analisis faktor risiko penyakit hiv/aids dengan …
TRANSCRIPT
ANALISIS FAKTOR RISIKO PENYAKIT HIV/AIDS DENGAN METODE
REGRESI LOGISTIK( Studi Kasus di RSU DR.PIRNGADI )
SKRIPSI
AMARULLAH SAIF
150823025
PROGRAM STUDI EKSTENSI MATEMATIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
UNIVERSITAS SUMATERA UTARA
ANALISIS FAKTOR RISIKO PENYAKIT HIV/AIDS DENGAN METODE
REGRESI LOGISTIK( Studi Kasus di RSU DR.PIRNGADI )
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Sains
AMARULLAH SAIF
150823025
PROGRAM STUDI EKSTENSI MATEMATIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : ANALISIS FAKTOR RISIKO PENYAKIT HIV/AIDS DENGAN
METODE REGRESI LOGISTIK
Kategori : SKRIPSI
Nama : AMARULLAH SAIF
Nim : 150823025
Prodi : EKSTENSI MATEMATIKA-S1
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA)
UNIVERSITAS SUMATERA UTARA
Medan, Oktober 2017
Komisi Pembimbing:
Pembimbing
Dr. Pasukat Sembiring, M.Si
NIP. 19531113 198503 1 002
Disetujui oleh:
Departemen Matematika FMIPA USU
Ketua,
Dr. Suyanto, M.Kom
NIP. 19590813 198601 1 002
UNIVERSITAS SUMATERA UTARA
PERNYATAAN
ANALISIS FAKTOR RISIKO PENYAKIT HIV/AIDS DENGAN METODE
REGRESI LOGISTIK
SKRIPSI
Penulis mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali
beberapa kutipan ringkasan yang masing-masing disebutkan.
Medan, Oktober 2017
AMARULLAH SAIF
150823025
UNIVERSITAS SUMATERA UTARA
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha
Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan
Skripsi ini dengan judul Analisis Faktor Risiko Penyakit HIV/AIDS dengan
Metode Regresi Logistik ( Studi Kasus di RSU DR. PIRNGADI ).
Terima kasih penulis sampaikan kepada Bapak Dr. Pasukat Sembiring,
M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan
Skripsi ini. Terima kasih kepada Bapak Dr. Faigiziduhu Bu’ulolo, M.Si dan
Bapak Drs. Gim Tarigan, M.Si selaku dosen pembanding atas masukan dan saran
yang membangun dalam penyempurnaan Skripsi ini. Terima kasih kepada Bapak
Drs. Gim Tarigan, M.Si selaku Ketua Program Studi S1 Ekstensi Matematika
FMIPA USU, Bapak Dr. Suyanto, M.Kom dan Bapak Drs. Rosman Siregar, M.Si
selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak
Dr. Kerista Sebayang, MS selaku Dekan FMIPA USU Medan, seluruh staf dan
Dosen Program Studi S1 Ekstensi Matematika FMIPA USU, Pegawai FMIPA
USU, dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda
tersayang Najaruddin dan Ibunda tersayang Rosidahuri Harahap serta keluarga
yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga
Tuhan Yang Maha Esa akan membalasnya.
Medan, Oktober 2017
Penulis
UNIVERSITAS SUMATERA UTARA
ABSTRAK
HIV/AIDS telah menimbulkan kekhawatiran di berbagai belahan bumi.
HIV/AIDS adalah salah satu penyakit yang harus diwaspadai karena Acquired
Immunodeficiency Syndrome (AIDS) sangat berakibat pada penderitanya. AIDS
merupakan sekumpulan gejala penyakit yang menyerang tubuh manusia setelah
sistem kekebalannya dirusak oleh virus HIV (Human Immunodeficiency Virus).
Regresi logistik adalah bentuk khusus analisis regresi dengan variabel dependen
bersifat kategori dan variabel independen bersifat kategori, kontinu, atau
gabungan antara keduanya. Tulisan ini menganalisis faktor risiko penyakit
HIV/AIDS di mana variabel dependennya yang bersifat kategori yaitu HIV/AIDS.
Variabel independennya adalah Sex, Jarum Suntik, Transfusi dan Ibu ke anak.
Faktor risiko seorang yang terkena HIV/AIDS yang melalui Sex ( sebesar
0,9898, HIV/AIDS yang melalui Jarum suntik ( sebesar 0,9125, HIV/AIDS
yang melalui Transfusi ( sebesar 0,7727, HIV/AIDS yang melalui Ibu ke anak
( sebesar 0,9457. Faktor yang paling berpengaruh terkena HIV/AIDS adalah
faktor risiko melalui sex ( sebesar 0,9898. Tingkat akurasi model sebesar
96,6% artinya model regresi yang terbentuk sudah dapat menggambarkan
hubungan variabel independen terhadap variabel dependen.
Kata kunci: HIV/AIDS, Regresi logistik, Sex, Jarum Suntik, Transfusi dan Ibu ke
anak.
UNIVERSITAS SUMATERA UTARA
ABSTRACT
HIV/AIDS has caused concern in many parts of the world. HIV/AIDS is one of
the diseases to watch out for because Acquired Immunodeficiency Syndrome
(AIDS) is very affecting on the sufferer. AIDS is a collection of symptoms of the
disease that attacks the human body after its immune system is damaged by the
HIV virus (Human Immunodeficiency Virus). Logistic regression is a special
form of regression analysis with dependent variables being category and
independent variables are categorical, continuous, or combined between the two.
This paper analyzes the risk factors for HIV/AIDS diseases in which the
dependent variable is a category that is HIV/AIDS. The independent variables are
Sex, Syringe, Transfusion and Mother to child. The risk factors of a person
infected with HIV/AIDS through Sex ( of 0.9898, HIV/AIDS through needle
syringe ( of 0.9125, HIV / AIDS through Transfusion ( of 0.7727,
HIV/AIDS through mother to child ( of 0.9457. The most influential factor of
HIV/AIDS is risk factor through sex ( of 0.9898. Level accuracy of 96.6%
model means that the regression model that is formed can describe the
relationship of independent variables to the dependent variable.
keywords: HIV/AIDS, Logistic regression, Sex, Syringe, Transfusion and Mother
to child.
