PENERAPAN REGRESI LOGISTIK BINER DAN

ANALISIS DOMINAN UNTUK MENGANALISIS FAKTOR-

FAKTOR YANG BERPENGARUH TERHADAP HIPERTENSI
(Studi Kasus: Kabupaten Gunung Kidul)

MEITA ARIANI RUBIATI

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
 PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*

Dengan ini saya menyatakan bahwa skripsi berjudul Penerapan Regresi

Logistik Biner dan Analisis Dominan untuk Menganalisis Faktor-Faktor yang
Berpengaruh Terhadap Hipertensi (Studi Kasus: Kabupaten Gunung Kidul)
adalah benar 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.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juni 2014

Meita Ariani Rubiati

NIM G14100076
 ABSTRAK
MEITA ARIANI RUBIATI. Penerapan Regresi Logistik Biner dan Analisis
Dominan untuk Menganalisis Faktor-Faktor yang Berpengaruh Terhadap
Hipertensi (Studi Kasus: Kabupaten Gunung Kidul). Dibimbing oleh BUDI
SUSETYO dan FARIT MOCHAMAD AFENDI.

Penyakit hipertensi sering disebut sebagai penyakit yang perlahan-lahan

mematikan karena tidak ada tanda-tanda bahwa seseorang menderita penyakit
tersebut. Penyakit hipertensi telah mematikan 9.4 juta warga dunia setiap
tahunnya. Pada tahun 2025 mendatang, diperkirakan sekitar 29% warga dunia
terkena hipertensi. Menurut WHO bahwa 40% penduduk negara ekonomi
berkembang menderita penyakit hipertensi. Berdasarkan hasil penelitian dari Riset
Kesehataan Dasar 2007 dengan menggunakan analisis regresi logistik biner
menunjukkan bahwa terdapat empat faktor yang berpengaruh terhadap hipertensi
yaitu umur, Indeks Massa Tubuh, frekuensi makanan dibakar, dan frekuensi
makanan berlemak. Analisis regresi logistik kemudian dilanjutkan dengan analisis
dominan untuk mengetahui masing-masing peringkat peubah penjelas terhadap
hipertensi. Berdasarkan hasil analisis dominan menunjukkan bahwa peubah umur
menduduki sebagai peringkat pertama penyebab menderita hipertensi.

Kata kunci : analisis dominan, analisis regresi logistik biner, hipertensi

ABSTRACT

MEITA ARIANI RUBIATI. Implementation of Binary Logistic Regression and

Dominance Analysis for Analyzing Influential Factors Against Hypertension
(Case Study: Gunung Kidul). Supervised by BUDI SUSETYO and FARIT
MOCHAMAD AFENDI.

Hypertension is often called the silent disease because there are no signs that
a person suffering from the disease. Hypertension has been shut off 9.4 million
citizens of the world each year. In 2025, an estimated 29% of people in the world
affected by hypertension. According to WHO, 40% of developing economies
suffer from hypertension. Based on the results of analysis of binary logistic
regression, it can be seen that the four causes of hypertension. There are age, body
mass index, frequency of burned food, and frequency of fatty foods. After that,
using dominance analysis to determine the main factors causing hypertension. By
using dominance analysis, variables of age as a major risk factor of hypertension.

Keywords: binary logistic regression, dominance analysis, hypertension

PENERAPAN REGRESI LOGISTIK BINER DAN ANALISIS
DOMINAN UNTUK MENGANALISIS FAKTOR-FAKTOR
YANG BERPENGARUH TERHADAP HIPERTENSI
(Studi Kasus: Kabupaten Gunung Kidul)

MEITA ARIANI RUBIATI

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

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Penerapan Regresi Logistik Biner dan Analisis Dominan untuk
Menganalisis Faktor-Faktor yang Berpengaruh Terhadap
Hipertensi (Studi Kasus: Kabupaten Gunung Kidul)
Nama : Meita Ariani Rubiati
NIM : G14100076

Disetujui oleh

Dr Ir Budi Susetyo, MS Dr Farit Mochamad Afendi, MSi

Pembimbing I Pembimbing II

Diketahui oleh

Dr Anang Kurnia, MSi

Ketua Departemen

Tanggal Lulus:
 PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian ini ialah kesehatan, dengan judul Penerapan Regresi
Logistik Biner dan Analisis Dominan untuk Menganalisis Faktor-Faktor yang
Berpengaruh Terhadap Hipertensi (Studi Kasus: Kabupaten Gunung Kidul).
Terima kasih penulis ucapkan kepada Bapak Budi Susetyo dan Bapak Farit
Mochamad Afendi selaku dosen pembimbing dan Ibu Dian Kusumaningrum
selaku penguji luar yang telah menyediakan waktu untuk membimbing dan
memberi arahan kepada penulis. Di samping itu, terima kasih penulis sampaikan
kepada staff dari Badan Penelitian dan Pengembangan Kesehatan dan staff Tata
Usaha Departemen Statistika. Ungkapan terima kasih juga penulis sampaikan
kepada mama, bapak, Mba Iya, Azizah, serta seluruh sahabat atas segala doa,
kasih sayang, dukungan, serta kesabarannya. Terima kasih juga penulis sampaikan
kepada Statistika 47 atas persahabatan dan kebersamaannya.
Semoga karya ilmiah ini bermanfaat.

Bogor, Juni 2014

Meita Ariani Rubiati

 DAFTAR ISI

DAFTAR TABEL vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 2
METODE 2
Data 2
Prosedur Analisis Data 2
HASIL DAN PEMBAHASAN 5
Analisis Regresi Logistik Biner 6
Analisis Dominan 9
SIMPULAN DAN SARAN 10
Simpulan 10
Saran 10
DAFTAR PUSTAKA 10
LAMPIRAN 12
RIWAYAT HIDUP 18
 DAFTAR TABEL
1 Sifat masing-masing R2 4
2 Peubah penjelas yang nyata terhadap peubah respon 7
3 Ketepatan klasifikasi model 8
4 Nilai rata-rata kontribusi setiap peubah 9

DAFTAR GAMBAR
1 Karakteristik berdasarkan jenis kelamin dan Indeks Massa Tubuh 5
2 Karakteristik berdasarkan tingkat pendidikan dan pekerjaan 6

DAFTAR LAMPIRAN
1 Frekuensi hipertensi berdasarkan peubah penjelas 12
2 Korelasi antar peubah penjelas 14
3 Hasil regresi logistik biner 15
4 Hasil analisis dominan 17
 15

