TESIS
UNIVERSITAS AIRLANGGA
FAKULTAS KESEHATAN MASYARAKAT
PROGRAM MAGISTER
PROGRAM STUDI EPIDEMIOLOGI
SURABAYA
2016
TESIS
UNIVERSITAS AIRLANGGA
FAKULTAS KESEHATAN MASYARAKAT
PROGRAM MAGISTER
PROGRAM STUDI EPIDEMIOLOGI
SURABAYA
2016
TESIS
Oleh:
UNIVERSITAS AIRLANGGA
FAKULTAS KESEHATAN MASYARAKAT
PROGRAM MAGISTER
PROGRAM STUDI EPIDEMIOLOGI
SURABAYA
2016
PENGESAHAN
Mengesahkan
Universitas Airlangga
Fakultas Kesehatan Masyarakat
Dekan,
Tim Penguji:
Menyatakan bahwa saya tidak melakukan kegiatan plagiat dalam penulisan tesis
saya yang berjudul :
Apabila suatu saat nanti terbukti saya melakukan tindakan plagiat, maka saya
akan menerima sanksi yang telah ditetapkan.
KATA PENGANTAR
Puji Syukur Kehadirat Tuhan Yang Maha Esa, atas karunia dan Hidayah-
Nya penyusunan penelitian tesis dengan judul “Indeks Prediktif Risiko Kematian
Ibu Di Kota Surabaya” ini dapat terselesaikan. Tesis ini membahas tentang
variabel penelitian apa saja yang bisa dijadikan sebagai indeks yang dapat
digunakan untuk memprediksi ibu hamil yang dapat berisiko mengalami kematian
ibu.
Ucapan terima kasih yang tak terhingga saya sampaikan kepada Dr. Hari
Basuki N., dr., M.Kes selaku Pembimbing Ketua yang dengan kesabaran dan
perhatian dalam memberikan bimbingan, semangat dan saran hingga penelitian
tesis ini bisa terselesaikan dengan baik. Ucapan terima kasih yang tak terhingga
juga saya sampaikan kepada Dr. Arief Wibowo, dr., M.S selaku pembimbing
kedua yang telah banyak meluangkan waktu untuk memberikan bimbingan,
motivasi dan saran. Pada kesempatan ini penulis ingin mengucapkan terima kasih
kepada pihak-pihak yang telah membantu dalam kelancaran selama penyusunan
tesis ini, terima kasih penulis ucapkan kepada :
1. Prof. Dr. Moh. Nasih, SE., M.T., AK., CMA., CA selaku Rektor Universitas
Airlangga.
2. Prof. Dr. Tri Martiana, dr., MS selaku Dekan Fakultas Kesehatan Masyarakat
Universitas Airlangga.
3. Prof. Dr. Chatarina U. W., dr.,MS.,MPH, selaku Koordinator Program Studi
Epidemiologi Universitas Airlangga.
4. Dr. Hari Basuki N., dr., M.Kes selaku Ketua minat studi Manajemen
Surveilans Epidemiologi dan Informasi Kesehatan Program magister program
studi epidemiologi Fakultas Kesehatan Masyarakat Universitas Airlangga dan
sekaligus sebagai pembimbing Ketua.
5. Dr. Arief Wibowo, dr., M.S sebagai pembimbing kedua dalam penyusunan
penelitian tesis.
6. Kepala Dinas Kesehatan Kota Surabaya yang telah memberikan izin untuk
melakukan penelitian, beserta staf dan seluruh pemegang program kesehatan
ibu dan anak di puskesmas tempat lokasi penelitian yang telah memberi
bantuan dalam penelitian.
7. Suamiku tercinta Moch. Hanson dan anakku tersayang Fadil Asyif Arrasyid,
Bapak, Ibu dan keluarga besarku untuk segala doa, kesabaran dan dukungan
selama menjalani perkuliahan ini.
8. Teman-teman angkatan 2014 Program Magister Program Studi Epidemiologi
Fakultas Kesehatan Masyarakat Universitas Airlangga dan semua pihak yang
tidak dapat peneliti sebutkan satu persatu.
vii
Penulis juga menerima segala kritik dan saran dari semua pihak demi
kesempurnaan tesis ini. Akhir kata, semoga tesis ini dapat berguna baik bagi
penulis maupun pihak yang memanfaatkannya.
viii
SUMMARY
The maternal mortality raito (MMR) in Indonesia remains high 359 per
100.000 live birth (SDKI 2012). MMR is an indicator of mother’s helath,
especially the risk of being death for a mother while pregnancy and delivery.
McCarthy and Maine shows three factors that influence maternal mortality, i.e
proximate determinant, intermediate determinant and distant determinant.
Surabaya city is one of city in the province of East Java which have maternal
mortality case still high, so it is necessary to study factor that influence matenal
mortality in that city.
Problem reducing maternal mortality in developing countries because of
inadequate information. Inadequate information was the lack of statistichal data
dan regular information that can describe maternal mortality. Besides the lack of
description of the problem of maternal deaths due to information about maternal
deaths have so far only illustrates the magnitude of the problem, but has not been
able to describe the level of vulnerability of maternal mortality.
Information about predictors of maternal deaths is limited, so to measure
the risk of maternal death, it is necessary to develop an index. Reletade topics
important predictors of maternal mortality to be understood as an effort for the
planning and evaluation of maternal and child health programs. The index
assesses forecast or predict the risk to maternal mortality has not been done. The
index has been used in the early detection of the mother still see the risk of
pregnancy and has not looked at the risk of maternal death.
The purpose of this study was to determined the indicators and develop
predictive index formula risk factor of maternal mortality.
Type of this research was observasional analytic research using case
control study. Case in this study is maternal death in Surabaya district and control
group was all mother in pregnancy still live up to 42 days postpartum. The
sample size in this study were 114 respondents 38 cases and 76 controls. The
sampling technique in this study used simple random sampling technique. Data
collection techniques done with secondary data obtained through pregnant
women cohort registers and mother card. Age, parity, IMT, LILA, anemia
status,interval pregnancy,TT imunization, antenatal care, birth attendants,history
of contraception, history of illnes, history of complikation is the independent
variable in this study. The dependent variable was maternal mortality.
The result showed that a candidat indicator variables(p<0,25) is age (p
value=0,179), parity (p value = 0,224), anemia status (p value = 0,002),
imunizazion TT (p value=0,127), antenatal care (p value= 0,127), history of
contraception (p value= 0,002), and history of illnes (p value= 0,001).The seven
variables as indicators of default of risk factor maternal mortality : age, parity,
imunizazion TT, and antenatal care. The predictive index of risk factor of
maternal mortality are ( - 1,834 + (2,267xhistory of illnes) + (1,597xhistory of
using contracepcion) + (1,597xanemia status)).
ix
DAFTAR ISI
BAB I PENDAHULUAN
1.1. Latar Belakang dan Identifikasi Masalah .................................................. 1
1.2. Kajian Masalah .......................................................................................... 6
1.3 Rumusan Masalah....................................................................................... 11
1.4 Tujuan Penelitian ........................................................................................ 11
1.5 Manfaat Penelitian ...................................................................................... 12
xii
BAB VI PEMBAHASAN
6.1 Pengaruh Umur Terhadap Kematian Ibu ..................................................... 74
6.2 Pengaruh Paritas Terhadap Kematian Ibu .................................................... 75
6.3 Pengaruh IMT Terhadap Kematian Ibu ........................................................ 76
6.4 Pengaruh LILA Terhadap Kematian Ibu ..................................................... 76
6.5 Pengaruh Status AnemiaTerhadap Kematian Ibu ......................................... 77
6.6 Pengaruh Jarak Kehamilan Terhadap Kematian Ibu .................................... 80
6.7 Pengaruh Imunisasi TT Terhadap Kematian Ibu ......................................... 80
6.8 Pengaruh Pemeriksaan Kehamilan Terhadap Kematian Ibu ........................ 81
6.9 Pengaruh Penolong PersalinanTerhadap Kematian Ibu ............................... 82
6.10 Pengaruh Riwayat KB Terhadap Kematian Ibu ........................................ 82
6.11 Pengaruh Riwayat Penyakit Terhadap Kematian Ibu ................................. 83
6.12 Pengaruh Riwayat Komplikasi Terhadap Kematian Ibu ............................ 84
6.13 Indeks Prediktif Risiko Kematian Ibu ........................................................ 85
xiii
BAB VI PENUTUP
7.1 Kesimpulan .................................................................................................. 89
7.2 Saran ............................................................................................................. 90
xiv
DAFTAR TABEL
Tabel 4.1 Nilai OR dan Perhitungan Besar Sampel dari Penelitian Terdahulu ......... 45
Tabel 4.2 Definisi Operasional Penelitian ................................................................. 48
Tabel 5.1 Sarana pelayanan kesehatan Di Kota Surabaya ......................................... 55
Tabel 5.2 Distribusi Frekuensi Penyebab Kematian Ibu Di Kota Surabaya .............. 57
Tabel 5.3 Distribusi Frekuensi Umur pada Kasus Kematian Ibu............................... 58
Tabel 5.4 Distribusi Umur Menurut Kejadian Kematian Ibu .................................... 58
Tabel 5.5 Distribusi Jumlah Paritas Menurut Kejadian Kematian Ibu ...................... 59
Tabel 5.6 Distribusi IMT Menurut Kejadian Kematian Ibu ...................................... 60
Tabel 5.7 Distribusi LILA Menurut Kejadian Kematian Ibu..................................... 60
Tabel 5.8 Distribusi Status Anemia Menurut Kejadian Kematian Ibu ...................... 61
Tabel 5.9 Distribusi Jarak Kehamilan Menurut Kejadian Kematian Ibu ................... 62
Tabel 5.10 Distribusi Imunisasi TT Menurut Kejadian Kematian Ibu ...................... 62
Tabel 5.11 Distribusi Pemeriksaan Kehamilan Menurut Kejadian Kematian Ibu ..... 63
Tabel 5.12 Distribusi Penolong Persalinan Menurut Kejadian Kematian Ibu ........... 64
Tabel 5.13 Distribusi Riwayat KB Menurut Kejadian Kematian Ibu ........................ 65
Tabel 5.14 Distribusi Riwayat Penyakit Menurut Kejadian Kematian Ibu ............... 65
Tabel 5.15 Distribusi Riwayat Komplikasi Menurut Kejadian Kematian Ibu ........... 66
Tabel 5.16 Hasil Analisis Regresi Logistik Sederhana .............................................. 67
Tabel 5.17 Hasil Regresi Logistik Sederhana Terhadap Kematian Ibu ..................... 68
Tabel 5.18 Variabel yang tidak masuk model ............................................................ 68
Tabel 5.19 Perhitungan nilai sensitifitas dan spesifisitas ........................................... 70
Tabel 5.20 Skor Kategori Variabel Risiko Kematian Ibu .......................................... 72
Tabel 5.21 Indeks Prediktif Risiko Kematian Ibu Di Kota Surabaya ........................ 72
xv
DAFTAR GAMBAR
xvi
DAFTAR LAMPIRAN
xvii
DAFTAR SINGKATAN
xviii
BAB 1
PENDAHULUAN
Ibu adalah anggota keluarga yang berperan penting dalam mengatur semua
terkait urusan rumah tangga, pendidikan anak dan kesehatan seluruh keluarga,
Angka Kematian Ibu (AKI) juga merupakan salah satu target yang
Goals (MDGs) untuk menurunkan Angka Kematian Ibu hingga tiga per empat
dalam kurun waktu 1990-2015. MDGs telah berakhir pada tahun 2015 dan
kelanjutan dari apa yang telah dibangun dalam MDGs dengan menetapkan
berkaitan dengan kehamilan, persalinan dan nifas) sebesar 359 per 100.000
Southeast Asian Nations (ASEAN). Pada tahun 2007, ketika AKI di Indonesia
mencapai 228, AKI di Singapura hanya 6 per 100.000 kelahiran hidup, Brunei
33 per 100.000 kelahiran hidup, Filipina 112 per 100.000 kelahiran hidup,
serta Malaysia dan Vietnam sama-sama mencapai 160 per 100.000 kelahiran
AKI 228 per 100.000 kelahiran hidup yang berarti ada 9.774 ibu meninggal
per tahun atau 1 ibu meninggal tiap jam oleh sebab yang berkaitan dengan
90% terjadi pada saat persalinan dan segera setelah persalinan (SKRT 2001).