UNIVERSITAS SUMATERA UTARA
DAFTAR ISI
Halaman
PERSETUJUAN
i
PERNYATAAN
ii
PENGHARGAAN
iii
ABSTRAK
iv
ABSTRACT
v
DAFTAR ISI
vi
DAFTAR TABEL
viii
DAFTAR GAMBAR
ix
DAFTAR LAMPIRAN
BAB 1 PENDAHULUAN
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
3
1.3 Batasan Masalah
3
1.4 Tujuan Penelitian
3
1.5 Manfaat Penelitian
3
1.6 Tinjauan Pustaka
3
1.7 Metode Penelitian
5
BAB 2 LANDASAN TEORI
7
2.1 Data
7
2.2 Skala Pengukuran Data
7
2.3 Pengertian Variabel
8
2.4 Macam-Macam Rancangan
Penelitian dalam Bidang
Kesehatan
9
2.5 Pengertian HIV/AIDS
9
2.6 Analisis Regresi
10
2.6.1 Analisis Regresi Logistik 10
2.6.2 Uji Model Persamaan Regresi Logistik 13
2.7 Negerkerke atau Korelasi Determinasi (
14
BAB 3 PEMBAHASAN
15
3.1 Pengumpulan Data
15
3.2 Pengolahan Data
16
3.2.1 Menguji atau Menilai Kelayakan Model
Regresi 16
UNIVERSITAS SUMATERA UTARA
3.2.2 Menguji Keselurah Model 17
3.2.3 Menbentuk Persaman Regresi Logistik
dengan bantuan SPSS 23 20
3.2.4 Menguji Koefisen Regresi 21
BAB 4 KESIMPULAN DAN SARAN
24
4.1 Kesimpulan
24
4.2 Saran
25
DAFTAR PUSTAKA
x
UNIVERSITAS SUMATERA UTARA
DAFTAR TABEL
Halaman
Tabel 3.1 Data Pasien HIV/AIDS di RSU Dr. Pirngadi Medan 14
Tabel 3.2 Uji Hosmer dan Lemeshow 15
Tabel 3.3 Nilai -2 Log Likehood awal 16
Tabel 3.4 Nilai -2 Log Likehood akhir 16
Tabel 3.5 Uji Omnibus dari Model Koefisien 17
Tabel 3.6 Tabel Klasifikasi 17
Tabel 3.7 Ringkasan Model 18
Tabel 3.8 Variabel dalam Persamaan 20
UNIVERSITAS SUMATERA UTARA
DAFTAR GAMBAR
Halaman
Gambar 3.1 Masukan variabel kedalam kolom dependent dan
covariates 20
Gambar 3.2 Menceklis di Predicated Values dan Residuals 20
Gambar 3.3 Menceklis di Statistic and Plots 21
UNIVERSITAS SUMATERA UTARA
BAB 1
PENDAHULUAN
1.1 Latar Belakang
HIV (Human Immunodeficiency Virus) merupakan virus yang menyerang sistem
kekebalan tubuh dan biasanya menyerang sel CD4 sehingga mengakibatkan
penurunan sistem pertahanan tubuh. Kecepatan produksi HIV berkaitan dengan
status kesehatan orang yang terjangkit infeksi tersebut.
HIV/AIDS telah menimbulkan kekhawatiran di berbagai belahan bumi.
HIV/AIDS adalah salah satu penyakit yang harus diwaspadai karena AIDS sangat
berakibat pada penderitanya. AIDS merupakan sekumpulan gejala penyakit yang
menyerang tubuh manusia setelah sistem kekebalannya dirusak oleh virus HIV.
HIV/AIDS, penyakit ini telah menjadi pandemi yang mengkhawatirkan
masyarakat dunia, karena disamping belum ditemukan obat dan vaksin
pencegahan penyakit ini juga memiliki (window periode) dan fase asimtomatik
(tanpa gejala) yang relatif panjang dalam perjalanan penyakitnya. Hal tersebut
menyebabkan pola perkembangannya seperti fenomena gunung es (iceberg
phenomena).
Jumlah kasus HIV/AIDS dari tahun ke tahun di seluruh bagian dunia terus
meningkat meskipun berbagai upaya preventif terus dilaksanakan. Dari beberapa
cara penularan tersebut, masing-masing penularan memiliki resiko penularan
cukup besar. Oleh karena itu, penularan HIV harus diberi pengobatan agar
penyebaran mengalami perlambatan.
HIV tidak dapat disembuhkan karena tidak ada obat yang dapat
sepenuhnya menyembuhkan HIV/AIDS. Perkembangan penyakit dapat
diperlambat namun tidak dapat dihentikan sepenuhnya. Kombinasi yang tepat
antara berbagai obat-obatan anti retroviral dapat memperlambat kerusakan yang
diakibatkan oleh HIV pada sistem kekebalan tubuh dan menunda awal terjadinya
AIDS.
Kualitas tidur secara signifikan berhubungan dengan kesehatan dan
kualitas hidup orang dengan HIV/AIDS. Kualitas tidur yang buruk dapat
berkontribusi pada peningkatan morbiditas dan disabilitas individu dengan infeksi
UNIVERSITAS SUMATERA UTARA
HIV. Selain itu kualitas tidur yang buruk dapat mengakibatkan kemerosotan mutu
hidup karena dapat menyebabkan kelelahan pada siang hari dan mempengaruhi
status fungsional.
Patofisiologi gangguan tidur di antara orang yang terinfeksi HIV masih
belum jelas. Namun hal ini dapat di hubungkan dengan kemampuan virus HIV
menginfeksi Sistem Saraf Pusat (SSP), pengaruh dari pengobatan anti retroviral,
infeksi oportunistik pada sistem saraf pusat, isu kesehatan jiwa, dan
ketergantungan zat.
Rumah Sakit Umum Dr. Pirngadi Medan merupakan salah satu unit
pelayanan kesehatan di kota Medan yang berstatus milik pemerintah Kota Medan.
Tugas pokok bidang keperawatannya adalah menyusun rencana kegiatan kerja,
melakukan penyusunan standar asuhan, melakukan pelayanan keperawatan,
melakukan etika profesi keperawatan dan peningkatan mutu keperawatan,
melakukan pengembangan sumber daya manusia keperawatan, serta
melaksanakan tugas-tugas lain yang diberikan oleh kepala badan sesuai dengan
bidang tugasnya. Menyatakan bahwa dalam upaya untuk meningkatkan mutu
pelayanan kesehatan kepada masyarakat di Rumah Sakit Umum Dr. Pirngadi
Medan perlu perbaikan pengelolaan manajemen rumah sakit dan perlu perbaikan
pada kinerja pelayanan rumah sakit.
