Bahan Ajar MANDATKES UJI REGRESI

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
UNIVERSITAS NEGERI SEMARANG (UNNES)

Kantor: Rektorat UNNES Kampus Sekaran, Gunungpati, Semarang 50229
Rektor: (024)8508081 Fax (024)8508082, Warek I: (024) 8508001
Website: www.unnes.ac.id - E-mail: rektor@mail.unnes.ac.id
FORMULIR MUTU
BAHAN AJAR/DIKTAT
No. Dokumen No. Revisi Hal Tanggal Terbit
FM-01-AKD-07 02 1 dari 16 27 Februari 2017
BAHAN AJAR/DIKTAT
NAMA MATA KULIAH: MANAJEMEN DATA KESEHATAN

KODE MATA KULIAH: 15P02909
JUMLAH SKS: 2 SKS
JURUSAN ILMU KESEHATAN MASYARAKAT

FAKULTAS ILMU KEOLAHRAGAAN
UNIVERSITAS NEGERI SEMARANG
2019
FORMULIR MUTU
BAHAN AJAR/DIKTAT
VERIFIKASI BAHAN AJAR
Pada hari ini, Senin, tanggal 26, bulan Februari, tahun 2018, Bahan Ajar Mata
Kuliah Manajemen Data Kesehatan Program Studi Kesehatan Masyarakat, S-1
Fakultas Ilmu Keolahragaan telah diverifikasi oleh Ketua Jurusan Ilmu Kesehatan
Masyarakat.
Semarang, 26 Februari 2019

Ketua Jurusan Ilmu Kesehatan Masyarakat, Tim Penulis,
Irwan Budiono, S.K.M., M.Kes(Epid) Galuh Nita Prameswari, SKM, M.Si

NIP. 197512172005011003 NIP. 198006132008122002
FORMULIR MUTU
BAHAN AJAR/DIKTAT
PRAKATA
Puji syukur kepada Allah SWT, karena rahmat dan hidayah-Nya, bahan
ajar/ diktat mata kuliah Manajemen Data Kesehatan ini dapat tersusun tepat
waktu. Materi utama yang dipelajari dalam mata kuliah ini ada manajemen data
dengan perangkat Epi Info dan SPSS.
Penyusunan bahan ajar ini disesuaikan dengan kebutuhan pembelajaran
dan disesuaikan dengan capaian pembelajaran lulusan (CPL) dan mata kuliah
(CPMK) yang telah ditetapkan serta diintegrasikan sesuai dengan nilai-nilai
konservasi yang relevan.
Bahan ajar ini diharapkan dapat dijadikan pegangan bagi mahasiswa
untuk memperdalam materi perkuliahan, di samping bahan ajar lain yang dapat
diakses secara online maupun offline. Dalam kesempatan ini, penulis
menyampaikan terimakasih kepada semua pihak yang telah mambantu proses
penulisan bahan ajar ini. Di samping itu, kami menyadari bahwa bahan ajar ini
masih banyak terdapat kekurangan, sehingga masukan dan kritik yang
membangun sangat kami harapkan demi tersusunnya bahan ajar yang lebih baik.
Semoga Allah SWT senantiasa meridhoi langkah kita semua. Aamiin.
Semarang, 26 Februari 2019

Penulis
FORMULIR MUTU
BAHAN AJAR/DIKTAT
DESKRIPSI MATA KULIAH
Mata kuliah Manajemen Data Kesehatan membahas tentang tentang