dan infeksi ( 11%). Penyebab tidak langsung kematian ibu antara lain Kurang
Energi Kronis (KEK) pada kehamilan (37%) dan anemia pada kehamilan
SDKI mencatat kenaikan kematian ibu dari 228 menjadi 359 kematian ibu per
Kabupaten dengan angka kematian ibu terbesar yaitu Sumatera Utara, Banten,
Jawa Barat, Jawa Tengah, Jawa Timur dan Sulawesi Selatan. Dasar pemilihan
provinsi tersebut dikarenakan 52,6% dari jumlah kematian ibu yang terjadi di
pelayanan emergensi obstetri dan bayi baru lahir minimal di 150 rumah sakit
rujukan yang efisien dan efektif antar puskesmas dan rumah sakit. Pelayanan
pelayanan kesehatan ibu yang berkualitas, mulai dari saat hamil, pertolongan
persalinan oleh tenaga kesehatan terlatih, perawatan pasca persalinan bagi ibu
dan bayi, perawatan khusus dan rujukan jika terjadi komplikasi, serta akses
dalam 5 tahun terakhir, yaitu pada tahun 2008 sebesar 83 per 100.000
kelahiran hidup; tahun 2009 sebesar 90,7 per 100.000 kelahiran hidup; tahun
2010 sebesar 101,4 per 100.000 kelahiran hidup; tahun 2011sebesar 104,3 per
100.000 kelahiran hidup dan di tahun 2012 mencapai 97,43 per 100.000
kelahiran hidup. Capaian Angka Kematian Ibu di Jawa Timur tahun 2012
keadaannya berada 5 point dibawah dari target MDGs tahun 2015 sebesar 102
160
140 144.64
jumlah kelahiran hidup 41.481 dengan jumlah kematian 60 jiwa dan besar
proporsi 144,64 per 100.000 kelahiran hidup. Pada tahun 2013 dengan jumlah
kelahiran hidup sebanyak 41.125 dengan jumlah kematian ibu 49 jiwa dengan
proporsi sebesar 119,15 per 100.000 kelahiran hidup dan pada tahun 2014
kematian ibu 39 jiwa dengan proporsi sebesar 90,19 per 100.000 kelahiran
hidup. Data di atas menujukkan pada tahun 2014 terjadi penurunan dalam 2
Surabaya, 2014).
Perdarahan
Lainnya 26%
41%
Eklamsia
28%
jantung Infeksi
5% 0%
pada kematian ibu di Kota Surabaya disebabkan oleh faktor lain yang tidak
dan faktor ekonomi, seperti status wanita dalam keluarga dan masyarakat,
tetapi investasi bagi peningkatan kualitas sumber daya manusia suatu negara
pelayanan kesehatan. Angka Kematian Ibu yang tinggi di suatu wilayah pada
kematian ibu terdapat 17 sampai 70 kasus morbiditas berat pada ibu. Dampak
terbesar kematian ibu yang berupa penurunan kualitas hidup bayi dan anak
persen dari bayi lahir dengan ibu meninggal dalam kurun waktu dekat akan
meninggal sebelum umur satu tahun, dengan satu ibu meninggal diperkirakan
dua anak menjadi piatu. Demikian juga keadaan Di Indonesia ibu memiliki
akan diikuti oleh kematian bayinya. Oleh karena itu upaya pencegahan
12 kali lebih besar dibandingkan dengan ibu tanpa komplikasi kehamilan, ibu
dibandingkan dengan ibu tanpa komplikasi persalinan dan ibu dengan riwayat
penyakit memiliki risiko sebesar 28 kali lebih besar dibandingkan dengan ibu
status kesehatan yang terdiri dari status gizi, anemia, riwayat penyakit dan
terjadi karena masih kurangnya data statistik dan informasi berkala yang
kematian ibu karena informasi tentang kematian ibu yang ada selama ini
Hamidah, 2009).
perawatan dini yang khusus agar ibu dan janin dalam keadaan sehat, oleh
sebab itu kehamilan yang normal tetap mempunyai risiko. Upaya untuk
menurunkan angka kematian ibu perlu dilakukan dengan deteksi dini risiko
ibu hamil di tempat pelayanan kesehatan ibu dan anak atau pada masyarakat.
Faktor risiko merupakan beberapa keadaan yang dimiliki oleh ibu tetapi tidak
risiko tersebut dapat berupa umur ibu kurang dari 20 tahun dan atau lebih dari
35 tahun, jumlah anak lebih dari 4, jarak kehamilan terakhir sekarang kurang
dari 2 tahun, riwayat penyakit sebelumnya dan lingkar lengan atas kurang dari
untuk mengukur risiko kematian ibu, maka perlu dikembangkan suatu indeks.
Indeks adalah suatu istilah yang digunakan untuk indikator yang lebih
diukur secara bebas dan dapat digunakan sebagai ukuran perubahan yang
terjadi dalam jangka waktu pendek (Departemen Kesehatan RI, 2003). Indeks
risiko terhadap kematian ibu belum pernah dilakukan. Indeks yang sudah
digunakan dalam melakukan deteksi dini pada ibu masih melihat risiko pada
kehamilan dan belum melihat pada risiko kematian ibu. Penilaian risiko
morbiditas dan mortalitas terhadap ibu dan janin dalam kehamilan, persalinan,
determinan jauh, antara, dan dekat dalam suatu kehamilan. Skor yang
memperhitungkan faktor risiko yang ada. Informasi ini dapat berguna bagi
kematian ibu pada seorang ibu hamil. Manfaat dari diketahuinya indeks
Kota Surabaya.
Kota Surabaya.
Surabaya.
Surabaya.
Surabaya.
Surabaya.
Surabaya.
Surabaya.
Surabaya.
1. Memberikan informasi baru bagi calon ibu terkait faktor yang dapat
meningkatkan kejadian kematian ibu. Sehingga calon ibu dapat lebih mawas
khususnya bagi upaya penurunan angka kematian ibu dan peningkatan program
5. Bagi Puskesmas pengumpulan data rutin dapat digunakan untuk deteksi dini
risiko kematian ibu di wilayah kerja puskesmas tersebut dan dapat digunakan
BAB 2
TINJAUAN PUSTAKA
kehidupan secara permanen, yang bisa kapan saja terjadi setelah kelahiran
hidup. Lahir hidup merupakan peristiwa keluarnya hasil konsepsi dari rahim
seorang ibu secara lengkap tanpa melihat lama kehamilan dan setelah terpisah
telah terjadi hasil konsepsi bernafas dan mempunyai tanda-tanda hidup lain
seperti denyut jantung, denyut tali pusat, atau gerakan – gerakan otot tanpa
wanita yang terjadi pada saat kehamilan sampai dengan 42 hari setelah
14
kehamilan berakhir, tidak tergantung dari lama dan tempat terjadi kehamilan,
yang disebabkan oleh apapun yang berhubungan dengan kehamilan, atau oleh
dan nifas atau kematian disebabkan tindakan atau yang terjadi selama
Hamidah, 2009).
infeksi, aborsi tidak aman, partus macet dan sebab lain seperti kehamilan
2011).
kedudukan dan peranan wanita, sosial budaya dan transportasi. selain itu
fasilitas kesehatan. Serta ada “empat terlalu” yaitu terlalu muda untuk
melahirkan dimana lebih dari 3 anak, terlalu rapat jarak kehamilan dengan
kehamilan sebelumnya yang berjarak kurang dari 2 tahun dan terlalu tua
(Prasetyawati,2012).
