RASIO RESIKO

Kasus : Pengaruh kebiasaan merokok terhadap kejadian hipertensi

Pertanyaan penelitian:
1. Berapa besar pengaruh kebiasaan merokok terhadap kejadian hipertensi?
Metode penelitian
Metode penelitian yang dipakai yaitu kuantitatif dengan pendekatan Case-Control Study. Sampel
kasus diambil dari data populasi yang tercatat sebagai penderita hipertensi. Teknik sampling yang
digunakan dalam penelitian ini yaitu cluster random sampling dan pengumpulan data memakai
lembar kuesioner. Kuesioner akan disajikan dalam pertanyaan apakah subjek merupakan perokok atau
bukan. Teknik analisis data yang dipakai yakni uji Odds Ratio lalu hasil analisis disajikan ke dalam
tabel serta narasi.
Penelitian ini bertujuan untuk melihat seberapa besar pengaruh kebiasaan merokok terhadap kejadian
hipertensi. Odds ratio pada kasus ini adalah besarnya kemungkinan kejadian hipertensi dikarenakan
kebiasaan merokok. Data yang didapatkan merupakan data simulasi untuk keperluan analisis.
Langkah-langkah analisis data
1. Buka program SPSS dan memasukkan data ke SPSS.
2. Pilih menu “Analyze” di bagian atas layar, Pilih Descriptive Statistics kemudian pilih
“Crosstabs”.

2. Pilih variabel “Merokok” dengan memindahkannya ke kotak “Rows”.

3. Pilih variabel “Hipertensi” dengan memindahkannya ke kotak “Columns”.

 4. Klik tombol “Statistics” dan centang pilihan “Cochran’s and Mantel Haenszel Statistics”.

5. Klik tombol “Continue” dan kemudian “OK”.

Hasil Penelitian

Penelitian ini mengambil sampel sebanyak 50 responden

Hipertensi Total (%)

Ya (%) Tidak (%)
Merokok Merokok 23 (71,8%) 9 (28,1%) 32 (100%)
Tidak merokok 7 (39%) 11 (61%) 18 (100%)
Total (%) 30 (60%) 20 (40%) 50 (100%)

Hipertensi Total (%)

Ya (%) Tidak (%)
Merokok Merokok A B A+B
Tidak merokok C D C+D
Total (%) A+C B+D A+B+C+D

Case control study:

 AxD
OR (odds ratio) = = (23 x 11) / (9 x 7) = 4,016
Bx C
Output SPSS estimasi odds ratio

Interpretasi hasil SPSS

Nilai OR ditunjukkan dengan nilai “Estimate” yaitu 4,016. Artinya: Subjek yang merokok memiliki
kejadian resiko kejadian hipertensi 4,01 kali lipat dibandingkan dengan yang tidak merokok.
Nilai Asymp. Sig (2-Sided) menunjukkan nilai p value atau signifikansi nilai OR. Nilai 0,026 < 0,05
maka pada taraf kepercayaan 95%, OR dinyatakan signifikan atau bermakna yang berarti dapat
mewakili keseluruhan populasi.
Nilai Common Odds Ratio Lower Bound dan Upper Bound menunjukkan batas atas dan batas bawah
OR, yang artinya: setidaknya orang yang merokok sekurang-kurangnya memiliki resiko hipertensi
sebesar 1,184 kali dan paling besar 13,622 kali terjadi hipertensi.

REGRESI LOGISTIK
Pertanyaan penelitian
1. Bagaimanakah pengaruh kebiasaan merokok terhadap kejadian hipertensi?
2. Berapa besar kemungkinan terjadi hipertensi jika memiliki kebiasaan merokok?
Langkah-langkah analisis data
1. Buka program SPSS dan memasukkan data ke SPSS.
2. Pada menu, klik Analyze, Regression, Binary Logistic.
3. Masukan variabel “hipertensi” pada kotak dependent dan “merokok” pada kotak Covariate.

4. Klik Categorical, masukkan variabel “Senam yoga” pada kotak Categorical covariates. Lalu
klik Continue.

5. Klik Options, centang CI For Exp (B) dan beri nilai 95 %. Lalu klik Continue.
 6. Klik tombol “Continue” dan kemudian “OK”.
Hasil Analisis

Nilai p value = 0,026 < 0,05 maka: terbukti terdapat hubungan antara kebiasaan merokok terhadap
kejadian hipertensi
Model yang terbentuk:
α = -2,329 (p=0,012 < 0,05)
β1 = 1,390 (p=0,026 < 0,05)
maka, terbentuk model:
1
p=Pr ( Y i=1| X )= −(α +β 1 x 1,i + …+ β k x k,i )
1+e
 1
p=Pr (Hipertensi)= −(−2,329+ 1,390. merokok)
1+ e
Hasil prediksi
Probabilitas orang yang merokok dengan kejadian hipertensi
1
p=Pr ( Hipertensi )= − (−2,329+ 1,390.1 )
=28 ,1 %
1+ e
Probabilitas orang yang tidak merokok dengan kejadian hipertensi
1
p=Pr ( Hipertensi )= − (−2,329+ 1,390.0 )
=8 , 9 %
1+ e

Arti Odds Ratio

Nilai OR ditunjukkan pada nilai Exp (B) yaitu 4,016
Artinya : Risiko hipertensi pada orang yang merokok adalah sebesar 4,016 kali dibandingkan dengan
orang yang tidak merokok.
Lampiran data contoh kasus
Keterangan:
Hipertensi “Ya” = 1 Hipertensi “Tidak” = 2
Merokok “Ya” = 1 Merokok “Tidak” = 2

Meroko
No Hipertensi k
1 1 1
2 1 1
3 1 1
4 1 1
5 2 1
6 2 1
7 2 2
8 2 2
9 1 1
10 1 1
11 1 2
12 2 1
13 2 1
14 2 1
15 1 2
16 1 2
17 1 1
18 2 1
19 1 2
20 2 2
 21 1 1
22 2 1
23 1 1
24 2 2
25 1 1
26 2 2
27 1 1
28 2 2
29 2 2
30 2 2
31 2 2
32 2 1
33 1 1
34 1 1
35 1 1
36 1 1
37 1 2
38 2 2
39 1 1
40 1 1
41 1 1
42 1 1
43 1 2
44 1 1
45 1 2
46 2 1
47 1 1
48 2 2
49 1 1
50 1 1
REGRESI LINEAR
Kasus: Pengaruh IMT dan umur terhadap risiko diabetes melitus
Metode penelitian
Penelitian kuantitatif ini menggunakan desain cross sectional study. Teknik yang digunakan dalam
pengambilan sampel pada penelitian ini yaitu menggunakan probability random sampling dengan
mengambil 40 sampel. Data didapatkan dengan melakukan wawancara menggunakan kuesioner
terstruktur. Variabel bebas yang digunakan adalah skor IMT dan umur sedangkan variabel
terikat/tergantung merupakan diabetes melitus dengan ketentuan katagori katagori “diabetes melitus”
jika plasma vena > 200 mg/dl, dan katagori “normal” jika plasma vena dibawah 200 mg/dl
(Balitbangkes, 2018). Selanjutnya variabel IMT dilakukan perhitungan menggunakan rumus 𝐼𝑀𝑇 =
𝐵𝐵/ 𝑇𝐵2 berdasarkan pengukuran Berat Badan (BB) dalam Kg, dan pengukuran Tinggi Badan (TB)
dalam meter. Data yang didapatkan merupakan simulasi untuk kepentingan analisis data.
Langkah-langkah analisis data
1. Buka program SPSS dan memasukkan data ke SPSS.
2. Pada menu, klik Analyze, Regression, Linear.
 3. Masukkan variabel “IMT dan Umur” ke kotak independent dan variabel “diabetes” ke kotak
dependent.

4. Klik OK

Hasil analisis data

R square = 0,742
Nilai ini mengandung arti bahwa pengaruh variabel bebas (IMt dan umur) (X) terhadap vatiabel
tertimbang/terikat (resiko diabetes melitus) (Y) adalah sebesar 74,2% sedangkan sisanya dipengaruhi
variabel lain diluar model.
Uji F
Nilai p-value = 0,001 < 0,05 menunjukkan bahwa ada model prediksi (sekurang-kurang nya ada satu
variabel bebas mempengaruhi variabel tergantung)

Uji T

 IMT
H0 = Skor indeks massa tubuh (IMT) (X) tidak berpengaruh terhadap resiko diabetes mellitus (Y)
H1 = Skor indeks massa tubuh (IMT) (X) berpengaruh terhadap resiko diabetes mellitus (Y)
Nilai p value = 0,002 < 0,05
H0 ditolak maka dapat disimpulkan bahwa secara statistik Skor indeks massa tubuh (IMT) (X)
signifikan berpengaruh terhadap resiko diabetes mellitus (Y).

 Umur
H0 = Umur (X) tidak berpengaruh terhadap resiko diabetes mellitus (Y)
H1 =Umur (X) berpengaruh terhadap resiko diabetes mellitus (Y)
Nilai p value = 0,002 < 0,05
H0 ditolak maka dapat disimpulkan bahwa secara statistik umur (X) signifikan berpengaruh terhadap
resiko diabetes mellitus (Y).

Model regresi/prediksi yang terbentuk:

Y = β0 + β 1 X + β 2 X
Resiko diare = -22,613 + 3,944.IMt + 3,500.umur
Interpretasi model
β 0=¿ angka konstan. Dalam kasus ini memiliki nilai sebesar -22,613. Angka ini memiliki arti bahwa
jika nilai skor IMT dan umur nol (X) maka resiko diabetes mellitus (Y) adalah sebesar -22,613.
β 1 = angka koefisien regresi. Nilai sebesar 3,944. Angka ini memiliki arti bahwa setiap penambahan 1
satuan indeks massa tubuh (IMT) (X) maka resiko diare (Y) akan naik sebesar 3,944 satuan
β 2 = angka koefisien regresi. Nilai sebesar 3,5. Angka ini memiliki arti bahwa setiap terjadi kenaikan
umur 1 tahun (X) maka resiko dibetes mellitus (Y) akan naik sebesar 3,5 satuan