konsep dan aplikasi manajemen data kesehatan menggunakan perangkat Epi
Info dan SPSS untuk menganalisis data-data kesehatan secara univariabel,
bivariabel, dan multivariabel. Capaian pembelajaran mata kuliah yang diharapkan
setelah lulus mata kuliah ini adalah mampu memahami konsep dan
mempraktikkan perangkat Epi Info dan SPSS untuk menganalisis data-data
kesehatan secara univariabel, bivariabel, dan multivariabel yang menjunjung
tinggi nilai konservasi kejujuran, kreatif, dan inovatif.
Adapun capaian pembelajaran lulusan yang ingin dicapai meliputi aspek
sikap dan keterampilan umum, sebagai berikut:
Capaian pembelajaran lulusan sikap:
1. Menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan
agama,moral, dan etika
2. Mampu bekerja sama dan memiliki kepekaan sosial serta kepedulian yang
tinggi terhadap masyarakat dan lingkungannya
3. Menginternalisasi nilai, norma, dan etika akademik
Capaian pembelajaran lulusan keterampilan umum adalah mampu melakukan
kajian dan analisis situasi kesehatan masyarakat (analysis and assessment)
FORMULIR MUTU
BAHAN AJAR/DIKTAT
UJI REGRESI
Uji regresi merupakan uji hipotesis untuk variabel yang lebih dari satu. Pada bab
sebelumnya telah dibahas analisis bivariat (variabel bebas sejumlah 1 dan variabel terikat
sejumlah 1). Apabila salah satu variabel tersebut berjumlah lebih dari 1, maka analisis
yang dilakukan adalah analisis multivariabel atau multivariat. Kebanyakan orang
menganggap bahwa analisis mulitvariabel dan multivariat adalah sama. Padahal
sebenarnya, keduanya sangat jauh berbeda.
Analisis multivariabel adalah analisis apabila variabel bebas berjumlah lebih dari 1
dan variabel terikat berjumlah 1. Adapun analisis multivariat adalah analisis apabila
variabel bebas dan terikat berjumlah lebih dari 1. Analisis multivariat dipelajari pada
Biostatistik Advance. Untuk strata 1, analisis yang dipelajari adalah analisis bivariat dan
multivariabel.
Analisis multivariabel yang sering digunakan adalah uji regresi. Uji regresi
dibedakan menjadi 2, berdasarkan skala data pada variabel terikat, yaitu:
a. Regresi Linear, apabila skala data variabel terikat adalah numerik.
b. Regresi Logistik, apabila skala data variabel terikat adalah kategorik dikotom.
Prinsip kedua analisis di atas adalah pada variabel terikat. Sebagai contoh, variabel bebas
dengan skala data apapun dan variabel terikatnya dengan skala data kategorik, maka
analisis multivariabelnya menggunakan uji regresi logistik. Sebaliknya, variabel bebas
dengan skala data apapun dan variabel terikatnya dengan skala data numerik, maka
analisis multivariabelnya menggunakan uji regresi linear.
Uji regresi linear harus memenuhi beberapa asumsi, di antaranya : 1) asumsi
eksistensi, 2) asumsi independensi, 3) asumsi linieritas, 4) asumsi homoscedascity, 5)
asumsi normalitas, dan 6) asumsi colinearity. Oleh karena kompleksitas asumsi pada
regresi linear, maka pembahasan bab ini hanya tertuju pada regresi logistik. Sebagaimana
dijelaskan sebelumnya, regresi logistik dapat dilakukan apabila skala data variabel
terikatnya adalah kategorik dikotom. Arti dikotom sendiri adalah variabel yang terdiri
dari 2 kategori, seperti ya/tidak, sehat/sakit, hidup/mati, dan seterusnya.
5
FORMULIR MUTU
BAHAN AJAR/DIKTAT
Kasus :
Mahasiswa IKM melakukan studi terhadap faktor-faktor yang berhubungan dengan
kejadian Diabetes Mellitus Tipe II di RSUP Dr. Karyadi. Desain penelitian yang ditetapkan
adalah kasus kontrol. Variabel yang diteliti dalam penelitian tersebut adalah :
Variabel Bebas:
1. Jenis kelamin
2. IMT
3. Riwayat keluarga
4. Konsumsi serat Variabel Terikat:
5. Konsumsi gula DM Tipe II
6. Stres
7. Aktivitas fisik
8. Hipertensi
9. Riwayat BBLR
Pada analisis bivariabel, pemberian kode (coding) yang digunakan adalah 1 dan 2, namun
pada regresi logistik, coding yang digunakan adalah 1 (terjadi efek/penyakit/outcome)
dan 0 (tidak terjadi efek/penyakit/outcome). Keterangan tiap-tiap variabel di atas dapat
dilihat pada tabel berikut:
No Variabel Kategori Skala
1 DM 1. ya Kategorik
2. tidak
2 DM_reg 1. ya Kategorik
0. tidak
3 Jenis kelamin 1. laki-laki Kategorik
2. perempuan
4 IMT 1. obesitas Kategorik
2. normal
5 Riwayat keluarga 1. ada Kategorik
2. tidak ada
6 Konsumsi serat 1. rendah Kategorik
2. tinggi
7 Konsumsi gula 1. tinggi Kategorik
2. rendah
8 Stres 1. ya Kategorik
2. tidak
9 Aktivitas fisik 1. rendah Kategorik
2. tinggi
10 Hipertensi 1. ya Kategorik
6
FORMULIR MUTU
BAHAN AJAR/DIKTAT
No Variabel Kategori Skala