Status Kesehatan
Kehamilan
Status Reproduksi
Faktor risiko merupakan sesuatu yang ada pada diri seseorang atau
sebagai berikut :
1. Determinan dekat
Hamidah, 2009).
1) Perdarahan
2009).
(Wijono,2008).
2) Partus lama
2009).
3) Infeksi nifas
4) Eklamsia
2010).
2. Determinan antara
1) Status Gizi
dan Suryatni, 2010).Status gizi ibu hamil dapat dilihat dari hasil
kategori kurang energi kronis (KEK) atau tidak. Ibu dengan status
2) Status Anemia
defisiensi zat besi dan asam folat. Keluhan anemia meliputi letih,
b. Status reproduksi
2009).
(Prasetyawati, 2012).
banyak rumah sakit rujukan tidak dapat dicapai dalam waktu dua
1) Pelayanan Antenatal
kehamilan;
sebelumnya); dan
j) Tatalaksana kasus
2) Imunisasi TT
3. Determinan Jauh
a. Pendidikan
Hamidah, 2009).
akan bahaya yang dapat menimpa ibu hamil maupun bayinya terutama
ibu dengan kematian ibu p < 0,001 dimana ibu dengan tingkat
b. Pekerjaan
lebih 300 kali untuk menderita kesakitan dan kematian ibu bila
baik.
pada tahun 1990 dilakukan World Summit for Children di New York,
menurunkan angka kematian ibu menjadi separuh pada tahun 2000. Tahun
yang berupaya agar setiap ibu hamil dapat melalui kehamilan dan
yang terakhir, yaitu The Millenium Summit in 2000, dimana semua anggota
menurunkan tiga perempat angka kematian pada tahun 2015 dan untuk
2030 (WHO,2015).
Sehat 2010 pada 12 Oktober 2000, sebagai bagian dari program Safe
sama yaitu melindungi hak reproduksi dan hak asasi manumur dengan
dengan kehamilan dan persalinan yang seharusnya tidak perlu terjadi. MPS
adanya perubahan. Indikator dapat digunaan untuk alat bantu dalam proses
mendapatkannya
digunakan untuk perbandingan antara suatu tempat dengan tempat yang lain
atau antara suatu waktu dengan waktu yang lain. Kejelasan pengukuran juga
tertentu.
e. Timely (tepat waktu) artinya indikator yang ditetapkan harus dapat diolah
a. Indikator hasil akhir, yaitu derajat kesehatan, paling akhir dari indikator
b. Indikator hasil antara, indikator ini terdiri dari indikator ketiga pilar yang
kesehatan
kesehatan ibu antara lain : kunjungan pertama (K1), kunjungan antenatal 4 kali
(K4), persalinan yang ditolong oleh tenaga kesehatan (PN), Kunjungan nifas
(KF), penanganan komplikasi obstetrik (PK), kematian ibu dan cakupan peserta
Adalah jumlah ibu hamil yang pertama kali mendapat pelayanan antenatal
sesuai standar oleh tenaga kesehatan disuatu wilayah kerja pada kurun
waktu tertentu.
standar paling sedikit empat kali dengan distribusi waktu satu kali pada
Adalah cakupan pelayanan kepada ibu pada masa 6 jam sampai dengan 42
hari pasca bersalin sesuai standar paling sedikit 3 kali dengan distribusi
Jumlah ibu nifas yang telah memperoleh 3 kali pelayanan nifas sesuai
standar oleh tenaga kesehatan disuatu wilayah kerja pada kurun
waktu tertentu
x 100
Jumlah sasaran ibu nifas disuatu wilayah kerja dalam 1 tahun
TESIS INDEKS PREDIKTIF RISIKO ... KRISNITA DWI J.
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA 37
Adalah caupan ibu hamil dengan faktor risiko atau komplikasi yang
ditemukan oleh kader atau dukun bayi atau masyarakat serta dirujuk ke
Masyarakat yang dimaksud bisa pihak keluarga atau ibu hamil, bersalin dan
Jumlah ibu hamil yang berisiko yang ditemukan kader atau dukun
bayi atau masyarakat disuatu wilayah kerja pada kurun waktu
tertentu
x 100
Jumlah sasaran ibu hamil di suatu wilayah dalam 1 tahun
Adalah cakupan dari peserta KB yang baru dan lama yang masih aktif
pasangan usia subur disuatu wilayah kerja pada kurun waktu tertentu.
Dengan rumus :
Jumlah peserta KB aktif disuatu wilayah kerja pada kurun waktu tertentu
x 100
Jumlah seluruh peserta PUS di suatu wilayah kerja dalam 1 tahun
2.4.5 Indeks
berupa jumlah kejadian atau sesuatu hal, yang biasanya digunakan untuk
dalam bentuk per 1000 atau per 100.000 populasi (kontanta atau k). Angka
atau rate adalah ukuran dasar yang digunakan untuk melihat kejadian
probabilitas atau risiko dari penyakit dalam suatu masyarakat tertentu selama
Selain ketiga jenis indikator tersebut, dikenal pula istilah indeks atau
indikator komposit yaitu suatu istilah yang digunakan untuk indikator yang lebih
tertentu atau penyakit tertentu pada suatu populasi dalam waktu tertentu. Indeks
risiko (denominator) dan dipergunakan untuk hal lain yang kita tidak dapat
BAB 3
Determinan Antara :
1. Umur
Determinan Dekat :
2. Paritas
2. Pekerjaan 4. LILA
Komplikasi :
- Kehamilan
3. Pendapatan 5. Status anemia - Persalinan
- Nifas
4. Tempat tinggal 6. Jarak kehamilan
5. Sosial/legal 8. Imunisasi TT
9. Pemeriksaan Kehamilan
Kematian Ibu
10. Penolong persalinan
11. Riwayat KB
Keterangan :
= Di teliti
= Tidak diteliti
39
Gambar 3.1 Kerangka Konsep Penelitian : Modifikasi Teori McCarthy dan Maine
McCarthy dan Maine. Pada teori ini terdapat tiga komponen utama yang
sebelumnya, agar kematiannya dapat digolongkan dalam kematian ibu dan bukan
pengaruh determinan antara yang akan diteliti dalam penelitian ini yaitu : umur,
paritas, IMT, LILA, status anemia, jarak kehamilan, imunisasi TT, pemeriksaan
kehamilan, riwayat KB, riwayat penyakit dan riwayat komplikasi terhadap risiko
kematian ibu tanpa melihat pengaruh determinan jauh yaitu pendidikan dan
pekerjaan.
dengan hasil uji signifikan, dilanjutkan dengan pengujian secara simultan terhadap
3. Ada pengaruh Indek Masa Tubuh (IMT) terhadap kematian ibu di Kota
Surabaya.
4. Ada pengaruh Lingkar Lengan Atas (LILA) terhadap kematian ibu di Kota
Surabaya.
7. Ada pengaruh imunisasi Tetanus Toksoid (TT) terhadap kematian ibu di Kota
Surabaya.
Surabaya.
11. Ada pengaruh riwayat penyakit terhadap kematian ibu di Kota Surabaya.
12. Ada pengaruh riwayat komplikasi terhadap kematian ibu di Kota Surabaya.
BAB 4
METODE PENELITIAN
Penelitian ini menjelaskan hubungan antara variabel kematian ibu, umur ibu,
paritas, IMT, LILA, status anemia, jarak kehamilan, imunisasi TT, pemeriksaan
komplikasi.
risikonya.
Surabaya. Sedangkan kontrol adalah semua ibu bersalin hidup yang tercatat
di Dinas Kesehatan Kota Surabaya dan tinggal di daerah yang sama dengan
kasus.
42
X Y
Ya
Kasus
(Kematian Ibu)
Tidak
Ya
Kontrol
(Ibu Yang Hidup)
Tidak
Waktu pelaksanaan penelitian ini selama empat bulan yaitu dari tahap persiapan
pada bulan Maret 2016 sampai dengan tahap pelaporan hasil pada bulan Juni
2016.
4.4.1 Populasi
Populasi penelitian ini terdiri dari populasi kasus dan populasi kontrol.
a. Populasi Kasus
Semua ibu yang mengalami kematian tahun 2015 yang tercatat dalam
b. Populasi Kontrol
Semua ibu pasca persalinan hingga 42 hari atau selesai masa nifas yang
4.4.2 Sampel
Sampel penelitian ini adalah diambil sebagian dari populasi kasus dan
kontrol. Sampel kasus adalah ibu yang mengalami kematian tahun 2015 yang
Sampel kontrol adalah ibu pasca persalinan hingga 42 hari yang tidak
mengalami kematian maternal pada tahun 2015 di wilayah kerja Dinas Kesehatan
Kota Surabaya.
