SUTANTO_PRIYO_HASTONO_Analisis_Data_SUTA

SUTANTO PRIYO HASTONO: Analisis Data Variables in the Equation B S.E. Wald df Sig. Exp(B) 95.0% C.I.for 1.088 .502 7.900 2 .019 EXP(B) 1 .030 2.969 4.692 1 .011 2.883 Lower Upper 1 .013 2.692 Satep race 1 .087 1.779 1.109 7.946 1 race(1) 1 .102 3.896 1.268 6.555 1 .058 2.350 1.236 5.865 race(2) 1.059 .419 6.387 1 .994 1.010 3.438 1 .000 .921 19.852 smoke .990 .397 6.211 .117 .765 5.693 .970 12.491 ptl .576 .336 2.937 .082 ht 1.360 .831 2.680 ui .854 .451 3.584 ht by smoke .010 1.283 .000 Constant -2.146 .386 30.875 a. Variable(s) entered on step 1: ht * smoke . Pada output bagian Block 2:Methode=Enter, terlihat hasil uji omnibusnya memperlihatkan p value = 0,994 (lihat bagian step) berarti lebih besar dari 0,05, berarti : tidak ada interaksi antara merokok dengan hipertensi. Dengan demikian pemodelan telah selesai, model yang valid adalah model tanpa ada interaksi: MODEL TERAKHIR Variables in the Equation B S.E. Wald df Sig. Exp(B) 95.0% C.I.for EXP(B) 2.968 2.883 Lower Upper 2.694 Satep race 7.968 2 .019 1.779 1 race(1) 3.912 1.088 .501 4.723 1 .030 2.350 1.113 7.916 1.271 6.538 race(2) 1.059 .418 6.422 1 .011 .117 1.263 5.747 3.422 smoke .991 .387 6.569 1 .010 .925 13.537 1.131 5.692 ptl .576 .334 2.975 1 .085 .970 ht 1.364 .633 4.640 1 .031 ui .855 .451 3.585 1 .058 Constant -2.146 .386 30.917 1 .000 a. Variable(s) entered on step 1: race, smoke, ptl, ht, ui. 201

SUTANTO PRIYO HASTONO: Analisis Data Interpretasi: Model regresi logistik hanya dapat digunakan untuk penelitian yang bersifat Kohort. Sedangkan unutk penelitian yang bersifat cross sectional atau case control, interpretasi yang dapat dilakukan hanya menjelaskan nilai OR (Exp B) pada masing-masing variabel. Oleh karena analisisnya multivariat/ganda maka nilai OR-nya sudah terkontrol (adjusted) oleh variabel lain yang ada pada model. Dari analisis multivariat ternyata variabel yang berhubungan bermakna dengan kejadian BBLR adalah variabel ras, merokok dan hipertensi. Sedangkan variabel riwayat prematur dan kelainan uterus sebagai variabel konfounding. Hasil analisis didapatkan Odds Ratio (OR) dari variabel hipertensi adalah 3,9, artinya Ibu yang menderita hipertensi akan melahirkan bayi BBLR sebesar 4 kali lebih tinggi dibandingkan ibu yang tidak menderita hipertensi setelah dikontrol variabel race, merokok, prematur dan uterus. Secara sama dapat diinterpretasikan untuk variabel yang lain. Untuk melihat variabel mana yang paling besar pengaruhnya terhadap variabel dependen, dilihat dari exp (B) untuk variabel yang signifikan, semakin besar nilai exp (B) berarti semakin besar pengaruhnya terhadap variabel dependen yang dianalisis. Dalam data ini berarti hipertensi yang paling besar pengaruhnya terhadap kejadian bayi BBLR. 202