2. tidak
11 Riwayat BBLR 1. ada Kategorik
2. tidak ada
Langkah-langkah uji regresi logistik

1. Masukkan data DM Logit pada akhir bab ini. Simpan pada ROMBEL...\NIM........\Data
DM Logit.sav
2. Lakukan analisis bivariat masing-masing variabel bebas dengan variabel terikat
Uji hipotesis yang dilakukan untuk variabel di atas adalah Chi-square atau Fisher
apabila syarat Chi-square tidak terpenuhi. Lakukan uji Chi-square atau Fisher terlebih
dahulu. Hasil rekapitulasi analisis bivariat sebagai berikut.
No Variabel Kategori Nilai p OR
1 Jenis kelamin 1. laki-laki 1,00 1,00
2. perempuan
2 IMT 1. normal 0,045* 3,33
2. obesitas
3 Riwayat keluarga 1. ada 0,069* 2,61
2. tidak ada
4 Konsumsi serat** 1. rendah 0,706 1,80
2. tinggi
5 Konsumsi gula 1. tinggi 0,037* 3,05
2. rendah
6 Stres 1. ya 0,118* 2,29
2. tidak
7 Aktivitas fisik 1. rendah 0,028* 3,50
2. tinggi
8 Hipertensi 1. ya 0,067* 2,67
2. tidak
9 Riwayat 1. ada 0,371 1,71
2. tidak ada
*) nilai p < 0,25
**) menggunakan uji Fisher
3. Variabel yang dapat dianalisis secara multivariabel adalah variabel yang memiliki nilai
p < 0,250 (hasil analisis bivariat).
4. Lakukan uji regresi logistik. Cara melakukan uji regresi logistik sebagai berikut :
a. Klik Analyze → Regression → Binary Logistic
7
FORMULIR MUTU
BAHAN AJAR/DIKTAT
b. Masukkan variabel dm_reg ke dalam Dependent List

c. Masukkan semua variabel bebas dengan nilai p < 0,25 ke dalam Covariate
d. Pilih metode Backward LR pada Method
e. Aktifkan kotak Options

f. Pilih CI for exp(B). Pilih Hosmer-Lemeshow goodness-of-fit.
8
FORMULIR MUTU
BAHAN AJAR/DIKTAT
g. Klik Continue
h. Aktifkan kotak Save
i. Pilih Probabilities
j. Klik Continue
9
FORMULIR MUTU
BAHAN AJAR/DIKTAT
k. Aktifkan kotak Categorical. Pindahkan semua variabel dari Covariates ke Categorical