Rumah Sakit Umum Dr. Pirngadi juga menyediakan layanan untuk
pemeriksaan seseorang positif atau negatif terjangkit virus HIV/AIDS. Klinik
VCT menyediakan pemeriksaan tersebut. Pasien yang datang ke klinik VCT
bervariasi ada dari kota medan ada juga yang berasal dari luar kota.
Hair et al (Santoso, 2012) membagi berbagai teknik multivariat dimulai
dengan melihat hubungan antar variabel. Untuk mengetahui bagaimana hubungan
diantara variabel tersebut dapat dibagi menjadi dua bagian besar yaitu
interdependensi dan depedensi. Interdependensi adalah variabel-variabel yang
tidak saling bergantung dengan yang lain. Ciri pentingnya adalah tidak adanya
variabel dependen dan variabel independen, semua variabel bersifat independen.
Alat analisis yang digunakan adalah analisis faktor, cluster, MDS, dan CA.
Sedangkan dependensi adalah variabel-variabel yang saling ketergantungan. Ciri
penting dependensi adalah adanya dua jenis variabel yaitu variabel dependen dan
UNIVERSITAS SUMATERA UTARA
variabel independen. Alat analisis yang digunakan adalah regresi berganda,
Regresi logistik, analisis diskriminan, SEM, Manova dan korelasi kanonikal.
Regresi Logistik adalah bentuk khusus analisis regresi dengan variabel
dependen bersifat kategori dan variabel independen bersifat kategori, kontinu,
atau gabungan antara keduanya. Berdasarkan penjelasan di atas maka penulis
tertarik untuk mengambil judul “Analisis Faktor Risiko Penyakit HIV/AIDS
dengan Metode Regresi Logistik ( Studi Kasus di RSU DR. PIRNGADI )”.
1.2 Perumuasan Masalah
Berdasarkan uraian yang di kemukakan di atas, bahwa risiko penyakit HIV/AIDS
sangat berpengaruh dalam ke hidupan bermasyarakat. Maka masalah yang akan di
bahas dalam penelitian ini adalah faktor-faktor apa saja yang mempengaruhi
risiko penyakit HIV/AIDS.
1.3 Batasan Masalah
Supaya untuk mengarahkan pembahasan dalam Tugas Akhir ini agar tidak
menyimpang dari sasaran yang akan diteliti, maka sebaiknya perlu dibuat batasan
ruang lingkup permasalahan. Sebagai batasan masalah adalah masyarakat yang
mengidap penyakit HIV/AIDS di RSU Dr. Pirngadi Medan 2016.
1.4 Tujuan Penelitian
Penelitian ini bertujuan untuk mengetahui faktor apa yang lebih dominan
mempengaruhi risiko penyakit HIV/AIDS.
1.5 Manfaat Penelitian
Manfaat penelitian ini adalah untuk memberikan informasi kepada para pembaca,
utamanya bagi sesama pelajar dan generasi muda tentang HIV/AIDS, sehingga
dengan demikian semua berusaha untuk menghindarkan diri dari segala sesuatu
yang bisa saja menyebabkan penyakit HIV/AIDS.
1.6 Tinjauan Pustaka
Regresi logistik adalah suatu model matematik yang digunakan untuk
mempelajari hubungan antara satu atau beberapa variabel independen dengan satu
UNIVERSITAS SUMATERA UTARA
variabel dependen yang bersifat dikotomus (binary). Variabel yang bersifat
dikotomus adalah variabel yang hanya memiliki dua nilai, misalnya hidup/mati,
sakit/sehat, dan sebagainya. Menurut Hosmer dan Lemeshow (1989) metode
regresi logistik adalah suatu metode analisis statistika yang mendiskripsikan
hubungan antara variabel dependen yang memiliki dua kategori dengan variabel
independen berskala kategori atau interval maupun numerik. Regresi logistik
dapat digunakan untuk memprediksi variabel dependen oleh sebuah atau beberapa
variabel independen; untuk menentukan persentase varians dalam variabel
dependen yang dapat dijelaskan oleh variabel independen; serta untuk
menentukan peringkat kepentingan relatif variabel independen terhadap variabel
dependen.
Persamaan regresi Logistik dengan "k" variabel bebas adalah:
) = Probalitas terjadinya peristiwa pada kelompok ke-i
e = basis dari logaritma natural: 2,718282
i = 1,2,...,n
koefisien regresi pada model logistik
, , ..., = variabel indenpenden
Model ini merupakan model peluang suatu kejadian yang dipengaruhi
oleh faktor–faktor , ,..., . Persamaan ini bersifat nonlinier dalam
parameter. Tidak seperti pada regresi linier dengan metode Ordinary Least
Squares atau kuadrat terkecil, regresi logistik tidak mengasumsikan hubungan
linier antara variabel dependen dengan variabel independen. Akan tetapi, variabel
independen memiliki hubungan linier dengan logit variabel dependen.
Selanjutnya, untuk menjadikan model tersebut linier proses yang dinamakan logit
transformation perlu dilakukan seperti berikut ini:
+
UNIVERSITAS SUMATERA UTARA
Estimasi koefisien dalam model regresi logistik tidak dapat dilakukan
dengan metode Ordinary Least Square atau metode kuadrat terkecil. Metode yang
bisa digunakan adalah metode Maximum Likelihood. Regresi logistik membentuk
variabel dependen [logit (p( )/(1-p( ))] yang merupakan kombinasi linier dari
variabel independen. Nilai variabel dependen ini kemudian ditransformasikan
menjadi probabilitas dengan fungsi logit. Regresi logistik menghasilkan rasio
peluang atau biasa disebut odds ratio, yang terkait dengan nilai setiap variabel
independen. Ratio peluang (odds ratio) dari suatu kejadian diartikan sebagai
peluang hasil yang muncul (p) dibagi dengan peluang suatu kejadian tidak muncul
(1 - p). Interpretasi hasil regresi logistik dari variabel independen tidak secara
langsung dilihat dari koefisien regresinya tetapi diamati dari bentuk odds ratio-
nya atau likelihood ratio dengan kemungkinan terbesar nilai peluang adalah 1.
