M3 2043201078 2043201079 Lapres
M3 2043201078 2043201079 Lapres
MODUL III
Oleh:
Nabilla Rizqina Efrianti 2043201078
Frederica Octivia 2043201079
Asisten Dosen
Safira Azizah
Dosen :
Ir. Sri Pingit Wulandari, M.Si.
Iis Dewi Ratih, S.Si, M.Si.
i
DAFTAR ISI
Halaman
ABSTRAK..............................................................................................................ii
DAFTAR ISI..........................................................................................................iii
DAFTAR TABEL....................................................................................................v
DAFTAR GAMBAR..............................................................................................vi
DAFTAR LAMPIRAN.........................................................................................vii
BAB I PENDAHULUAN
1.1 Latar Belakang.........................................................................................1
1.2 Rumusan Masalah....................................................................................2
1.3 Tujuan......................................................................................................2
1.4 Manfaat....................................................................................................2
1.5 Batasan Masalah.......................................................................................3
BAB II TINJAUAN PUSTAKA
2.1 Statistika Deskriptif..................................................................................4
2.1.1 Pie Chart........................................................................................4
2.1.2 Tabel Kontingensi...........................................................................4
2.2 Uji Independensi......................................................................................5
2.3 Regresi Logistik Biner..............................................................................6
2.3.1 Uji Signifikansi Parameter Serentak.............................................6
2.3.2 Uji Signifikansi Parameter Parsial................................................6
2.3.3 Model Regresi Logistik Biner......................................................7
2.3.4 Uji Kesesuaian Model..................................................................7
2.3.5 Odds Ratio....................................................................................8
2.3.6 Ketepatan Klasifikasi....................................................................9
2.4 Vaksin Covid-19....................................................................................9
2.5 Jenis Kelamin.......................................................................................10
2.6 Usia......................................................................................................10
2.7 Kecemasan...........................................................................................10
2.8 Pengetahuan Manfaat Vaksin...............................................................10
2.9 Kemauan divaksinasi...........................................................................11
BAB III METODOLOGI PENELITIAN
i
Halaman
3.1 Sumber Data...........................................................................................12
3.2 Variabel Penelitian..................................................................................12
3.3 Struktur Data..........................................................................................12
3.4 Langkah Analisis....................................................................................12
3.5 Diagram Alir..........................................................................................13
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Karakteristik Faktor-Faktor yang Mempengaruhi Penerimaan Vaksin…
COVID-19 pada Masyarakat Kec. Langke Rembong...........................15
4.1.1 Karakteristik Penerimaan Vaksin COVID-19.............................15
4.1.2 Karakteristik Data Penerimaan Vaksin COVID-19 dan Jenis…
Kelamin......................................................................................16
4.1.3 Karakteristik Data Penerimaan Vaksin COVID-19 dan Usia......16
4.1.4 Karakteristik Data Penerimaan Vaksin COVID-19 dan….
Kecemasan akan Penerimaan Vaksin..........................................16
4.1.5 Karakteristik Data Penerimaan Vaksin COVID-19 dan….
Pengetahuan Tentang Manfaat Vaksin........................................17
4.1.6 Karakteristik Data Penerimaan Vaksin COVID-19 dan….
Kemauan Divaksinasi.................................................................18
4.2 Uji Independensi pada Faktor-Faktor yang Mempengaruhi…
Penerimaan Vaksin COVID-19 pada Masyarakat Kec. Langke…
Rembong................................................................................................18
4.3 Analisis Regresi Logistik Biner pada Faktor-Faktor yang…
Mempengaruhi Penerimaan Vaksin COVID-19 pada Masyarakat Kec…
Langke Rembong...................................................................................21
4.3.1 Uji Signifikansi Parameter Serentak...........................................21
4.3.2 Uji Signifikansi Parameter Parsial..............................................22
4.3.3 Uji Signifikansi Parameter Serentak 2........................................23
4.3.4 Uji Signifikansi Parameter Parsial 2...........................................24
4.3.5 Model Regresi Logistik Biner.....................................................25
4.3.6 Uji Kesesuaian Model................................................................26
4.3.7 Odds Ratio..................................................................................26
ii
4.3.8 Ketepatan Klasifikasi..................................................................27
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan............................................................................................28
5.2 Saran .....................................................................................................28
DAFTAR PUSTAKA
LAMPIRAN
iii
DAFTAR TABEL
Halaman
Tabel 4.1 Tabel Kontingensi Penerimaan Vaksin COVID-19 &Jenis Kelamin. .15
Manfaat Vaksin....................................................................................16
Divaksinasi..........................................................................................17
v
DAFTAR GAMBAR
Halaman
vi
DAFTAR LAMPIRAN
Halaman
Lampiran 1. Data................................................................................................32
Lampiran 3. Dokumentasi..................................................................................38
vii
BAB I
PENDAHULUAN
Pada akhir tahun 2019, dunia dikejutkan dengan munculnya suatu wabah
penyakit yang disebabkan oleh virus. Virus tersebut sangat ramai diperbincangkan
dan muncul di situs berita. Virus tersebut diketahui pertama kali di suatu Pasar
Grosir Makanan Laut Huanan yang ada di Kota Wuhan, Ibukota Provinsi Hubei,
Cina Tengah. Pada awal kemunculannya, virus tersebut dikenal dengan sebutan
2019 novel coronavirus atau yang disingkat 2019-nCoV. Virus ini diberi nama
berdasarkan struktur genetiknya untuk memfasilitasi pengembangan tes
diagnostic, vaksin, dan obat-obatan. Pasien-pasien yang terkena mengalami gejala
klinis batuk kering, dispnea, demam, infeksi paru bilateral pada gambaran foto
thorax x-ray. The emergency committee telah menyatakan bahwa penyebaran
COVID-19 dapat dihentikan jika dilakukan proteksi, deteksi dini, isolasi, dan
perawatan yang cepat agar tercipta implementasi sistem yang kuat untuk
menghentikan penyebaran COVID-19. Sejauh ini telah banyak kandidat vaksin
yang diluncurkan untuk melawan virus SARS-CoV-2, penyebab COVID-19.
Dengan adanya vaksin COVID-19 ini, tentunya merupakan kabar baik bagi
masyarakat di seluruh dunia, khususnya Indonesia yang sudah lama menunggu
kedatangan vaksin. Tetapi tidak semua masyarakat Indonesia menerima secara
langsung terhadap vaksin tersebut dan cenderung menolaknya karena masih
banyak dari mereka yang belum mengerti dengan baik tentang vaksin COVID-19
(Silvianti, 2021).