PENDAHULUAN

Latar Belakang

Kesehatan merupakan aspek yang terpenting bagi manusia dalam melakukan

aktivitas sehari-harinya dengan baik dan produktif. Hidup dengan sehat merupakan
kebutuhan bagi setiap orang. Oleh karena itu, perlu dilakukan upaya untuk mewujudkan
kesehatan yang optimal bagi masyarakat yaitu dengan meningkatkan kesadaran
masyarakat untuk hidup dengan sehat.
Menurut Badan Kesehatan Dunia (WHO), jumlah penderita hipertensi meningkat
seiring bertambahnya jumlah penduduk. Penyakit hipertensi atau sering disebut dengan
tekanan darah tinggi telah mematikan 9.4 juta warga dunia setiap tahunnya. Pada tahun
2025 mendatang, diperkirakan sekitar 29% warga dunia menderita hipertensi dan
menurut studi WHO bahwa 40% negara ekonomi berkembang menderita penyakit
hipertensi (Widiyani 2012). Sesuai dengan hal tersebut, hipertensi di Indonesia cukup
mengkhawatirkan dan perlu mendapatkan perhatian serius karena angka kematian di
Indonesia mencapai 56 juta jiwa terhitung dari tahun 2000-2013 dan jumlah kematian
sekitar 7 juta penduduk Indonesia (Junianto dan Laras 2014).
Penyakit hipertensi sering disebut sebagai penyakit yang perlahan-lahan mematikan
karena tidak ada tanda-tanda bahwa seseorang menderita penyakit hipertensi. Salah satu
cara untuk mengetahuinya ialah dengan melakukan pengecekan dan pemeriksaan secara
mendalam. Faktor penyebab penyakit hipertensi masih sulit untuk diketahui karena
minimnya informasi yang diterima masyarakat. Penyakit hipertensi ini berkembang
secara perlahan-lahan dan sangat membahayakan karena dapat menyebabkan kerusakan
organ-organ tubuh seperti otak, ginjal, mata, dan kelumpuhan organ-organ gerak (Purwati
et al 2002).
Pada penelitian ini, data yang digunakan berasal dari Riset Kesehatan Dasar
(Riskesdas) 2007. Riskesdas merupakan salah satu program dari strategi unggulan
Departemen Kesehatan yang dilakukan secara berkala setiap 3 tahun sekali. Riskesdas
sebagai sistem informasi kesehatan yang berdasarkan fakta-fakta melalui pengumpulan
data dasar dan indikator kesehatan. Indikator kesehatan yang diteliti meliputi status
kesehatan, faktor lingkungan, faktor perilaku, dan pelayanan kesehatan. Pelaksanaan
pengumpulan data Riskesdas 2007 dilakukan dua tahap, tahap pertama pada awal
Agustus 2007 hingga Januari 2008 di 28 provinsi, tahap kedua pada Agustus-September
2008 di 5 provinsi (NTT, Maluku, Maluku Utara, Papua, dan Papua Barat). Populasi
survei Riskesdas ini yaitu seluruh rumah tangga di seluruh Indonesia. Wilayah yang
dipilih dalam penelitian ini ialah Kabupaten Gunung Kidul (Daerah Istimewa
Yogyakarta), karena kabupaten ini memiliki persentase menderita hipertensi tertinggi di
Provinsi Daerah Istimewa Yogyakarta.
Analisis regresi logistik digunakan untuk melihat hubungan antara peubah respon
dengan peubah-peubah penjelas yang berupa data kategorik maupun data numerik.
Peubah respon yang digunakan dalam penelitian ini berupa data kategorik dengan skala
pengukuran nominal. Oleh karena itu, agar dapat menentukan peringkat kepentingan
peubah-peubah penjelas tersebut maka dilakukan analisis dominan. Analisis dominan
mendefinisikan kepentingan setiap peubah penjelas yang masuk pada semua
kemungkinan model, sehingga dapat diketahui peringkat masing-masing peubah penjelas.
2

Tujuan Penelitian

Tujuan dari penelitian ini adalah mencari faktor-faktor atau peubah penjelas yang
berpengaruh terhadap kecenderungan menderita hipertensi dengan menggunakan analisis
regresi logistik biner dan menentukan peringkat kepentingan peubah penjelas tersebut
dengan menggunakan analisis dominan.

METODE

Data

Data yang digunakan dalam penelitian ini adalah data sekunder hasil Riskesdas
tahun 2007 dari Departemen Kesehatan. Data yang diteliti terdiri dari peubah respon
yaitu responden yang menderita hipertensi dan responden yang tidak menderita hipertensi
dengan 17 peubah penjelas. Peubah penjelas yang digunakan berdasarkan acuan berbagai
literatur mengenai hipertensi sebagaimana pada Lampiran 1. Banyaknya data yang
digunakan adalah 1637 responden.

Prosedur Analisis Data

Langkah-langkah yang dilakukan dalam penelitian ini adalah sebagai berikut :

1. Melakukan persiapan data.
a. Menghitung persentase menderita hipertensi masing-masing kabupaten di Provinsi
Daerah Istimewa Yogyakarta.
b. Menghitung peubah hipertensi (Y), yaitu seseorang menderita hipertensi apabila
tekanan sistoliknya lebih besar atau sama dengan 140 mmHg/tekanan diastoliknya
lebih besar atau sama dengan 90 mmHg (Depkes 2007).
c. Menghitung peubah Indeks Massa Tubuh (X8), dengan cara berat badan (kg)
dibandingkan dengan tinggi badan kuadrat (m2). Kategori masing-masing sebagai
berikut: kurus (IMT < 18.50), normal (18.50 ≤ IMT < 25.00), berlebih (25.00 ≤
IMT < 27.00), dan obesitas (IMT ≥ 27.00) (Depkes 2007).
d. Menghitung peubah tingkat konsumsi buah dan sayur (X9) dengan kategori cukup
apabila mengkonsumsi buah dan sayur minimal atau sama dengan lima porsi/hari
dan kategori kurang apabila mengkonsumsi buah dan sayur kurang dari ketentuan
tersebut (Depkes 2007).
e. Memeriksa kebebasan antar peubah penjelas dengan menggunakan Spearman rank.