SUTANTO PRIYO HASTONO: Analisis Data KASUS KEDUA : REGRESI LOGISTIK MODEL FAKTOR RISIKO Tujuan analisis : Untuk mengetahui hubungan pekerjaan dengan menyusui eksklusive Variabel independen utama : Pkerjaan Variabel dependen : Eksklusive Variabel konfounding : umur, berat badan ibu dan sikap A. Langkah pertama: menyusun model mencakup semua variabel dan variabel interaksi Cara 1. Pilih “Analyze” 2. Pilih “Regression” 3. Klik “Binary Logistic”, muncul menu dialog yang berisi kotak Dependent dan Covariat. Pada kotak Dependen isikan variabel yang kita perlakukan sebagai dependen (dalam contoh ini berarti eksklu) dan pada kotak Covariat isikan variabel independen utama beserta variabel konfounding dan interaksinya (dalam hal ini berarti: kerja, umur1, bbibu, sikap, kerja*umur1,kerja*bbibu, kerja*sikap) 4. Klik ‘OK’, dan hasilnya sbb: Logistic Regression Variables in the Equation B S.E. Wald df Sig. Exp(B) 95.0% C.I.for .000 EXP(B) Stea kerja -20.275 28420.722 1 .999 .000 p 1 umur1 1.972 Lower Upper 1.681 1.197 1 .160 5.372 .000 . .514 56.109 sikap -.052 .114 .208 1 .648 .949 .760 1.186 .000 . kerja by umur1 20.279 28420.722 .000 1 .999 6E+008 .849 1.583 kerja by sikap .148 .159 .869 1 .351 1.160 Constant -1.505 1.432 1.105 1 .293 .222 a. Variable(s) entered on step 1: kerja, umur1, sikap, kerja * umur1 , kerja * sikap . 203

SUTANTO PRIYO HASTONO: Analisis Data Dari output model penuh/lengkap ini kita lakukan uji interaksi, variabel dikatakan berinteraksi bila p valuenya < 0,05. Seleksinya dengan mengeluarkan secara bertahapVariabel interaksi yang tidak signifikan (p>0,05), pengeluaran dilakukan secara bertahap dari variabel interaksi yang p value-nya terbesar. Dari hasil di atas variabel interaksi ”Pekerjaan by umur” mempunyai nilai p terbesar (p=0,999) sehingga variabel tersebut dikeluarkan dari model. Dan model menjadi: Logistic Regression Variables in the Equation B S.E. Wald df Sig. Exp(B) 95.0% C.I.for -.445 .641 EXP(B) Stea kerja 1.718 .067 1 .795 p 1 umur1 2.217 9.177 Lower Upper 1.146 3.741 1 .053 .942 .022 18.557 .971 86.749 sikap -.060 .114 .274 1 .601 1.191 .753 1.178 kerja by .175 .156 1.264 1 .261 .152 .878 1.616 sikap Constant -1.881 1.483 1.610 1 .205 a. Variable(s) entered on step 1: kerja, umur1, sikap, kerja * sikap . Dari output diatas, variabel interaksi ‘kerja by sikap’ harus dikeluarkan dari model karana p valuenya > 0,05. Setelah dikeluarkan hasilnya: Variables in the Equation 95.0% C.I.for EXP(B) B S.E. Wald df Sig. Exp(B) Lower Upper 1.376 .666 4.273 1 .039 3.959 Satep kerja 2.260 3.812 1 .051 9.582 1.074 14.592 1 umur1 1.157 .212 1 .645 1.036 sikap .035 .076 .991 92.609 Consta 5.384 1 nt -2.876 1.239 .893 1.202 .020 .056 a. Variable(s) entered on step 1: kerja, umur1, sikap. Dengan demikian hasil uji interaksi sudah selesai, kesimpulannya tidak ada variabel interasksi, langkah selanjutnya uji konfounding 204

SUTANTO PRIYO HASTONO: Analisis Data UJI KONFOUNDING Uji konfounding dengan cara melihat perbedaan nilai OR untuk variabel utama dengan dikeluarkannya variabel kandidat konfounding, bila perubahannya > 10 %, maka varaibel tsb dianggap sebagai variabel konfounding. Tahap pertama : akan dikeluarkan variabel Sikap, setelah dikeluarkan dari model hasiilnya sbb:’ Variables in the Equation 95.0% C.I.for EXP(B) B S.E. Wald df Sig. Exp(B) Lower Upper 1.413 .660 4.585 1 .032 4.110 Stea kerja 1 .036 1.127 14.985 p 1 umur1 2.378 1.135 4.389 1 .018 10.783 .073 1.165 99.754 Constant -2.624 1.113 5.555 a. Variable(s) entered on step 1: kerja, umur1. Setelah variabel sikap dikeluarkan terlihat perubahan OR variabel utama kerja sebesar : (4,111 – 3,959)/4,111 =3,6 % . Dengan demikian variabel sikap bukan konfounding, dan harus dikeluarkan dari model Langkah selanjutnya mengeluarkan variabel umur, setelah dikeluarkan hasilnya: Variables in the Equation 95.0% C.I.for EXP(B) Satep kerja B S.E. Wald df Sig. Exp(B) Lower Upper 1 1.698 .618 7.545 1 .006 5.464 1.627 18.357 Const ant -.754 .429 3.091 1 .079 .471 a. Variable(s) entered on step 1: kerja. Setelah variabel umur dikeluarkan terlihat perubahan OR variabel utama: kerja sebesar : (5,464-4,111)/4,111 =32,9 % . Dengan demikian variabel umur merupakan variabel konfounding. Untuk itu variabel umur harus tetap ikut dalam model sebagai konfounding hubungan kerja dengan menyusui eksklusive. Model terakhir : 205

