Elimination
Backward Elimination merupakan salah
satu metode pereduksian peubah penjelas yang
digunakan dalam analisis regresi baik linier
maupun logistik. Analisis dimulai dengan
model penuh yaitu memasukkan seluruh
peubah penjelas ke dalam model kemudian
peubah-peubah
penjelas
yang
tidak
berpengaruh signifikan dikeluarkan satu per
satu dari model secara bertahap. Peubah
penjelas yang direduksi merupakan peubah
penjelas
yang memiliki nilai-p terbesar.
Setiap proses pereduksian selesai maka akan
dilakukan uji kebaikan model untuk menguji
bahwa model dapat menggambarkan data
dengan baik. Proses akan berhenti jika peubah
penjelas yang ada dalam model memiliki nilai
p< . Hal ini berarti tidak ada lagi peubah
penjelas yang direduksi dari model (Agresti,
2007; Draper NR, Smith H. 1992).
Interpretasi Koefisien
Interpretasi koefisien untuk model regresi
logistik biner dapat dilakukan dengan
menggunakan nilai rasio odds. Odds sendiri
dapat diartikan sebagai rasio peluang kejadian
sukses dengan kejadian tidak sukses dari
peubah respon. Rasio odds mengindikasikan
seberapa lebih mungkin munculnya kejadian

sukses pada suatu kelompok dibandingkan

dengan kelompok lainnya.
Dalam interpretasi koefisien dari rasio
odds untuk peubah penjelas yang berskala
nominal, x=1 memiliki kecenderungan untuk
y=1 sebesar kali dibandingkan peubah x=0.
Sedangkan untuk peubah penjelas yang
berskala kontinu, jika 1 maka kenaikan
nilai peubah penjelas x diikuti dengan semakin
meningkatnya kecenderungan untuk Y=1.
Rasio odds didefinisikan sebagai berikut:
=exp (i)=exp[g(1)-g(0)]
dimana i adalah koefisien dari model regresi
logistik. Rasio odds memiliki selang
kepercayaan sebagai berikut (Hosmer and
Lemeshow,2000):
exp[ i Z1-/2 x S ( i)]
Tabel Klasifikasi
Salah satu ukuran kebaikan model adalah
jika memiliki peluang salah klasifikasi yang
minimal. Ketepatan prediksi dari model dapat
diketahui dengan menggunakan Correct
Classification Rate (CCR). Untuk memperoleh
kesesuaian dugaan terhadap amatan harus
menentukan cutpoint (c) dan dibandingkan
dengan peluang dugaan (x). Jika (x) lebih
besar dari c maka nilai dugaan termasuk pada
respon y=1 dan selain itu y=0. Cutpoint (c)
yang digunakan merupakan cutpoint dengan
spesifisitas dan sensitifitas yang optimum. Hal
ini diperoleh dengan membuat seluruh
kemungkinan nilai spesifisitas dan sensitifitas
dengan berbagai kemungkinan cutpoint.
Semua kemungkinan tersebut dituangkan
dalam grafik. Perpotongan antara nilai
spesifisitas dan sensitifitas merupakan nilai
cupoint yang optimal. (Hosmer dan
Lemeshow 2000).
Ketepatan model dalam memprediksi
kejadian gagal (y=0) dinyatakan sebagai
spesifisitas, proporsi nilai dugaan yang sama
dengan nilai amatan pada kategori nilai
amatan y=0. Indikator dan pengertian yang
sama juga berlaku untuk mengevaluasi
kemampuan model memprediksi kejadian
berhasil (y=1), yaitu sensitifitas. Kemampuan
model dalam memprediksi keseluruhan
kejadian
adalah
persentase
ketepatan
keseluruhan (CCR) yang mencerminkan
proporsi nilai amatan yang secara tepat dapat
diduga oleh model.

Tabel 1 Ketepatan Klasifikasi

Aktua
l

Prediksi

%
Ketepatan

Benar
(-)

Salah
(+)

Spesifisitas

Salah
(-)

Benar
(+)

Sensitifitas

% Ketepatan Keseluruhan
(CCR)
dengan:
Benar (-) : prediksi yang tepat dari kategori
pembanding dari peubah respon
(misal peubah yang berkategori 0
pada regresi logistik biner).
Benar (+) : prediksi yang tepat pada kategori
tandingan dari peubah respon
(misal peubah yang berkategori 1
pada regresi logistik biner).
Salah (+) : banyaknya
kesalahan
pada
peubah respon yang bernilai 0
dengan prediksi bernilai 1.
Salah (-) : banyaknya
kesalahan
pada
peubah respon yang bernilai 1
dengan prediksi bernilai 0.
Gambar 1 merupakan kurva ROC
(Receiver Operating Characteristic). Kurva
tersebut merupakan plot antara peluang salah
positif (1-spesifisitas) dengan benar positif
(sensitivitas). Luas daerah dibawah kurva
ROC berkisar antara 0 dan 1. Hal ini
menunjukkan kemampuan model dalam
mengelompokkan
data
serta
menilai
keakuratan dari suatu diagnosis.