2. Melakukan analisis regresi logistik biner.

Menurut Hosmer dan Lemeshow (1989) regresi logistik biner merupakan
suatu metode untuk mengkaji hubungan antara satu atau lebih peubah penjelas
dengan peubah respon yang biner atau dikotom. Data hasil pengamatan memiliki p
peubah penjelas dengan peubah respon , dengan mempunyai dua kemungkinan
nilai yaitu 0 dan 1. Peluang bersyarat untuk peubah respon Y jika x diketahui,
ditunjukkan oleh ( 1| ) ( ). Fungsi regresi logistik dapat dituliskan sebagai
berikut:
 3

e p( 0 1 1 p p
)
( )
1 e p( 0 1 1 p p
)

Fungsi regresi logistik memiliki fungsi curvilinier sehingga untuk membuatnya

menjadi fungsi linier diperlukan fungsi penghubung logit. Transformasi logit sebagai
fungsi dari ( ) dinyatakan sebagai berikut (Hosmer and Lemeshow 1989):
( )
logit[ ( )] log [ ] g( )
1 ( )
k -1
dengan g( ) 0 1 1 2 2 p p
∑i j 1 pl
Dpl dengan p adalah peubah
penjelas, kj adalah banyaknya peubah dummy, dan l 1,2, ,kj -1.

Pendugaan Parameter
Pendugaan parameter dalam model regresi logistik dilakukan dengan
menggunakan metode kemungkinan maksimum yaitu diperoleh dengan menurunkan
fungsi kepekatan peluang bersama (Hosmer and Lemeshow 1989), dengan fungsi
kepekatan peluang bersama ditunjukkan dengan persamaan sebagai berikut:
n n
(1 i)
l( ) ∏ fi ( i ) ∏ ( i ) i (1 ( i ))
i 1 i 1
Parameter i diduga dengan fungsi kepekatan peluang bersama tersebut.
Perhitungan dapat digunakan dengan pendekatan logaritma, sehingga log fungsi
kemungkinannya sebagai berikut :
n

( ) ln l( ) ln {∏ ( i ) i [1 ( i )]1 i }
i 1
Pengujian Kesesuaian Model
Pengujian kesesuaian model dilakukan untuk memeriksa peranan peubah
penjelas terhadap peubah respon dalam model. Menurut Hosmer dan Lemeshow
(1989) pengujian tersebut dilakukan secara simultan dan secara parsial. Pengujian
secara simultan dilakukan dengan menggunakan uji rasio likelihood yang merupakan
pengujian terhadap parameter i dengan hipotesis sebagai berikut:
H0: 1 2 p
0
H1: Minimal ada satu nilai i 0, dengan i 1,2, ,p.
Statistik uji yang digunakan adalah statistik uji -2 ln [ 0 ], dengan 0 adalah
M
nilai likelihood tanpa peubah penjelas dan M adalah nilai likelihood semua peubah
penjelas. Statistik uji G akan mengikuti sebaran 2 dengan derajat bebas p. Kaidah
2
keputusan yang diambil yaitu, jika p( ) maka hipotesis nol ditolak. Pengujian
parameter i secara parsial dilakukan dengan uji Wald dengan hipotesis sebagai
berikut:
H0: i 0 (peubah penjelas ke-i tidak mempengaruhi peubah respon)
H1: i 0 (peubah penjelas ke-i mempengaruhi peubah respon)
dimana i 1,2, ,p. Statistik uji Wald didefinisikan sebagai berikut (Agresti 2002):
̂
i
i
̂( ̂ )
dimana ̂ adalah penduga , ̂ ( ̂ ) adalah penduga galat baku ̂ . Kaidah
i i i i
i
keputusan yang diambil yaitu | | 2 atau nilai p < , maka hipotesis nol ditolak.
4

Interpretasi
Pada model regresi logistik, interpretasi dapat juga dilihat dari nilai rasio
oddsnya. Rasio odds merupakan ukuran untuk melihat seberapa besar kecenderungan
pengaruh peubah-peubah penjelas terhadap peubah responnya (Hosmer dan
Lemeshow 1989). Rasio odds didefinisikan sebagai berikut: (1,0) e p( i ). Rasio
odds dapat diinterpretasikan dengan peluang x 1 pada 1 sebesar kali
dibandingkan 0.

3. Membuat analisis dominan

Menurut Azen dan Traxel (2009) analisis dominan merupakan suatu metode
untuk dapat mengetahui peubah penjelas yang mendominasi peubah respon dengan
membandingkan nilai kontribusi penambahan peubah penjelas yang masuk ke dalam
model yang terdapat pada regresi logistik. Ukuran untuk dapat menentukan peubah
penjelas yang mendominasi yaitu dengan menghitung besarnya kontribusi
penambahan suatu peubah penjelas. Kontribusi penambahan peubah penjelas pada
model regresi logistik dapat menggunakan 2 McFadden, 2 Nagelkerke, dan
2
Estrella. Tabel 1 menggambarkan sifat masing-masing R2 berdasarkan kriteria
boundedness, invariance, monotonicity, dan interpretability. Boundedness adalah nilai
R2 berada dalam selang 0 dan 1, invariance adalah kebal/kekar terhadap adanya
transformasi, monotonicity adalah nilai R2 akan semakin meningkat jika semakin
banyak peubah penjelas yang masuk ke dalam model, dan interpretability adalah
mudah untuk diinterpretasikan dan dipahami. Pada penelitian ini digunakan
2
McFadden untuk menghitung nilai kontribusi penambahan. Hal tersebut
dikarenakan 2 McFadden memenuhi semua kriteria dan memiliki perhitungan
sederhana untuk digunakan yang dapat dilihat pada Tabel 1. 2 McFadden
didefinisikan sebagai berikut (Azen dan Traxel 2009):
2 ln( 0 ) ln( M ) ln( M )
M 1
ln( 0 ) ln( 0 )
dengan:
0 adalah nilai likelihood tanpa peubah penjelas.
M adalah nilai likelihood dengan semua peubah penjelas.