SUTANTO PRIYO HASTONO: Analisis Data Variables in the Equation 95.0% C.I.for EXP(B) Stea kerja B S.E. Wald df Sig. Exp(B) Lower Upper p 1 umur1 1.413 .660 4.585 1 .032 4.110 1.127 14.985 1 .036 2.378 1.135 4.389 1 .018 10.783 1.165 99.754 .073 Constant -2.624 1.113 5.555 a. Variable(s) entered on step 1: kerja, umur1. Interpretasi: Setelah dilakukan analisis confounding, ternyata, umur merupakan confounding hubungan pekerjaan dengan menyusui eksklusif, maka modelnya adalah sbb: Dari model di atas dapat dijelaskan bahwa ibu yang tidak bekerja mempunyai peluang menyusui eksklusif 4 kali dibandingkan ibu yang tidak bekerja setelah dikontrol variabel ”umur”. 206

SUTANTO PRIYO HASTONO: Analisis Data Lampiran data LBW. SAV. Id Low age lwt race smoke ptl ht ui ftv bwt 1 1 28 120 3 1 1 0 10 709 2 1 29 130 1 0 0 0 12 3 1 34 187 2 1 0 1 00 1021 4 1 25 105 3 0 1 1 00 1135 5 1 25 3 0 0 0 10 1330 6 1 27 85 3 0 0 0 00 1474 7 1 23 150 3 0 0 0 11 1588 8 1 24 2 0 1 0 01 1588 9 1 24 97 3 0 0 1 00 1701 128 1 1 0 1 01 1729 10 1 21 132 1 1 0 0 00 1790 11 1 32 165 1 1 2 0 10 1818 12 1 19 105 3 0 0 0 00 1885 13 1 25 3 0 0 0 01 1893 14 1 16 91 1 1 0 0 00 1899 15 1 25 115 1 1 0 0 02 1928 16 1 20 130 2 0 0 0 12 1928 17 1 21 1 1 1 0 00 1928 18 1 24 92 3 0 0 0 00 1936 19 1 21 150 3 0 0 0 10 1970 20 1 20 200 3 0 2 0 01 2055 21 1 25 155 1 0 0 0 02 2055 22 1 19 103 1 1 0 0 10 2082 23 1 19 125 1 1 1 0 00 2084 24 1 26 1 0 0 0 00 2084 25 1 24 89 3 1 1 0 10 2100 26 1 17 102 2 1 0 0 03 2125 27 1 20 112 1 1 1 0 11 2126 28 1 22 117 2 0 0 0 10 2187 29 1 27 138 3 1 0 0 10 2187 30 1 20 130 2211 120 130 130 80 207