Gambar 1 Kurva ROC

Validasi Model
Validasi model dapat dilakukan dengan
memisahkan antara data yang digunakan untuk
pemodelan dengan data yang digunakan untuk

validasi. Di sisi lain kita juga dapat

menggunakan seluruh data untuk menduga
model dan sebagian dari data tersebut untuk
validasi. Hal ini dilakukan jika data yang
digunakan memiliki jumlah yang sedikit. Nilai
ketepatan klasifikasi biasanya digunakan
sebagai pembanding antara data yang
digunakan untuk menduga model dengan data
yang digunakan untuk proses validasi. Selain
validasi model, cara ini dapat digunakan pula
untuk proses peramalan (Hosmer dan
Lemeshow, 2000).
METODOLOGI
Data
Data yang digunakan dalam penelitian ini
merupakan data sekunder yang bersumber dari
penelitian Any Fauzayani Basri untuk
mengetahui faktor yang berhubungan dengan
anemia ibu hamil di wilayah kerja Puskesmas
Wajo Kota Bau-Bau Propinsi Sulawesi
Tenggara. Penelitian dilaksanakan pada bulan
April sampai bulan Juni 2011 di wilayah kerja
puskesmas Wajo Kota Bau-Bau Propinsi
Sulawesi Tenggara.
Data terdiri dari 127 orang ibu hamil.
Peubah respon yang digunakan dalam
penelitian ini yaitu status anemia dengan
kategori 0 untuk ibu hamil yang tidak
menderita anemia dan 1 untuk ibu hamil yang
menderita anemia. Adapun peubah bebas yang
digunakan dalam penelitian ini adalah sebagai
berikut:
1. Usia Ibu
1. Usia < 20 tahun
2. Usia 20-35 tahun
3. Usia >35 tahun
2. Umur Kehamilan (minggu)
3. Jarak Kelahiran (tahun)
4. Gravida/Frekuensi Kehamilan (kali)
5. Frekuensi Pemeriksaan Kehamilan
(kali)
6. Konsumsi Tablet Penambah Darah
(tablet/minggu)
7. Status Malaria
1. Plasmodium (-)
2. Plasmodium (+)
8. Status Kecacingan
1. Tidak Cacingan
2. Cacingan
9. Pekerjaan Ibu
1. Tidak Bekerja
2. Bekerja
10. Pendidikan Ibu
1. Tidak Sekolah-SD
2. SMP-SMA
3. Diploma-Sarjana

11. Penghasilan (Rupiah)

Metode
Langkah-langkah yang dilakukan dalam
penelitian ini adalah:
1. Melakukan proses penyiapan data berupa
penentuan peubah respon dan peubah
penjelas yang digunakan serta dummy
variable
untuk
peubah
kategorik
(Lampiran 1)
2. Melakukan Analisis Statistika Desktiptif
untuk memperoleh gambaran umum ibu
hamil
3. Melakukan Analisis Regresi Logistik Biner
menggunakan keseluruhan data
untuk
mengetahui
peubah
penjelas
yang
berpengaruh nyata terhadap status anemia
ibu hamil meliputi :
a. Melakukan pendugaan parameter regresi
logistik
terhadap
data
dengan
menggunakan metode kemungkinan
maksimum
b. Melakukan pengujian parameter secara
simultan dengan Uji G
c. Melakukan pengujian parameter secara
parsial dengan Uji Wald
4. Melakukan evaluasi terhadap model penuh
5. Melakukan metode pereduksian dengan
backward elimination sehingga diketahui
peubah penjelas yang tidak berpengaruh
signifikan dan harus dikeluarkan dari
model
6. Melakukan analisis regresi biner dengan
model reduksi meliputi :
a. Melakukan
pendugaan
parameter,
pengujian secara simultan dengan Uji G
serta pengujian secara parsial dengan Uji
Wald
b. Melakukan pemodelan status anemia
berdasarkan
faktor-faktor
yang
berpengaruh signifikan
c. Melakukan interpretasi koefisien model
regresi logistik biner melalui nilai rasio
odds
d. Membuat semua kemungkinan nilai
spesifisitas dan sensitifitas dengan
berbagai kemungkinan cutpoint untuk
memperoleh cutpoint optimal
e. Menghitung nilai ketepatan klasifikasi
model
menggunakan
Correct
Classification Rate (CCR) serta kurva
ROC dengan menggunakan cutpoint
yang optimal
7. Menguji keakuratan model dengan
melakukan validasi model. Validasi
dilakukan dengan mengambil 30% data
secara acak kemudian dievaluasi nilai
ketepatan klasifikasinya. Data yang