Tabel 1 Sifat masing-masing

Kriteria McFadden Nagerlkerke Estrella

Boundedness Ya Ya Ya
Invariance Ya Ya Ya
Monotonicity Ya Ya Ya
Interpretability Ya Tidak Ya

Menurut Azen dan Traxel (2009) analisis dominan mendefinisikan nilai

penambahan kontribusi peubah penjelas saat dimasukkan ke dalam model. Nilai
penambahan kontribusi model dapat didefinisikan sebagai berikut:
2 2
i(k) . a . b
 5

dengan:
i(k) adalah nilai kontribusi penambahan peubah penjelas ke-i ke dalam model dengan
k peubah.
2 2
. a adalah sesudah peubah penjelas masuk ke model-i.
2 2
. b adalah sebelum peubah penjelas masuk ke model-i.
Tingkat kepentingan dapat dilihat secara menyeluruh (completely dominance),
secara kondisional (conditionally dominance), atau secara umum (generally
dominance). Peubah penjelas mendominasi secara menyeluruh jika peubah tersebut
memiliki nilai kontribusi ( i(k) ) lebih besar dari pada peubah lainnya pada setiap
model. Peubah mendominasi secara kondisional jika peubah tersebut memiliki nilai
rata-rata kontribusi di setiap penambahan peubah ( ̅ i(k) ) lebih besar dari peubah
lainnya. Peubah penjelas mendominasi secara umum jika peubah tersebut memiliki
nilai rata-rata kontribusi keseluruhan ( i ) lebih besar dari peubah lainnya. Nilai rata-
∑ ̅ i(k)
rata penambahan kontribusi keseluruhan didefinisikan sebagai berikut: i .
p
Peubah penjelas yang memiliki nilai rata-rata penambahan kontribusi paling besar
akan berada pada peringkat pertama dalam peringkat kepentingan peubah penjelas.

HASIL DAN PEMBAHASAN

Informasi masing-masing peubah dapat diperoleh dengan melakukan eksplorasi

data. Berikut ini hanya ditampilkan beberapa peubah, sedangkan peubah secara
keseluruhan terdapat pada Lampiran 1. Berdasarkan Gambar 1, responden laki-laki
dan perempuan memiliki persentase menderita hipertensi yang hampir sama.
Berdasarkan hasil penelitian menunjukkan bahwa Indeks Massa Tubuh seseorang
yang obesitas sebesar 61.67% menderita hipertensi lebih banyak dibandingkan dengan
seseorang dengan berat berlebih sebesar 56.32%, normal sebesar 50.00%, dan kurus
sebesar 39.34%. Indeks Massa Tubuh merupakan ukuran rasio antara berat badan dan
tinggi badan sebagai indikator pengukuran kekurangan dan kelebihan berat badan
(Pudjiadi et al 2010). Hal tersebut dapat terjadi karena semakin besar berat tubuh
seseorang, maka akan memicu terjadinya resistensi insulin. Sehingga insulin di dalam
darah menjadi berlebihan (hiperinsulinemia) dan akan meningkatkan tekanan darah.
Persentase (%)

100%
80%
60%
40%
20% Tidak
0% Ya
Perempuan

Berlebih

Kurus
Normal
Obesitas
Laki-laki

Jenis kelamin IMT

Gambar 1 Karakteristik responden berdasarkan jenis kelamin dan Indeks Massa Tubuh
6

100%

Persentase (%) 80%

60%
40%
20%
Tidak
0%
Tamat SD

Wiraswasta/pedagang
Tamat SLTP
Tamat SLTA

Ibu rumah Tangga

Buruh
Tidak tamat SD

PNS, TNI/Polri

Petani,nelayan
Pegawai BUMN,swasta

Lainnya
Tidak bekerja
Tamat Perguruan Tinggi
Ya

Pendidikan Pekerjaan

Gambar 2 Karakteristik responden berdasarkan tingkat pendidikan dan pekerjaan

Berdasarkan Gambar 2 menunjukkan bahwa tingkat pendidikan memiliki

persentase menderita hipertensi yang hampir sama. Diketahui bahwa responden yang
tamat SLTA memiliki persentase paling tinggi untuk menderita hipertensi jika
dibandingkan dengan responden tidak tamat SD, tamat SD, tamat SLTP, dan tamat
Perguruan Tinggi. Masing-masing pekerjaan memiliki persentase menderita hipertensi
yaitu responden yang bekerja sebagai pegawai BUMN dan swasta memiliki persentase
menderita hipertensi sebesar 70.00%, buruh memiliki persentase menderita hipertensi
sebesar 68.25%, PNS dan TNI/Polri memiliki persentase menderita hipertensi sebesar
60.00%, petani serta nelayan memiliki persentase menderita hipertensi sebesar
56.03%.

Analisis Regresi Logistik Biner

Pendugaan model regresi logistik biner dengan seluruh peubah penjelas

menghasilkan nilai statistik uji G sebesar 406.485 yang dapat dilihat pada Lampiran 3.
Berdasarkan nilai tersebut menunjukkan bahwa pada taraf nyata 5% sedikitnya ada satu
peubah penjelas yang mempengaruhi peubah respon. Pengujian parameter secara parsial
dengan menggunakan statistik uji Wald yang terdapat pada Tabel 2 menunjukkan bahwa
peubah yang memiliki nilai p kurang dari 5% berpengaruh signifikan terhadap peubah
hipertensi. Peubah-peubah tersebut yaitu umur, IMT (obesitas dan berlebih), frekuensi
makanan dibakar (≥ 1 kali hari dan 3-6 kali/minggu), dan frekuensi makanan berlemak
(>1 kali/hari, 1 kali/hari, dan 3-6 kali/minggu).
 7

Tabel 2 Peubah penjelas yang nyata terhadap peubah respon

Rasio
Peubah Keterangan Koefisien Wald Nilai p
odds
X1 Umur* 0.054 9.915 0.000 1.056
X8 IMT
obesitas(m1)* 1.807 6.207 0.000 2.164
berlebih(m2)* 1.132 5.491 0.000 2.323
normal(m3) 0.451 1.291 0.130 1.637
X13 Frek makanan dibakar
≥ 1 kali hari(b1)* 0.492 2.536 0.015 1.635
3-6 kali/minggu(b2)* 0.081 2.039 0.032 1.085
1-2 kali/minggu(b3) 0.460 1.209 0.271 1.584
< 3 kali/bulan(b4) 0.645 1.137 0.144 1.907
X15 Frek makanan lemak
> 1 kali/hari(l1)* 1.054 4.487 0.034 2.869
1 kali/hari(l2)* 1.243 6.035 0.014 3.465
3-6 kali/minggu(l3)* 1.175 5.647 0.017 3.239
1-2 kali/minggu(l4) 1.225 0.195 0.388 3.404
< 3 kali/bulan(l5) 1.033 0.035 0.485 2.808
Konstanta -4.732 18.303 0.000 0.009
*signifikan pada taraf nyata 5%