{ √[ ( )] √ ( ) ( )}
n= ( )
Keterangan:
P2 = ( )
Besar sampel dalam penelitian ini dihitung berdasarkan uji hipotesis satu
arah, dengan tingkat kemaknaan (Z1- /2 ) 5% dan Kekuatan sebesar 80% dengan
Tabel 4.1 Nilai Odds Ratio (OR) dan perhitungan Besar Sampel dari penelitian
terdahulu
Variabel P1 P2 OR Besar Sumber
Sampel
Komplikasi Persalinan 0,50 0,20 3,80 31 Aeni, 2013
Komplikasi Kehamilan 0,36 0,10 5,70 21 Masruroh, 2011
Komplikasi Nifas 0,54 0,10 5,70 29 Masruroh, 2011
Pemeriksaan kehamilan 0,40 0,08 7,86 14 Aeni, 2013
Riwayat Penyakit 0,39 0,15 3,64 37 Masruroh, 2011
Perhitungan besar sampel diperoleh besar sampel yang paling banyak yaitu
sebesar 37, dengan kasus yang ada di Kota Surabaya tahun 2015 sebanyak 38
berjumlah 76 ibu hamil sehat. Keseluruhan besar sampel baik sampel kasus dan
(simple random sampling) dari daftar populasi kontrol pada register kohor di
pengambilan sampel
masing-masing
Menentukan populasi
Penyajian
hasil
Pembahasan
2. Variabel bebas (independent) adalah faktor risiko yang meliputi : umur ibu,
paritas, IMT, LILA, status anemia, jarak kehamilan, imunisasi TT, pemeriksaan
komplikasi.
Data yang dikumpulkan berupa data sekunder yang diperoleh dari register
kohort ibu dan kartu ibu yang dapat diakses di Puskesmas di wilayah kerja Dinas
penelitian yaitu data umur ibu, paritas, IMT, LILA, status anemia, jarak
pengumpulan data. Data yang dikumpulkan berasal dari Register Kohor Ibu dan
kartu ibu yang tersedia di Puskesmas wilayah kerja dinas kesehatan kota Surabaya
yang terdapat kasus kematian ibu tahun 2015. Data yang dikumpulkan kemudian
Data yang diperoleh dari hasil penelitian dilakukan pengolahan data dengan
1. Editing
kesesuaian data terhadap data yang sudah terkumpul. Apabila ditemukan data
yang kurang jelas atau kurang lengkap, maka akan dilihat kembali pada register
2.Coding
3.Entry
4.Cleaning
kembali sehingga yakin bahwa data yang akan dianalisa tidak ada data yang
1. Analisis Deskriptif
2. Analisis Inferensial
regression) dan uji regresi logistik ganda (multiple logistic regression). Uji regresi
logistik sederhana bertujuan untuk dapat memperoleh variabel yang bisa masuk
regresilogistik ganda. Uji logistik ganda bertujuan untuk menyusun model indeks
prediktif risiko kematian kematian ibu. Prosedur awal sebelum menyusun model
indeks prediktif adalah seleksi kandidat, yaitu bila uji regresi logistik sederhana
menunjukkan p value < 0,25 maka variabel tersebut dapat dilanjutkan untuk
menjadi indikator. Semua variabel yang signifikan (p < 0,05) terhadap kejadian
masuk dalam formula indeks prediksi terhadap kejadian kematian kematian ibu.
( ) ( ) ( )
Keterangan :
: konstanta (intersep)
Dari model yang diperoleh, maka akan dibuat kategori menjadi 2 (risiko tinggi
a. Skor indeks < P (x) = ibu hamil memiliki risiko rendah untuk mengalami
kematian ibu
b. Skor indeks ≥ P (x) = ibu hamil memiliki risiko tinggi untuk mengalami
kematian ibu
BAB 5
HASIL DAN ANALISIS DATA
penduduk Kota Surabaya Tahun 2014 yaitu sebanyak 2.831.820 jiwa yang terdiri
dari 1.397.899 jiwa penduduk laki-laki (49,36%) dan 1.433.921 jiwa penduduk
tenaga kesehatan meliputi 62 Puskesmas, Rumah sakit, dan Dinas Kesehatan Kota
sebanyak 3.845 orang tenaga medis yang meliputi dokter spesialis, dokter
umum, dan dokter gigi yang ada di Puskesmas, beberapa rumah sakit dan
terbagi atas tenaga perawat dan perawat gigi. Tenaga perawat yang ada
3. Jumlah tenaga bidan yang ada sebanyak 1.397 orang yang meliputi D III
4. Tenaga kesahatan lain yang terdiri dari tenaga farmasi, gizi, tenaga kesehatan
Penyebab kematian ibu di Kota Surabaya tahun 2015 dapat dilihat pada
Tabel 5.2 Distribusi Frekuensi Penyebab Kematian Ibu Di Kota Surabaya Tahun
2015
N Penyebab Kematian Ibu Jumlah Persentase (%)
o
1 Perdarahan 18 47,36
2 Pre eklamsi / eklamsi 6 15,78
3 Penyakit Jantung 2 5,26
4 Emboli Air Ketuban 2 5,26
5 HIV 2 5,26
6 Lain-Lain 8 21,05
Jumlah 38 100,00
(Sumber : Profil Kota Surabaya tahun 2015)
(TBC), kanker (Ca) paru, dan odema paru) sebanyak 8 (21,05%) kasus. Penyebab
disebabkan karena banyak dari ibu tersebut mengalami anemia selama kehamilan,
yang perlu diwaspadai, terdapat penyebab tidak langsung seperti penyakit jantung,
HIV, tuberkulosis (TBC), asma, dan lain-lain yang dapat memperburuk kondisi
Sebaran Umur pada kasus kematian ibu di Kota Surabaya tahun 2015
Tabel 5.3 Distribusi Frekuensi umur pada kasus Kematian Ibu Di Kota Surabaya
Tahun 2015
No Umur Ibu Jumlah Persentase (%)
1 16 – 25 tahun 9 24
2 26 – 35 tahun 20 53
3 36 – 45 tahun 9 24
Jumlah 38 100
(Sumber : Data Sekunder laporan Puskesmas tahun 2015)
Tabel 5.3 di atas dapat diketahui bahwa umur pada kasus kematian ibu
banyak terjadi pada usia 26- 35 tahun sebanyak 20(53%) ibu yang meninggal
akibat persalinan, kehamilan dan nifas. Umur ibu pada kasus kematian ibu yang
paling muda pada umur 16 tahun dan yang paling tua pada umur 45 tahun. Pada
usia 26 – 35 tahun merupakan umur reproduksi paling aman, sehingga banyak ibu
hamil pada usia 26 - 35 tahun, dimana pada setiap kehamilan yang dialami ibu
memiliki risiko tersendiri untuk terjadi kematian ibu walaupun hamil pada usia
5.3 Pengaruh Umur Terhadap Kematian Ibu Di Kota Surabaya Tahun 2015
Hasil penelitian diperoleh data umur kematian ibu lebih sedikit pada ibu
yang ber umur < 20 dan > 35 Tahun (34,50%) dibandingkan ibu dengan umur
tidak berisiko (65,80%). Hasil yang sama pula ditunjukkan pada kelompok
kontrol. Pada tabel 5.4 berikut menunjukkan distribusi frekuensi antara umur ibu
Tabel 5.4 Distribusi umur menurut kejadian kematian ibu di Kota Surabaya
Tahun 2015
Kematian Ibu
Umur Kasus Kontrol
N % N %
< 20 dan > 35 Tahun 13 34,20 17 22,40
20 -35 Tahun 25 65,80 59 77,60
Jumlah 38 100,00 76 100,00
Hasil uji regresi logistik sederhana menunjukkan bahwa variabel umur
Tahun 2015
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu dengan
jumlah paritas 2-4 anak (52,60%) dibandingkan ibu dengan paritas ≤ 1 dan > 4
anak (52,60%). Hal yang sama terjadi pada kelompok kontrol, dimana ibu dengan
jumlah paritas 2-4 anak lebih banyak (64,50%) dibandingkan ibu dengan jumlah
paritas ≤ 1 dan > 4 anak (35,50%). Tabel 5.5 berikut menunjukkan distribusi
Tabel 5.5 Distribusi jumlah paritas menurut kejadian kematian ibu di Kota
Surabaya Tahun 2015
Kematian Ibu
Jumlah Paritas Kasus Kontrol
N % N %
≤ 1 dan > 4 18 47,40 27 35,50
2-4 20 52,60 49 64,50
Jumlah 38 100,00 76 100,00
Hasil uji regresi logistik sederhana menunjukkan bahwa variabel paritas
5.5 Pengaruh Indek Masa Tubuh (IMT) Terhadap Kematian Ibu Di Kota
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu dengan
IMT 18,5-25 (52,60%) dibandingkan ibu dengan IMT < 18,5 dan > 25 (47,40%).
Pada kelompok kontrol, dimana ibu dengan IMT < 18,5 dan > 25 lebih banyak
(55,30%) dibandingkan ibu dengan IMT 18,5-25 (44,70%). Tabel 5.6 berikut
Tabel 5.6 Distribusi IMT Menurut Kejadian kematian ibu di Kota Surabaya Tahun
2015
Kematian Ibu
IMT Kasus Kontrol
N % N %
< 18,5 dan > 25 18 47,40 42 55,30
18,5 - 25 20 52,60 34 44,70
Jumlah 38 100,00 76 100,00
Hasil uji regresi logistik sederhana pada tabel 5.5 menunjukkan bahwa
variabel IMT tidak menjadi variabel kandidat yang akan dimasukkan dalam
analisis multivariabel.
5.6 Pengaruh Lingkar Lengan Atas (LILA) Terhadap Kematian Ibu Di Kota
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu dengan
LILA ≥ 23,5 cm (81,60%) dibandingkan ibu dengan LILA < 23,5 cm (18,40%).
