NIM : 1905073
Peminatan : AKK
A. Seleksi Bivariat
Seleksi bivariat digunakan untuk menentukan variabel independen mana yang akan
dijadikan kandidat untuk pemodelan multivariat. Seleksi bivariat dilakukan dengan uji
regresi logistik sederhana, yaitu satu variabel independen dihubungkan dengan satu variabel
dependen.
Dalam hal ini Saya akan melakukan seleksi bivariat kepada 6 variabel guna mencari
kandidat yaitu
1. Olahraga
2. Kawin
3. Status Gizi (Dummy)
4. Umur
5. Gula Darah
6. Jenis Kelamin
Variabel Olahraga
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 9.349 1 .002
Block 9.349 1 .002
Model 9.349 1 .002
Variabel Umur
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 34.142 1 .000
Block 34.142 1 .000
Model 34.142 1 .000
Tabel 1
Seleksi Bivariat
B. Pemodelan Multivariat
1. Pemodelan Multivariat I
Dalam pemodelan Multivariat saya memasukan 5 variabel kandidat Olahraga
Status kawin, Status gizi, Umur, Jenis kelamin. Berikut Hasil pemodelannya.
2. Pemodelan Multivariat II
Dalam pemodelan multivariate II ini saya memasukan 4 variabel kandidat
yaitu kebiasaan olahraga, status gizi, umur, jenis kelamin. Berikut hasil analisisnya
Variables in the Equation
95% C.I.for EXP(B)
B S.E. Wald Df Sig. Exp(B) Lower Upper
Step 1 a
kebiasaan olah raga .207 .375 .305 1 .581 1.230 .590 2.567
Status gizi 23.596 2 .000
Status gizi(1) -.082 .607 .018 1 .893 .921 .280 3.027
Status gizi(2) 1.413 .297 22.712 1 .000 4.110 2.298 7.351
Umur .070 .012 34.125 1 .000 1.072 1.048 1.098
Jenis kelamin .542 .337 2.576 1 .108 1.719 .887 3.330
Constant -5.236 .750 48.714 1 .000 .005
a. Variable(s) entered on step 1: kebiasaan olah raga, Status gizi, Umur , Jenis kelamin.
Untuk mengetahui apakah variabel kawin benar-benar keluar atau merupakan
variabel confounding, maka dilakukan pemeriksaan confounding dengan melihat
perubahan OR apakah lebih atau kurang dari 10%. Apabila diperoleh perubahan OR
>10% maka variabel kawin dikatakan sebagai variabel confounding. Untuk
menghitung perubahan OR, dilakukan secara manual. Hasilnya adalah sebagai
berikut :
Tabel 2
Perubahan OR
Variabel OR Ada Kawin OR Tidak Ada Kawin Perubahan OR
Kebiasaan Olahraga 1.251 1.230 -1.67
Status Kawin 1.075 - -
Status Gizi - - -
Status Gizi 1 0.879 0.921 4.77
Status Gizi 2 4.129 4.110 -0.46
Umur 1.071 1.072 0.09
Jenis Kelamin 1.669 1.719 2.99
Tabel 3
Perubahan OR
Variabel OR Ada Olahraga OR Tidak Ada Olahraga Perubahan OR
Kebiasaan Olahraga 1.230 - -
Status Gizi - - -
Status Gizi 1 0.921 0.906 -1.62
Status Gizi 2 4.110 4.171 1.48
Umur 1.072 1.073 0.09
Jenis Kelamin 1.719 1.915 11.40
4. Pemodelan Multivariat IV
Dalam pemodelan multivariate IV ini, saya akan meengeluarkan Pvalue
terbesar berikutnya yaitu pada variabel jenis kelamin dengan Pvalue = 0.019 dan
memasukan 3 variabel kandidat berikutnya yaitu : variabel kebiasaan olahraga, status
gizi, dan umur. Hasil analisisnya sebagai berikut:
Pada model SPSS, terdapat variabel interaksi (P>0,05), sehingga pemodelan terakhir
ada variabel interaksi.
Pemodelan Akhir Multivariat
Variables in the Equation
95% C.I.for EXP(B)
B S.E. Wald Df Sig. Exp(B) Lower Upper
Step 1a kebiasaan olah raga .207 .375 .305 1 .581 1.230 .590 2.567
Status gizi 23.596 2 .000
Status gizi(1) -.082 .607 .018 1 .893 .921 .280 3.027
Status gizi(2) 1.413 .297 22.712 1 .000 4.110 2.298 7.351
Umur .070 .012 34.125 1 .000 1.072 1.048 1.098
Jenis kelamin .542 .337 2.576 1 .108 1.719 .887 3.330
Constant -5.236 .750 48.714 1 .000 .005
a. Variable(s) entered on step 1: kebiasaan olah raga, Status gizi, Umur , Jenis kelamin.
D. Omnibus Tes
Pada analisi multivariate di atas diperoleh Pvalue=0.000 artinya model multivariate
layak di gunakan.
E. Nagelkerke R Square
Pada kasus diatas diperoleh Nagelerke R Square =0.291 artinya variabel independen
(olahraga, status gizi, umur, dan jenis kelamin) dapat menjelaskan varibel dependen
(hipertensi) sebesar 29,1% sisanya dijelaskan oleh variabel yang tidak di teliti.
F. Interpretasi Analisis Multivariat
1. Varibel paling dominan berhubungan denga hipertensi adalah Umur dimana mereka
yang berumu > 35 tahun beresiko 4 kali mengalami kejadian hipertensi dibandingkan
yang berumur < 35 tahun setelah di kontrol oleh variabel olahraga,status gizi, dan
jenis kelamin.
2. Variabel status gizi berhubungan dengan hipertensi pada mereka yang bergizi baik
beresiko 1 kali mengalami kejadian hipertensi dari pada yang berstatus gizi kurang.
Sedangkan pada pada mereka gizi lebih/obesitas lebih beresiko 4kali mengalami
kejadian hipertensi disbanding mereka yang bergizi kurang setelah di kontrol denga
variabel kebiasaan olahraga ,umur dan jenis kelamin.
3. Variabel confounding adalah olahraga dan jenis kelamin
4. Variabel yang tidak berhubungan adalah variabel gula darah dan status perkawinan.
5. Model multivariate sudah layak untuk di gunakan dengan Pvalue Omnibus Tes
<0001
6. Nilai Nagelkerke R Square =0,291 artinya variabel independen (olahraga, status gizi,
umur, dan jenis kelamin) dapat menjelaskan varibel dependen (hipertensi) sebesar
29,1% sisanya dijelaskan oleh variabel yang tidak di teliti.