Berdasarkan Tabel 2 menunjukkan bahwa koefisien positif pada X1 dapat diartikan

bahwa adanya kemungkinan menderita hipertensi lebih tinggi ketika umur mengalami
peningkatan. Selanjutnya, koefisien positif pada IMT (obesitas), IMT (berlebih), dan IMT
(normal) menunjukkan bahwa kemungkinan menderita hipertensi lebih tinggi ketika IMT
(obesitas), IMT (berlebih), dan IMT (normal) apabila dibandingkan dengan IMT (kurus).
Koefisien positif pada b1, b2, b3, dan b4 dapat diartikan bahwa kemungkinan menderita
hipertensi lebih tinggi ketika frekuensi makanan dibakar (≥ 1 kali hari, 3-6 kali/minggu,
1-2 kali/minggu, <3 kali/bulan) dibandingkan dengan frekuensi makanan dibakar (1
kali/bulan). Selain itu, koefisien positif pada l1, l2, l3, l4, dan l5 dapat didefinisikan bahwa
kemungkinan terjadinya hipertensi lebih tinggi ketika frekuensi makanan berlemak (>1
kali/hari, 1 kali/hari, 3-6 kali/minggu, 1-2 kali/minggu, < 3 kali/bulan) dibandingkan
dengan frekuensi makanan berlemak (1 kali/bulan). Berdasarkan Tabel 2 dapat dibuat
model logit sebagai berikut:
ĝ ( ) 4.732 0.054 1.807m1 1.132m2 0.451m3 0.492b1 0.081b2 0.460b3
0.645b4 1.054l1 1.243l2 1.175l3 1.225l4 1.033l5

Untuk membandingkan risiko terjadinya hipertensi dari masing-masing kategori

pada setiap peubah dapat dilihat dari nilai rasio oddsnya. Interpretasi nilai rasio odds
dilakukan pada peubah yang berpengaruh secara signifikan yaitu peubah X1, m1, m2, b1,
b2, l1, l2, dan l3. Tabel 2 menunjukkan bahwa nilai rasio odds untuk peubah umur dapat
dinyatakan bahwa peluang untuk menderita hipertensi meningkat sebesar 1.056 kali
ketika umur meningkat satu tahun. Hal tersebut didukung oleh pernyataan Wijayakusuma
yang menyatakan bahwa semakin bertambahnya umur, maka fungsi jantung akan
8

semakin menurun dan elastisitas pembuluh darah juga menurun, sehingga menyebabkan
rentannya menderita penyakit hipertensi.
Nilai rasio odds untuk m1(obesitas) pada Tabel 2 dapat dinyatakan bahwa peluang
seseorang yang m1(obesitas) menderita hipertensi 2.164 kali lebih besar dibandingkan
seseorang yang m4(kurus). Nilai rasio odds untuk m2(berat berlebih) dapat diartikan
bahwa peluang seseorang yang m2(berat berlebih) menderita hipertensi sebesar 2.323 kali
lebih besar dibandingkan seseorang yang m4(kurus). Hal tersebut sesuai menurut
Wijayakusuma (2005) bahwa berat tubuh yang meningkat dapat meningkatkan tekanan
darah.
Nilai rasio odds untuk b1(≥ 1 kali hari) dapat dinyatakan bahwa peluang seseorang
yang mengkonsumsi frekuensi makanan dibakar b1(≥ 1 kali/hari) menderita hipertensi
1.635 kali lebih besar dibandingkan seseorang yang mengkonsumsi b5(1 kali/bulan). Nilai
rasio odds untuk b2(3-6 kali/minggu) dapat dinyatakan bahwa peluang seseorang yang
mengkonsumsi b2(3-6 kali/minggu) menderita hipertensi 1.085 kali lebih besar
dibandingkan seseorang yang mengkonsumsi b5(1 kali/bulan).
Nilai rasio odds untuk l1(> 1 kali/hari) dapat dinyatakan bahwa peluang seseorang
yang mengkonsumsi l1(> 1 kali/hari) menderita hipertensi 2.869 kali lebih besar
dibandingkan seseorang yang mengkonsumsi l6(1 kali/bulan). Nilai rasio odds untuk l2(1
kali/hari) dapat dinyatakan bahwa peluang seseorang yang mengkonsumsi l2(1 kali/hari)
menderita hipertensi 3.465 kali lebih besar dibandingkan seseorang yang mengkonsumsi
l6(1 kali/bulan). Nilai rasio odds untuk l3(3-6 kali/minggu) dapat dinyatakan bahwa
peluang seseorang yang mengkonsumsi l3(3-6 kali/minggu) menderita hipertensi 3.239
kali lebih besar dibandingkan seseorang yang mengkonsumsi l6(1 kali/bulan). Menurut
Wijayakusuma (2005) makanan yang berlemak dan berkolesterol tinggi berbahaya bagi
kesehatan karena kolesterol yang berlebihan ini akan menempel pada permukaan sebelah
dalam dinding pembuluh darah dan akan terjadinya penumpukan kolesterol yang
menyebabkan tekanan darah tinggi.
Hubungan antar peubah penjelas dapat diketahui dari nilai koefisien korelasi
masing-masing peubah penjelas. Menurut Gujarati dan Porter (2010) koefisien korelasi
antar peubah penjelas yang berkisar diatas 0.80 mengindikasikan adanya multikolinieritas.
Besarnya korelasi antar peubah penjelas dapat dilihat dari koefisien korelasi Spearman
rank. Korelasi Spearman rank dapat digunakan untuk peubah numerik dan peubah
kategorik (Daniel 1990). Pada lampiran 2 dapat diketahui bahwa antara masing-masing
peubah penjelas memiliki nilai koefisien korelasi kurang dari 0.80 dan dapat diketahui
bahwa tidak ada korelasi antara masing-masing peubah penjelas tersebut.

Tabel 3 Ketepatan klasifikasi model

Prediksi
Aktual Tidak %Benar
Hipertensi
hipertensi
Hipertensi 702 211 76.90
Tidak hipertensi 271 453 62.60
%keseluruhan 70.60

Persentase kategori hipertensi dan tidak hipertensi berdasarkan hasil klasifikasi

model ialah sebesar 76.90% dan 62.60%. Hasil klasifikasi ini untuk mengetahui
ketepatan model tersebut berdasarkan data hasil penelitian. Tingkat ketepatan klasifikasi
 9

dapat diketahui dari banyaknya dugaan yang tepat berdasarkan contoh. Hasil ini
menunjukkan bahwa dari 913 responden yang menderita hipertensi sebanyak 702 orang
diklasifikasikan dengan benar, sedangkan dari 724 responden yang tidak hipertensi
sebanyak 453 orang diklasifikasikan dengan benar. Secara keseluruhan klasifikasi yang
benar dari 1637 responden sebesar 70.60% dan sisanya sebesar 29.40% menunjukkan
bahwa penderita hipertensi dapat dijelaskan oleh faktor-faktor yang tidak terdapat dalam
model.