Covariates. Pilih Last pada Reference Category.
l. Klik Continue
m. Perhatikan pada masing-masing variabel, saat ini tercantum tulisan (cat) setelah
nama variabel
n. Klik OK.
o. Output disimpan pada folder ROMBEL...\NIM........\Output .spv
10
FORMULIR MUTU
BAHAN AJAR/DIKTAT
Output
Variables in the Equation
95.0% C.I.for EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper

Step 1a imt(1) 1.253 .715 3.067 1 .080 3.500 .861 14.220
riwayat(1) .701 .647 1.173 1 .279 2.015 .567 7.157
gula(1) 1.137 .639 3.164 1 .075 3.116 .891 10.902
stres(1) -.184 .675 .074 1 .785 .832 .222 3.122
aktivitas(1) 1.489 .704 4.475 1 .034 4.435 1.116 17.626
hipertensi(1) .871 .627 1.929 1 .165 2.389 .699 8.162
Constant -2.209 .713 9.602 1 .002 .110
Step 2a imt(1) 1.241 .713 3.031 1 .082 3.458 .856 13.978
riwayat(1) .668 .633 1.112 1 .292 1.950 .564 6.746
gula(1) 1.104 .626 3.115 1 .078 3.018 .885 10.289
aktivitas(1) 1.436 .673 4.548 1 .033 4.205 1.123 15.741
hipertensi(1) .845 .618 1.869 1 .172 2.327 .693 7.813
Constant -2.214 .713 9.640 1 .002 .109
Step 3a imt(1) 1.366 .706 3.749 1 .053 3.922 .983 15.639
gula(1) 1.024 .612 2.800 1 .094 2.784 .839 9.239
aktivitas(1) 1.518 .664 5.221 1 .022 4.563 1.241 16.776
hipertensi(1) .975 .606 2.591 1 .107 2.651 .809 8.687
Constant -2.023 .679 8.864 1 .003 .132
Step 4a imt(1) 1.368 .674 4.117 1 .042 3.929 1.048 14.734
gula(1) .988 .596 2.748 1 .097 2.685 .835 8.634
aktivitas(1) 1.531 .641 5.706 1 .017 4.622 1.316 16.230
Constant -1.456 .549 7.039 1 .008 .233
a. Variable(s) entered on step 1: imt, riwayat, gula, stres, aktivitas, hipertensi.
Interpretasi
1. Pada tabel Variables in Equation, terdapat 4 proses/step yang dilakukan SPSS.
Secara otomotis, SPSS menyeleksi variabel bebas secara backward (mundur) mulai
dari step 1 hingga step 4. Dengan kata lain, step 4 berisi dengan variabel bebas yang
berkontribusi kuat sebagai faktor risiko diabetes mellitus tipe II. Pada kolom Sig di
Step 4, variabel IMT, Konsumsi Gula, dan Aktivitas Fisik memiliki nilai p berturut-
turut 0,042; 0,097; dan 0,017.
11
FORMULIR MUTU
BAHAN AJAR/DIKTAT
2. Nilai/ukuran risiko pada variabel di step 4 dapat dilihat pada kolom Exp(B).
Eksponensial Beta/Exp(B) merupakan nama lain dari Odds Ratio. Nilai OR variabel
IMT, Konsumsi Gula, dan Aktivitas Fisik berturut-turut adalah 3,929; 2,685; dan
4,622. Cara membaca nilai OR pada regresi logistik adalah sebagai berikut :
✓ OR variabel IMT: 3,929, maka setelah mengontrol variabel lain, orang yang
