BAB II

TINJAUAN PUSTAKA

2.1 Tinjauan Pustaka

2.1.1Defenisi Kesehatan

Pengertian Kesehatan menurut wikipedia adalah keadaan sejahtera dari badan, jiwa, dan sosial yang memungkinkan setiap orang hidup produktif secara sosial dan ekonomis. Sedangkan Pengertian Kesehatan menurut Organisasi Kesehatan Dunia (WHO) tahun 1948 menyebutkan bahwa pengertian kesehatan adalah sebagai suatu keadaan fisik, mental, dan sosial kesejahteraan dan bukan hanya ketiadaan penyakit atau kelemahanPada tahun 1986, WHO, dalam Piagam Ottawa untuk Promosi Kesehatan, mengatakan bahwa pengertian kesehatan adalah sumber daya bagi kehidupan sehari-hari, bukan tujuan hidup Kesehatan adalah konsep positif menekankan sumber daya sosial dan pribadi, serta kemampuan fisik.Sedangkan Menurut UU Kesehatan adalah keadaan sejahtera dari badan, jiwa, dan sosial yang memungkinkan setiap orang hidup produktif secara sosial dan ekonomis.Upaya kesehatan adalah setiap kegiatan untuk memelihara dan meningkatkan kesehatan yang dilakukan oleh pemerintah dan atau masyarakat.2.1.2Defenisi Kelahiran PrematurPersalinan Prematurmerupakan kondisi dimana kelahiran berlangsung tidak normal jika diukur dari umur janin. Pada persalinan ini, kelahiran biasanya terjadi sebelum usia janin memasuki usia minggu ke-37 sampai minggu ke-38. Persalinan secara prematur selalu menjadi perhatian sebab ia menjadi salah satu penyebab paling utama kematian pada bayi yang baru lahir atau dikenal juga dengan istilah neonatal. Bayi yang dilahirkan secara prematur sangat rentan sebab kondisinya masih terlampau lemah untuk beradaptasi dengan lingkungan di luar rahim sang ibu. Bayi ini biasnya memiliki berat badan yang sangat rendah dan ukuran yang cenderung mini. Ukuran ini memang sejalan dengan keadaan sang bayi yang belum matang atau immaturitas.Bayi yang lahir secara prematur memiliki potensi lebih besar untuk mengalami gangguan seperti cacat bawaan yang meliputi cacat pada penglihatannya, cerebral palsy, terganggunya kecerdasan, potensi mengidap penyakit semcam jantung,tekanan darah tinggi, stroke,diabetes dan lain-lain. Presentasi terjadinya persalinan secara prematur mencapai angka 10% hingga 20% di dunia. sementara itu di Indonesia, kelahiran secara prematur mencapai angka 19% dari total kelahiran. Sebenarnya, persalinan prematur bisa dihindari dengan peningkatan kualitas kesehatan dan juga tindakan pencegahan yang memadai.2.1.3Penyebab Kelahiran PrematurHingga saat ini, penyebab utama terjadinyapersalinan prematurbelum ditentukan secara pasti. Namun, beberapa faktor pendorong terjadinyakelahiran diniini telah diketahui, sebagai berikut:

1. Sebuah penelitian di Universitas Aberdeen menemukan fakta seorang ibu yang lahir secara prematur atau memiliki saudara kandung yang lahir secara prematur memiliki resiko yang jauh lebih tinggi untuk melahirkan dengan cara yang sama, yakni prematur. Angka resiko ini bahkan mencapai 60%.

2. Ibu yang pada kehamilan sebelumnya melahirkan secara prematur, di kehamilan berikutnya juga berpotensi mengalami kelahiran secara prematur dengan potensi angka sebanyak 30%.

3. Jika ibu mempunyai bayi yang kembar, maka sebanyak 50% peluang ia akan melahirkan secara prematur. Dan jika bayi yang dikandungnya berjumlah 3 orang, maka presentase kelahiran secara prematur akan meningkat sebanyak 83%.

4. Ibu memiliki leher rahim yang cenderung pendek atau ia menderita kelainan rahim lainnya.

5. Ibu memiliki permasalahan kesehatan seperti diabetes dan hipertensi.

6. Ibu mengalami pendarahan pada bagian vagina pada usia di atas 20 minggu. Hal ini akan memicu terlepasnya sejumlah protenin yang bisa mengacaukan selapur pada ketuban dan hasil akhirnya ketuban pecah dan menyebabkan kelahiran yang lebih awal.