SUTANTO PRIYO HASTONO: Analisis Data 31 1 17 110 1 1 0 0 0 0 2225 3 0 1 0 0 1 2240 32 1 25 105 3 0 0 0 0 0 2240 3 0 0 0 0 0 2282 33 1 20 109 2 1 1 0 0 0 2296 1 1 1 0 1 0 2296 34 1 18 148 3 0 1 0 0 4 2301 3 0 0 0 0 0 2325 35 1 18 110 1 1 1 0 0 1 2353 1 0 0 0 0 0 2353 36 1 20 121 2 1 0 0 0 1 2367 2 1 0 0 0 0 2381 37 1 21 100 2 1 0 0 0 0 2381 3 0 0 0 1 0 2381 38 1 26 96 3 0 0 0 0 0 2395 1 1 1 0 0 0 2410 39 1 31 102 1 1 0 0 0 1 2410 1 1 0 0 0 3 2414 40 1 15 110 1 1 1 0 0 0 2424 2 0 0 0 0 2 2438 41 1 23 187 3 0 1 1 0 1 2442 3 0 0 0 0 3 2450 42 1 20 122 1 1 0 0 0 0 2466 3 1 1 0 0 0 2466 43 1 24 105 1 1 0 0 0 2 2466 3 0 0 0 0 2 2495 44 1 15 115 3 1 0 0 0 0 2495 2 0 0 1 0 0 2495 45 1 23 120 1 1 0 1 0 3 2495 2 0 0 0 1 0 2523 46 1 30 142 3 0 0 0 0 3 2551 1 1 0 0 0 1 2557 47 1 22 130 1 1 0 0 1 2 2594 1 1 0 0 1 0 2600 48 1 17 120 49 1 23 110 50 1 17 120 51 1 26 154 52 1 20 105 53 1 26 190 54 1 14 101 55 1 28 95 56 1 14 100 57 1 23 94 58 1 17 142 59 1 21 130 60 0 19 182 61 0 33 155 62 0 20 105 63 0 21 108 64 0 18 107 208

SUTANTO PRIYO HASTONO: Analisis Data 65 0 21 124 3 0 0 0 0 0 2622 1 0 0 0 0 1 2637 66 0 22 118 3 0 0 0 0 1 2637 1 1 0 0 0 1 2663 67 0 17 103 1 1 0 0 0 0 2665 3 0 0 0 0 0 2722 68 0 29 123 3 0 0 0 0 1 2733 3 0 0 1 0 0 2750 69 0 26 113 3 0 1 0 1 2 2750 1 1 0 0 0 0 2769 70 0 19 95 1 1 0 0 0 0 2769 2 0 0 0 0 0 2778 71 0 19 150 1 1 0 0 0 3 2782 3 0 0 0 1 0 2807 72 0 22 95 1 1 0 0 0 1 2821 3 0 0 0 0 2 2835 73 0 30 107 1 0 0 0 1 3 2835 1 0 0 0 0 1 2836 74 0 18 100 3 0 0 0 0 0 2863 3 0 0 0 1 2 2877 75 0 18 100 1 0 0 0 0 0 2877 1 1 0 0 0 0 2906 76 0 15 98 1 0 0 0 0 2 2920 2 1 0 0 0 0 2920 77 0 25 118 2 0 0 0 0 1 2920 2 0 0 0 0 1 2920 78 0 20 120 1 1 1 0 0 1 2948 2 1 1 0 0 1 2948 79 0 28 120 1 0 0 0 0 1 2977 2 0 0 0 0 0 2977 80 0 32 121 1 1 0 0 0 2 2977 1 1 0 0 0 2 2977 81 0 31 100 1 1 0 0 0 0 2992 1 1 0 0 0 2 3005 82 0 36 202 83 0 28 120 84 0 25 120 85 0 28 167 86 0 17 122 87 0 29 150 88 0 26 168 89 0 17 113 90 0 17 113 91 0 24 90 92 0 35 121 93 0 25 155 94 0 25 125 95 0 29 140 96 0 19 138 97 0 27 124 98 0 31 215 209

SUTANTO PRIYO HASTONO: Analisis Data 99 0 33 109 1 1 0 0 0 1 3033 2 1 0 0 0 2 3042 100 0 21 185 1 0 0 0 0 2 3062 2 0 0 0 0 1 3062 101 0 19 189 1 0 0 0 0 0 3062 1 1 0 0 1 0 3076 102 0 23 130 1 1 0 0 1 0 3076 1 0 0 0 0 4 3080 103 0 21 160 3 0 0 0 0 0 3090 1 0 0 0 0 2 3090 104 0 18 90 3 1 0 0 0 0 3090 1 0 0 1 0 1 3100 105 0 18 90 3 0 0 0 0 0 3104 1 1 0 0 0 0 3132 106 0 32 132 1 1 0 0 0 2 3147 3 0 0 0 0 0 3175 107 0 19 132 3 0 0 0 0 0 3175 3 1 0 0 1 0 3203 108 0 24 115 3 0 0 0 0 0 3203 3 0 0 0 0 0 3203 109 0 22 85 3 0 0 0 0 0 3225 3 0 0 0 0 0 3225 110 0 22 120 3 0 0 0 0 2 3232 3 0 0 0 0 0 3232 111 0 23 128 1 0 0 0 0 0 3234 3 1 2 0 0 0 3260 112 0 22 130 3 0 1 0 1 1 3274 3 0 0 0 0 2 3274 113 0 30 95 3 1 0 0 0 6 3303 1 0 2 0 1 1 3317 114 0 19 115 2 0 1 0 0 2 3317 1 1 2 0 0 0 3317 115 0 16 110 3 1 0 0 0 2 3321 3 1 0 0 0 1 3331 116 0 21 110 117 0 30 153 118 0 20 103 119 0 17 119 120 0 17 119 121 0 23 119 122 0 24 110 123 0 28 140 124 0 26 133 125 0 20 169 126 0 24 115 127 0 28 250 128 0 20 141 129 0 22 158 130 0 22 112 131 0 31 150 132 0 23 115 210