obesitas berisiko 3,929 kali lebih besar terkena DM dibandingkan dengan orang
yang tidak obesitas.
✓ OR variabel konsumsi gula: 2,685, maka setelah mengontrol variabel lain, orang
yang mengkonsumsi gula tinggi berisiko 2,685 kali lebih besar terkena DM
dibandingkan dengan orang yang mengkonsumsi gula normal.
✓ OR variabel aktivitas fisik: 4,622, setelah mengontrol variabel lain, orang yang
beraktivitas fisik rendah berisiko 4,6222 kali lebih besar terkena DM
dibandingkan dengan orang yang beraktivitas fisik tinggi.
3. Dari ketiga variabel tersebut, variabel yang memiliki kontribusi terkuat untuk
menduga kejadian diabetes mellitus tipe II adalah aktivitas fisik. Hal ini dikarenakan
variabel Aktivitas Fisik memiliki nilai p yang paling kecil atau nilai Wald yang
paling besar.
12
FORMULIR MUTU
BAHAN AJAR/DIKTAT
Data DM Logit
No DM DM_reg JK IMT Riwayat Serat Gula Stres Aktivitas Hipertensi BBLR
1 1.0 1.0 2.0 2.0 1.0 1.0 2.0 1.0 1.0 1.0 2.0
2 1.0 1.0 1.0 2.0 2.0 1.0 1.0 2.0 2.0 1.0 2.0
3 1.0 1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
4 1.0 1.0 1.0 1.0 1.0 1.0 2.0 2.0 2.0 1.0 2.0
5 1.0 1.0 1.0 2.0 2.0 1.0 1.0 2.0 2.0 1.0 2.0
6 1.0 1.0 1.0 1.0 1.0 1.0 2.0 1.0 1.0 1.0 2.0
7 1.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.0
8 1.0 1.0 2.0 2.0 2.0 1.0 1.0 1.0 1.0 1.0 2.0
9 1.0 1.0 2.0 1.0 1.0 1.0 2.0 1.0 2.0 2.0 2.0
10 1.0 1.0 2.0 2.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0
11 1.0 1.0 2.0 2.0 1.0 1.0 2.0 2.0 2.0 2.0 1.0
12 1.0 1.0 2.0 2.0 2.0 1.0 1.0 1.0 1.0 2.0 2.0
13 1.0 1.0 2.0 2.0 2.0 1.0 2.0 2.0 2.0 1.0 2.0
14 1.0 1.0 2.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
13
FORMULIR MUTU
BAHAN AJAR/DIKTAT
15 1.0 1.0 2.0 2.0 1.0 1.0 1.0 1.0 2.0 2.0 1.0
16 1.0 1.0 1.0 1.0 2.0 1.0 1.0 1.0 2.0 1.0 2.0
17 1.0 1.0 1.0 1.0 1.0 2.0 1.0 1.0 2.0 1.0 2.0
18 1.0 1.0 2.0 2.0 1.0 1.0 2.0 2.0 1.0 1.0 2.0
19 1.0 1.0 2.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0
20 1.0 1.0 1.0 2.0 2.0 1.0 1.0 2.0 2.0 1.0 2.0
21 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0
22 1.0 1.0 2.0 2.0 2.0 1.0 1.0 2.0 2.0 1.0 2.0
23 1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 2.0 1.0 2.0
24 1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0
25 1.0 1.0 2.0 1.0 2.0 1.0 2.0 2.0 1.0 1.0 1.0
26 1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 2.0 1.0 1.0
27 1.0 1.0 2.0 2.0 1.0 1.0 1.0 2.0 2.0 2.0 1.0
28 1.0 1.0 1.0 1.0 2.0 2.0 1.0 2.0 2.0 2.0 2.0
29 1.0 1.0 1.0 2.0 2.0 2.0 1.0 2.0 1.0 2.0 1.0