Likelihood adalah pengukuran seberapa besar data yang ada mendukung nilai
parameter menurut model probabilitas. Likelihood berarti juga peluang atau
probabilitas untuk hipotesis tertentu. Seperti yang diketahui pada kurva regresi
linier dapat dilihat adanya hubungan linier, peningkatan pada sumbu Y akan
diikuti dengan peningkatan pada sumbu X dan sebaliknya. Tetapi pada regresi
logistik dengan nilai Y antara 0 dan 1, pendekatan linier tidak bisa digunakan.
Untuk menguji kelayakan model regresi dapat dilihat dari tabel Hosmer and
Lemeshow dari hasil olah data. Dan uji hipotesisnya seperti berikut ini:
: Model sesuai (Model mampu menjelaskan data empiris)
: Model tidak sesuai (Model tidak mampu menjelaskan data empiris)
Kriteria Pengujian adalah:
: ditolak bila probabilitas ≤ 0,05
: diterima bila probabilitas > 0,05
1.7 Metode Penelitian
Urutan proses dalam penelitian ini adalah sebagai berikut:
1. Data yang digunakan dalam penelitian ini merupakan data sekunder. Data
tersebut didapat dari RSU DR. PIRNGADI MEDAN.
UNIVERSITAS SUMATERA UTARA
2. Pengumpulan data merupakan aktivitas yang dilakukan guna mendapatkan
informasi yang diperlukan dalam rangka mencapai tujuan dari suatu
penelitian. Adapun tujuan penelitian adalah jawaban dari rumusan masalah
ataupun hipotesis penelitian, untuk dapat menjawabnya diperlukan data atau
informasi yang diperoleh melalui tahapan pengumpulan data.
3. Tabulasi Data bertujuan untuk agar data bisa disusun, dijumlah dan
mempermuda penataan data untuk disajikan serta dianilisa.
4. Analisa merupakan sekumpulan kegiatan, aktivitas dan proses yang saling
berkaitan untuk memecahkan masalah atau memecahkan komponen menjadi
lebih detail dan digabungkan kembali lalu ditarik kesimpulan. Bentuk dari
kegiatan analisa salah satunya yaitu merangkum data mentah menjadi sebuah
informasi yang bisa disampaikan.
5. Memisahkan variabel ke dalam faktor dependen dan independen.
6. Menguji model apakah menunjukkan model regresi yang baik.
7. Menilai kelayakan model regresi atau menganalisis seberapa penting variabel
independen didalam model dengan Uji Hosmer and Lemeshow dengan melihat
nilai goodness of fit yang diukur dengan nilai chi–square pada tingkat
signifikansi 5%.
8. Memperlihatkan tingkat akurasi model dan menguraikan persentase variabel
dependen dilihat dari tabel Overall Classification.
9. Membentuk persamaan regresi Logistik dengan bantuan SPSS 23 .
10. Menghitung faktor resiko HIV/AIDS.
11. Membuat kesimpulan apakah model yang diteliti sudah baik (sesuai) sehingga
dapat diperlihatkan besar pengaruh masing–masing variabel independen.
UNIVERSITAS SUMATERA UTARA
BAB 2
LANDASAN TEORI
2.1 Data
Data merupakan sejumlah informasi yang dapat memberikan gambaran tentang
sesuatu keadaan. Informasi yang di peroleh memberikan keterangan, gambaran,
atau fakta mengenai suatu persoalan dalam bentuk kategori, huruf, atau bilangan.
Data digunakan untuk menyediakan informasi bagi suatu penelitian, pengukuran
kinerja, dasar pembuatan keputusan dan menjawab rasa ingin tahu. Jenis-jenis
data berdasarkan cara memperolehnya yaitu:
1. Data primer
Data primer merupakan data yang didapat dari sumber pertama, baik dari
individu atau perseorangan seperti hasil wawancara atau pengisian kuisioner
yang biasa dilakukan oleh peneliti. Biasanya data primer, peneliti melakukan
observasi sendiri baik di lapangan maupun di laboratorium.
2. Data sekunder
Data sekunder merupakan data primer yang diperoleh oleh pihak lain atau data
primer yang telah diolah lebih lanjut dan disajikan baik oleh pengumpul data
primer atau pihak lain yang pada umumnya disajikan dalam bentuk tabel-tabel
atau diagram-diagram (Sugiarto, dkk, 2001).
2.2 Skala Pengukuran Data
Pengetahuan mengenai skala pengukuran data sangat penting di dalam statistika.
Terdapat empat skala pengukuran data, diurutkan mulai dari tingkatan terendah
hingga tertinggi seperti berikut ini:
1. Nominal, tipe data ini digunakan untuk mengklasifikasikan informasi/data.
Contoh: Data jenis kelamin yaitu Laki-laki dan Perempuan. Biasanya, saat
analisis data tipe seperti ini dilambangkan dengan bilangan numerik. Laki–laki
dilambangkan dengan angka 1, sedangkan perempuan dilambangkan dengan
angka 2. Tidak berarti angka 1 lebih rendah dari angka 2, hanya melambangkan
saja.
UNIVERSITAS SUMATERA UTARA
2. Ordinal, tipe data ini digunakan untuk mengklasifikasikan serta memiliki
tingkatan. Tipe data ordinal lebih tinggi dari nominal karena kemampuannya
untuk membentuk tingkatan. Contoh: Jabatan di dalam perusahaan ada
karyawan, manager, dan direktur utama. Misal karyawan dilambangkan dengan
1, manager dengan 2 dan direktur utama dengan 3. Pada tipe data ini, angka 1
dianggap lebih rendah dari angka 2 dan seterusnya.
3. Interval, ciri khas dari tipe data ini selain memiliki kemampuan mengklasifikasi
dan membentuk tingkatan adalah tidak adanya nilai nol mutlak. Artinya, angka
nol yang digunakan bukan berarti tidak ada. Contoh: Derajat suhu. Di dalam
skala celcius misalnya, Nol derajat celcius bukan berarti tidak ada suhu. Nol
derajat itu memiliki suhu, hanya saja dilambangkan nol.
4. Rasio, tipe data ini memiliki kemampuan dari ketiga tipe data sebelumnnya dan
angka nol dianggap mutlak. Contoh: data berat badan (kg). Angka nol kg
berarti memang tidak ada berat.