diambil merupakan data dengan variabel

yang sesuai dengan model. Proses ini
dilakukan sebanyak 50 kali ulangan. Nilai
ketepatan klasifikasi yang didapat dari
proses validasi dibandingkan dengan nilai
ketepatan klasifikasi dari model yang
menggunakan keseluruhan data. Jika
hasilnya relatif sama maka model tersebut
valid atau akurat.
HASIL DAN PEMBAHASAN
Deskripsi Karakterisasi Responden
Berdasarkan data yang terkumpul dengan
jumlah responden sebanyak 127 orang
diketahui bahwa ibu hamil yang menderita
anemia di wilayah kerja Puskesmas Wajo
adalah sebanyak 55 orang (43.3%), sedangkan
ibu hamil yang tidak menderita anemia adalah
sebanyak 72 orang (56.7%) dengan komposisi
seperti pada Gambar 2.

Gambar 2 Status anemia ibu hamil

Berdasarkan profil responden ibu hamil di
wilayah kerja Pusekesmas Wajo dapat dilihat
pada Gambar 3 bahwa ibu hamil yang berusia
kurang dari 20 tahun sebanyak 6.30%. Ibu
hamil yang berusia lebih dari 35 tahun
sebanyak 13.40%. Mayoritas
ibu hamil
berusia 20 sampai 35 tahun sebanyak 80.30%.
Usia 20 sampai 35 tahun ini merupakan masa
reproduksi yang baik dan memiliki resiko
yang rendah terhadap berbagai komplikasi
kehamilan.

Gambar 3 Usia Ibu Hamil

Gambar 4 menampilkan karakteristik
pekerjaan ibu hamil yang berada di wilayah
kerja Puskesmas Wajo. Pada gambar tersebut
terlihat bahwa terdapat 66.1% ibu hamil tidak

bekerja dan sebesar 33.9% ibu hamil bekerja.

Responden yang bekerja adalah ibu hamil
yang memiliki perkerjaan sebagai PNS,
Pegawai Swasta, Pedagang dan Wiraswasta.

kerja Puskesmas Wajo. Dapat dilihat dari

gambar tersebut bahwa ibu hamil yang
menderita cacingan sebesar 22% dan ibu
hamil yang tidak menderita cacingan sebanyak
78%.

Gambar 4 Pekerjaan Ibu Hamil

Selanjutnya untuk pendidikan sebagian
besar responden mengenyam pendidikan SMP
dan SMA yaitu sebesar 65.4%. Sedangkan
responden lainnya tidak bersekolah dan hanya
mengenyam pendidikan sampai SD sebesar
3.9% serta diploma dan sarjana sebesar 30.7%.
Dari hasil tersebut terlihat bahwa tingkat
pendidikan di wilayah tersebut dapat
dikatakan baik. Hal ini dapat menjadi indikasi
wawasan masyarakatnya juga luas dan
kesadaran akan kesehatan pun tinggi.

Gambar 5 Pendidikan Ibu Hamil

Gambar 6 menunjukkan klasifikasi status
malaria di wilayah kerja Puskesmas Wajo.
Dari gambar terlihat bahwa hampir seluruh
warga bebas dari malaria yaitu sebesar 99.2%
sedangkan 0.8% lainnya terkena malaria.

Gambar 6 Status Malaria

Gambar 7 menunjukkan klasifikasi status
kecacingan yang diderita ibu hamil di wilayah

Gambar 7 Status Kecacingan

Deskripsi mengenai peubah penjelas yang
berskala numerik dapat dilihat pada Lampiran
2. Lampiran 2 menunjukkan bahwa rata-rata
umur kehamilan ibu berkisar pada usia 25.89
minggu dengan usia minimum kandungan 13
minggu serta usia maksimum kandungan 36
minggu. Sedangkan untuk penghasilan, ratarata penghasilan di wilayah kerja Puskesmas
Wajo tergolong tinggi yaitu sebesar Rp
1.971.307.09 dari upah minimum propinsi
sebesar Rp 930.000 dengan penghasilan
minimum sebesar Rp 60.000 dan penghasilan
terbesar Rp 9.500.000.
Peubah penjelas jarak kelahiran dapat
dilihat pula pada Lampiran 2. Pada lampiran
terlihat bahwa jarak kelahiran 0 tahun yang
berarti bahwa ibu hamil sedang mengandung
anak pertama ada sebanyak 35 orang atau
sebesar 27.6%. Jarak kelahiran 1 tahun ada 38
orang atau sebesar 29.9%, jarak kelahiran 2
tahun sebanyak 37 orang atau sebesar 29.1%,
jarak kelahiran 3 tahun sebanyak 14 orang
atau sebesar 11%, dan jarak kelahiran 4 tahun
sebanyak 3 orang atau sebesar 2.4%.
Untuk peubah penjelas gravida atau
frekuensi kehamilan di wilayah kerja
Puskesmas Wajo, frekuensi kehamilan
terbanyak adalah sebanyak 2 kali yaitu sebesar
43 orang atau 33.9%. Sedangkan frekuensi
kehamilan minimum adalah sebanyak 7 dan 8
kali yaitu masing-masing sebesar 1 orang atau
0.8%. Hal ini berarti mayoritas ibu hamil
memiliki resiko kehamilan yang rendah.
Pada
peubah
penjelas
frekuensi
pemeriksaan kehamilan terlihat bahwa ada 36
orang atau 28.3% yang memiliki frekuensi
pemeriksaan kehamilan 1 kali. Untuk
frekuensi pemeriksaan kehamilan 2 kali ada
57 orang atau 44.9%, frekuensi kehamilan 3
kali ada 26 orang atau 20.5%, dan frekuensi