Analisis Dominan

Peringkat masing-masing peubah penjelas yang mendominasi peubah hipertensi

dapat diketahui dengan menggunakan analisis dominan. Dalam menentukan peringkat
kepentingan peubah penjelas pada analisis dominan yaitu dengan menggunakan nilai R2
McFadden. Nilai McFadden digunakan untuk mengetahui besarnya masing-masing
penambahan kontribusi pada setiap peubah penjelas. Untuk menentukan peringkat
kepentingan peubah penjelas, maka digunakan empat peubah penjelas yang berpengaruh
signifikan pada model regresi logistik yaitu umur (X1), Indeks Massa Tubuh (X8),
frekuensi makanan dibakar (X13), dan frekuensi makanan berlemak (X15).
Pada Lampiran 4 menunjukkan bahwa peubah umur mendominasi secara
keseluruhan (completely dominance) karena peubah umur memiliki nilai kontribusi lebih
besar dibandingkan peubah penjelas lainnya pada setiap model. Tabel 4 menunjukkan
bahwa peubah umur mendominasi secara kondisional (conditionally dominance)
dibandingkan peubah Indeks Massa Tubuh, frekuensi makanan dibakar, dan frekuensi
makanan berlemak.

Tabel 4 Nilai rata-rata kontribusi setiap peubah

p* X1 X8 X13 X15
0 0.101 0.009 0.014 0.003
1 0.106 0.016 0.012 0.004
2 0.111 0.060 0.011 0.003
3 0.038 0.010 0.003 0.001
Gi 0.089 0.024 0.010 0.003
p* = banyak peubah penjelas sebelum peubah evaluasi dimasukkan

Rata-rata besar kontribusi penambahan setiap peubah penjelas di setiap

kemungkinan model dapat diketahui pada Tabel 4. Peubah umur memiliki rata-rata nilai
kontribusi penambahan terbesar yaitu sebesar 0.089, sehingga dapat diketahui bahwa
secara umum (generally dominance) peubah umur memiliki kepentingan paling
mendominasi dibandingkan dengan peubah penjelas yang lain, selanjutnya diikuti oleh
peubah Indeks Massa Tubuh, frekuensi makanan dibakar, dan frekuensi makanan
berlemak. Peubah umur menjadi peubah yang paling mendominasi dibandingkan peubah
penjelas yang lain diduga karena akumulasi jenis makanan yang dikonsumsi serta pola
aktivitas responden sehari-hari, sehingga menyebabkan massa tubuh yang meningkat.
10

SIMPULAN DAN SARAN

Simpulan

Peubah-peubah yang diduga berpengaruh terhadap kecenderungan menderita

hipertensi di Kabupaten Gunung Kidul yaitu umur (X1), Indeks Massa Tubuh (X8),
frekuensi makanan dibakar (X13), dan frekuensi makanan berlemak (X15). Nilai rasio odds
untuk m1(obesitas) dapat dinyatakan bahwa peluang seseorang yang m1(obesitas)
mengalami hipertensi 2.164 kali lebih besar dibandingkan seseorang yang m4(kurus).
Nilai rasio odds untuk b1(≥ 1 kali hari) dapat dinyatakan bahwa peluang seseorang yang
mengkonsumsi b1(≥ 1 kali hari) menderita hipertensi 1.635 kali lebih besar dibandingkan
seseorang yang mengkonsumsi b5(1 kali/bulan).
Analisis dominan dengan empat peubah penjelas secara umum (generally
dominance) menyatakan bahwa peubah umur (X1) memiliki tingkat kepentingan paling
tinggi atau paling mendominasi dibandingkan dengan peubah penjelas lainnya karena
memiliki nilai rata-rata kontribusi keseluruhan terbesar. Peringkat selanjutnya yaitu
diduduki oleh peubah Indeks Massa Tubuh (X8), frekuensi makanan dibakar (X13), dan
frekuensi makanan berlemak (X15).

Saran

Berdasarkan hasil penelitian ini disarankan agar dilakukan survei yang berkala dan
berkelanjutan agar dapat mengetahui perkembangan mengenai hipertensi. Para peneliti
perlu mengkaji kembali mengenai data tersebut karena dalam survei ini masih banyak
ditemukan data yang tidak lengkap. Selain itu, perlu dilakukan pemeriksaan ketika
melakukan survei di lapangan dan pemeriksaan pada saat memasukkan data.

DAFTAR PUSTAKA

Agresti A. 1990. Categorical Data Analysis. New York (US): John Wiley and Sons. 558p.
Azen R, Traxel N. 2009. Using Dominance Analysis to Determine Predictor Importance
in Logistic Regression [jurnal]. Journal of educational and Behavioral Statistics.
34:319-347.doi: 10.3102/1076998609332754.
Daniel. 1990. Applied Nonparametric Statistics. Boston (US): PWS-KENT Publishing
Company.
[DEPKES] Departemen Kesehatan. 2007. Badan Penelitian dan Pengembangan
Kesehatan. Jakarta (ID).
Gujarati D, Porter D. 2010. Essentials of Econometrics Fourth Edition. New York (US):
The McGraw-Hill Companies,Inc.
Hosmer DW, Lemeshow S. 1989. Applied Logistic Regression, 2nd edition. New York
(US): John Wiley and Sons. 373 p.
Junianto B, Laras AP. Hipertensi Menduduki Penyebab Kematian Pertama di Indonesia
[internet]. VIVA.[diunduh 2014 Agustus 13]. Tersedia dari:
http://life.viva.co.id/news/read/486850-hipertensi-menduduki-penyebab-kematian-
pertama-di-indonesia.
 11

Pudjiadi A, Hegar B, Setyo H, Hikmah S, Ellen P, Eva D. 2010. Pedoman Pelayanan

Medis Ikatan Dokter Anak Indonesia. Jakarta(ID): PP IDAI.
Purwati S, Salimar, Rahayu S. 2002. Perencanaan Menu untuk Penderita Tekanan Darah
Tinggi. Jakarta (ID): PT Penebar Swadaya.
Widiyani R. 2012. Penderita Hipertensi Terus Meningkat [internet]. Jakarta(ID):
KOMPAS. [diunduh 2014 Maret 08]. Tersedia dari:
http://health.kompas.com/read/2013/04/05/1404008/Penderita.Hipertensi.Terus.Menin
gkat.
Wijayakusuma, Hembing. 2005. Ramuan Tradisional untuk Pengobatan Tekanan Darat
Tinggi. Jakarta (ID): PT Penebar Swadaya.
 12