2. 3 Pengertian Variabel
Variabel merupakan objek yang berbentuk apa saja yang ditentukan oleh peneliti
dengan tujuan untuk memperoleh informasi agar bisa ditarik suatu kesimpulan.
Secara teori, definisi variabel penelitian adalah merupakan suatu objek atau sifat
atau atribut atau nilai dari orang atau kegiatan yang mempunyai bermacam-
macam variasi antara satu dengan yang lainnya yang ditetapkan oleh peneliti
dengan tujuan untuk dicari dan ditarik kesimpulan. Adapun tipe-tipe variabel
terbagi atas:
1. Variabel Bebas
Variabel bebas ataupun variabel independen merupakan variabel stimulus atau
variabel yang memepengaruhi variabel lain. Variabel bebas merupakan yang
variabilitasnya diukur atau dipilih oleh peneliti untuk menentukan
hubungannya dengan suatu gejala yang diobservasi.
2. Variabel Terikat
Variabel terikat atau variabel dependen merupakan variabel yang memberikan
reaksi atau respon jika dihubungkan dengan variabel bebas. Variabel dependen
UNIVERSITAS SUMATERA UTARA
adalah variabel yang variabilitasnya diamati dan diukur untuk menentukan
pengaruh yang disebabkan oleh variabel bebas.
2.4 Macam–macam Rancangan Penelitian dalam Bidang Kesehatan
Secara garis besar, penelitian dalam bidang kesehatan dapat dibagi berdasarkan
beberapa aspek sebagai berikut:
1. Berdasarkan tujuan, penelitian kesehatan dapat dibagi menjadi penelitian
eksploratif, penelitian deskriptif, penelitian analitik (prospektif dan
retrospektif) dan penelitian eksperimental.
2. Berdasarkan pendekatan yang digunakan maka penelitian dapat dibagi menjadi
penelitian cross sectional dan longitudinal.
3. Berdasarkan keterlibatan peneliti dapat dikelompokkan menjadi penelitian
observasional dan penelitian intervensional.Konsep penelitian ini adalah
penelitian Cross Sectional. Penelitian cross sectional mempelajari dinamika
hubungan antara faktor resiko dengan efeknya. Faktor resiko dengan efeknya
diobservasi pada saat yang sama. Artinya subjek penelitian diobservasi hanya
satu kali saja dan faktor resiko dengan efeknya dicatat sesuai kondisi atau
status pada saat observasi. Faktor resiko pada penelitian ini adalah Jenis
Kelamin, Usia, Sex, Transfusi Darah, Jarum Suntik, Ibu ke anak dan efeknya
adalah penyakit Hiv/Aids
2.5 Pengertian HIV/AIDS
HIV (Human Immunodeficiency Virus) merupakan retrovirus bersifat limfotropik
khas yang menginfeksi sel-sel dari sistem kekebalan tubuh, menghancurkan atau
merusak sel darah putih spesifik yang disebut limfosit T-helper atau limfosit
pembawa faktor T4 (CD4). Virus ini diklasifikasikan dalam famili Retroviridae,
subfamili Lentiviridae, genus Lentivirus.
Selama infeksi berlangsung, sistem kekebalan tubuh menjadi lemah dan
orang menjadi lebih rentan terhadap infeksi. Tingkat HIV dalam tubuh dan
timbulnya berbagai infeksi tertentu merupakan indikator bahwa infeksi HIV telah
berkembang menjadi AIDS (Acquired Imunnodeficiency Syndrome). AIDS
merupakan kumpulan gejala atau penyakit yang disebabkan oleh menurunnya
UNIVERSITAS SUMATERA UTARA
kekebalan tubuh akibat virus HIV. Sebagian besar orang yang terkena HIV, bila
tidak mendapat pengobatan, akan menunjukkan tanda-tanda AIDS dalam waktu 8-
10 tahun. AIDS diidentifikasi berdasarkan beberapa infeksi tertentu yang
dikelompokkan oleh Organisasi Kesehatan Dunia (World Health Organization)
menjadi tahapan stadium klinis, dimana pada stadium penyakit HIV yang paling
terakhir (stadium IV) digunakan sebagai indikator AIDS. Sebagian besar keadaan
ini merupakan infeksi oportunistik yang apabila diderita oleh orang yang sehat,
infeksi tersebut dapat diobati.
2.6 Analisis Regresi
Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan
memodelkan hubungan diantara variabel-variabel. Analisis regresi dapat
digunakan untuk dua hal pokok, yaitu:
a. Untuk memperoleh suatu persamaan dari garis yang menunjukkan persamaan
hubungan antara dua variabel. Persamaan dan garis yang dihasilkan bisa berupa
persamaan garis bentuk linier maupun nonlinier.
b. Untuk menaksir suatu variabel yang disebut variabel tak bebas (terikat) dengan
variabel lain yang disebut variabel bebas berdasarkan hubungan yang
ditunjukkan persamaan regresi tersebut.
Berdasarkan amatan dan analisis data, penyelesaian regresi ini dapat
berupa persamaan linier maupun nonlinier. Oleh karena itu analisis regresi ini
terbagi atas regresi linier dan regresi nonlinier. Yang termasuk ke dalam regresi
linier adalah regresi linier sederhana, regresi linier berganda, dan sebagainya.
Ssedangkan yang termasuk regresi nonlinier adalah regresi model parabola
kuadratik, model parabola kubik, model eksponen, model geometrik, regresi
logistik, dan sebagainya.
2.6.1 Analisis Regresi Logistik
Model regresi merupakan komponen penting dalam beberapa analisis data dengan
menggambarkan hubungan antara variabel respon dan satu atau beberapa variabel
penjelas. Pada umumnya analisis regresi digunakan untuk menganalisis data
dengan variabel respon berupa data kuantitatif. Akan tetapi sering juga ditemui
UNIVERSITAS SUMATERA UTARA
kasus dengan variabel responnya bersifat kualitatif/kategori. Untuk mengatasi
masalah tersebut maka dapat digunakan model regresi logistik.