2.2 Landasan Teori

2.2.1Regresi logisticPengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Dalam analisis regresi dikenal 2 jenis variabel yaitu Variabel Respon disebut juga variabel dependen yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan dengan variabel dan Variabel Prediktor disebut juga dengan variabel independen yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan Untuk mempelajari hubugan hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk yaitu Analisis regresi sederhana (simple analysis regresi) dan Analisis regresi berganda (Multiple analysis regresi).

Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (variable independen) dan variabel tak bebas (variabel dependen).Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas.

Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan.

Kelebihan lain dari regresi logistik adalah memiliki kesalahan klasifikasi yang kecil untuk sampel data yang besar dan dapat mengetahui besaran odds rasio yang dapat diperoleh dari variabel-variabel prediktor.2.2.1.1 Penaksiran Parameter

Maksimum likelihood

Biasanya digunakan OLS (Ordinary Least Square) untuk mencari koefisien regresi dari data. Akan tetapi disadari bahwa penggunaan OLS tidak tepat bila variabel dikotomi dan lebih tepat menggunakan metode logistik. Tapi penggunaan metode logistik akan sangat rumit dalam mencari koefisien regresi yang dilakukan secara manual sehingga kita akan melibatkankan maksimum likelihood dalam penyelesaiannya. Metode maksimum likelihood adalah metode untuk mengestimasi model logit untuk data terkelompok dan satu-satunya metode yang umum digunakan (Allison,1999).

Langkah-langkah dalam mengestimasi nilai parameter dengan menggunakan metode Maksimum Likelihood adalah sebagai berikut :

1. Harus menetapkan model yang digunakan, dengan memilih distribusi peluang dari variabel dependen dan menentukan bentuk fungsionalnya. Dalam kasus model logistic, variabel dependen berbentuk dikotomi dan memiliki distribusi binomial dengan bentuk parameter Pi. Dimana Pi diperoleh dari model regresi logistik yaitu :

2. Lakukan iterasi hingga memperoleh hasil yang tidak akan berubah-ubah lagi. Pada langkah ini sering memerlukan komputasi sebagai alat bantu perhitungan hasil.

Langkah-langkahnya adalah sebagai berikut :

Dengan m emisalkan P(Y=1) adalan probabilitas bahwa Yi=1, dapat diasumsikan bahwa data memiliki model logit sbb:

Fungsi likelihood yang digunakan untuk mencari parameter dimodelkan sebagai berikut :

Seluruh probabilitas dari semua observasi Yi bisa difaktorkan secara terpisah seperti berikut :

Dengan memisalkan dan , maka diperoleh persamaan :

Kemudian substitusi kedua persamaan tersebut sehingga akan diperoleh persamaan :

Kemudian substitusi persamaan ke dalam persamaan diatas. Sehingga diperoleh :

Persamaan diatas dapat disederhanakan menjadi sebagai berikut :

Kemudian lakukan logaritma natural pada persamaan yang diperoleh :

Persamaan yang diperoleh diatas adalah Fungsi Likelihood nya. Selanjutnya akan dicari koefisien dari yang dapat membuat persamaan diatas semaksimal mungkin. Salah satu cara untuk memaksimalkan fungsi tersebut adalah dengan melakukan turunan terhadap .

Dengan menyatakan sama dengan , maka hasil turunannya adalah sebagai berikut :

Iterasi (Matriks Hessian)

Taksiran parameter di peroleh dari persamaan :

Dengan m merupakan nomor urut iterasi dan bm adalah vektor panaksiran nilai bethaMatiksd varians covarian untuk

2.2.1.2 Uji Keberartian Parameter

Pengujian terhadap parameter model dilakukan sebagai upaya untuk memeriksa peranan peubah penjelas yang ada dalam model. Untuk mengetahui seluruh peubah penjelas di dalam model secara bersama-sama atau analisis secara overall dapat digunakan statistic uji-G.

Hipotesis statistik uji-G ialah

H0 : 0 = 1 = = 1+p = 0

H1 : minimal ada satu i 0,

i = 0,1, 2, ,1+ p

Ststistik uji-G didefinisikan sebagai:

(2.8)

Dengan L0 adalah fungsi kemungkinan (likelihood) tanpa peubah penjelas, dan Lp merupakan fungsi kemungkinan dengan p peubah penjelas. Jika hipotesis nol benar, maka statistic uji-G akan menyebar mengikuti sebaran X2 dengan derajat bebas p. Hipotesis nol ditolak jika G >X2p(a)(Hosmer & Lemeshow 1989).

Statistic uji wald digunakan untuk menguji parameter i secara parsial

Hipotesis yang diuji adalah:

H0 : i = 0

H1 : i 0, dengan i = 1, 2, , p

Statistik uji wald didefinisikan sebagai :

(2.10)

Jika hipotesis nol benar, maka statistic uji-W akan menyebar mengikuti sebaran normal baku. Hipotesis nol ditolak jika |W| > Za/2.2.2.1. 3. Uji Kecocokan ModelChi kuadrat

Pengujian kecocokan model proportional odds dinyatakan dengan rumusan hipotesis sebagai berikut :

Statistik ujinya menggunakan Pearson chi-square goodness of fit statistic yang membandingkan nilai observasi dengan nilai yang diharapkan yang didefinisikan dengan persamaan berikut (Tutz, 2007) :

(2.11)

Pearsonchi-square goodness of fit statistic mengikuti distribusi chi-square dengan . Jika menggunakan taraf nyata sebesar , maka kriteria ujinya adalah tolak H0 jika X2hitung X2(I-1)x(J-1)-p atau . Standar devians

Terlihay bahwa statistik D itu membandingkan antar Oi dan nilai taksiran Ei

Homer dan Lemeshow Statistik uji

2.2.1.4 Interpretasi Model dengan Menggunakan Odds Ratio

Dalam kajian hubungan antar peubah kategorik dikenal adanya ukuran asosiasi atau ukuran kesetaraan antar peubah kategorik, salah satu ukuran asosiasi yang dapat diperoleh melalui analisis regresi logistik ialah odds rasio, odds diartikan sebagai rasio peluang kejadian sukses dengan kejadian tidak sukses dari peubah.

Interpretasi koefisien untuk model regresi logistik ialah dengan melihat rasio oddsnya. Koefisien model logit, i, mencerminkan peubah nilai fungsi logit g(x) untuk perubahan satu unit peubah penjelas x. dalam analisis model logit rasio odds didefinisikan sebagai:

= exp (i) = exp[g(1) - g(0)] (2.12)

Interpretasi dari odds ini ialah untuk peubah penjelas x yang berskala nominal, yaitu kecendrungan untuk Y = 1 pada X = 1 sebesar kali dibandingkan pada X = 0. Rasio odds diartikan sebagai perbandingan antara odds seorang masuk ke kategori tertentu dibandingkan dengan odds seorang tidak masuk kedalam kategori tertentu.

2.2.2Teknik Pengumpulan Data

Pengumpulan data dapat dilakukan dalam berbagai cara, setting, dan sumber. Bila dilihat dari segi cara atau teknik pengumpulan data, teknik pengumpulan data dapat dilakukan dengan menggunakan interview (wawancara), kuesioner (angket), observasi (pengamatan), dan gabungan dari ketiganya. Sedangkan bila dilihat dari segi setting-nya, data dapat dikumpulkan dalam setting alamiah (natural setting), dalam laboratorium dengan metode percobaan atau experiment, dalam suatu kantor dengan berbagai responden, dalam suatu seminar, diskusi , di restoran, dll. Apabila dilihat dari segi sumber datanya, maka pengumpulan data dapat dibagi menjadi dua yaitu menggunakan sumber primer dan menggunakan sumber sekunder. Sumber primer adalah sumber data yang secara langsung memberikan data kepada pengumpul data, dan sumber sekunder merupakan sumber yang secara tidak langsung memberikan data kepada pengumpul data.2.2.3Variabel acakvariabel acak adalah alat Untuk menggambarkan hasil-hasil percobaan sebagai nilai-nilai numerik secara sederhana. Jadi variabel acak dapat didefinisikan sebagai deskripsi numerik dari hasil percobaan. Variabel acak biasanya menghubungkan nilai-nilai numerik dengan setiap kemungkinan hasil percobaan. Karena nilai-nilai numerik tersebut dapat bersifat diskrit(hasil perhitungan) dan bersifat kontinu(hasil pengukuran) maka variabel acak dapat dikelompokkan menjadi variabel acak diskrit dan variabel acak kontinu.

Varibel acak diskrit adalah variabel acak yang tidak mengambil seluruh nilai yang ada dalam sebuah interval atau variabel yang hanya memiliki nilai tertentu. Nilainya merupakan bilangan bulat dan asli, tidak berbentuk pecahan. Variabel acak diskrit jika digambarkan pada sebuah garis interval, akan berupa sederetan titik-titik yang terpisah. Contoh ,Banyaknya pemunculan sisi muka atau angka dalam pelemparan sebuah koin (uang logam) dan Jumlah anak dalam sebuah keluarga.

Varibel acak kontinu adalah variabel acak yang mengambil seluruh nilai yang ada dalam sebuah interval atau variabel yang dapat memiliki nilai-nilai pada suatu interval tertentu. Nilainya dapat merupakan bilangan bulat maupun pecahan. Varibel acak kontinu jika digambarkan pada sebuah garis interval, akan berupa sederetan titik yang bersambung membantuk suatu garis lurus.Contoh nya Usia penduduk suatu daerah. Dan Panjang beberpa helai kain. 2.2.4Regresi Linier Berganda

Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (variabel dependen) dengan faktor-faktor yang mempengaruhi lebih dari satu prediktor (variabel independen). Regresi linier berganda hampir sama dengan regresi linier sederhana, hanya saja pada regresi linier berganda variabel bebasnya lebih dari satu variabel penduga.

Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan membuat prediksi perkiraan nilai atas X dan Y

Secara umum model regresi linier berganda untuk populasi adalah sebagai berikut:

Model regresi linier berganda untuk populasi diatas dapat ditaksir berdasarkan sebuah smpel acak yang berukuran n dengan model regresi linier berganda untuk sampel, yaitu:

Bentuk data yang akan diolah ditunjukkan pada table berikut:

Dalam regresi linier berganda variabel tak bebas tergantung kepada dua atau lebih variabel bebas . Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel dapat ditulis sebagai berikut:

Untuk rumus diatas, dapat diselesaikannya dengan empat persamaan oleh empat variabel yang terbentuk

2.2.5Odds Rasio

Odds dapat diartikan sebagai rasio antara dua peluang, seperti rasio antara peluang peristiwa sukses dengan peluang peristiwa gagal. Nilai odds yang tinggi dapat disamakan dengan nilai peluang yang tinggi. Begitu pula sebaliknya, nilai odds yang rendah sesuai dengan nilai peluang yang rendah. Odds yang dinotasikan oleh dapat dirumuskan sebagai berikut:

Untuk menghitung asosiasi x dan y dapat diperlihatkan melalui rasio dua buah odds yang disebut Odds Rasio, yang mana dinotasikan oleh dengan perumusan sebagai berikut:

Regresi logistik memiliki banyak persamaan dengan regresi linier biasa: koefisien logit dapat disamakan dengan koefisien ( dalam persamaan regresi linier biasa, koefisien logit yang distandariSPSSi dapat disamakan dengan ( yang diboboti, dan R2 untuk meringkas kekuatan hubungan. Walau bagaimanapun tidak seperti regresi linier biasa, regresi logistik tidak mengasumsikan hubungan linier antara variabel independen dan variabel dependen, tidak memerlukan variabel yang berdistribusi normal, tidak mengasumsikan homokedastisitas, dan biasanya memiliki syarat yang lebih sedikit. Akan tetapi, regresi logistik memiliki syarat bahwa pengamatan bersifat independen. Uji kecocokan model dapat dilakukan dengan menggunakan chi-square sebagai indikator kecocokan model, dan statistik Wald untuk menguji signifikans variabel independen secara individual.http://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&uact=8&ved=0CDcQFjAB&url=http%3A%2F%2Fthesis.binus.ac.id%2FAsli%2FBab2%2F2011-2-00669%2520STIF%2520Bab%25202.pdf&ei=GNyGU8WkOJedugSN_4D4Cg&usg=AFQjCNEnIOAb0LZgNaYahF4MYPoxyoed5g&sig2=kLluE6Iqn-zfOiRmpkblWA&bvm=bv.67720277,d.dGI_1463142281.unknown

_1463142283.unknown

_1463142284.unknown

_1463142282.unknown

_1462986719.unknown

_1463142280.unknown

_1462986718.unknown