Hal yang sama terjadi pada kelompok kontrol, dimana ibu dengan LILA ≥ 23,5
lebih banyak (82,90%) dibandingkan ibu dengan LILA < 23,5 (17,10%). Tabel
5.7 berikut menunjukkan distribusi frekuensi antara LILA terhadap kematian ibu :
Tabel 5.7 Distribusi LILA menurut kejadian kematian ibu di Kota Surabaya
Tahun 2015
Kematian Ibu
LILA Kasus Kontrol
N % N %
< 23,5 cm 7 18,40 13 17,10
≥ 23,5 cm 31 81,60 63 82,90
Jumlah 38 100,00 76 100,00
Hasil uji regresi logistik sederhana menunjukkan bahwa variabel LILA
multivariabel.
Tahun 2015
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu dengan
< 11 g/dl (52,60%). Hal yang sama terjadi pada kelompok kontrol, dimana ibu
dengan kadar hemoglobin < 11 g/dl (23,70%). Tabel 5.8 berikut menunjukkan
Tabel 5.8 Distribusi Status Anemia menurut kejadian kematian ibu di Kota
Surabaya Tahun 2015
Status Anemia Kematian Ibu
Kasus Kontrol
N % N %
< 11 g/dl 16 42,10 11 14,50
≥ 11g/dl 22 57,90 65 85,50
Jumlah 38 100,00 76 100,00
Hasil uji regresi logistik sederhana menunjukkan bahwa variabel status
multivariabel.
Tahun 2015
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu dengan
jarak kehamilan > 2 tahun (86,80%) dibandingkan ibu dengan jarak kehamilan ≤ 2
tahun (13,20%). Hal yang sama terjadi pada kelompok kontrol, dimana ibu
dengan jarak kehamilan > 2 tahun lebih banyak (88,20%) dibandingkan ibu
Tabel 5.9 Distribusi jarak kehamilan menurut kejadian kematian ibu di Kota
Surabaya Tahun 2015
Jarak Kehamilan Kematian Ibu
Kasus Kontrol
N % N %
≤ 2 tahun 5 13,20 9 11,80
> 2 tahun 33 86,80 67 88,20
Jumlah 38 100,00 76 100,00
Hasil uji regresi logistik sederhana menunjukkan bahwa variabel jarak
kehamilan tidak menjadi variabel kandidat yang akan dimasukkan dalam analisis
multivariabel.
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu dengan
TT tidak pernah (15,80%). Hal yang sama terjadi pada kelompok kontrol, dimana
ibu dengan status imunisasi TT pernah lebih banyak (90,40%) dibandingkan ibu
Tabel 5.10 Distribusi imunisasi TT menurut kematian ibu di Kota Surabaya Tahun
2015
Imunisasi TT Kematian Ibu
Kasus Kontrol
N % N %
Tidak pernah 6 15,80 5 6,60
Pernah 32 84,20 71 93,40
Jumlah 38 100,00 76 100,00
Hasil uji regresi logistik sederhana menunjukkan bahwa variabel
multivariabel.
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu dengan
kehamilan < 4 kali (15,80%). Hal yang sama terjadi pada kelompok kontrol,
dibandingkan ibu dengan pemeriksaan kehamilan < 4 kali (7,90%). Tabel 5.11
kematian ibu :
analisis multivariabel
Hasil penelitian diperolah data dari 38 ibu meninggal dengan ditolong oleh
tenaga kesehatan sebanyak 38 (100%). Pada kelompok kontrol terdapat satu ibu
yang ditolong persalinannya oleh bukan tenaga kesehatan Tabel 5.12 berikut
kematian ibu :
Tabel 5.12 Distribusi Penolong Persalinan pertama menurut kejadian kematian ibu
di Kota Surabaya Tahun 2015
Penolong Kematian Ibu
Persalinan Kasus Kontrol
N % N %
Bukan tenaga 0 0,00 1 1,30
kesehatan
Tenaga kesehatan 38 100,00 75 98,70
Jumlah 38 100,00 76 100,00
Tahun 2015
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu dengan
pernah KB (68,40%) dibandingkan ibu dengan tidak KB (31,60%). Hal yang sama
terjadi pada kelompok kontrol, dimana ibu dengan pernah KB lebih banyak
(92,10%) dibandingkan ibu dengan tidak pernah KB (7,90%). Tabel 5.13 berikut
multivariabel.
Tahun 2015
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu dengan
tidak ada riwayat penyakit (57,90%) dibandingkan ibu dengan ada riwayat
penyakit (42,10%). Hal yang sama terjadi pada kelompok kontrol, dimana ibu
dengan tidak ada riwayat penyakit lebih banyak (92,10%) dibandingkan ibu
dengan ada riwayat penyakit (7,90%). Tabel 5.14 berikut menunjukkan distribusi
Tabel 5.14 Pengaruh Riwayat penyakit menurut kejadian kematian ibu di Kota
Surabaya Tahun 2015
Riwayat Penyakit Kematian Ibu
Kasus Kontrol
N % N %
Ada 16 42,10 6 7,90
Tidak ada 22 57,90 70 92,10
Jumlah 38 100,00 76 100,00
Hasil uji regresi logistik sederhana menunjukkan bahwa variabel riwayat
multivariabel.
Hasil penelitian diperolah data kematian ibu lebih banyak pada ibu tidak
komplikasi (42,10%). Hal yang sama terjadi pada kelompok kontrol, dimana ibu
dengan tidak ada komplikasi lebih banyak (92,10%) dibandingkan ibu dengan ada
Tabel 5.15 Distribusi riwayat komplikasi menurut kejadian kematian ibu di Kota
Surabaya Tahun 2015
Riwayat Kematian Ibu
Komplikasi Kasus Kontrol
N % N %
Ada 16 42,10 6 7,90
Tidak ada 22 57,90 70 92,10
komplikasi tidak menjadi variabel kandidat yang akan dimasukkan dalam analisis
multivariabel.
kematian ibu di Kota Surabaya didapat jika nilai p < α (0,25) maka variabel
tersebut merupakan kandidat yang dapat masuk untuk di analisis lebih lanjut
dengan analisis regresi logistik ganda. Untuk lebih jelasnya terlihat pada tabel
Tabel 5.16 Hasil Analisis Regresi Logistik Sederhana Risiko Kematian Ibu di
Kota Surabaya
dalam uji regresi logistik ganda adalah umur, jumlah paritas, status anemia,
imunisasi TT, pemeriksaan kehamilan, riwayat KB, riwayat penyakit, dan riwayat
komplikasi.
menentukan variabel apa saja yang akan masuk menjadi indeks prediktif risiko
kematian ibu. Hasil dari uji regresi logistik berganda dapat dilihat pada Tabel 5.17
di bawah ini :
Tabel 5.17 Hasil Analisis Regresi Ganda Risiko Kematian Ibu Di Kota Surabaya
OR
Variabel Koefisien(B) p 95% CI
Riwayat Tidak ada penyakit - - - -
Penyakit (reference)
Ada penyakit 2,267 0,001 9,646 3,059 – 30,422
Riwayat KB Pernah (reference) - - - -
Tidak pernah 1,597 0,010 4,939 1,453 – 16,784
Status anemia Tidak Anemia - - - -
(Reference)
Anemia 1,388 0,009 4,006 1,413 – 11,352
Konstanta - 1,924 0,001 0,146 -
Berdasarkan hasil tersebut terdapat tiga variabel yang signifikan dan menjadi
indikator prediktif risiko kematian ibu. Ke tiga variabel tersebut selanjutnya akan
kematian ibu karena nilai α > 0,05 dapat dilihat pada Tabel 5.18 di bawah ini :
Tabel 5.18 Variabel Yang Tidak Masuk Model Hasil Analisis Regresi Ganda
Risiko Kematian Ibu Di Kota Surabaya
Variabel Kategori P value
Umur Berisiko <20 dan > 35 0,69
Tidak Berisiko 20-35
Paritas Berisiko 2-4 0,32
Tidak Berisiko ≤ 1 dan ≥ 4
Pemeriksaan Kehamilan Berisiko 0,61
Tidak Berisiko
Imunisasi TT Berisiko 0,31
Tidak Berisiko
Riwayat Komplikasi Ada Komplikasi 0,10
Tidak Ada Komplikasi
Tabel 5.18 di atas dapat diketahui terdapat empat variabel yang tidak
spesifisitas serta akurasi model yang dibuat dan untuk mendapatkan nilai cut off
Gambar 5.1 di atas dapat diketahui nilai akurasi sebesar 79% dengan nilai
probabilitas dari titik potong nilai sensitifitas dan spesifisitas sebesar 0,415,
sehingga perhitungan nilai cut off indeks dari rumus probabilitas sebagai berikut :
Tabel 5.19 Perhitungan nilai sensitifitas dan spesifisitas untuk mencari nilai
probabilitas
Positive if Greater Than or Sensitivity spesifisitas
Equal Toa
0 1 0
0,264035 0,763157895 0,723684
0,4157 0,605263158 0,842105
0,523826 0,526315789 0,907895
0,683119 0,315789474 0,973684
0,810161 0,210526316 0,986842
0,872263 0,131578947 1
0,926078 0,078947368 1
1 0 1
Gambar 5.2 Titik potong nilai sensitifitas dan spesifisitas untuk melihat nilai
probabilitas
Tabel 5.18 dan Gambar 5.2 di atas dapat diketahui bahwa nilai y adalah
0,4157, berasal dari titik potong antara nilai sensitifitas dan spesivisitas pada
Gambar 5.2.
dibawah ini :
Keterangan :
y : Probability
Dari persamaan diatas maka perhitungan cut off indeks dalam penelitian
0,4157 (1+e-z) = 1
e-z = 1,406
z = 0,341
Sehingga diperoleh nilai z atau nilai cut off indeks = 0,341 dengan demikian :
1. Bila skor indeks < 0,341, berarti risiko rendah mengalami kematian ibu.
2. Bila skor indeks ≥ 0,341, berarti risiko tinggi mengalami kematian ibu.
Berdasarkan hasil uji regresi logistik ganda, maka dapat disusun formula
indeks prediktif risiko kematian ibu di Kota Surabaya adalah sebagai berikut :
ibu, maka sebelumnya ditentukan skor pada tiap-tiap kategori variabel. Skor
Model prediksi hasil uji variabel risiko kematian ibu dapat dibuat untuk
memprediksi risiko terjadi kematian ibu. Hasil secara terperinci dapat dilihat pada
Tabel 5.21 dan gambar 5.3 di atas dapat disimpulkan bahwa ibu hamil
yang memiliki riwayat penyakit maka sudah dalam golongan risiko tinggi untuk
mengalami kematian ibu. Selain itu minimal terdapat dua variabel yang berisiko
maka seorang ibu hamil akan memiliki risiko tinggi mengalami kematian ibu.