Pendekatan model persamaan regresi logistik digunakan karena dapat
menjelaskan hubungan antara variabel bebas dan peluangnya yang bersifat tidak
linear, ketidaknormalan sebaran dari variabel terikat, serta keragaman respon yang
tidak konstan dan tidak dapat dijelaskan oleh model regresi linear biasa (Agresti,
1990). Menurut Hosmer (1989), metode regresi logistik adalah suatu metode
analisis statistika yang mendeskripsikan hubungan antara peubah respon yang
memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala
kategori atau interval. Yang dimaksud dengan peubah kategorik yaitu peubah
yang berupa data nominal dan ordinal.
Pada dasarnya regresi logistik sama dengan analisis diskriminan,
perbedaan ada pada jenis data dari variabel dependen. Jika pada analisis
diskriminan variabel dependen adalah data rasio, maka pada regresi logistik
variabel dependen adalah data nominal. Data nominal di sini lebih khusus adalah
data binary. Dengan demikian, tujuan regresi logistik adalah pembuatan sebuah
model regresi untuk memprediksi besar variabel dependen yang berupa variabel
binary dengan menggunakan data variabel independen yang sudah diketahaui
besarnya.
Regresi logistik biner adalah salah satu metode statistika yang sering
digunakan untuk mengklasifikasikan sejumlah pengamatan dengan respon biner
ke dalam beberapa kelompok berdasarkan satu atau lebih variabel prediktor.
Melalui metode ini akan dihasilkan peluang dari masing-masing kategori respon
yang akan dijadikan sebagai pedoman pengklasifikasian dan suatu pengamatan
akan masuk kedalam respon kategori tertentu berdasarkan nilai peluang yang
terbesar.
Pada Regresi logistik biner (dikotomus), variabel responnya mempunyai
dua kategori. Fenomena dimana variabel responnya dua (bivariat) dan masing-
masing berkategorikan biner, dapat dianalisis mengunakan regresi logistik biner
bivariat, dengan asumsi antar peubah respon biner terdapat dependensi. Regresi
logistik cukup baik dan sering digunakan.
UNIVERSITAS SUMATERA UTARA
Regresi logistik memiliki beberapa keuntungan dibandingkan regresi lainnya,
yaitu:
1. Regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang
digunakan dalam model. Artinya variabel penjelas tidak harus memiliki
distribusi normal, linier, maupun memiliki varian yang sama dalam setiap
group.
2. Variabel dalam regresi logistik dapat berupa campuran dari variabel kontinu,
diskrit, dan dikotomis.
3. Regresi logistik amat bermanfaat digunakan apabila distribusi respon atas
variabel terikat diharapkan non linier dengan satu atau lebih variabel bebas.
Bentuk umum regresi logistik tersebut adalah:
Misalkan:
Sehingga:
=
=
=
=
=
UNIVERSITAS SUMATERA UTARA
=
=
=
=
=
Maka diperoleh rumus regresi logistiknya adalah:
Dengan
) = Probalitas terjadinya peristiwa pada kelompok ke-i
e = basis dari logaritma natural: 2,718282
i = 1,2,...,n
koefisien regresi pada model logistik
, , ..., = variabel indenpenden
2.6.2 Uji Model Persamaan Regresi Logistik
Uji ini sering disebut juga sebagai uji ketepatan model. Uji ini digunakan untuk
mengatahui apakah model regresi logistik sudah sesuai dengan data observasi
yang diperoleh. Untuk menilai ketepatan model regresi logistik dalam penelitian
ini diukur dengan nilai chi square dengan uji Hosmer dan Lemeshow. Pengujian
ini akan melihat nilai goodness of fit test yang diukur dengan nilai chi square pada
tingkat signifikansi, dimana tingkat signifikansi pada penelitian ini adalah 5%.
Uji Hosmer dan Lemeshow ini disebut juga uji t yaitu uji signifikansi
konstanta dan setiap variabel independen. Kriteria Statistiknya dapat dilihat
dari tabel Hosmer and Lemeshow dari hasil olah data.
UNIVERSITAS SUMATERA UTARA
Uji hipotesis:
: Model sesuai (Model mampu menjelaskan data empiris)
: Model tidak sesuai (Model tidak mampu menjelaskan dataempiris)
Kriteria Pengujian: : ditolak bila probabilitas ≤ 0,05
: diterima bila probabilitas > 0,05
2.7 Negelkerke atau Korelasi Determinasi )
Nilai Negelkerke atau Korelasi Determinasi ( ) ini akan menunjukkan seberapa
besar variabel-variabel bebas penelitian ini menjelaskan variabel terikatnya. Nilai
Negelkerke ( ) biasanya dibentuk dalam persen agar dapat mengetahui dengan
pasti seberapa jauh penjelasan variabel-variabel bebas terhadap variabel
terikatnya.
UNIVERSITAS SUMATERA UTARA
BAB 3
PEMBAHASAN
3.1 Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data yang
sudah tersedia dari data rekam medis RSU. Dr. Pringadi Medan.
Proses pengumpulan data ditentukan oleh variabel-variabel yang ada
dalam hipotesis. Pengumpulan data dilakukan terhadap sampel yang telah
ditentukan sebelumnya. Data adalah sesuatu yang belum memiliki arti bagi
penerimanya dan masih membutuhkan adanya suatu pengolahan. Data bisa
memiliki berbagai wujud, mulai dari gambar, suara, huruf, angka, bahasa, simbol,
bahkan keadaan. Semua hal tersebut dapat disebut sebagai data asalkan dapat kita
gunakan sebagai bahan untuk melihat lingkungan, obyek, kejadian, ataupun suatu
konsep.
Tabel 3.1. Data Pasien HIV/AIDS di RSU Dr. Pirngadi Medan
Umur
Jenis Kelamin Sex
Jarum Suntik
Transfusi
Ibu Ke anak
Lk Pr
0-10 1 1
2
11-20 3 0 2
1
21-30 47 20 66 1 31-40 53 17 68 2 41-50 12 5 16 1 51-60 7 6 12
1
>61 0 1 1 Total 123 50 165 4 1 3
Dari Tabel 3.1 memberikan informasi mengenai jumlah pasien HIV/AIDS
di RSU DR.PIRNGADI sebanyak 173 orang. Pasien berjenis kelamin laki-laki
terbanyak yang mengidap HIV/AIDS sebanyak 123 orang. Dari berdasarkan usia
pasien HIV/AIDS 31-40 tahun sebanyak 70 orang. Penyebab HIV/AIDS
terbanyak terjadi melalui sex sebanyak 165 orang.