Lampiran 1 Frekuensi hipertensi berdasarkan peubah penjelas

Skala Hipertensi
No Peubah Kategori
Pengukuran %Ya %Tidak Total
1 Hipertensi (Y) Nominal 55.77% 44.23% 1637
2 Umur (X1) Rasio
3 Jenis Kelamin (X2) Nominal Laki-laki 59.05% 40.95% 757
Perempuan 52.95% 47.05% 880
4 Pendidikan (X3) Ordinal Tidak tamat SD 53.95% 46.05% 684
Tamat SD 55.37% 44.63% 475
Tamat SLTP 57.53% 42.47% 292
Tamat SLTA 61.29% 38.71% 155
Tamat Perguruan Tinggi 58.06% 41.94% 31
5 Pekerjaan (X4) Nominal Tidak bekerja 48.95% 51.05% 237
Ibu rumah Tangga 47.19% 52.81% 178
PNS, TNI/Polri 60.00% 40.00% 40
Pegawai BUMN,swasta 70.00% 30.00% 20
Wiraswasta/pedagang 55.03% 44.97% 169
Petani,nelayan 56.03% 43.97% 746
Buruh 68.25% 31.75% 211
Lainnya 55.56% 44.44% 36
6 Merokok (X5) Ordinal Ya, setiap hari 56.18% 43.82% 89
Ya, kadang-kadang 57.34% 42.66% 511
Tidak sebelumnya pernah 55.75% 44.25% 931
Tidak pernah sama sekali 48.11% 51.89% 106
7 Melakukan aktivitas Nominal Cukup 48.66% 51.34% 261
sedang (X6) Kurang 57.12% 42.88% 1376
8 Melakukan aktivitas Nominal Cukup 42.26% 57.74% 594
berat (X7) Kurang 63.47% 36.53% 1043
9 Indeks Massa Ordinal Obesitas 61.67% 38.33% 347
Tubuh (X8) Berlebih 56.32% 43.68% 1060
Normal 50.00% 50.00% 108
Kurus 39.34% 60.66% 122
10 Konsumsi buah dan Nominal Cukup 40.45% 59.55% 220
sayur (X9) Kurang 58.15% 41.85% 1417
Frekuensi makanan
11 bumbu Ordinal ≥ 1 kali/hari 56.18% 43.82% 744
penyedap (X10) 3-6 kali/minggu 55.46% 44.54% 678
1-2 kali/minggu 56.16% 43.84% 146
1 kali/bulan 53.62% 46.38% 69
12 Frekuensi minuman Ordinal ≥ 1 kali/hari 65.18% 34.82% 112
kafein (X11) 3-6 kali/minggu 64.13% 35.87% 223
1-2 kali/minggu 64.81% 35.19% 216
< 3 kali/bulan 62.61% 37.39% 115
 13

1 kali/bulan 49.95% 50.05% 971

13 Frekuensi makanan Ordinal ≥ 1 kali hari 69.39% 30.61% 49
diawetkan (X12) 3-6 kali/minggu 58.36% 41.64% 269
1-2 kali/minggu 58.96% 41.04% 346
< 3 kali/bulan 56.79% 43.21% 287
1 kali/bulan 51.75% 48.25% 686
14 Frekuensi makanan Ordinal ≥ 1 kali hari 64.86% 35.14% 37
dibakar (X13) 3-6 kali/minggu 66.43% 33.57% 429
1-2 kali/minggu 55.85% 44.15% 188
< 3 kali/bulan 51.30% 48.70% 115
1 kali/bulan 50.69% 49.31% 868
15 Frekuensi makanan Ordinal ≥ 1 kali hari 68.29% 31.71% 41
jeroan (X14) 3-6 kali/minggu 65.38% 34.62% 156
< 3 kali/bulan 61.60% 38.40% 401
1 kali/bulan 51.59% 48.41% 1039
16 Frekuensi makanan Ordinal > 1 kali/hari 75.76% 24.24% 33
berlemak (X15) 1 kali/hari 57.56% 42.44% 410
3-6 kali/minggu 57.64% 42.36% 144
1-2 kali/minggu 53.54% 46.46% 254
< 3 kali/bulan 53.66% 46.34% 328
1 kali/bulan 54.91% 45.09% 468
17 Frekuensi makanan Ordinal > 1 kali/hari 61.79% 38.21% 123
asin (X16) 1 kali/hari 61.79% 38.21% 369
3-6 kali/minggu 61.04% 38.96% 77
1-2 kali/minggu 56.47% 43.53% 487
< 3 kali/bulan 52.90% 47.10% 259
1 kali/bulan 46.58% 53.42% 322
18 Frekuensi makanan/ Ordinal > 1 kali/hari 60.00% 40.00% 255
minuman manis
(X17) 1 kali/hari 59.57% 40.43% 188
3-6 kali/minggu 58.62% 41.38% 406
1-2 kali/minggu 58.57% 41.43% 140
< 3 kali/bulan 55.53% 44.47% 389
1 kali/bulan 43.24% 56.76% 259
 15
14

Lampiran 2 Korelasi antar peubah penjelas

Peubah X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17
X1 1
X2 0.004 1
X3 -0.127 -0.014 1
X4 -0.181 -0.071 -0.023 1
X5 -0.061 0.439 -0.005 -0.025 1
X6 -0.121 0.198 0.047 0.019 0.134 1
X7 -0.027 -0.188 0.024 0.046 -0.073 0.161 1
X8 0.185 0.055 -0.021 0.069 0.069 0.119 -0.009 1
X9 -0.108 -0.013 0.027 0.021 0.021 0.083 0.138 0.033 1
X10 0.011 0.018 -0.034 0.004 0.004 0.106 0.088 0.001 -0.022 1
X11 0.193 0.308 -0.006 -0.124 -0.124 -0.021 -0.144 -0.019 -0.014 0.059 1
X12 0.033 0.015 -0.018 -0.034 -0.034 0.037 -0.043 -0.071 -0.069 0.069 0.037 1
X13 0.105 0.076 0.043 -0.061 -0.061 -0.016 -0.047 0.053 -0.007 -0.005 0.090 0.291 1
X14 0.186 0.087 0.016 -0.075 -0.075 0.028 -0.002 -0.085 -0.046 0.082 0.142 0.208 0.339 1
X15 0.006 0.088 -0.041 -0.012 -0.012 -0.007 -0.001 0.029 0.009 0.041 -0.013 0.092 0.047 0.081 1
X16 0.164 0.031 -0.014 -0.052 -0.052 0.067 -0.062 -0.049 -0.074 0.296 0.148 0.16 0.198 0.227 0.012 1
X17 0.106 0.096 -0.042 -0.031 -0.031 0.008 -0.026 -0.006 0.016 -0.012 0.135 0.055 0.075 0.099 0.016 0.099 1
 15