Regresi logistic biner merupakan suatu metode analisis data yang digunakan
untuk mencari hubungan antara variabel respon (Y) yang bersifat biner atau
dikotomus dengan variabel prediktor (X) yang bersifat polikotomus yautu regresi
logistik biner. Pada penelitian ini, regresi logistik biner digunakan untuk
mengetahui pengaruh antara jenis kelamin, usia, kecemasan tentang vaksin,
pengetahuan tentang manfaat vaksin, dan kemauan divaksinasi dengan
penerimaan vaksinasi COVID-19 menggunakan uji independensi, uji serentak, uji
parsial, odds ratio, dan ketepatan klasifikasi.
1
Data yang kami analisis berupa data primer yang diperoleh melalui website
Jurusan Matematika Fakultas Sains dan Teknik Universitas Nusa Cendana tentang
Aplikasi Analisis Regresi Logistik Dalam Menentukan Faktor-faktor yang
Mempengaruhi Penerimaan Vaksin COVID-19. Penelitian ini bertujuan untuk
mengetahui apakah terdapat hubungan antara jenis kelamin, usia, kecemasan
tentang vaksin, pengetahuan tentang manfaat vaksin, dan kemauan divaksinasi
dengan penerimaan vaksinasi COVID-19.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah dijelaskan, rumusan masalahnya
adalah sebagai berikut.
1. Bagaimana karakteristik data penerimaan vaksin COVID-19 di Kecamatan
Langke Rombong?
2. Adakah hubungan antara penerimaan vaksinasi COVID-19 di Kecamatan
Langke Rombong dengan faktor-faktor yang mempengaruhinya?
3. Bagaimana model regresi logistik biner pada faktor-faktor yang diduga
mempengaruhi penerimaan vaksinasi COVID-19 di Kecamatan Langke
Rombong?
1.3 Tujuan
Berdasarkan rumusan masalah di atas, adapun tujuan dari praktikum ini
adalah sebagai berikut.
1. Mengetahui karakteristik data penerimaan vaksin COVID-19 di Kecamatan
Langke Rombong.
2. Mengetahui hubungan antara penerimaan vaksinasi COVID-19 di
Kecamatan Langke Rombong dengan faktor-faktor yang mempengaruhinya.
3. Mengetahui model regresi logistik biner pada faktor-faktor yang diduga
mempengaruhi penerimaan vaksinasi COVID-19 di Kecamatan Langke
Rombong.
1.4 Manfaat
Manfaat dari praktikum ini bagi penulis ialah agar dapat mengetahui konsep
dan penerapan regresi logistik biner dalam kehidupan sehari-hari. Sedangkan bagi
pembaca adalah dapat memperoleh informasi tentang hubungan dan pengaruh
antara faktor pengaruh jenis kelamin, usia, kecemasan tentang vaksin,
2
pengetahuan tentang manfaat vaksin, dan kemauan divaksinasi terhadap
penerimaan vaksinasi COVID-19.
1.5 Batasan Masalah
Batasan masalah yang ada dalam praktikum ini adalah memakai seluruh
data berjumlah 100 data penerimaan vaksin COVID-19 Di Kecamatan Langke
Rombon. Data variabel respon berupa penerimaan vaksin COVID-19 yang
dikategorikan menjadi menerima vaksin (1) dan tidak menerima vaksin (0). Serta
variabel prediktor berupa jenis kelamin yang dikategorikan berupa laki-laki (1)
dan perempuan (0), usia yang dikategorikan menjadi 41-60 tahun (1) dan 18-40
(0), kecemasan akan efek penerimaan vaksin yang dikategorikan menjadi cemas
(1) dan tidak cemas (0), pengetahuan tentang manfaat vaksin yang dikategorikan
menjadi mengetahui (1) dan tidak mengetahui (0), serta kemauan divaksinasi yang
dikategorikan menjadi kesadaran sendiri (1) dan aturan (0).
3
BAB II
TINJAUAN PUSTAKA
4
menggambarkan dua atau lebih variabel secara simultan dan hasilnya ditampilkan
dalam bentuk tabel yang merefleksikan distribusi bersama dua atau lebih variabel
dengan jumlah kategori yang terbatas. Metode cross tabulation dapat menjawab
hubungan antara dua atau lebih variabel penelitian tetapi bukan hubungan sebab
akibat. Semakin bertambah jumlah variabel yang ditabulasikan maka semakin
kompleks interpretasinya (Wulandari, Salamah, & Susilaningrum, 2009). Berikut
ini contoh tabel kontingensi 2 dimensi yang disajikan pada tabel 2.1.
Tabel 2.1 Tabel Kontingensi 2 Dimensi rxc
B1 B2 … Bc Total
A1 n11 n12 … n1c n1.
A2 n21 n22 … n2c n2.
… … … … … …
Ar nr1 nr2 … nrc nr.
Total n.1 n.2 … n.c n..
O Eij
2
n n
2
ij
Eij
i 1 j 1
(2.1)
Keterangan:
Oij = Nilai observasi/ pengamatan baris ke-i dan kolom ke-j
Eij = Nilai ekspektasi baris ke-i dan kolom ke-j
5
2.3 Regresi Logistik Biner
Regresi logistik adalah suatu metode analisis statistika yang digunakan
untuk mendeskripsikan hubungan antara variabel terikat yang memiliki dua
kategori atau lebih dengan satu atau lebih peubah bebas berskala kategori atau
kontinu. Regresi logistik biner merupakan suatu metode statistika yang digunakan
untuk pemodelan terbaik yang menggambarkan hubungan antara variabel respon
(y) yang bersifat biner atau dichotomus dengan variabel prediktor (x) yang
bersifat kualitatif, kuantitatif ataupun kombinasi keduanya (Hosmer & Lemeshow,
2013).
2.3.1 Uji Signifikansi Parameter Serentak
Pengujian serentak dilakukan untuk memeriksa siignifikansi koefisien b
secara keseluruhan. Pengujian signifikansi parameter tersebut menggunakan
statistik uji G, dimana statistik uji G mengikuti distribusi Chi-Square (Hosmer &
Lemeshow, 2013). Hipotesis yang digunakan adalah sebagai berikut.
H0 : β1= β2 = … = βp = 0
H0 : minimal ada satu βj ¹ 0, dengan j=1,2,..,p
Taraf signifikan : α
Daerah penolakan : Tolak H0 jika G > χ2(α, df) atau P-Value < α
Statistik Uji:
( )( )
ni n0
n1 n0
n n
G=−2 ln n
∑ π^ i (1−π^ i )
(1− y )
i
y
i
i=1 (2.2)
Keterangan:
n0 = jumlah pengamatan dengan kategori y = 0
n1 = jumlah pengamatan dengan kategori y = 1
n = jumlah pengamatan
p = banyaknya prameter
2.3.2 Uji Signifikansi Parameter Parsial
6
Pengujian secara parsial dilakukan untuk mengetahui signifikansi setiap
parameter terhadap variabel respon. Pengujian signifikansi parameter
menggunakan uji Wald dengan hipotesis sebagai berikut (Hosmer & Lemeshow,
2013).
H 0 : βj = 0
H0 : βj ¹ 0, dengan j=1,2,..,p
Taraf signifikan : α
Daerah penolakan : Tolak H0 jika W > χ2(α, df) atau P-Value < α
Statistik Uji:
β^ j
W=
SE( β^ j ) (2.3)
Keterangan:
W = statistik uji Wald
7
dengan 𝑔(𝑥) merupakan fungsi hubungan dari model regresi logistik yang disebut
dengan fungsi hubungan logit. 𝑥 adalah peubah bebas dari parameter regresi dan
𝜷 adalah koefisien parameter regresi (Risdayanti & Aidid, 2020).
2.3.4 Uji Kesesuaian Model
Pengujian ini dilakukan untuk menguji apakah model yang dihasilkan
berdasarkan regresi logistik multivariat/serentak sudah layak. Pengujian ini
menggunakan statistik uji Hosmer dan Lemeshow dengan hipotesis yang
digunakan sebagai berikut (Hosmer & Lemeshow, 2013).
H0: Model sesuai (tidak terdapat perbedaan yang signifikan antara hasil
pengamatan dengan kemungkinan hasil prediksi model)
H1: Model tidak sesuai (terdapat perbedaan yang signifikan antara hasil
pengamatan dengan kemungkinan hasil prediksi model)
Taraf signifikan : α
Daerah penolakan : Tolak H0 jika χ2hitung > χ2(α, df) atau P-Value < α
Statistik Uji:
2
g
( ok −n k π^ k )
χ =∑
2
k −1 nk π^ k ( 1− π^ k ) (2.4)
2.3.5 Odds Ratio
Odds ratio merupakan ukuran risiko atau kecenderungan untuk mengalami
kejadian ‘sukses’ antara suatu kategori dengan kategori lainnya. Odds ratio adalah
ukuran yang memperkirakan berapa besar kecenderungan peubah-peubah terikat.
Odds ratio mengindikasikan seberapa besar munculnya kejadian sukses pada suatu
kelompok dibandingkan dengan kelompok lainnya (Risdayanti & Aidid, 2020).
Rasio dari odds untuk x=1 dan x=0 sehingga dapat dituliskan pada persamaan
berikut:
π (1 )/ [ 1−π (1 ) ]
ϕ=
π (0 )/ [ 1−π (0) ] (2.5)
Maka, nilai Odds Ratio yaitu:
( )( )
β 0 +β 1
e 1
β 0+ β 1 β 0 +β 1
1+e 1+ e
ϕ=
( )( )
β0
e 1
β0 β0
1+ e 1+ e (2.6)
8
β0 + β1
e β
ϕ= β
=e 1
e 0
(2.7)
Artinya, odds (resiko) terjadinya 𝑌 = 1 pada kategori 𝑋 = 1 adalah sebesar exp(𝛽1)
kali odds terjadinya 𝑌 = 0 pada kategori 𝑋 = 0. Jika peubah bebas merupakan
peubah kategori dengan lebih dari dua kategori (polikotomi), maka interpretasinya
dilakukan dengan cara yang sama dengan interpretasi peubah dikotomi, namun
pada peubah ini perlu dibentuk peubah dummy terlebih dahulu. Sementara untuk
peubah bebas kontinu, interpretasinya adalah setiap kenaikan nilai X sebesar satu
satuan (unit) akan mengakibatkan perubahan nilai odds terjadinya 𝑌 = 1 sebesar
exp(𝛽1) kali (Risdayanti & Aidid, 2020).
2.3.6 Ketepatan Klasifikasi
Ketepatan klasifikasi model digunakan untuk mengetahui apakah data
diklasifikasikan dengan benar atau tidak. Evaluasi prosedur klasifikasi adalah
suatu evaluasi yang melihat peluang kesalahan klasifikasi yang dilakukan oleh
suatu fungsi klasifikasi. Ukuran yang dipakai adalah Apparent Error Rate
(APER). Nilai APER menyatakan nilai proporsi sampel yang diklasifikasikan oleh
fungsi klasifikasi (Pamungkas, 2017).
Tabel 2.1 Perhitungan Ketepatan Klasifikasi
Hasil Taksiran/Klasifikasi
Observasi y1 y2
y1 n11 n12
y2 n21 n22
Keterangan:
n11 = jumlah subjek dari y1 tepat diklasifikasikan sebagai y1
n12 = jumlah subjek dari y1 tepat diklasifikasikan sebagai y2
n21 = jumlah subjek dari y2 tepat diklasifikasikan sebagai y1
n22 = jumlah subjek dari y2 tepat diklasifikasikan sebagai y2
Perhitungan nilai APER proporsi observasi yang diprediksi tidak benar
oleh fungsi klasifikasi dengan rumus sebagai berikut (Pamungkas, 2017).
n21 +n12
APER=
n (2.8)
Keterangan:
n = total pengamatan
2.4 Vaksin Covid-19
9
Vaksin adalah barang yang tidak dikenali yang dimasukkan ke dalam tubuh.
Karena hal tersebut, akan timbul respon imun yakni tahap perkenalan antara
elemen vaksin dengan antibodi di dalam tubuh, kadangkala tahap perkenalan
tersebut dapat menimbulkan pusing, nyeri kepala, mual muntah, demam, meriang,
diare, dan lain sebagainya. Vaksin Covid-19 adalah virus Corona yang
dilemahkan. Sebelum administrasi vaksin, calon penerima vaksin harus lolos
skrining kelayakan vaksin oleh dokter untuk meminimalkan efek samping setelah
vaksin. Terdapat berbagai macam efek samping vaksin tergantung dengan
jenisnya dan berbanding terbalik dengan efikasinya. Semakin rendah
keamanannya (kejadian efek samping tinggi) maka semakin tinggi efikasinya,
begitu pun sebaliknya (Yolanda, 2022).
2.5 Jenis Kelamin
Jenis kelamin sama dengan seks, mengacu pada perbedaan biologis antara
perempuan dan laki-laki. Perbedaan secara biologi ini dibawa sejak lahir dan tak
dapat diubah. Gender adalah perbedaan peluang, peran, dan tanggung jawab
antara laki-laki dan perempuan sebagai hasil konstruksi sosial dalam kehidupan
berkeluarga dan bermasyarakat. Gender = sociological term (sphare), Seks =
biological term (sphare) (Tangkudung, 2014).
2.6 Usia
Usia adalah usia individu terhitung mulai saat dia dilahirkan sampai saat
berulang tahun. Semakin cukup umur, tingkat kematangan dan kekuatan
seseorang akan lebih matang dalam berfikir dan bekerja (Yogi, Hariyanto, &
Sonbay, 2014).
2.7 Kecemasan
Kecemasan menurut Stuart dan Sundeen adalah kekhawatiran yang tidak
jelas dan menyebar, yang berkaitan dengan perasaan tidak pasti dan tidak berdaya.
Definisi lain dari kecemasan dijelaskan bahwa kecemasan merupakan
ketidakberdayaan neurotik, rasa tidak aman dan kekurangmampuan dalam
menghadapi tuntutan realitas (lingkungan) dan tekanan kehidupan sehari-hari.
Kecemasan mirip dengan rasa takut tetapi dengan fokus yang kurang spesifik
(Azkia, Sembada, & Wahyuningratna, 2022).
2.8 Pengetahuan Manfaat Vaksin
10
Pengetahuan yang baik akan meningkatkan kesediaan masyarakat untuk
divaksin. Namun bagi masyarakat dengan informasi yang diperoleh baik melalui
pendengaran dan penglihatan tentu akan mempengaruhi persepsinya terhadap
vaksin Covid-19. Di mana persepsi masyarakat akan memengaruhi sikap terhadap
penerimaan vaksin (Jelita, 2022). Sementara menurut Menteri Kesehatan,
menegaskan bahwa yang dikatakan dengan vaksin Covid-19 memiliki tiga
manfaat, diantaranya adalah untuk menjaga tubuh agar lebih kebal terhadap
serangan penyakit virus pada setiap orang yang sudah divaksinasi secara
langsung, apabila jumlah penduduk banyak yang divaksinasi maka sistem
penjagaan terhadap serangan penyakit akan lebih kebal karena tidak dapat
menularkan atau ditularkan sehingga dapat memberikan perlindungan kepada
penduduk lain yang belum menjadi sasaran vaksinasi (Widjaja, 2021).
2.9 Kemauan Divaksinasi
Vaksinasi Covid-19 bisa melindungi tubuh dengan menciptakan respons
antibodi yang mampu mencegah seseorang dari Covid-19 dan dapat membantu
melindungi orang-orang di sekitar dari Covid-19. Terutama orang-orang yang
berisiko tinggi terkena penyakit parah akibat Covid-19. Karena itu, diperlukan
kesadaran sendiri untuk menerima vaksin Covid-19. Aturan yang mengharuskan
masyarakat untuk divaksinasi juga menjadi alasan masyarakat mau menerima
vaksin Covid-19 (Jelita, 2022).
11
BAB III
METODE PENELITIAN
Sumber data yang digunakan dalam praktikum kali ini merupakan data
sekunder yang diperoleh melalui tugas akhir oleh Maria Renelda Jelita Jurusan
Matematika Fakultas Sains dan Teknis Universitas Nusa Cendana dengan judul
Aplikasi Analisis Regresi Logistik dalam Menentukan Faktor-Faktor yang
Mempengaruhi Penerimaan Vaksin COVID-19. Pengumpulan data dilakukan hari
Kamis, 27 Oktober 2022 pukul 15.30 di Surabaya.
3.2 Variabel Penelitian
Variabel penelitian yang digunakan pada praktikum adalah sebagai berikut.
Tabel 3.1 Variabel Penelitian
Variabel Keterangan Skala Kategori
0: Tidak Menerima Vaksin
Y Penerimaan Vaksin COVID-19 Nominal
1: Menerima Vaksin
0: Perempuan
X1 Jenis Kelamin Nominal
1: Laki-laki
0: 18-40 Tahun
X2 Usia Nominal
1: 41-60 Tahun
0: Tidak Cemas
X3 Kecemasan akan efek Vaksin Nominal
1: Cemas
0: Tidak Mengetahui
X4 Pengetahuan tentang manfaat vaksin Nominal
1: Mengetahui
0: Aturan
X5 Kemauan Divaksinasi Nominal
1: Kesadaran Sendiri
12
⁞ ⁞ ⁞ ⁞ ⁞ ⁞ ⁞
13
3.5 Diagram Alir
Diagram alir yang digunakan dalam praktikum ini adalah sebagai berikut.
Mulai
Mengumpulkan Data
Uji Independensi
Tidak
Ya
Uji Serentak
Ya Variabel yang
tidak signifikan
Uji Parsial dikeluarkan dari
model
Ya
Model Regresi Logistik Biner
Odds Ratio
Selesai
14
BAB IV
ANALISIS DAN PEMBAHASAN
15
penerimaan vaksin COVID-19 di Kecamatan Langke Rembong, Kabupaten
Manggarai memiliki perbandingan yang sama.
Total 50 50 100
Usia
Penerimaan Vaksin Total
18-40 Tahun 41-60 Tahun
Tidak Menerima Vaksin 27 23 50
Menerima Vaksin 34 16 50
Total 61 39 100
16
4.1.4. Karakteristik Data Penerimaan Vaksin COVID-19 dan Kecemasan
akan Penerimaan Vaksin
Tabel 4.3 Tabel Kontingensi Penerimaan Vaksin COVID-19 dan Kecemasan akan Penerimaan
Vaksin
Kecemasan akan Penerimaan Vaksin
Penerimaan Vaksin Total
Tidak Cemas Cemas
Tidak Menerima Vaksin 15 35 50
Menerima Vaksin 39 11 50
Total 54 46 100
Menerima Vaksin 6 44 50
Total 29 71 100
17
menerima vaksin dan tahu tentang manfaat vaksin ada sebanyak 44 orang.
Masyarakat lebih banyak yang menerima vaksin dan tahu tentang manfaat vaksin.
18
χ2hitung χ2tabel P-value
1,440 3,841 0,230
Tabel 4.6 menunjukkan bahwa dari data penerimaan vaksin dan jenis
kelamin diperoleh nilai χ2hitung sebesar 1,440 yang lebih kecil dari nilai χ 2tabel
sebesar 3,841 dan diperkuat dengan nilai P-value sebesar 0,230 yang lebih besar
dari nilai α sebesar 0,05 sehingga dapat diputuskan gagal tolak H0 yang artinya
bahwa Tidak terdapat hubungan antara penerimaan vaksin COVID-19 dan Jenis
Kelamin.
Tabel 4.6 menunjukkan bahwa dari data penerimaan vaksin dan usia
diperoleh nilai χ2hitung sebesar 2,060 yang lebih kecil dari nilai χ2tabel sebesar 3,841
dan diperkuat dengan nilai P-value sebesar 0,151 yang lebih besar dari nilai α
sebesar 0,05 sehingga dapat diputuskan gagal tolak H0 yang artinya bahwa
Terdapat hubungan antara penerimaan vaksin COVID-19 dan usia.
19
Dengan taraf signifikan sebesar 0,05, didapatkan daerah penolakan Tolak H0
2
jika nilai χ2hitung lebih besar dari nilai χ (0,05 ;1 ) atau nilai P-value kurang dari nilai
α. Diperoleh statistik uji sebagai berikut.
Tabel 4.6 menunjukkan bahwa dari data penerimaan vaksin dan kecemasan
akan penerimaan vaksin diperoleh nilai χ2hitung sebesar 23,188 yang lebih besar dari
nilai χ2tabel sebesar 3,841 dan diperkuat dengan nilai P-value sebesar 0,000 yang
lebih kecil dari nilai α sebesar 0,05 sehingga dapat diputuskan tolak H0 yang
artinya bahwa terdapat hubungan antara penerimaan vaksin COVID-19 dan
Kecemasan akan penerimaan vaksin.
Tabel 4.6 menunjukkan bahwa dari data penerimaan vaksin dan pengetahuan
tentang manfaat vaksin diperoleh nilai χ2hitung sebesar 14,036 yang lebih besar dari
nilai χ2tabel sebesar 3,841 dan diperkuat dengan nilai P-value sebesar 0,000 yang
lebih kecil dari nilai α sebesar 0,05 sehingga dapat diputuskan tolak H 0 yang
artinya bahwa terdapat hubungan antara penerimaan vaksin COVID-19 dan
pengetahuan tentang manfaat vaksin.
20
Penerimaan vaksin dan kemauan divaksinasi
Hipotesis:
H0 : Tidak ada hubungan antara penerimaan vaksin COVID-19 dan Kemauan
divaksinasi
H1 : Terdapat hubungan antara penerimaan vaksin COVID-19 dan kemauan
divaksinasi
Dengan taraf signifikan sebesar 0,05, didapatkan daerah penolakan Tolak H0
2
jika nilai χ2hitung lebih besar dari nilai χ (0,05 ;1 ) atau nilai P-value kurang dari nilai
α. Diperoleh statistik uji sebagai berikut.
Tabel 4.6 Statistik Uji
χ hitung
2
χ2tabel P-value
6,857 3,841 0,009
Tabel 4.6 menunjukkan bahwa dari data penerimaan vaksin dan kemauan
akan divaksinasi diperoleh nilai χ2hitung sebesar 6,857 yang lebih besar dari nilai
χ2tabel sebesar 3,841 sehingga dapat diputuskan tolak H 0 yang artinya bahwa
Terdapat hubungan antara penerimaan vaksin COVID-19 dan kemauan
divaksinasi.
21
penerimaan vaksin Covid-19)
22
penerimaan vaksin Covid-19)
H0 : β4 = 0 (Pengetahuan tentang manfaat vaksin tidak berpengaruh signifikan
terhadap penerimaan vaksin Covid-19)
H1 : β4 ¹ 0 (Pengetahuan tentang manfaat vaksin berpengaruh signifikan
terhadap penerimaan vaksin Covid-19)
H0 : β5 = 0 (Pengetahuan tentang manfaat vaksin tidak berpengaruh signifikan
terhadap penerimaan vaksin Covid-19)
H1 : β5 ¹ 0 (Pengetahuan tentang manfaat vaksin berpengaruh signifikan
terhadap penerimaan vaksin Covid-19)
Dengan menggunakan taraf signifikan α sebesar 0,05 dan daerah penolakan
yaitu Tolak H0 jika nilai W lebih besar dari χ2(α, p) atau P-Value lebih kecil dari α
sebesar 0,05. Hasil perhitungan statistik uji ditunjukkan pada Tabel 4.8 sebagai
berikut.
Tabel 4.8 Uji Parsial
Variabel W db χ20,05;1 P-value Keputusan
Jenis Kelamin(1) 0,938 1 3,841 0,333 Gagal Tolak H0
Usia(1) 1,761 1 3,841 0,184 Gagal Tolak H0
Kecemasan(1) 17,02 1 3,841 0,000 Tolak H0
1
Pengetahuan_vaksin(1 5,187 1 3,841 0,023 Tolak H0
)
Kemauan_vaksin(1) 0,311 1 3,841 0,577 Gagal Tolak H0
Tabel 4.8 menunjukkan bahwa pada uji parsial diperoleh hasil bahwa
variabel kecemasan akan efek vaksin dan pengetahuan tentang manfaat vaksin
memiliki nilai W berturut-turut sebesar 17,021 dan 5,187 dimana lebih besar dari
χ2(0,05;1) yaitu sebesar 3,841 dan p-value berturut-turut sebesar 0,000 dan 0,023
dimana lebih kecil dari α sebesar 0,05 yang artinya variabel kecemasan akan efek
vaksin dan pengetahuan tentang manfaat vaksin berpengaruh signifikan terhadap
penerimaan vaksin Covid-19. Sedangkan pada variabel jenis kelamin, usia, dan
kemauan divaksinasi memiliki nilai W berturut-turut sebesar 0,938, 1,761, dan
0,311 dimana lebih kecil dari χ2(0,05;1) yaitu sebesar 3,841 dan p-value berturut-turut
sebesar 0,333, 0,184 dan 0,577 dimana lebih besar dari α sebesar 0,05 yang
artinya variabel jenis kelamin, usia, dan kemauan divaksinasi tidak berpengaruh
signifikan terhadap penerimaan vaksin Covid-19.
23
Uji signifikansi parameter serentak yang kedua dilakukan untuk memeriksa
signifikansi koefisien b pada variabel yang signifikan pada pengujian signifikansi
parameter parsial yang pertama. Pada pengujian serentak yang kedua ini variabel
yang tidak signifikan pada pengujian pertama dihilangkan sehingga diperoleh
analisis sebagai berikut.
Hipotesis:
H0 : β1= β2 = 0 (Variabel kecemasan akan efek vaksin dan
pengetahuan tentang manfaat vaksin tidak
berpengaruh signifikan terhadap penerimaan
vaksin Covid-19)
H1 : Minimal ada satu βj ¹ 0 (Minimal ada satu variabel kecemasan akan efek
vaksin atau pengetahuan tentang manfaat vaksin
yang berpengaruh signifikan terhadap penerimaan
vaksin Covid-19)
Dengan menggunakan taraf signifikan α sebesar 0,05 dan daerah penolakan
yaitu Tolak H0 jika nilai G lebih besar dari χ2(α, df) atau P-Value lebih kecil dari α
sebesar 0,05. Hasil perhitungan statistik uji ditunjukkan pada Tabel 4.9 sebagai
berikut.
Tabel 4.9 Uji Serentak 2
χ
2
db χ20,05;2) P-value
34,79 2 5,991 0,000
2
Tabel 4.9 menunjukkan bahwa pada uji serentak yang kedua diperoleh nilai
χ2 hitung sebesar 34,792 dimana lebih besar dari nilai χ2(0,05;2) yaitu sebesar 5,991
dan diperkuat oleh p-value sebesar 0,000 dimana kurang dari α sebesar 0,05 maka
diperoleh keputusan Tolak H0 yang artinya minimal ada satu variabel kecemasan
akan efek vaksin atau pengetahuan tentang manfaat vaksin yang berpengaruh
signifikan terhadap penerimaan vaksin Covid-19.
4.3.4 Uji Signifikansi Parameter Parsial 2
Uji signifikansi parameter parsial dilakukan untuk mengetahui signifikansi
setiap parameter terhadap variabel respon. Pengujian signifikansi parameter
parsial dilakukan menggunakan uji Wald yang disajikan sebagai berikut.
Hipotesis:
H0 : β1 = 0 (Variabel kecemasan akan efek vaksin tidak berpengaruh
24
signifikan terhadap penerimaan vaksin Covid-19)
H1 : β1 ¹ 0 (Variabel kecemasan akan efek vaksin berpengaruh signifikan
terhadap penerimaan vaksin Covid-19)
H0 : β2 = 0 (Variabel pengetahuan tentang manfaat vaksin tidak berpengaruh
signifikan terhadap penerimaan vaksin Covid-19)
H1 : β2 ¹ 0 (Variabel pengetahuan tentang manfaat vaksin berpengaruh
signifikan terhadap penerimaan vaksin Covid-19)
Dengan menggunakan taraf signifikan α sebesar 0,05 dan daerah penolakan
yaitu Tolak H0 jika nilai W lebih besar dari χ2(α, p) atau P-Value lebih kecil dari α
sebesar 0,05. Hasil perhitungan statistik uji ditunjukkan pada Tabel 4.10 sebagai
berikut.
Tabel 4.10 Uji Parsial 2
Variabel d Keputusan
W χ20,05;1 P-value
b
Kecemasan(1) 17,692 1 3,841 0,000 Tolak H0
Pengetahuan_vaksin(1 9,332 1 3,841 0,002 Tolak H0
)
Tabel 4.10 menunjukkan bahwa pada uji parsial diperoleh hasil bahwa
variabel kecemasan akan efek vaksin dan pengetahuan tentang manfaat vaksin
memiliki nilai W berturut-turut sebesar 17,692 dan 9,332 dimana lebih besar dari
χ2(0,05;1) yaitu sebesar 3,841 dan p-value berturut-turut sebesar 0,000 dan 0,002
dimana lebih kecil dari α sebesar 0,05 yang artinya variabel kecemasan akan efek
vaksin dan pengetahuan tentang manfaat vaksin berpengaruh signifikan terhadap
penerimaan vaksin Covid-19.
4.3.5 Model Regresi Logistik Biner
Model regresi logistik biner didapatkan dari koefisien parameter yang
masuk ke dalam model atau parameter yang signifikan. Nilai koefisien dari
parameter yang signifikan disajikan pada tabel 4.11 sebagai berikut.
Tabel 4.11 Koefisien Parameter
Variabel B
Kecemasan akan efek -2,059
vaksin(1)
Pengetahuan manfaat vaksin(1) 1,755
Constant -0,358
Berdasarkan nilai koefisien parameter, model logit yang dapat terbentuk dari
25
variabel-variabel yang berpengaruh signifikan terhadap penerimaan vaksin Covid
adalah sebagai berikut.
g(x) = -0,358 – 2,059 (X1) + 1,755(X2)
g(x) = -0,358 – 2,059 (1) + 1,755(1)
g(x) = -0,662
Berdasarkan model logit di atas dapat dibentuk model probit sebagai berikut.
−0 , 358−2, 059(1 )+1 , 755( 1) −0 , 662
e e 0 , 5158
π ( x )= −0, 358−2 , 059( 1)+1, 755(1 )
= =
−0, 662 1+0 ,5158
=0 ,3403
1+e 1+e
π 0 ( x)=1−0 , 3403=0 ,6597
Interpretasi:
Jika seseorang mengetahui pengetahuan tentang manfaat vaksin tetapi ia cemas
akan efek vaksin, maka peluang seseorang tersebut menerima vaksin Covid-19
yaitu sebesar 34,03 persen dan peluang seseorang yang mengetahui pengetahuan
tentang manfaat vaksin tetapi ia cemas akan efek vaksin, maka peluang ia tidak
menerima vaksin Covid-19 yaitu sebesar 65,97 persen. Sehingga jika seseorang
tersebut mengetahui pengetahuan tentang manfaat vaksin tetapi ia cemas akan
efek vaksin akan cenderung tidak menerima vaksin Covid-19.
26
Tabel 4.12 menunjukkan bahwa pada uji kesesuaian model diperoleh hasil
χ2hitung sebesar 3,084 dimana lebih kecil dari χ2(0,05;2) yaitu sebesar 5,991 dan
diperkuat oleh p-value sebesar 0,214 dimana lebih besar dari α sebesar 0,05 maka
diperoleh keputusan gagal tolak H0 yang artinya model yang terbentuk telah
sesuai.
4.3.7 Odds Ratio
Odds ratio digunakan untuk mengukur resiko atau kecenderungan antara
jenis kelamin, usia, kecemasan tentang vaksin, pengetahuan tentang manfaat
vaksin, dan kemauan divaksinasi terhadap penerimaan vaksinasi COVID-19
adalah sebagai berikut.
Tabel 4.13 Odds Ratio
Variabel Exp(B)
Kecemasan 0.128
Pengetahuan tentang Manfaat Vaksin 5.783
Berdasarkan tabel tersebut, dapat kita lihat bahwa penduduk yang memiliki
kecemasan akan efek vaksin cenderung menerima vaksin COVID-19 sebesar 0,12
kali lebih kecil daripada penduduk yang tidak memiliki kecemasan akan efek
vaksin. Sedangkan, penduduk yang memiliki pengetahuan tentang manfaat
vaksinasi COVID-19 cenderung menerima vaksinasi COVID-19 sebesar 5,783
kali lebih banyak daripada penduduk yang tidak memiliki pengetahuan tentang
manfaat vaksin.
4.3.8 Ketepatan Klasifikasi
Analisis ketepatan klasifikasi berguna untuk mengetahui proporsi kasus
yang tepat diklasifikasikan melalui model regresi logistik biner. Berikut
merupakan hasil analisis ketepatan klasifikasi model.
27
menerima vaksin dan terdapat 10 penduduk yang tidak menerima vaksin COVID-
19 salah diklasifikasikan sebagai penduduk yang menerima vaksin. Pada tabel
tersebut juga menunjukkan bahwa terdapat 17 penduduk yang menerima vaksin
COVID-19 salah diklasifikasikan sebagai menerima vaksin dan terdapat 33
penduduk yang menerima vaksin COVID-19 tepat diklasifikasikan sebagai
penduduk yang menerima vaksin COVID-19. Sehingga dapat disimpulkan bahwa
model regresi logistik biner dari data indikator penerimaan vaksin COVID-19
pada penduduk kecamatan Langke Rombong memiliki nilai ketepatan klasifikasi
sebesar 73%.
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil analisis yang telah dilakukan dapat disimpulkan beberapa
hal, yaitu sebagai berikut.
1. Karateristik penerimaan vaksin COVID-19 di Kecamatan Langke Rembong,
Kabupaten Manggarai memiliki perbandingan yang sama, rata-rata berusia
18-40 tahun, memiliki kecemasan akan vaksin, mengetahui manfaat vaksin,
dan memiliki kemauan untuk divaksin.
2. Uji independensi pada faktor-faktor yang mempengaruhi penerimaan vaksin
COVID-19 di Kecamatan Langke Rembong didapatkan bahwa variabel
jenis kelamin, usia, dan kemauan divaksinasi memiliki hubungan atau
dependen. Sedangkan variabel kecemasan dan pengetahuan tentang manfaat
vaksin tidak memiliki hubungan atau independen.
3. Hasil regresi logistik biner didapatkan bahwa faktor-faktor yang
berpengaruh signifikan adalah variabel kecemasan dan variabel pengetahuan
tentang manfaat vaksin. Pada uji kesesuaian model, model yang terbentuk
telah sesuai. Nilai odds ratio menunjukkan bahwa penduduk yang memiliki
kecemasan akan efek vaksin cenderung menerima vaksin COVID-19
sebesar 0,12 kali lebih kecil daripada penduduk yang tidak memiliki
kecemasan akan efek vaksin. Sedangkan, penduduk yang memiliki
pengetahuan tentang manfaat vaksinasi COVID-19 cenderung menerima
28
vaksinasi COVID-19 sebesar 5,783 kali lebih banyak daripada penduduk
yang tidak memiliki pengetahuan tentang manfaat vaksin. Model regresi
logistik biner ini memiliki nilai ketepatan klasifikasi sebesar 73%.
5.2 Saran
Berdasarkan hasil analisis yang telah dilakukan, saran yang dapat diberikan
untuk pembaca yaitu diharapkan dapat lebih memahami konsep regresi logistik
biner beserta analisis-analisisnya agar dapat lebih mudah memahami analisis
regresi logistik yang lainnya. Dalam penelitian ini, didapatkan hasil bahwa
variabel yang berpengaruh signifikan terhadap penerimaan vaksin Covid-19 hanya
terdapat dua variabel prediktor, sehingga saran yang dapat diberikan untuk
pembaca atau peneliti selanjutnya untuk bisa menambah beberapa variabel
prediktor agar hasil yang didapatkan efektif.
29
DAFTAR PUSTAKA
30
Silvianti, A. (2021). Wabah Virus COVID-19. Dalam A. Agresti, Coronavirus
disease, Second Edition (hal. 1). Jakarta: WHO.
Suharyadi, & Purwanto. (2009). STATISTIKA: Untuk Ekonomi dan Keuangan
Modern, Edisi 2. Jakarta: Penerbit Salemba Empat.
Tangkudung, J. P. (2014). Proses Adaptasi Menurut Jenis Kelamin Dalam
Menunjang Studi Mahasiswa FISIP Universitas Sam Ratulangi. Journal
"Acta Diuma" Volume III No. 4, 3.
Widjaja, G. (2021). Pemahaman Vaksinasi pada Masyarakat di Jakarta. Journal of
Community Dedication, 47.
Wulandari, I. S., Salamah, I., & Susilaningrum, D. (2009). Analisa Data
Kualitatif. Surabaya: Jurusan Statistika FMIPA ITS.
Yogi, E. D., Hariyanto, & Sonbay, E. (2014). Hubungan Antara Usia Dengan
Preeklampsia Pada Ibu Hamil di POLI KIA RSUD Kefamenanu Kabupaten
Timor Tengah Utara. Jurnal Delima Harapan, 11-12.
Yolanda, S. (2022). Antihoaks pada Vaksinasi Covid-19. Surabaya: Airlangga
University Press.
31
LAMPIRAN
Lampiran 1. Data
N X1 X2 X3 X4 X5 Y X1 X2 X3 X4 X5 Y
o No
1 1 1 0 0 1 1 47 0 0 0 1 1 0
2 0 0 0 1 1 1 48 1 0 1 1 0 0
3 0 0 1 1 1 1 49 1 0 0 1 1 1
4 0 1 1 0 1 0 50 0 1 0 1 1 1
5 1 1 0 0 1 0 51 0 1 0 1 1 1
6 1 0 1 0 0 0 52 0 1 1 0 0 0
7 1 1 0 0 0 0 53 0 0 0 1 1 1
8 1 1 1 0 0 0 54 0 0 0 1 1 1
9 1 1 0 1 1 0 55 0 1 1 1 1 0
10 0 1 0 1 0 0 56 1 1 0 1 1 1
11 0 0 1 0 0 0 57 0 0 0 1 1 0
12 0 0 1 0 0 0 58 1 0 0 1 0 1
13 0 0 0 1 1 0 59 1 0 1 0 1 0
14 0 1 0 1 1 1 60 1 0 1 0 0 0
15 0 1 0 1 1 1 61 1 0 0 1 0 1
16 1 1 0 1 1 1 62 0 0 1 1 1 1
17 1 0 0 0 1 1 63 0 0 0 1 1 1
18 1 0 1 1 1 1 64 0 0 0 1 1 1
19 0 1 0 1 1 1 65 0 1 1 1 0 0
20 0 0 1 1 0 1 66 1 1 1 1 0 0
21 0 0 0 1 1 1 67 1 0 1 0 1 0
22 1 0 0 0 0 0 68 1 1 0 1 1 1
23 1 1 1 1 1 0 69 0 0 1 1 1 0
24 1 0 1 0 1 0 70 1 0 1 1 1 1
25 0 0 0 0 0 1 71 1 0 1 1 1 1
26 0 0 1 1 1 1 72 0 0 1 1 1 0
27 1 0 0 0 1 0 73 1 0 0 1 0 0
32
28 1 0 0 0 0 1 74 1 0 1 1 1 1
29 0 1 1 0 0 0 75 1 0 0 1 1 1
30 0 1 1 1 0 1 76 1 0 1 1 1 0
31 1 1 0 0 0 0 77 1 0 0 1 1 0
32 1 1 0 0 0 1 78 0 1 1 1 0 0
33 1 1 0 1 1 0 79 1 0 0 1 1 1
34 1 0 0 1 1 1 80 0 0 1 1 1 0
35 1 0 0 1 1 0 81 0 0 0 1 1 1
36 1 0 0 1 1 1 82 1 1 1 0 1 0
37 1 0 1 0 1 0 83 0 0 0 1 1 1
38 0 1 1 1 0 0 84 0 1 1 1 1 0
39 0 1 0 0 0 1 85 1 0 1 0 0 0
40 0 1 0 1 1 1 86 0 1 0 1 1 1
41 1 0 1 0 1 0 87 1 0 0 1 1 1
42 1 0 1 1 1 1 88 1 0 0 1 1 1
43 0 0 0 1 1 1 89 0 0 0 1 1 1
44 1 1 0 1 1 1 90 1 0 1 1 1 0
45 0 0 0 1 1 1 91 0 0 1 1 0 0
46 0 0 1 1 1 0 92 1 1 1 0 1 0
Lampiran 1. Data (Lanjutan)
No X1 X2 X3 X4 X5 Y
93 0 1 1 0 0 0
94 0 1 1 1 0 1
95 0 0 1 0 1 0
96 0 0 0 1 1 1
97 1 1 0 1 1 0
98 0 0 0 1 1 1
99 1 1 1 1 1 0
100 0 1 1 1 0 0
33
Expected 50.0 50.0 100.
Count 0
Chi-Square Tests
Exact
Asymptotic Exact Sig.
Significance (2- Sig. (2- (1-
Value df sided) sided) sided)
Pearson Chi- 1.440a 1 .230
Square
Continuity 1.000 1 .317
Correction b
34
Likelihood Ratio 2.068 1 .150
Fisher's Exact Test .218 .109
Linear-by-Linear 2.039 1 .153
Association
N of Valid Cases 100
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 19.50.
b. Computed only for a 2x2 table
Penerimaan_vaksin * Kecemasan
Crosstab
Kecemasan
Tidak Ce Tot
Cemas mas al
Penerimaan_vak Tidak Menerima Count 15 35 50
sin Vaksin Expected 27.0 23.0 50.
Count 0
Menerima vaksin Count 39 11 50
Expected 27.0 23.0 50.
Count 0
Total Count 54 46 10
0
Expected 54.0 46.0 10
Count 0.0
Chi-Square Tests
Asymptotic Significance Exact Sig. (2- Exact Sig. (1-
Value df (2-sided) sided) sided)
Pearson Chi-Square 23.188a 1 .000
Continuity Correctionb 21.296 1 .000
Likelihood Ratio 24.212 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear 22.957 1 .000
Association
N of Valid Cases 100
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 23.00.
b. Computed only for a 2x2 table
Penerimaan_vaksin * Pengatahuan
35
Crosstab
Pengatahuan
Tidak Mengetah Tota
Mengetahui ui l
Penerimaan_vaksin Tidak Count 23 27 50
Menerima Expected 14.5 35.5 50.
Vaksin Count 0
Menerima Count 6 44 50
vaksin Expected 14.5 35.5 50.
Count 0
Total Count 29 71 100
Expected 29.0 71.0 100
Count .0
Chi-Square Tests
Asymptotic
d Significance (2- Exact Sig. Exact Sig.
Value f sided) (2-sided) (1-sided)
Pearson Chi- 14.036a 1 .000
Square
Continuity 12.433 1 .000
Correction b
36
Total Count 30 70 100
Expected 30.0 70.0 100.0
Count
Chi-Square Tests
Val d Asymptotic Exact Sig. Exact Sig.
ue f Significance (2-sided) (2-sided) (1-sided)
Pearson Chi- 6.8 1 .009
Square 57 a
Uji Parsial 1
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1 a
Jenis_kelamin(1) -.505 .521 .938 1 .333 .604
Usia(1) -.685 .517 1.761 1 .184 .504
Kecemasan(1) -2.123 .515 17.021 1 .000 .120
37
Pengetahuan_vaksin(1) 1.439 .632 5.187 1 .023 4.218
Kemauan_vaksin(1) .328 .589 .311 1 .577 1.389
Constant .211 .772 .075 1 .785 1.235
a. Variable(s) entered on step 1: Jenis_kelamin, Usia, Kecemasan, Pengetahuan_vaksin,
Kemauan_vaksin.
Uji Serentak 2
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step Step 34.792 2 .000
1 Block 34.792 2 .000
Mode 34.792 2 .000
l
Lampiran 3. Dokumentasi
38
39