30 1.0 1.0 1.0 2.0 2.0 1.0 2.0 2.0 1.0 2.0 2.0
14
FORMULIR MUTU
BAHAN AJAR/DIKTAT
31 2.0 0.0 2.0 2.0 2.0 1.0 1.0 1.0 2.0 2.0 2.0
32 2.0 0.0 1.0 2.0 2.0 2.0 1.0 2.0 2.0 2.0 2.0
33 2.0 0.0 1.0 2.0 2.0 1.0 1.0 1.0 2.0 1.0 2.0
34 2.0 0.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0 1.0 2.0
35 2.0 0.0 1.0 2.0 2.0 1.0 2.0 1.0 2.0 1.0 2.0
36 2.0 0.0 1.0 2.0 2.0 1.0 2.0 2.0 2.0 1.0 2.0
37 2.0 0.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0
38 2.0 0.0 2.0 2.0 1.0 1.0 2.0 1.0 2.0 1.0 2.0
39 2.0 0.0 2.0 1.0 2.0 1.0 1.0 2.0 2.0 1.0 1.0
40 2.0 0.0 2.0 2.0 1.0 1.0 1.0 2.0 2.0 1.0 2.0
41 2.0 0.0 2.0 2.0 2.0 1.0 2.0 2.0 2.0 1.0 2.0
42 2.0 0.0 2.0 2.0 1.0 1.0 2.0 2.0 2.0 1.0 2.0
43 2.0 0.0 2.0 2.0 2.0 1.0 2.0 1.0 2.0 1.0 1.0
44 2.0 0.0 2.0 2.0 2.0 1.0 2.0 2.0 2.0 1.0 2.0
45 2.0 0.0 2.0 2.0 1.0 1.0 2.0 2.0 1.0 1.0 2.0
46 2.0 0.0 1.0 2.0 1.0 1.0 2.0 2.0 2.0 1.0 1.0
15
FORMULIR MUTU
BAHAN AJAR/DIKTAT
47 2.0 0.0 1.0 2.0 2.0 1.0 1.0 1.0 1.0 2.0 1.0
48 2.0 0.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 1.0
49 2.0 0.0 2.0 2.0 2.0 1.0 1.0 2.0 2.0 2.0 2.0
50 2.0 0.0 1.0 2.0 2.0 1.0 2.0 1.0 1.0 2.0 2.0
51 2.0 0.0 1.0 1.0 2.0 1.0 1.0 2.0 2.0 2.0 2.0
52 2.0 0.0 2.0 2.0 1.0 2.0 2.0 2.0 2.0 2.0 2.0
53 2.0 0.0 2.0 2.0 2.0 1.0 2.0 2.0 1.0 2.0 2.0
54 2.0 0.0 2.0 2.0 1.0 1.0 1.0 2.0 1.0 2.0 2.0
55 2.0 0.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
56 2.0 0.0 2.0 1.0 2.0 2.0 1.0 2.0 2.0 2.0 1.0
57 2.0 0.0 2.0 2.0 2.0 1.0 2.0 2.0 2.0 2.0 2.0
58 2.0 0.0 1.0 1.0 2.0 1.0 2.0 2.0 2.0 2.0 2.0
59 2.0 0.0 1.0 2.0 1.0 1.0 2.0 1.0 2.0 2.0 2.0
60 2.0 0.0 1.0 2.0 2.0 1.0 1.0 2.0 2.0 2.0 2.0
16

Bahan Ajar MANDATKES UJI REGRESI

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bahan Ajar MANDATKES UJI REGRESI

Diunggah oleh

Hak Cipta:

Format Tersedia

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS NEGERI SEMARANG (UNNES)

NAMA MATA KULIAH: MANAJEMEN DATA KESEHATAN

JURUSAN ILMU KESEHATAN MASYARAKAT

VERIFIKASI BAHAN AJAR

Semarang, 26 Februari 2019

Irwan Budiono, S.K.M., M.Kes(Epid) Galuh Nita Prameswari, SKM, M.Si

Semarang, 26 Februari 2019

DESKRIPSI MATA KULIAH

Mata kuliah Manajemen Data Kesehatan membahas tentang tentang

No Variabel Kategori Skala

Langkah-langkah uji regresi logistik

b. Masukkan variabel dm_reg ke dalam Dependent List

e. Aktifkan kotak Options

k. Aktifkan kotak Categorical. Pindahkan semua variabel dari Covariates ke Categorical

95.0% C.I.for EXP(B)

B S.E. Wald df Sig. Exp(B) Lower Upper

Anda mungkin juga menyukai