BAB 6
PEMBAHASAN
Dari hasil penelitian pada Tabel 5.18 dapat disimpulkan tidak ada
pengaruh umur terhadap risiko kematian ibu. Hal ini sejalan dengan penelitian
Fibriana (2007) dan Aeni (2013) yang menyatakan tidak ada pengaruh umur ibu
terhadap kematian ibu. Umur paling aman untuk hamil, persalinan dan nifas
adalah umur antara 20-35 tahun, karena mereka berada dalam masa reproduksi
sehat. Umur < 20 tahun organ reproduksi belum matang dan kondisi rahim belum
sempurna untuk hamil dan melahirkan sehingga berisiko tinggi untuk kehamilan,
persalinan dan nifas, sedangkan umur lebih dari 35 tahun ibu mempunyai risiko
menurun dan ibu terlalu lemah untuk mengejan saat melahirkan. Usia tua juga
mempunyai risiko untuk terkena penyakit lain seperti penyakit jantung, tekanan
(Manuaba, 2008).
kematian ibu, dimana ibu dengan umur 35 - 49 tahun merupakan umur yang
berisiko tinggi untuk terjadi kematian ibu. Diperkuat dengan Penelitian Poorolajal
et al (2014) tentang faktor risiko kematian ibu di Iran Barat menyatakan bahwa
ada pengaruh umur ibu dengan kematian ibu, dimana ibu dengan umur lebih dari
74
dengan ibu yang berumur kurang dari 34 tahun. Berbeda kriteria umur ibu yang
prevalensi dan faktor risiko kematian ibu di Rumah Sakit Mizan Aman Ethiophia
menyatakan bahwa umur yang berpengaruh terhadap kematian ibu adalah pada
Dari hasil penelitian pada tabel 5.18 dapat disimpulkan tidak ada pengaruh
Paritas terhadap risiko kematian ibu. Hal ini sejalan dengan penelitian Fibriana
(2007) dan Aeni (2013) yang menyatakan tidak ada pengaruh paritas terhadap
risiko kematian ibu. Paritas pertama dan paritas lebih dari empat, meningkatkan
risiko terjadinya kematian ibu. Ibu dengan paritas pertama akan berisiko karena
ibu belum siap secara medis maupun secara mental, sedangkan ibu dengan paritas
lebih dari 4 berisiko karena ibu mengalami kemunduran dari segi fisik untuk
menjalani kehamilan, persalinan dan saat nifas. Hasil yang sama dengan
ibu.
perdarahan postpartum sering berkaitan dengan kontraksi rahim yang kurang baik
sehingga plasenta tidak sepenuhnya lepas dan perdarahan berlanjut meskipun bayi
Dari hasil penelitian pada tabel 5.6 dapat disimpulkan tidak ada pengaruh
IMT terhadap risiko kematian ibu. Hal ini tidak sejalan dengan penelitian
menyatakan bahwa ada pengaruh IMT yang kurang dari 18,5 dan lebih dari 25
terhadap kematian ibu. Dimana ibu yang memiliki IMT kurang dari 18,5 berisiko
meninggal sebesar 2,10 kali lebih besar dibandingkan dengan ibu dengan IMT
normal, sedangkan ibu dengan IMT lebih dari 25 berisiko sebesar 10,99 kali lebih
kesakitan ibu juga menyatakan bahwa ada pengaruh IMT > 29 dengan kematian
ibu, dimana ibu dengan IMT > 29 memiliki risiko untuk meninggal dan sakit
sebesar 3 kali lebih tinggi dibandingkan dengan ibu yang memiliki IMT kurang
dari sama dengan 29. Obesitas merupakan faktor risiko penting yang merugikan
kesehatan dan bisa menjadi faktor penyebab kematian atau kesakitan. Obesitas
Dari hasil penelitian pada tabel 5.7 dapat disimpulkan tidak ada pengaruh
LILA terhadap risiko kematian ibu. Hal ini sejalan dengan penelitian sejalan
dengan penelitian Fibriana (2007) dan Aeni (2013) yang menyatakan tidak ada
kategori kurang energi kronis (KEK) atau tidak. Ibu dengan status gizi buruk
memiliki risiko untuk terjadinya perdarahan dan infeksi pada masa nifas. Keadaan
rendahnya kesehatan ibu, masalah dalam persalinan dan masalah pada bayi yang
Ibu hamil merupakan kelompok rawan gizi. Bila ibu mengalami risiko
kesehatan pada ibu maupun pada janin yang di kandung. KEK pada ibu hamil
dapat menyebabkan risiko dan komplikasi pada ibu yaitu anemia, perdarahan,
berat badan ibu tidak bertambah dan terkena penyakit infeksi. Pengaruh KEK
dengan operasi cenderung meningkat. Upaya mencegah risiko KEK pada ibu
hamil sebelum kehamilan wanita usia subur sudah harus mempunyai gizi yang
baik dengan LILA tidak kurang dari 23,5cm. Apabila LILA ibu sebelum hamil
Dari hasil penelitian pada Tabel 5.17 dapat disimpulkan ada pengaruh
Status anemia terhadap risiko kematian ibu. Status anemia merupakan faktor yang
menyebabkan kematian pada kasus perdarahan dan infeksi. Hal ini terjadi karena
dirumah (Iqbal et al, 2014). Semakin rendah kadar hemoglobin ibu hamil semakin
tinggi risiko morbiditas dan mortalitas ibu. Penelitian di berbagai rumah sakit di
ibu empat kali lebih tinggi dibandingkan wanita dengan tidak anemia. Apabila
kadar hemoglobin kurang dari 8 gram persen, maka risiko kematian ibu
meningkat sekitar delapan kali lebih tinggi dibandingkan dengan wanita tanpa
anemia (Wijono, 2008). Hasil penelitian ini sejalan dengan penelitian Rejeki
kematian ibu, dimana ibu dengan anemia memiliki risiko sebesar 5,33 kali lebih
besar berisiko mengalami kematian ibu dibandingkan dengan ibu hamil yang
sehat.
(Manuaba, 2010).
Ibu hamil dianggap anemia bila kadar hemoglobinnya < 11 g%. Anemia
yang paling banyak terjadi adalah anemia akibat defisiensi zat besi dan asam folat.
stomatitis, sensitif terhadap rasa dingin (Lailiyana, Noor dan Suryatni, 2010). Ibu
dengan anemia tidak dapat menoleransi kehilangan darah seperti perempuan sehat
tanpa anemia. Pada waktu persalinan terjadi kehilangan darah 1000 ml tidak akan
mengakibatkan kematian ibu sehat, tetapi sebaliknya pada ibu dengan anemia
kehilangan darah kurang dari itu dapat berakibat fatal dan meningkatkan risiko
operasi atau penyembuhan luka lama dan lukan dapat terbuka seluruhnya
(Saifuddin, 2009).
negatif yaitu jumlah konsumsi zat besi masih dibawah dari jumlah zat besi yang
digunakan dan dikeluarkan. Selain itu, faktor lain yang dapat mempengaruhi
rendahnya konsumsi zat besi adalah adanya gangguan penyerapan dan zat
penghambat yaitu serat serealia, tanin, asam oksalat, dan asam fitat, sedangkan
faktor yang membantu proses penyerapan zat besi adalah vitamin C. Makanan
hewani seperti daging ayam, hati, sumsum tulang, ikan teri, tingkat absorpsinya
kebutuhan zat gizi pada ibu hamil khususnya energi, protein, dan zat gizi besi
volumenya sama tetapi frekuensinya ditambah menjadi lebih sering yaitu biasanya
Hasil penelitian ini tidak sejalan dengan penelitian Fibriana (2007) dimana
Hasil penelitian Aeni (2013) juga menunjukkan hal yang sama, dimana tidak ada
pengaruh status anemia terhadap kematian ibu di Kabupaten Pati. Hal ini terjadi
karena ada variabel lain yang lebih besar pengaruhnya terhadap kematian ibu.