Lampiran 3 Hasil regresi logistik biner

Rasio
Peubah Keterangan Koefisien Wald Nilai p
odds
X1 Umur* 0.054 9.915 0.000 1.056
X2 Jenis kelamin(1) -0.006 0.001 0.972 0.994
X3 Pendidikan
X3(1) 0.391 0.650 0.420 1.478
X3(2) 0.310 0.410 0.522 1.363
X3(3) 0.620 1.590 0.207 1.859
X3(4) 0.370 0.600 0.438 1.448
X4 Pekerjaan
X4(1) 0.493 0.731 0.392 1.636
X4(2) 0.871 2.243 0.134 2.390
X4(3) 0.705 1.068 0.301 2.024
X4(4) 0.778 1.319 0.251 2.177
X4(5) 0.761 1.717 0.190 2.140
X4(6) 0.562 1.000 0.317 1.755
X4(7) 0.281 0.236 0.627 1.325
X5 Merokok
X5(1) 0.185 1.218 0.270 1.203
X5(2) 0.146 0.352 0.553 1.157
X5(3) 0.062 0.045 0.831 1.064
X6 Aktivitas berat(1) -0.217 2.941 0.086 0.805
X7 Aktivitas sedang(1) 0.148 0.807 0.369 1.160
X8 IMT
X8(1)* 1.807 6.207 0.000 2.164
X8(2)* 1.132 5.491 0.000 2.323
X8(3) 0.451 1.291 0.130 1.637
Frekuensi makanan
X9 manis
X9(1) -0.167 0.740 0.390 0.846
X9(2) -0.119 0.389 0.533 0.888
X9(3) -0.288 1.886 0.170 0.750
X9(4) -0.328 2.162 0.141 0.720
X9(5) -0.237 0.978 0.323 0.789
Frekuensi makanan
X10 asin
X10(1) 0.029 0.011 0.916 1.030
X10(2) -0.063 0.052 0.819 0.939
X10(3) -0.072 0.076 0.782 0.931
X10(4) -0.252 0.930 0.335 0.777
X10(5) 0.055 0.025 0.875 1.057
Frekuensi makanan
X11 jeroan
X11(1) 0.151 0.141 0.707 1.163
X11(2) 0.179 0.190 0.663 1.197
16

X11(3) 0.005 0.000 0.991 1.005

Frekuensi makanan
X12 diawetkan
X12(1) 0.573 2.368 0.124 1.774
X12(2) 0.373 0.917 0.338 1.452
X12(3) 0.457 1.431 0.232 1.580
X12(4) 0.490 1.626 0.202 1.632
Frekuensi makanan
X13 dibakar
X13(1)* 0.492 2.536 0.015 1.635
X13(2)* 0.081 2.039 0.032 1.085
X13(3) 0.460 1.209 0.271 1.584
X13(4) 0.645 1.137 0.144 1.907
Frekuensi minuman
X14 kafein
X14(1) 0.121 0.245 0.621 1.128
X14(2) -0.128 0.213 0.644 0.880
X14(3) -0.149 0.287 0.592 0.862
X14(4) 0.122 0.152 0.697 1.129
Frekuensi makanan
X15 berlemak
X15(1)* 1.054 4.487 0.034 2.869
X15(2)* 1.243 6.035 0.014 3.465
X15(3)* 1.175 5.647 0.017 3.239
X15(4) 1.225 0.195 0.388 3.404
X15(5) 1.033 0.035 0.485 2.808
Frekuensi makanan
X16 bumbu penyedap
X16(1) 0.010 0.001 0.974 1.010
X16(2) -0.024 0.007 0.935 0.976
X16(3) -0.002 0.000 0.995 0.998
Konsumsi buah
X17 sayur(1)
-0.185 0.759 0.384 0.831

Konstanta -4.732 18.303 0.000 0.009

nilai uji G= 406.485
 17

Lampiran 4 Hasil analisis dominan

Penambahan kontribusi
Peubah R2 M
X1 X8 X13 X15
p=0 0.101 0.009 0.014 0.003
X1 0.101 . 0.028 0.008 0.004
X8 0.009 0.121 . 0.016 0.003
X13 0.014 0.095 0.010 . 0.003
X15 0.003 0.102 0.009 0.013 .
p=1 0.106 0.016 0.012 0.004
X1.X8 0.130 . . 0.010 0.004
X1.X13 0.109 . 0.030 . 0.004
X1.X15 0.106 . 0.028 0.007 .
X8.X13 0.024 0.115 . . 0.003
X8.X15 0.012 0.121 . 0.015 .
X13.X15 0.017 0.096 0.123 . .
p=2 0.111 0.060 0.011 0.003
X1.X8.X13 0.139 . . . 0.003
X1.X8.X15 0.134 . . 0.009 .
X1.X13.X15 0.113 . 0.029 . .
X8.X13.X15 0.027 0.115 . . .
p=3 0.038 0.010 0.003 0.001
X1.X8.X13.X15 0.142
Gi 0.089 0.024 0.010 0.003
18

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 24 Mei 1992 dari pasangan Bapak
Soleman Kurdi dan Ibu Rubiah. Penulis merupakan anak kedua dari tiga
bersaudara.
Penulis menyelesaikan pendidikan dasar di SD Islam Al-Mukhlisin Jakarta
pada tahun 2004. Kemudian menyelesaikan pendidikan menengah pertama pada
tahun 2007 di SMP Negeri 75 Jakarta. Pada tahun 2010 penulis menyelesaikan
pendidikan di SMA Negeri 65 Jakarta dan pada tahun yang sama masuk IPB pada
program studi mayor Statistika melalui jalur Ujian Seleksi Masuk IPB (USMI).
Selama menjadi mahasiswa aktif, penulis aktif berorganisasi di Gamma
Sigma Beta (GSB) IPB 2012/2013 sebagai staff divisi kestari. Penulis juga aktif
dalam berbagai kepanitiaan Nasional seperti Statistika Ria 2012 sebagai
bendahara umum, Pesta Sains Nasional 2011 dan 2012, MPKMB 2011.