pemeriksaan kehamilan 4 kali ada 8 orang atau

sebesar 6.3%.
Peubah
penjelas
konsumsi
tablet
penambah darah merupakan jumlah tablet
yang diminum selama satu minggu. Terlihat
pada Lampiran 2 bahwa jumlah tablet
penambah darah terbanyak yang diminum oleh
ibu hamil adalah 7 tablet/minggu sebanyak 44
orang atau 34.6%. Sedangkan jumlah tablet
penambah darah minimum yang diminum ibu
hamil adalah 5 tablet/minggu sebanyak 5
orang atau 3.9%. Bahkan adapula ibu hamil
yang tidak mengkonsumsi tablet penambah
darah sama sekali sebanyak 5 orang atau
3.9%.
Hubungan antara status anemia dengan
peubah penjelas yang merupakan kategorik
dapat dilihat pada Lampiran 3. Dari Lampiran
3 dapat dilihat bahwa ibu hamil yang terkena
anemia banyak dialami oleh ibu hamil yang
berusia 20 sampai 35 tahun dengan status
malaria
ibu
hamil
plasmodium
(+)
dibandingkan plasmodium (-). Berdasarkan
status kecacingan ibu hamil yang menderita
anemia lebih banyak yang menderita cacingan
dibandingkan yang tidak menderita cacingan.
Berdasarkan pekerjaan ibu, ibu hamil
yang menderita anemia di wilayah kerja
Puskesmas Wajo lebih banyak yang tidak
bekerja dibandingkan ibu hamil yang bekerja.
Jika dilihat dari pendidikan ibu sebagian besar
ibu hamil yang menderita anemia tidak
bersekolah dibandingkan yang mengenyam
pendidikan.
Model Regresi Logistik Biner
Analisis regresi logistik biner dengan
menggunakan 11 peubah penjelas dapat dilihat
pada Lampiran 4 menghasilkan nilai statistik
Uji G sebesar 127.657 dengan nilai-p sebesar
0.000. Hal ini berarti pengujian parameter
secara keseluruhan menunjukkan setidaknya
ada satu peubah penjelas yang berpengaruh
signifikan terhadap status anemia pada ibu
hamil pada taraf nyata 5%. Sedangkan
pengujian parameter secara parsial dengan
menggunakan Uji Wald pada model regresi
logistik biner menunjukkan hanya ada tiga
peubah penjelas yang signifikan pada taraf
5%. Ketiga peubah penjelas tersebut yaitu
umur kehamilan, frekuensi pemeriksaan
kehamilan, dan konsumsi tablet penambah
darah. Mengingat sedikitnya peubah penjelas
yang signifikan maka perlu dilakukan
pereduksian peubah dengan menggunakan
backward elimination.
Pereduksian peubah penjelas dengan
menggunakan
backward
elimination

menghasilkan empat peubah penjelas yang

signifikan pada taraf nyata 5%. Keempat
peubah penjelas tersebut adalah umur
kehamilan,
jarak
kelahiran,
frekuensi
pemeriksaan kehamilan , dan konsumsi tablet
penambah darah. Hasil analisis regresi logistik
biner dengan menggunakan model yang telah
direduksi seperti terlihat pada Tabel 2
menghasilkan nilai Uji G sebesar 121.744
dengan nilai-p sebesar 0.000. Hal ini
menunjukkan bahwa pengujian secara
keseluruhan setidaknya ada satu peubah
penjelas yang berpengaruh signifikan terhadap
status anemia pada taraf nyata 5%. Sedangkan
pengujian secara parsial dengan menggunakan
Uji Wald didapatkan bahwa seluruh peubah
penjelas berpengaruh signifikan pada taraf
nyata 5%.
Tabel 2 Analisis Regresi Logistik Biner
dengan model reduksi
B