UNIVERSITAS SUMATERA UTARA
Faktor penyebab HIV/AIDS adalah melalui sex, jarum suntik, transfusi
dan ibu ke anak. Faktor independen dalam variabel tersebut adalah sex, jarum
suntik, transfusi dan ibu ke anak, sedangakan faktor dependen adalah HIV/AIDS.
3.2 Pengolahan Data
3.2.1 Menguji atau menilai Kelayakan Model regresi
Tabel 3.2 Uji Hosmer dan Lemeshow
Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 4,268 2 0,118
Hipotesis : : Model sesuai (Model mampu menjelaskan data empiris)
: Model tidak sesuai (Model tidak mampu menjelaskan dataempiris)
Kriteria Pengujian: : ditolak bila probabilitas ≤ 0,05
: diterima bila probabilitas > 0,05
Untuk menguji apakah koefisien regresi layak atau tidak digunakan
berdasarkan Tabel 3.2 Uji Hosmer dan Lemeshow atau goodnees and fit test
statistik dan dapat diuraikan seperti berikut ini:
a. Berdasarkan pengujian nilai statistik uji Hosmer dan Lemeshow atau goodnees
and fit test statistik sebesar 4,268 dengan probabilitas 0,118 nilai ini jauh di
atas 0,05. Dengan demikian dapat disimpulkan bahwa model tersebut sesuai
dan dapat diterima. Model mampu menjelaskan data empiris yang artinya tidak
terdapat perbedaan antara model dengan data sehingga model dapat
memprediksi nilai observasinya.
b. Jika nilai Hosmer and Lemeshow ≤ 0,05 artinya ada perbedaan signifikan
antara model dengan observasinya sehingga goodnees and fit test statistik tidak
baik, yang artinya model tidak dapat memprediksi nilai observasinya.
c. Oleh karena nilai Hosmer and Lemeshow > 0,05 artinya model mampu
memprediksi nilai observasinya maka model regresi binary layak dipakai untuk
analisis selanjutnya.
UNIVERSITAS SUMATERA UTARA
3.2.2 Menguji Keseluruhan Model
Tabel 3.3 Nilai -2 Log Likehood Awal
Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients
Constant
Step 0 1 73,642 1,865
2 55,255 2,730
3 52,607 3,209
4 52,476 3,346
5 52,476 3,356
6 52,476 3,356
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 52,476
c. Estimation terminated at iteration number 6
because parameter estimates changed by less than
,001.
Tabel 3.4 Nilai -2 Log Likehood Akhir
Iteration Historya,b,c,d
Iteration
-2 Log
likelihood
Coefficients
Constant Sex jarum_suntik Transfusi ibu_ke_anak
Step 1 1 69,933 1,742 0,220 -0,099 -0,692 0,029
2 47,596 2,474 0,541 -0,289 -1,307 0,005
3 42,172 2,885 0,958 -0,554 -1,694 -0,115
4 41,204 3,088 1,285 -0,744 -1,874 -0,247
5 41,138 3,154 1,403 -0,809 -1,931 -0,298
6 41,138 3,160 1,415 -0,815 -1,936 -0,303
7 41,138 3,160 1,415 -0,815 -1,936 -0,303
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 52,476
d. Estimation terminated at iteration number 7 because parameter estimates changed by less than
,001.
UNIVERSITAS SUMATERA UTARA
Perhatikan angka -2 Log likelihood, di mana pada Table 3.3 nilai Log
likelihood awal adalah 52,476 sedangkan pada Table 3.4, nilai -2 Log likelihood
akhir turun menjadi 41,138. Adanya pengurangan nilai antara -2 Log likelihood
awal dengan nilai -2 Log likelihood akhir menunjukkan bahwa model yang di
hipotesiskan sesuai dengan data. Penurunan ini menunjukkan regresi yang lebih
baik.
Statistik -2 Log Likehood dapat juga digunakan untuk menentukan jika
variabel bebas ditambahkan ke dalam model apakah secara signifikan
memperbaiki model yang sesuai. Selisih antara -2 LogLikehood sebelum dan
sesudah ditambah variabel bebas adalah sebesar 11,338 dengan derajat kebebasan
2, dan angka ini signifikan secara statistik dapat dibuktikan berdasarkan dari
Tabel 3.5.
Table 3.5 Uji Omnibus dari Model Koefisien
Omnibus Tests of Model Coefficients
Chi-square Df Sig.
Step 1 Step 11,338 4 0,023
Block 11,338 4 0,023
Model 11,338 4 0,023
Nilai Chi-square sebesar 11,338 dengan signifikan 0,023 model berarti dengan
tingkat keyakinan 95%, ada minimal satu variabel bebas yang berpengaruh pada
variabel tidak bebas. Sehingga dapat disimpulkan bahwa model dapat digunakan
untuk analisis lebih lanjut.
Tabel 3.6 Tabel Klasifikasi
Classification Tablea,b
Observed
Predicted
hiv_aids Percentage
Correct
tidak hiv_aids hiv_aids
Step 0 hiv_aids tidak hiv_aids 0 0 0,0
hiv_aids 0 173 100,0
Overall Percentage 96,6
a. Constant is included in the model.
b. The cut value is .500
UNIVERSITAS SUMATERA UTARA
Dari Tabel 3.6 diperoleh tingkat akurasi model adalah 96,6 %. Tabel klasifikasi
ini digunakan untuk menunjukkan seberapa baik hasil prediksi dan ukuran akurasi
model. Model yang baik mempunyai tingkat akurasi yang tinggi. Angka 96,6 %
merupakan angka yang cukup baik.
Tabel 3.7 Ringkasan Model
Model Summary
Step -2 Log likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 41,138a 0,062 0,242
a. Estimation terminated at iteration number 7 because
parameter estimates changed by less than ,001.
Tabel 3.7 di atas menunjukkan angka cox dan Snell R Kuadrat merupakan ukuran
seperti halnya Korelasi Determinasi ( ) pada Regresi Linier. Nilai ini didasarkan
pada teknik estimasi likelihood dengan nilai maksimum ≤ 1. Nagelkerke R
Kuadrat merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan
bahwa nilainya bervariasi dari nol sampai dengan satu. Nilai cox dan Snell R
Kuadrat sebesar 0,062 dan nilai Nagelkerke R Kuadrat sebesar 0,242 artinya
variabilitas variabel independen yang dapat dijelaskan oleh variabel independen
adalah sebesar 24,2%.