SUTANTO PRIYO HASTONO: Analisis Data 133 0 16 112 2 0 0 0 0 0 3374 1 1 0 0 0 0 3374 134 0 16 135 2 0 0 0 0 0 3402 1 0 0 0 0 1 3416 135 0 18 229 1 1 1 0 0 4 3430 2 1 0 0 0 0 3444 136 0 25 140 1 0 0 0 0 0 3459 1 0 0 0 0 1 3460 137 0 32 134 1 0 0 0 0 0 3473 3 0 0 0 0 0 3475 138 0 20 121 3 0 0 0 0 0 3487 3 0 0 0 0 0 3544 139 0 23 190 3 1 0 0 0 0 3572 3 0 0 0 0 0 3572 140 0 22 131 1 0 0 0 0 0 3586 1 0 0 0 0 0 3600 141 0 32 170 1 0 0 0 0 1 3614 1 0 0 0 0 0 3614 142 0 30 110 3 0 0 0 0 2 3629 1 1 0 1 0 0 3629 143 0 20 127 1 1 3 0 1 0 3637 1 1 0 0 0 0 3643 144 0 23 123 1 0 0 0 0 1 3651 1 0 0 0 0 1 3651 145 0 17 120 1 1 0 0 0 0 3651 1 1 0 0 0 0 3651 146 0 19 105 1 0 0 0 0 1 3699 1 0 0 0 0 1 3728 147 0 23 130 1 1 0 1 0 0 3756 3 0 1 0 0 0 3770 148 0 36 175 1 0 0 0 0 1 3770 3 0 0 0 0 0 3770 149 0 22 125 2 0 0 1 0 0 3790 1 0 0 0 0 1 3799 150 0 24 133 151 0 21 134 152 0 19 235 153 0 25 95 154 0 16 135 155 0 29 135 156 0 29 154 157 0 19 147 158 0 19 147 159 0 30 137 160 0 24 110 161 0 19 184 162 0 24 110 163 0 23 110 164 0 20 120 165 0 25 241 166 0 30 112 211

SUTANTO PRIYO HASTONO: Analisis Data 167 0 22 169 1 0 0 0 0 0 3827 1 1 0 0 0 2 3856 168 0 18 120 2 0 0 0 0 4 3860 1 0 0 0 0 2 3860 169 0 16 170 3 0 0 0 0 1 3884 1 1 0 0 0 2 3884 170 0 32 186 1 0 0 0 1 1 3912 1 1 0 0 0 0 3940 171 0 18 120 3 0 0 0 0 1 3941 1 0 0 0 0 0 3941 172 0 29 130 3 0 0 0 0 0 3969 1 0 0 0 0 2 3983 173 0 33 117 3 0 0 0 0 1 3997 1 0 0 0 0 1 3997 174 0 20 170 3 0 0 0 0 0 4054 1 0 0 0 0 1 4054 175 0 28 134 1 0 0 0 0 0 4111 1 0 0 0 0 2 4153 176 0 14 135 1 0 0 0 0 2 4167 1 0 1 0 0 1 4174 177 0 28 130 1 1 0 0 0 0 4238 1 0 0 0 0 1 4593 178 0 25 120 1 0 0 0 0 1 4990 179 0 16 95 180 0 20 158 181 0 26 160 182 0 21 115 183 0 22 129 184 0 25 130 185 0 31 120 186 0 35 170 187 0 19 120 188 0 24 116 189 0 45 123 212