S. E.

Wald

Nilaip

0.434

0.088

24.248

0.000

-1.024

0.386

7s.034

0.008

Frekuensi
Pemeriksaan
Kehamilan

-5.276

0.994

28.191

0.000

Konsumsi
Tablet
Penambah
Darah

-0.516

0.173

8.896

0.003

Constant

1.662

1.523

1.19

0.275

Peubah
Umur
Kehamilan
(4 minggu)
Jarak
Kelahiran

Log-Likelihood = -26.0165
Uji G= 121.744 ; Nilai-p= 0.000

Berdasarkan peubah yang signifikan pada

Tabel 2 maka model terbaik yang dapat
terbentuk yaitu:
()= 1.662 + 0.434 x2 1.024 x3 - 5.276 x5
0.516 x6
Berdasarkan model logit di atas dapat
dilakukan analisis secara umum bahwa
peningkatan umur kehamilan sebesar 4
minggu akan menyebabkan peluang ibu hamil
terkena anemia meningkat. Peningkatan jarak
kelahiran sebesar 1 tahun maka menyebabkan
peluang ibu hamil terkena anemia menurun.
Peningkatan frekuensi pemeriksaan kehamilan
sebesar 1 kali akan menyebabkan peluang ibu
hamil terkena anemia menurun. Demikain
pula dengan peningkatan konsumsi tablet

penambah darah sebesar 1 tablet/minggu akan

menyebebkan peluang ibu hamil terkena
anemia menurun.
Interpretasi Koefisien
Interpretasi koefisien untuk model regresi
logistik biner dapat dilakukan dengan
menggunakan nilai rasio odds. Nilai dugaan
rasio odds beserta selang kepercayaan 95%
untuk masing-masing peubah penjelas dapat
terlihat pada Tabel 3.
Tabel 3 Rasio odds model
Biner
Dugaan
Peubah
Rasio
Odds
Umur
Kehamilan
1.544
(4 minggu)
Jarak
Kelahiran
0.359
Frekuensi
Pemeriksaan
Kehamilan
Konsumsi
Tablet
Penambah
Darah

Regresi Logistik
SK 95%
Lower

Upper

1.299

1.836

0.169

0.766

0.005

0.001

0.036

0.597

0.425

0.838

Dugaan nilai rasio odds untuk peubah

umur kehamilan (x2) adalah sebesar 1.544.
Arti dari nilai tersebut adalah dengan adanya
peningkatan umur kehamilan sebesar 4
minggu akan menyebabkan dugaan ibu hamil
terkena anemia meningkat sebesar 1.544 kali.
Dalam hal ini peluang ibu hamil terkena
anemia untuk umur kehamilan lebih rendah 4
minggu akan berkurang menjadi 0.6 kali. Pada
tingkat kepercayaan 95% , setiap peningkatan
4 minggu umur kehamilan akan menyebabkan
kemungkinan ibu hamil terkena anemia
meningkat antara 1.299 sampai 1.836 kali. Hal
ini berarti bahwa semakin meningkat umur
kehamilan maka akan semakin besar pula
peluang ibu hamil terkena anemia.
Peubah jarak kelahiran (x3) memiliki nilai
dugaan rasio odds sebesar 0.359 kali. Hal ini
berarti bahwa setiap peningkatan jarak
kelahiran sebesar 1 tahun maka akan
menyebabkan kemungkinan ibu hamil terkena
anemia menurun sebesar 0.359 kali atau dapat
dikatakan bahwa peluang ibu hamil terkena
anemia untuk jarak kelahiran lebih rendah 1
tahun akan bertambah menjadi 2.8 kali. Pada
tingkat kepercayaan 95%, setiap peningkatan
1 tahun jarak kehamilan akan menyebabkan