UNIVERSITAS SUMATERA UTARA
3.2.3 Menbentuk Persaman Regresi Logistik dengan bantuan SPSS 23
Langkah-langkahnya sebagai berikut:
1. klik Analyze, Regression, lalu pilih Binary Logistics. Masukkan Variabel
dependet HIV/AIDS dan masukan variabel covariates sex, jarum suntik,
transfusi dan ibu ke anak.
Gambar 3.1 Masukan variabel kedalam kolom dependent dan covariates
2. Lalu, klik pada bagian Save dan centang seperti terlihat pada gambar di bawah
ini:
Gambar 3.2 Menceklis di Predicated Values dan Residuals
UNIVERSITAS SUMATERA UTARA
3. Lalu, klik pada bagian Options dan centang seperti terlihat pada gambar di
bawah ini:
Gambar 3.3 Menceklis di Statistic and Plots
4. klik continue dan Ok
3.2.4 Menguji Koefisien Regresi
Tabel 3.8 Variabel dalam Persamaan
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a Sex 1.,415 0,990 2,042 1 0,153 4,116
jarum_suntik -0,815 0,961 0,719 1 0,396 0,443
Transfusi -1,936 0,967 4,013 1 0,045 0,144
ibu_ke_anak -0,303 1,214 0,062 1 0,803 0,739
Constant 3,160 0,886 12,721 1 0,000 23,568
a. Variable(s) entered on step 1: sex, jarum_suntik, transfusi, ibu_ke_anak.
Dari hasil olah data dan dari persamaan regresi logistik yang terbentuk, maka
dapat diperoleh prediksi probabilitas setiap responden yang terinfeksi HIV/AIDS
yang melalui sex, jarum suntik, transfusi dan ibu ke anak.
UNIVERSITAS SUMATERA UTARA
Nilai = 0,9898 menunjukkan bahwa probabilitas model seorang pasien yang
terinfeksi HIV/AIDS yang penularannya melalui sex sebesar 0,9898.
Nilai = 0,9125 menunjukkan bahwa probabilitas model seorang pasien
yang terinfeksi HIV/AIDS yang penularannya melalui Jarum suntik sebesar
0,9125.
UNIVERSITAS SUMATERA UTARA
Nilai = 0,7727 menunjukkan bahwa probabilitas model seorang pasien
yang terinfeksi HIV/AIDS yang penularannya melalui Transfusi sebesar 0,7727.
Nilai = 0,9457 menunjukkan bahwa probabilitas model seorang pasien
yang terinfeksi HIV/AIDS yang penularannya melalui Ibu ke anak sebesar 0,9457.
UNIVERSITAS SUMATERA UTARA
BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Berdasarkan hasil penelitian penulis di RSUD Dr. Pirngadi Medan, maka dapat
disimpulkan:
1. Faktor risiko seorang yang terkena HIV/AIDS yang melalui Sex ( sebesar
0,9898, HIV/AIDS yang melalui Jarum suntik ( sebesar 0,9125, HIV/AIDS
yang melalui Transfusi ( sebesar 0,7727, HIV/AIDS yang melalui Ibu ke
anak ( sebesar 0,9457. Faktor yang paling berpengaruh terkena HIV/AIDS
adalah faktor risiko melalui sex ( sebesar 0,9898.
2. Tingkat akurasi model sebesar 96,6% artinya model regresi yang terbentuk
sudah dapat menggambarkan hubungan variabel independen terhadap variabel
dependen.
3. HIV/AIDS menjadi masalah serius karena bukan hanya merupakan masalah
kesehatan atau persoalan pembangunan, tetapi juga masalah ekonomi, sosial,
dan lain-lain. Berdasarkan sifat dan efeknya, sangatlah unik karena AIDS
mematikan kelompok yang paling produktif dan paling efektif secara
reproduksi dalam masyarakat, yang kemudian berdampak pada mengurangi
produktivitas dan kapasitas dari masyarakat. Dampak yang ditimbulkan AIDS
terhadap masyarakat dapat bersifat permanen atau setidaknya berjangka sangat
panjang.
4. AIDS secara sosial tidak terlihat (invisible) meski demikian kerusakan yang
ditimbulkannya sangatlah nyata. HIV/AIDS karena sifatnya yang sangat
mematikan sehingga menimbulkan rasa malu dan pengucilan dari masyarakat
yang kemudian akan mengiring pada bentuk-bentuk pembungkaman,
penolakan, stigma, dan diskriminasi pada hampir semua sendi kehidupan.
Hampir semua orang yang diduga terinfeksi AIDS tidak memiliki akses
terhadap tes HIV, inilah yang membuat usaha-usaha pencegahan dan
penyembuhan menjadi sangat rumit.
UNIVERSITAS SUMATERA UTARA
4.2 Saran
1. Bagi Penderita
Para Penderita diharahpkan untuk aktif dalam mengikuti program yang
diperlukan penderita seperti konseling yang akan memperpanjang kualitas
hidup dalam berbagai aspek kehidupan baik fisik, psikologis maupun sosial dan
terhindar dari infeksi dan menurunkan tingkat depresi.
2. Bagi Keluarga dan teman-teman penderita
Keluarga dan teman sangat berperan di dalam memberikan motivasi bagi para
penderita dalam menghadapi situasi dan kondisi yang dialami oleh ODHA.
3. Bagi individu yang tidak terinfeksi
Bagi individu yang tidak terinfeksi diharapkan dapat melakukan pencegahan
terhadap penyebab terinfeksinya HIV/AIDS, salah satunya yaitu tidak
menggunakan narkoba dan menggunakan jarum suntik, hindari penggunaan
jarum suntik secara bergantian dan tidak disterilkan serta hindari perilaku seks
bebas. Dengan menghindari hal-hal tersebut dapat terhindar dari terinfeksinya
penyebab HIV/AIDS.
UNIVERSITAS SUMATERA UTARA
DAFTAR PUSTAKA
Damodar N. Gujarati and Dawn C. Porter. 2012. Dasar–dasar Ekonometrika.
Jakarta: Salemba Empat.
David W. Hosmer and Stanley Lemeshow. 1989. Applied Logistic Regression.
United States of America : Jhon Wiley & Sons, Inc.
Eko Budiarto. 2003. Metodologi Penelitian Kedokteran. