TINJAUAN PUSTAKA
Pasangan Usia Subur (PUS) adalah pasangan suami istri yang istrinya berumur
antara 15 sampai dengan 49 tahun atau pasangan suami istri yang istri berumur
kurang dari 15 tahun dan sudah haid atau istri berumur lebih dari 50 tahun, tetapi
masih haid (datang bulan) (Kurniawati, 2014). PUS yang menjadi peserta KB adalah
pasangan usia subur yang suami/istrinya sedang memakai atau menggunakan salah
satu alat atau cara kontrasepsi modern pada tahun pelaksanaan pendataan keluarga.
(BKKBN, 2011)
Kontrasepsi
Program KB merupakan upaya mengatur kelahiran anak, jarak, dan usia ideal
dengan hak reproduksi untuk mewujudkan keluarga yang berkualitas (UU No 52,
2009). Tujuan dari program KB pada dasarnya yaitu pengaturan kelahiran guna
8
9
Indonesia (PKBI) yang merupakan organisasi sosial yang bergerak dalam bidang
dari 2,4 (SDKI 2002/2003 setelah revisi) menjadi sekitar 2,3 anak per perempuan
usia reproduksi (SDKI 2007 setelah direvisi). Penurunan TFR antara lain didorong
oleh meningkatnya usia kawin pertama perempuan dari sekitar 19,2 tahun pada tahun
2003, menjadi 19,8 tahun (SDKI,2007). Selain itu juga disebabkan karena penurunan
angka kelahiran menurut umur 15-19 tahun dari 35 menjadi 30 per 1000
karena dengan dua atau tiga anak, setiap keluarga lebih dapat memenuhi hak-hak
rendah dan bervariasi antar provinsi, status ekonomi, tingkat pendidikan, dan desa-
kota. Bila dilihat hasil SDKI 2002-2003 dan 2007, CPR tidak memperlihatkan
peningkatan yang berarti, yaitu masing-masing dari 56,7% menjadi 57,4% (cara
modern) dan dari 60% menjadi 61,4%(semua cara). CPR terendah terdapat di
Maluku sekitar 33,9 persen dan tertinggi di Bengkulu sekitar 73,9 persen(BKKBN,
2011).
SDKI 2007 dan 2012 tidak meningkat secara signifikan, yaitu dari sebesar 56,7%
10
pada tahun 2002 menjadi sebesar 57,4 % pada tahun 2007, dan pada tahun 2012
meningkat menjadi sebesar 57,9%. Penggunaan alat dan obat Metode Kontrasepsi
Jangka Pendek (non MKJP) terus meningkat dari 46,5% menjadi 47,3%), sementara
menjadi 10,6. Rendahnya kesertaan KB Pria, yaitu sebesar 2,0 persen (BKKBN,
2015).
pengendalian tingkat kelahiran. Indikator ini merupakan salah satu indikator penting
tujuan ingin mengatur jarak dan jumlah kelahiran termasuk ke dalam kebutuhan ber-
2011). Unmet need KB adalah Pasangan Usia Subur (PUS) yang tidak
menginginkan anak, menginginkan anak dengan jarak 2 tahun atau lebih tetapi
Dalam program KB di Indonesia, terjadi peningkatan unmet need dari 8,4% pada
tahun 2002 menjadi 9,1% pada tahun 2007, padahal prevalensi pemakaian
Berdasarkan SDKI 2007 dan 2012, total unmet need di Indonesia menurun dari 13%
menjadi 11% .
Terjadinya unmet need pada pasangan usia subur merupakan salah satu sikap
dan perilaku dari pasangan tersebut dalam menggunakan alat kontrasepsi. Salah satu
teori perilaku yaitu Teori Precede-Proced yang dikembangkan oleh Lawrence Green
mempengaruhi kejadian unmet need pada PUS. Namun terdapat pula faktor lain yang
dapat mempengaruhi PUS untuk tidak menggunakan alat kontrasepsi dan menjadi
a. Umur
ibu dan anak akibat melahirkan pada usia muda, jarak kelahiran yang terlalu
dekat dan melahirkan pada usia tua. Berdasarkan penelitian yang pernah
dilakukan oleh Ulsafitri dan Nabila, 2015 tidak terdapat hubungan yang
12
b. Pengetahuan
2015). Selain itu, penelitian yang dilakukan oleh Suseno 2011 menunjukkan
8,378).(Suseno, 2011).
metode kontrasepsi 4>tahun memiliki risiko 4,67 kali lebih besar untuk
kontrasepsi ≤4 tahun (OR = 4,67). Selain itu jenis alat kontrasepsi pil
Jumlah anak yang dimaksud adalah jumlah anak yang masih hidup yang
dalam Indira 2009). Keluarga yang berkualitas adalah keluarga yang sejahtera,
sehat, maju, mandiri, memiliki jumlah anak yang ideal, berwawasan ke depan,
hubungan yang signifikan antara jumlah anak dengan kejadian unmet need KB
kriteria yang dibuat oleh BPS dalam mengelompokkan rata-rata jarak terdekat
(km) dari rumah tangga ke fasilitas umum yaitu dikategorikan dengan jika
jarak dari rumah ke puskesmas ≤ 2,5 km dan jauh jika jarak dari rumah
puskesmas > 2,5 km (BPS 2007 dalam Purba, 2008). Untuk mendapatkan alat
maupun bidan praktik mandiri (BPM). Alat kontrasepsi berupa kondom dapat
14
b. Pendapatan Keluarga
Pendapatan menurut BPS (2006) merupakan balas jasa yang diterima oleh
c. Biaya
Mekanisme harga adalah proses yang berjalan atas dasar haya tarik-
pasar (Boediono, 2011). Pasar yang dimaksud dapat kita artikan sebagai
penggunaan metode kontrasepsi, harga atau biaya yang mudah dijangkau oleh
dalam penggunaan metode kontrasepsi harus dapat diterima bukan hanya oleh
15
yang ada dalam kontrasepsi yaitu apabila mendengar kata kontrasepsi identik
dipernah dilakukan oleh Ulsafitri dan Nabila, 2015 terdapat hubungan yang
keharmonisan keluarga.
klinik KB yang dekat dengan temapt tinggalnya. Terlihat proses interaksi sosial
dan penyampaian pesan terjadi, di mana bidan akan akan menjelaskan dan
memberikan informasi secara detail apa itu program KB, apa saja jenis-jenis
kntrasepsi hingga apa saja reaksi atau dampak dari setiap jenis alat kontrasepsi
Ulsafitri dan Nabila, 2015 disebutkan bahwa ada hubungan yang signifikan
2.4.4 Teori Health Belief Model dalam Faktor Yang Mempengaruhi Unmet
need KB
dapat digunakan salah teori perilaku yaitu Teori Health Belief Model. Teori
kesehatan.
lain :
Menurut teori HL Blum (dalam Kandera, 2004) terdapat empat faktor utama
yang mempengaruhi status kesehatan yaitu faktor genetik, faktor perilaku, pelayanan
kesehatan dan faktor lingkungan. Faktor genetik didapatkan dari orang tua dan
lainnya yaitu lingkungan mencakup kimia, sosial dan biologi. Faktor perilaku
pokok yaitu faktor perilaku dan faktor di luar perilaku. Perilaku dipengaruhi oleh tiga
pendidikan atau promosi kesehatan. Precede dapat diuraikan menjadi tiga faktor
2014)
nilai-nilai, dan lain sebagainya. Faktor pemungkin (enabling factor) merupakan fakor
18
yang terwujud dalam lingkungan fisik, tersedia atau tidaknya fasilitas kesehatan,
Faktor pendorong (reinforcing factor) dapat terwujud dari sikap dan perilaku petugas
2014)
Kurt Lewin (1970) menjelaskan bahwa perilaku manusia itu adalah sesuatu
kedua tersebut. Atau dalam konsep sehat sakitnya adalah terjadi ketidakseimbangan
antara yin dan yang, maka akan menimbulkan penyakit dalam konsep Cina. Maka
agar tidak terjadinya penyakit atau ingin sehat maka harus memiliki keseimbangan
yaitu(Kandera, 2004) :
(Perceived Benefits)
menjadi 3 yaitu :
adalah 75% atau apabila jumlah jawaban responden yang benar adalah 75%.
diajukan atau apabila jumlah jawabnan responden yang benar berkisar 40-
74%.
3. Kategori rendah apabila kurang dari 40% responden menjawab benar seluruh
pertanyaan yang diajukan atau apabila total skor responden yang menjawab
diantaranya terdiri dari regresi linier sederhana dan ganda, regresi logistik, regresi
garis lurus adalah metode yang paling tepat untuk menjelaskan hubungan
tergantungnya numerik (interval).Model regresi linier terdapat dua jenis yaitu regresi
linier sederhana dan regresi linier ganda. Pemilihan metode regresi linier yang
dipakai dilihat dari jumlah variabel bebas yang ada. Regresi linier sederhana
adalah model regresi yang digunakan untuk mempelajari hubungan satu variabel
bebas (X) dengan satu variabel tergantung (Y). Sedangkan regresi linier ganda
variabel bebas (Xi) dengan satu variabel tergantung berskala kontinyu (Y).
Menurut (Daniel, 2009), model dari persamaan regresi linier sederhana yaitu :
𝑦 = 𝛽0 + 𝛽𝑋
𝑦 = 𝛽0 + 𝛽1 𝑋1 + ⋯ + 𝛽𝑖 𝑋𝑖
Keterangan :
Y = variabel tergantung
X = variabel bebas
menganalisa hubungan antara satu atau beberapa variabel bebas dengan satu variabel
tergantung yang bersifat kategorikal (Riyanto, 2012). Model regresi logistik juga
dapat digunakan untuk mengendalikan efek perancu dari beberap avariabel perancu
secara simultan dan juga dapat digunakan untuk meramal kemungkinan seseorang
apabila variabel tergantungnya lebih dari dua kategori yaitu “rendah”, “sedang”, dan
“tinggi”.
Regresi logistik dibedakan menjadi dua yaitu regresi logistik sederhana dan
mempelajari hubungan antara satu variabel bebas dengan satu variabel tergantung
mempelajari hubungan beberapa variabel bebas dengan satu variabel tergantung yang
bersifat kategorikal.
Model regresi logistik merupakan perkembangan dari model regresi linier. Dalam
beberapa kasus penelitian ingin melihat hubungan dari beberapa variabel bebas
linier tidak dapat digunakan. Oleh karena itu, salah satu pilihan analisis yang
digunakan adalah model regresi logistik. Model logistik dikembangkan dari fungsi
logistik
Ada tidaknya faktor risiko dari variabel bebas terhadap variabel tergantung dapat
dilihat dari Odds Ratio. Odds adalah perbandingan antara probabilitas A (sakit)
dibagi dengan probabilitas A (tidak sakit). Secara umum dijelaskan dalam persamaan
𝑃𝑟𝑜𝑏 (𝐴 𝑠𝑎𝑘𝑖𝑡) 𝑝
𝑂𝑑𝑑𝑠 𝐴 = =
𝑃𝑟𝑜𝑏 (𝐴 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑘𝑖𝑡) 1−𝑝
Sedangkan Odds ratio (OR) adalah rasio antara Odds dari kelompok terpapar dengan
Odds dari kelompok tidak terpapar. Misalnya akan dianalisis hubungan dukungan
suami terhadap kejadian unmet need, dimana variabel X adalah dukungan suami
dengan kategori X=1 adalah tidak mendukung dan X=0 adalah mendukung maka OR
Odds ratio yang diperoleh dari analisis regresi logistik disebut adjusted odds ratio
karena asumsinya bahwa tidak ada pengaruh variabel bebas yang lain.
terhadap variabel tergantung (Y). Misalnya R2 = 0,60 berarti 60% variasi nilai
variabel Y dipengaruhi oleh variabel X dan sisanya oleh faktor lain. Berikut adalah
∑(𝑌 ′ − 𝑌̅ )2 𝑆𝑆𝑅
𝑅2 = =
∑(𝑌 − 𝑌̅ )2 𝑇𝑆𝑆
Keterangan :
R2 : Koefisien determinasi
Y’ : Nilai Y terhitung
Y : Nilai variabel Y
Untuk mengetahui seberapa penting suatu variabel di dalam model, maka perlu
membandingkan nilai-nilai prediksi pada dua model yaitu model tanpa variabel
nilai prediksi tersebut maka digunakan dua uji yaitu uji Likelihood ratio dan uji Wald
Uji likelihood ratio menggunakan ratio nilai maksimal dari fungsi likelihood
untuk model penuh (L1) atasnilai maksimal dari fungsi likelihood untuk
Keterangan :
LR : Likelihood Ratio
b. Uji Wald
Uji Wald sejenis dengan Likelihood ratio tapi nilai yang digunakan
persamaannya:
1 𝑀𝐿𝐸 − 𝜃
log (𝐿𝑅)𝑞𝑢𝑎𝑑 = − ( )
2 𝑆
Keterangan :
24
𝑆 : Standarrt Error
𝜃 : Rate ratio
koefisien regresi (b) dan standart error (Sebi). Berikut adalah persamaannya
(Widarsa, 2009).
𝑏𝑖
𝑡=
𝑆𝑒𝑏𝑖
Keterangan :
t : Uji t
b : koefisien regresi
Se : standart error
𝑏𝑖
𝑊𝑎𝑙𝑑 = √
𝑆𝑒𝑏𝑖
Nilai p pada hasil analisis juga digunakan untuk menguji apakah Odd ratio
bermakna atau tidak. Nilai p<α menyatakan H0 ditolak dan nilai P>α menyatakan H0
diterima.
digunakan dibandingkan dengan Uji Wald (Kirkwood dan Sterne, 2000), karena :
25
1. Perhitungan dan interpretasi yang didapatkan dengan uji leklihood ratio dapat
digunakan untuk situasi yang lebih kompleks dibandingkan dengan uji wald.
2. Walaupun Uji wald lebih baik dalam analisis variabel terpapar (exposure)
yang diwakili oleh satu parameter, uji ini kurang baik untuk analisis dengan
Binary Logistic Regression adalah salah satu model regresi logistik dengan
variabel tergantung binomial. Berdasarkan jenis variabel bebasnya ada dua jenis
Binary Logistic Regression yaitu Binary Logistic Regression dengan variabel bebas
binomial dan binary logistic regression dengan variabel bebas ordinal (Widarsa,
2009).
𝐸𝑥𝑝 (𝑎 + 𝑏1 )
𝑂𝑅 = = 𝐸𝑥𝑝 (𝑏𝑖 )
𝐸𝑥𝑝 (𝑎)
dummy variable yaitu variabel nominal dengan dua kategori saja yaitu
sedang, dan tinggi) dengan kejadian unmet need KB, maka akan dibuat
terendah dimana dalam contoh ini adalah pengetahuan rendah. Maka bentuk
dummy variable nya adalah yang pertama variabel pengetahuan sedang (X1)
menjadi :
𝐿𝑂𝑔 𝑂𝑑𝑑 = 𝑎 + 𝑏1 𝑋1 + 𝑏2 𝑋2
Keterangan :
a : intercept
ukuran statistik yang dapat dijadikan kriteria diantaranya yaitu Goodness of fit,
a. Goodness of fit
Goodness of fit merupakan cara yang sering dipakai untuk mengetahui apakah
data fit dengan model regresi logistik. Pada metode ini akan dibandingkan antara
hasil observasi dengan prediksi hipotetik dimana data fit model secara sempurna.
Perbedaan antara hasil observasi dengan hasil prediksi mempunyai distribusi Chi
Square.
27
b. Classification table
Tabel klasifikasi adalah salah satu metode untuk mengetahui apakah data fit
dengan model regresi logistik. Dalam tabel klasifikasi akan dibandingkan antara
hasil observasi dengan yang diperkirakan dari model sehingga akan diketahui
berapa persen hasil observasi sama dengan hasil prediksi dari model (percent
correct). Bila percent correct lebih besar dari 50% maka dapat disimpulkan
c. Deviance
Devience merupakan cara lain yang dapat digunakan untuk mengukur seberapa
mirip hasil obeservasi dengan hasil prediksi dari model. Probabilitas hasil
observasi mirip dengan prediksi dari model disebut dengan likelihood. Karena
likelihood lebih kecil dari 1, lalu dipakai -2 kali log (likelihood_ atau -2LL
sebagai ukuran seberapa baik model fit dengan data. Bila data fit dengan model
𝐸𝑥𝑝𝑎+𝑏𝑖𝑋𝑖
𝑝=
1 + 𝐸𝑥𝑝𝑎+𝑏𝑖 𝑋𝑖
Dalam analisis Model Regresi, untuk membuat model yang baik ada 4
algoritma seleksi yang dapat dipilih yaitu metode stepwise, forward, backward, dan
a. Metode enter adalah metode regresi dengan cara memasukkan semua variabel
nenas secara bersam-sama ke dalam model dan besar kecil pengaruh setiap
Penggunaan metode enter tepat apabila secara teori variabel bebas benar-
prediktor dari depan dimana semua variabel bebas awalnya dianggap tidak
berpengaruh.
berpengaruh.
yang sudah ada di dalam model selanjutnya akan dianalisis dengan metode
backward.
Metode regresi logistik telah banyak dimanfaatkan untuk analisis faktor risiko
atau determinan. Salah satu penelitian yang memanfaatkan metode regresi logistik
adalah penelitian untuk mengetahui faktor determian asi ekslusif pada bayi usia 6-12
bulan di puskesmas III denpasar selatan. Dari hasil analisis dapat diketahui bahwa
asi ekslusif. Selain itu penelitian yang memanfaatkan metode regresi logistik adalah
29
penenlitian untuk faktor risiko kanker nasofaring di RSUP Sanglah. Dari hasil
penenlitian dapat diketahui variabel papapran asap rokok pada perokok pasif dan