kemungkinan ibu hamil terkena anemia

menurun antara 0.169 sampai 0.766 kali. Hal
ini berarti jika semakin dekat jarak kelahiran
maka akan menyebabkan peluang ibu hamil
terkena anemia semakin besar.
Sementara itu untuk peubah frekuensi
pemeriksaan kehamilan (x5) memiliki nilai
dugaan rasio odds sebesar 0.005 kali. Hal ini
dimaksudkan bahwa setiap terjadi peningkatan
frekuensi pemeriksaan kehamilan sebesar 1
kali akan menyebabkan kemungkinan ibu
hamil terkena anemia menurun menjadi 0.005
kali atau dapat dikatakan bahwa peluang ibu
hamil terkena anemia untuk frekuensi
pemeriksaan kehamilan lebih rendah 1 kali
akan bertambah menjadi 200 kali. Pada tingkat
kepercayaan 95%, setiap peningkatan 1 kali
frekuensi pemeriksaan kehamilan akan
menyebabkan kemungkinan ibu hamil terkena
anemia menurun antara 0.001 sampai 0.036
kali. Hal berarti bahwa frekuensi pemeriksaan
kehamilan yang terlalu sedikit akan
menyebabkan peluang ibu hamil terkena
anemia semakin besar.
Peubah konsumsi tablet tambah darah (x6)
memiliki nilai rasio odds sebesar 0.597. Hal
ini berarti bahwa setiap peningkatan konsumsi
tablet lebih rendah 1 tablet/minggu dapat
menyebabkan kemungkinan ibu hamil terkena
anemia menurun sebesar 0.597 kali atau dapat
dikatakan bahwa peluang ibu hamil terkena
anemia untuk konsumsi tablet tambah darah
yang lebih rendah 1 tablet/minggu akan
bertambah menjadi 1.7 kali. Pada tingkat
kepercayaan 95%, setiap peningkatan 1
tablet/minggu konsumsi tablet tambah darah
akan menyebabkan kemungkinan ibu hamil
terkena anemia menurun antara 0.425 sampai
0.838 kali. Semakin sedikit konsumsi tablet
tambah darah akan menyebabkan peluang ibu
hamil terkena anemia semakin meningkat.
Evaluasi Keakuratan Model
Keakuratan model atau ketepatan
pendugaan model dari suatu analisis regresi
dapat diketahui melalui tabel klasifikasi.
Cutpoint yang digunakan dalam pendugaan
keakuratan atau ketepatan model ini adalah
0.50. Nilai ini merupakan nilai optimum yang
diperoleh dengan mencari perpotongan nilai
spesifitas dan sensitifitas dengan berbagai
kemungkinan cutpoint. Nilai spesifisitas dan
sensitifitas dengan berbagai kemugkinan
cutpoint beserta plotnya dapat dilihat pada
Lampiran 5a dan 5b. Adapun tabel klasifikasi
dari model ini dapat dilihat pada Tabel 4.
Berdasarkan tabel tersebut diketahui bahwa
dari 72 ibu hamil yang tidak menderita anemia

sebanyak 66 orang diantaranya atau 91.70%

diklasifikasikan dengan benar, sedangkan
sebanyak 55 orang ibu hamil yang menderita
anemia sebanyak 50 orang atau 90.90%
diklasifikasikan dengan
benar. Secara
keseluruhan klasifikasi yang benar dari 127
orang ibu hamil (%CCR keseluruhan) adalah
sebesar 91.30%. Sementara itu luas di bawah
kurva ROC untuk keseluruhan model seperti
terlihat pada Gambar 8 yaitu sebesar 1.00. Hal
ini menunjukkan kemampuan model dalam
mengelompokkan
data
serta
menilai
keakuratan dari suatu diagnosis adalah sebesar
1.00.
Tabel 4 Ketepatan prediksi model pada
cutpoint 0.50
Prediksi
%
Aktual
Tidak
Ketepatan
Anemia
Anemia
Tidak
66
6
91.70%
Anemia
Anemia
5
50
90.90%
% Ketepatan Keseluruhan (CCR)
91.30%

untuk luas dibawah kurva ROC sebesar 0.884.

Adapun nilai persentase CCR maksimumnya
sebesar 100% dengan nilai maksimum untuk
kurva ROC yaitu 1. Hal ini menunjukkan
bahwa model yang didapat akurat karena nilai
keakuratan model yang didapat dari data
keseluruhan data relatif sama dengan nilai
keakuratan model pada data validasi.
100%

78.40%

Gambar 9 Fluktuasi persentase CCR

1

0.884

Gambar 10 Fluktuasi nilai ROC

SIMPULAN DAN SARAN

Gambar 8 Kurva ROC keseluruhan model
Selain pengujian keakuratan model
dengan melihat nilai ketepatan klasifikasi
menggunakan keseluruhan data dilakukan pula
proses validasi dengan mengambil 30% data
secara acak dengan ulangan sebanyak 50 kali.
Nilai ketepatan klasifikasi dengan ulangan
sebanyak 50 kali dapat dilihat pada Lampiran
5. Adapun plot nilai persentase CCR serta
ROC dari data validasi tersebut dapat dilihat
pada Gambar 9 dan Gambar 10.
Hasil dari validasi model dengan 50 kali
ulangan menunjukkan bahwa nilai persentase
CCR dan ROC data validasi tidak jauh
berbeda dengan nilai persentase CCR dan
ROC dengan data keseluruhan model. Nilai
persentase CCR minimum untuk data validasi
yaitu sebesar 78.40% dan nilai minimum

Simpulan
yang berpengaruh terhadap
status anemia ibu hamil di wilayah kerja
Puskesmas Wajo Kota Bau-Bau Propinsi
Sulawesi Tenggara yaitu umur kehamilan,
jarak kelahiran, frekuensi pemeriksaan
kehamilan, dan konsumsi tablet penambah
darah. Model regresi logistik biner yang
diperoleh adalah ()= 1.662 + 0.434 x2 1.024 x3 - 5.276 x5 0.516 x6. Semakin
meningkatnya umur kehamilan maka akan
semakin besar pula peluang ibu hamil terkena
anemia. Semakin dekat jarak kelahiran
peluang ibu hamil terkena anemia besar.
Frekuensi pemeriksaan kehamilan yang terlalu
sedikit juga akan menyebabkan peluang ibu
hamil terkena anemia semakin besar.
Konsumsi tablet penambah darah yang
..Faktor-faktor

10

semakin sedikit juga akan menyebabkan

peluang ibu hamil terkena anemia semakin
meningkat. Berdasarkan persentase CCR dan
kurva ROC dari data keseluruhan dan data
validasi didapatkan nilai yang relatife sama.
Hal ini berarti bahwa model yang diperoleh
valid atau akurat.
Saran
Peubah penjelas dan jumlah contoh yang
digunakan pada penelitian ini relatif sedikit
sehingga peubah penjelas yang signifikan pun
sedikit. Pada penelitian selanjutnya sebaiknya
dilakukan penambahan jumlah contoh dan
peubah penjelas baru lainnya yang mungkin
berpengaruh signifikan terhadap respon
sehingga ada tambahan peubah penjelas yang
berpengaruh terhadap status anemia pada ibu
hamil.
DAFTAR PUSTAKA
Agresti A. 1990. Categorical Data Analysis.
Second Edition. New Jersey : John Wiley
and Sons.

Agresti A. 2007.An Introduction To

Categorical Data Analysis, Second
Edition. New Jersey : John Wiley and
Sons.
Basri AF.2011. Faktor Yang Berhubungan
Dengan Anemia Ibu Hamil Di Wilayah
Kerja Puskesmas Wajo Kota Bau-Bau
Propinsi Sulawesi Tenggara [tesis].
Bogor: Program Pasca Sarjana, Institut
Pertanian Bogor.
David K et.al .2008. Applied Regression
Analysis and Other Multivariate Methods.
Fourth Edititon.Belmont: Janet Hill.
Draper NR, Smith H. 1992. Analisis Regresi
Terapan. Edisi ke-2. Sumantri B,
penerjemah.
Jakarta:
Gramedia
PustakaUtama. Terjemahan dari : Applied
Regression Analysis
Edward WF. 1996. Data Analysis Using
Regression Models. New Jersey: PrenticeHall, Inc.
Hosmer DW, Lemeshow S. 2000. Applied
Logistic Regression. Second Edition. New
York : John Wiley and Sons, Inc

LAMPIRAN

12

Lampiran 1 Peubah-peubah yang digunakan beserta peubah dummy yang terbentuk

Peubah
y

x1

Status Anemia

Usia Ibu

Skala Pengukuran
Kategorik

Kategorik

x2

Umur Kehamilan

Numerik (minggu)

x3

Numerik (tahun)

x5

Jarak Kelahiran
Gravida (Frekuensi
Kehamilan)
Frekuensi Pemeriksaan
Kehamilan

x6

Konsumsi Tablet Penambah

Darah

Numerik
(tablet/minggu)

x7

Status Malaria

Kategorik

x4

x8
x9

x10
x11

Status Kecacingan
Pekerjaan Ibu

Pendidikan Ibu

Penghasilan

D1

D2

Keterangan

Tidak Anemia

Anemia

Usia < 20 tahun

Usia 20-35 tahun

Usia > 35 tahun

Numerik (kali)
Numerik (kali)

Kategorik
Kategorik

Kategorik

Numerik (Rupiah)

Plasmodium (-)

Plasmodium (+)

Tidak Cacingan

Cacingan

Tidak Bekerja

Bekerja

Tidak Sekolah- SD

SMP-SMA

Diploma-Sarjana

13

Lampiran 2 Deskripsi nilai peubah penjelas (peubah numerik)

Peubah Penjelas

Mean

Umur Kehamilan
Penghasilan

Minimum
13

21

26

32

36

850.000

1.800.000

2.700.000

9.500.000

35

27.6

38

29.9

37

29.1

14

11

2.4

127

100

Gravida

Frekuensi

Persen

38

29.9

43

33.9

25

19.7

6.3

6.3

2.4

0.8

0.8

127

100

Frek. Pemeriksaan

Frekuensi

Persen

36

28.3

57

44.9

26

20.5

6.3

127

100

Konsumsi Tablet
Tambah Darah

Frekuensi

Persen

3,9

4.7

38

29.9

22

17.3

5.5

3.9

44

34.6

127

100

Total

Maksimum

60.000

Persen

Total

Q3

25.89

Frekuensi

Total

Q2

1.971.307.09

Jarak
Kelahiran

Total

Q1

14

Lampiran 3 Deskripsi hubungan antara status anemia dengan peubah penjeas (peubah kategorik)
Tidak Anemia

Anemia

91,70%
65,50%

21,80%

12,70%

6,90%

1,40%
<20 tahun

Usia 20-35 tahun

Usia >35 tahun

Hubungan antara status anemia dengan usia ibu

Tidak Anemia

Anemia
100%

57,10%
42,90%

0%
Plasmodium (-)

Plasmodium (+)

Hubungan antara status anemia dengan status malaria

Tidak Anemia

Anemia
96,40%

71,70%

28,30%
3,60%
Tidak Cacingan

Cacingan

Hubungan antara status anemia dengan status kecacingan

15

Tidak Anemia

Anemia
67,40%

51,20%

48,80%
32,60%

Tidak Bekerja

Bekerja

Hubungan antara status anemia dengan pekerjaan ibu

Tidak Anemia

Anemia
71,80%

60%
50,60%49,40%
40%
28,20%

Tidak Sekolah

SMP-SMA

Diploma-Sarjana

Hubungan antara status anemia dengan pendidikan ibu

16

Lampiran 4 Analisis Regresi Biner dengan 11 peubah penjelas

Peubah

S.E.