Dari hasil penelitian pada tabel 5.9 dapat disimpulkan tidak ada pengaruh
jarak kehamilan terhadap risiko kematian ibu. Hal ini sejalan dengan penelitian
sejalan dengan penelitian Fibriani (2007) dan Aeni (2013) yang menyatakan tidak
ada pengaruh jarak kehamilan terhadap kematian ibu. Kehamilan yang dialami
seorang ibu menyebabkan ibu harus menyediakan makanan bagi janin dan
sesudah persalinan, seorang ibu harus menyediakan air susu yang cukup untuk
bayinya. Tubuh ibu tidak dapat melayani kebutuhan akibat kehamilan yang
waktu istirahat yang cukup minimal 2 tahun untuk memulihkan kesehatan ibu
kehamilan yang terlalu dekat kurang dari 2 tahun juga berisiko terjadi komplikasi
Dari hasil penelitian pada tabel 5.18 dapat disimpulkan tidak ada pengaruh
Imunisasi TT terhadap risiko kematian ibu. Dalam penelitian ibu, hampir semua
ibu baik di kelompok kasus ataupun di kelompok kontrol, ibu telah mendapatkan
perlindungan pasif pada ibu hamil terhadap tetanus, vaksinasi ini juga dapat
mencegah terjadinya tetanus selama beberapa minggu pada bayi yang baru lahir
(Syafrudin dan Hamidah, 2009). Hal ini sejalan dengan penelitian Weyesa et al
(2015) tentang prevalensi dan faktor risiko kematian ibu di Rumah Sakit Mizan
Dari hasil penelitian pada tabel 5.11 dapat disimpulkan tidak ada pengaruh
Pemeriksaan kehamilan terhadap risiko kematian ibu. Hal ini sejalan dengan
Hal ini tidak sejalan dengan penelitian Aeni (2013) tentang faktor risiko
kematian ibu di Kabupaten Pati bahwa pemeriksaan kehamilan yang tidak baik
dan tidak lengkap meningkatkan risiko kematian ibu hingga 7,86 kali lebih besar
dibandingkan ibu yang melakukan pemeriksaan kesehatan yang baik dan lengkap.
Yego et al (2014) tentang faktor risiko kematian ibu di rumah sakit Tertiary di
kehamilan berpengaruh terhadap kematian ibu, dimana ibu yang tidak melakukan
pemeriksaan kehamilan berisiko meninggal sebesar 4,1 kali lebih tinggi dibanding
kurang dari 4 kali memiliki risiko sebesar 2,5 kali lebih besar berisiko mengalami
Dari hasil penelitian pada tabel 5.12 dapat disimpulkan tidak ada pengaruh
Penolong persalinan terhadap risiko kematian ibu. Pada penelitian ini penolong
persalinan hampir semua dilakukan oleh tenaga kesehatan dan hanya satu ibu
pada kelompok kontrol yang ditolong oleh dukun bayi. Hal ini sejalan dengan
penelitian Aeni (2013) yang menyatakan tidak ada pengaruh penolong persalinan
dengan kematian ibu, dari hasil penelitian tersebut ibu yang ditolong oleh tenaga
bukan kesehatan memiliki risiko meninggal 3,29 kali lebih besar bila
Dari hasil penelitian pada Tabel 5.17 dapat disimpulkan ada pengaruh
Riwayat KB terhadap risiko kematian ibu. Hal ini sejalan dengan penelitian
Fibriana (2007) bahwa ada pengaruh KB terhadap kematian ibu. Hal ini juga
sejalan dengan penelitian Godefay et al (2015) tentang faktor risiko kematian ibu
kematian ibu, dimana ibu yang tidak pernah KB sebelum kehamilan memiliki
risiko meninggal sebesar 2,58 kali lebih besar jika dibandingkan dengan ibu yang
tentang faktor risiko kematian ibu di rumah sakit Tertiary di Kenya yang
value = 0,0007, dimana riwayat KB merupakan faktor protektif sebesar 0,3 yang
dapat melindungi ibu dari kematian pada saat kehamilan, persalinan dan nifas.
Dari hasil penelitian pada Tabel 5.17 dapat disimpulkan ada pengaruh
riwayat penyakit terhadap risiko kematian ibu. Pada penelitian ini riwayat
penyakit yang diderita ibu adalah jantung, asma, tbc, hepatitis, lupus, HIV dan ca
paru. Penyebab kematian ibu tidak langsung adalah malaria, hepatitis, HIV/AIDS,
bahwa dari hasil meta analisis yang di publikasikan di AIDS edisi online,
perempuan yang terinfeksi HIV memiliki delapan kali risiko kematian yang
tingkat kematian ibu yang tertinggi. Pada tingkat populasi, proporsi yang sangat
tinggi dari kematian ibu dapat dikaitkan akibat HIV terutama pada penderita tanpa
pengobatan walaupun pada daerah dengan prevalensi HIV rendah. Sehingga perlu
Penyakit jantung akan menjadi lebih berat pada saat kehamilan, karena
dirasakan seperti cepat merasa lelah, jantung berdebar-debar, sesak napas disertai
kebiruan, edema tungkai dan mengeluh tentang bertambahnya besar rahim yang
tidak sesuai (Manuaba, 2010). Hal ini sejalan dengan penelitian Aeni (2013),
tentang faktor risiko kematian ibu di Kabupaten Pati (2011) menyatakan bahwa
riwayat penyakit berpengaruh terhadap kematian ibu, dimana ibu dengan ada
riwayat penyakit meningkatkan risiko kematian ibu sekitar 27,74 kali lebih besar
dibanding ibu yang tidak memiliki riwayat penyakit. Hal ini sejalan dengan
kematian ibu dan ibu dengan riwayat penyakit memiliki risiko sebesar 5,58 kali
dibandingkan dengan ibu tidak ada riwayat penyakit. Diperkuat dengan penelitian
Yego et al (2014) tentang faktor risiko kematian ibu di rumah sakit Tertiary di
ibu, dimana ibu yang terdapat riwayat penyakit memiliki risiko meninggal sebesar
3,9 kali lebih tinggi dibandingkan dengan ibu yang tidak ada riwayat penyakit.
Dari hasil penelitian pada tabel 5.17 dapat disimpulkan ada tidak pengaruh
kehamilan seperti perdarahan, pre eklamsi, eklamsi dan infeksi membuat ibu
berikutnya. Hal ini sejalan dengan penelitian Godefay et al (2015) tentang faktor
komplikasi tidak berpengaruh terhadap kematian ibu. Hal ini terjadi disebabkan
terdapat faktor lain yang lebih besar pengaruhnya terhadap kematian ibu.
Hal ini tidak sejalan dengan penelitian Yego et al (2014) tentang faktor
risiko kematian ibu di rumah sakit Tertiary di Kenya juga menyatakan bahwa
Indeks atau indikator komposit yaitu suatu istilah yang digunakan untuk
tertentu atau penyakit tertentu pada suatu populasi dalam waktu tertentu. Indeks
risiko (denominator) dan dipergunakan untuk hal lain yang kita tidak dapat
mendapatkannya
digunakan untuk perbandingan antara suatu tempat dengan tempat yang lain
atau antara suatu waktu dengan waktu yang lain. Kejelasan pengukuran juga
tertentu.
e. Timely (tepat waktu) artinya indikator yang ditetapkan harus dapat diolah
dalam penelitian ini telah memenuhi seluruh persyaratan indikator yaitu sederhana
(simple) pengumpulan data dilakukan kapan saja dengan menggunakan data yang
pada ibu hamil, begitupun dengan rumus yang digunakan dalam penetapan indeks
bisa dikatakan cukup sederhana sehingga hasil dari pengumpulan data ini
memenuhi syarat tepat waktu (timely) dalam pengambilan keputusan. Indikator ini
dalam mencegah seorang ibu mengalami kematian baik ketika hamil, persalinan
dan nifas sehingga upaya untuk menurunkan angka kematian ibu sesuai dengan
(reliable) telah terpenuhi karena indikator komposit ini disusun melalui penelitian
dengan pengumpulan data yang baik dan benar mengikuti kaidah-kaidah ilmiah
sehingga sejak dini dapat mengetahui ibu hamil mana yang berpotensi mengalami
kejadian kematian ibu. Dengan nilai sensitivitas 60,50 persen, dapat diartikan
bahwa alat ukur ini dapat mengetahui ibu hamil dengan faktor risiko positif
sebesar 60,50 persen. Misalkan ketika ada 10 ibu hamil dengan ada riwayat
penyakit, tidak ada riwayat KB, dan status anemia rendah ,maka terdapat 6 ibu
yang memiliki risiko mengalami kematian baik pada saat kehamilan, persalinan
dan nifas.
Jika dilihat dari penerapan formula indeks ini, dapat diketahui bahwa minimal
berisiko papda variabel riwayat penyakit dan dua variabel berisiko diantara tiga
variabel dalam indeks, maka berdasarkan perhitungan skor indeks dapat diketahui
bahwa ibu berisiko tinggi mengalami kematian pada saat kehamilan, persalinan
dan nifas. Keakurasian dari formula ini sebesar 79 persen, artinya dari 100 ibu
hamil dengan ada riwayat penyakit, tidak pernah KB, dan status anemia rendah
dapat diprediksi ada sekitar 79 ibu yang berisiko meninggal, sementara 21 ibu
a) Penelitian ini data yang terkumpul hanya dari data sekunder yang tercatat
Surabaya saja, sehingga tidak bisa menggali lebih dalam informarsi mengenai
faktor risiko lain yang berkontribusi pada kematian ibu selain dari yang di
BAB 7
PENUTUP
7.1 Kesimpulan
Berdasarkan hasil penelitian dan pembahasan yang seperti dalam bab sebelumnya
13. Formula indeks prediktif risiko kematian ibu di Kota Surabaya yaitu :
89
7.2 Saran
1. Bagi masyarakat dimana ibu hamil yang memiliki riwayat penyakit agar lebih
mengandung serat serealia, tanin, asam oksalat, dan asam fitat seperti pada
penyerapan zat besi dalam tubuh dengan menambah jumlah konsumsi buah-
buahan.
sehingga dari awal sudah diketahui calon ibu hamil yang memiliki risiko
mengalami kematian baik pada saat kehamilan, persalinan dan nifas, serta
besi.
ibu. Untuk mencegah anemia pada ibu hamil sebaiknya petugas puskesmas
melakukan skrining pada pasangan usia subur terutama pada calon ibu untuk
responden.
DAFTAR PUSTAKA
Andriani M., dan Wijatmadi B., (2012), Peranan Gizi dalam Siklus Kehidupan,
Jakarta : Kencana
Dinas Kesehatan Kota Surabaya, (2012), Buku Profil Kesehatan Kota Surabaya
Tahun 2012
Dinas Kesehatan Kota Surabaya, (2014), Buku Profil Kesehatan Kota Surabaya
Tahun 2014
Depkes RI, (2009), Pedoman Pemantauan Wilayah Setempat Kesehatan Ibu dan
Anak (PWS-KIA), Jakarta : departemen kesehatan
Evance I., Godfrey M., Masanja., Honorati., and Kathleen K.,(2013), Causes and
Risk Factors for Maternal Mortality in Rural Tanzania – Case of Rufiji
Health and Demographic Surveilance Site (HDSS), African Journal of
Reproductive Health, September 2013 17(3); 119-130
92
Godevay H., Byass P., Graham WJ., Kinsman J., and Mulugeta A., (2015), Risk
Factors for Maternal Mortality in Rural Tigray, Northern Ethiopia: A Case-
Control Study, Journal PLOS ONE (PONE) Desember 17, 2015, 1: 12
Goffman D., Madden RC., Harrison EA., Merkatz IR., dan Chazotte C.,(2007),
Predictorsmof Maternal Mortality and Near-miss maternal morbidity,
Journal of Perinatology, 27, 597-601
Hernandez JC., dan Moser CM.,(2013), Community Level Risk Faktors For
Maternal Mortality In Madagascar, African Journal of Reproductiven
Health December 2013,17 , 118-129
Iqbal K., Shaheen F., and Begum A.,(2014), Risk Factors of Maternal Mortality,
Journal of Rawalpindi Medical College (JRMC) , 18(1) ,136-138
Leach C.,(2013), Satu Dari Empat Kematian Terkait Kehamilan Pada Ibu Dengan
HIV Terjadi Di Negara-negara yang paling terdampak oleh HIV,
http://spiritia.or.id/news/bacanews.php?nwno=3281 (Sitasi 10 Juli 2016)
Murti B., (2008), Prinsip dan Metode Riset Epidemiologi, Yogyakarta : Gadjah
Mada University Press.
Prasetyawati dan Arsita E.,(2012)., Kesehatan Ibu dan Anak (KIA) Dalam
Millenium Development Goals, Yogyakarta : Nuha Medika
Poorolajal J., Alafchi B., Vosoogh RN., Hamzeh S., Ghahramani M.,(2014), Risk
Factors for Maternal Mortality in the west of Iran : a Nested Case – Control
Study, Epidemiology and Health (epiH), Vol 36,1-5
Purnadhibrata I M., (2011), Upaya Pencegahan Anemia Gizi Besi Pada Ibu
Hamil, Jurnal Ilmu Gizi Vol 2, No 2, 118-124
Rejeki ST., Fatkhiyah N., dan Rizwijaya W,.(2014), Analisis Faktor Risiko
Terhadap Kematian Maternal Di Kabupaten Tegal Periode 2011-2012,
BHAMADA,JITK, Vol.4, No.1, Januari 2014
Taguchi N., Kawabata M., Maekawa M., Maruo T., Aditiawarman dan Dewata L.,
(2003), Influence of Sosio Economic Background and Antenatal Care
Programmes on Maternal Mortality in Surabaya Indonesia, Tropical
Medicine and International Health, Vol.8, No.9, 847-852
Weyesa JB., Tadesse AH., Eba TY., Minta MK., Gudu HT., and Tesfaw Y.,
(2015), Prevalence and Risk Factors Associated with Maternal Mortality in
Mizan-Aman Hospital, Bench Maji, Southwest Ethiopia, J Women’s Health
Care (JWHC), Vol 4, No 6, 1:5
Wijono D.,(2008), Manajemen Kesehatan Ibu dan Anak, Surabaya : Duta Prima
Airlangga
Yego F., D’este C., Byles J., Williams JS., and Nyongesa P.,(2014),Risk Factors
for Maternal Mortality in a tertiary Hospital in Kenya: a Case Control
Study, BMC Pregnancy and Childbirth, http://www.biomedcentral.com
(sitasi 20 Juni 2016)
LAMPIRAN 1
CROSTABS
1. UMUR
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Umur Ibu * Risiko Kematian Ibu 114 100.0% 0 .0% 114 100.0%
2. JUMLAH PARITAS
96
3. IMT
4. LILA
5. STATUS ANEMIA
6. JARAK KEHAMILAN
7. IMUNISASI TT
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Imunisasi TT * Risiko Kematian
114 100.0% 0 .0% 114 100.0%
Ibu
8. PEMERIKSAAN KEHAMILAN
9. PENOLONG PERSALINAN
10. RIWAYAT KB
LAMPIRAN 2
ANALISIS BIVARIAT
1. Umur
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Berisiko 30 1.000
Classification Tablea,b
Predicted
Kasus 38 0 .0
102
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 38 0 .0
Classification Tablea,b
Predicted
Kasus 38 0 .0
2. Jumlah Paritas
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Berisiko 45 1.000
Classification Tablea,b
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 38 0 .0
3. IMT
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Berisiko 60 1.000
Classification Tablea,b
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Parameter coding
Frequency (1)
Classification Tablea
Predicted
Kasus 38 0 .0
4. LILA
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Berisiko 20 1.000
Classification Tablea,b
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 38 0 .0
5. Status Anemia
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Berisiko 27 1.000
Classification Tablea,b
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 22 16 42.1
6. Jarak kehamilan
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Berisiko 14 1.000
Classification Tablea,b
Predicted
Kontrol Kasus
Kasus 38 0 .0
Score df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 38 0 .0
7. Imunisasi TT
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Tidak 11 1.000
Classification Tablea,b
Predicted
Kontrol Kasus
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 32 6 15.8
8. Pemeriksaan Kehamilan
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Berisiko 11 1.000
Classification Tablea,b
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 32 6 15.8
9. Penolong Persalinan
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Classification Tablea,b
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 38 0 .0
10. Riwayat KB
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Riwayat KB Ya 96 .000
Tidak 18 1.000
Classification Tablea,b
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 26 12 31.6
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Ada 22 1.000
Classification Tablea,b
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 22 16 42.1
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter coding
Frequency (1)
Ada 14 1.000
Classification Tablea,b
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
Classification Tablea
Predicted
Kasus 28 10 26.3
LAMPIRAN 3
ANALISIS MULTIVARIAT
.5).
Case Processing Summary
Missing Cases 0 .0
Unselected Cases 0 .0
a. If weight is in effect, see classification table for the total number of cases.
Original
Kontrol 0
Kasus 1
Parameter
coding
Frequency (1)
Tidak 11 1.000
129
Berisiko 45 1.000
Berisiko 27 1.000
Berisiko 11 1.000
Riwayat KB Ya 96 .000
Tidak 18 1.000
Ada 22 1.000
Berisiko 30 1.000
a,b
Classification Table
Predicted
Kasus 38 0 .0
Score df Sig.
Chi-square df Sig.
Model Summary
a
2 109.006 .272 .377
a
3 109.154 .271 .376
a
4 109.845 .266 .370
a
5 110.817 .260 .361
1 6.209 7 .516
2 5.606 6 .469
3 2.701 4 .609
4 1.280 4 .865
5 .161 3 .984
1 6.209 7 .516
2 5.606 6 .469
3 2.701 4 .609
4 1.280 4 .865
5 .161 3 .984
2 28 28.290 4 3.710 32
3 5 5.160 1 .840 6
4 12 13.459 4 2.541 16
5 8 8.461 4 3.539 12
6 9 7.038 3 4.962 12
7 7 5.228 4 5.772 11
8 1 3.091 10 7.909 11
9 1 .779 8 8.221 9
2 2 1.706 0 .294 2
3 15 16.839 5 3.161 20
4 8 8.518 4 3.482 12
5 9 7.069 3 4.931 12
6 7 5.156 4 5.844 11
7 2 3.208 10 8.792 12
8 0 .668 8 7.332 8
2 15 16.750 5 3.250 20
3 9 9.188 4 3.812 13
4 9 6.985 3 5.015 12
5 6 5.993 8 8.007 14
6 2 2.515 14 13.485 16
2 18 18.951 5 4.049 23
3 8 8.841 6 5.159 14
4 6 4.802 3 4.198 9
5 5 5.130 8 7.870 13
6 2 2.055 12 11.945 14
2 9 9.146 6 5.854 15
3 5 4.471 3 3.529 8
4 5 5.115 8 7.885 13
5 2 2.086 12 11.914 14
a
Classification Table
Predicted
Kasus 18 20 52.6
Kasus 16 22 57.9
Kasus 16 22 57.9
Kasus 17 21 55.3
Kasus 18 20 52.6
Score df Sig.
a
Step 2 Variables Umur(1) .073 1 .787
LAMPIRAN 4
138
LAMPIRAN 5
139
LAMPIRAN 6
140
LAMPIRAN 7
141
142
LAMPIRAN 8
143