Usia Ibu

Wald

df

Sig.

0.825

0.662

Usia Ibu (1)

-1.798

1.998

0.810

0.368

Usia Ibu (2)

-0.504

1.343

0.141

0.708

Umur Kehamilan

0.407

0.100

16.627

0.000*

Jarak Kelahiran

-0.772

0.444

3.021

0.082

Gravida

-0.450

0.466

0.932

0.334

Frekuensi Pemeriksaan
Kehamilan

-4.964

1.143

18.866

0.000*

Konsumsi Tablet Tambah

Darah

-0.539

0.201

7.231

0.007*

Status Malaria

-14.988

40192.994

0.000

1.000

Status Kecacingan

-2.941

1.631

3.253

0.071

Pekerjaan Ibu

-0.271

1.368

0.039

0.843

0.656

0.720

Pendidikan Ibu
Pendidikan Ibu(1)

0.797

2.102

0.144

0.705

Pendidikan Ibu(2)

-0.516

1.052

0.240

0.624

Penghasilan

0.000

0.000

0.306

0.580

Constant

21.496

40192.994

0.000

1.000

*peubah signifikan pada taraf nyata 5%

Log-Likelihood = -23.06
Uji G= 127.657 ; Nilai-p = 0.000

17

Lampiran 5a Nilai spesifisitas dan sensitifitas dengan berbagai kemungkinan cutpoint

Cutpoint

Spesifisitas

Sensitifitas

0.01

45.8

100

0.02

54.2

100

0.03

56.9

100

0.04

63.9

100

0.05

68.1

100

0.10

77.8

98.2

0.15

81.9

98.2

0.20

86.1

98.2

0.25

90.3

96.4

0.30

90.3

96.4

0.35

90.3

96.4

0.40

90.3

92.7

0.45

90.3

92.7

0.46

90.3

92.7

0.47

90.3

92.7

0.48

90.3

90.9

0.49

90.3

90.9

0.50

91.7

90.9

0.55

91.7

90.9

0.60

93.1

89.1

0.65

93.1

83.6

0.70

93.1

81.8

0.75

93.1

81.8

0.80

94.4

81.8

0.85

97.2

80

0.90

97.2

67.3

0.95

100

50.9

0.96

100

36.4

0.97

100

29.1

0.98

100

23.6

0.99

100

16.6

18

Lampiran 5b Plot spesifisitas dan sensitifitas dengan berbagai kemungkinan cutpoint

19

Lampiran 6 Hasil validasi model menggunakan persentase CCR dan ROC dengan ulangan sebanyak 50
kali
NO

%CCR

ROC

81.6%

0.908

38

100%

38

94.75%

0.977

38

100%

38

94.70%

0.994

38

94.70%

0.95

38

86.80%

0.961

38

81.60%

0.884

38

100%

38

10

97.40%

0.981

38

11

89.50%

0.983

38

12

84.20%

0.934

38

13

81.60%

0.895

38

14

86.80%

0.903

38

15

92.10%

0.983

38

16

81.60%

0.947

38

17

78.40%

0.919

38

18

88.20%

0.945

38

19

92.20%

0.974

38

20

92.20%

0.975

38

21

92.25%

0.974

38

22

94.10%

0.997

38

23

90.20%

0.973

38

24

94.10%

0.971

38

25

94.10%

0.969

38

26

90.20%

0.978

38

27

88.20%

0.931

38

28

94.10%

0.985

38

29

88.20%

0.943

38

30

88.20%

0.962

38

20

Lampiran 6 (Lanjutan)
NO

%CCR

ROC

31
32

84.30%

0.93

38

80.40%

0.903

38

33

92.20%

0.942

38

34

94.10%

0.945

38

35

94.10%

0.971

38

36

94.10%

0.951

38

37

86.30%

0.967

38

38

82.40%

0.94

38

39

88.20%

0.956

38

40

86.30%

0.962

38

41

84.30%

0.941

38

42

96.10%

0.995

38

43

84.30%

0.96

38

44

90.20%

0.966

38

45

94.10%

0.984

38

46

84.30%

0.944

38

47

90.20%

0.977

38

48

94.10%

0.985

38

49

90.20%

0.967

38

50

98%

0.984

38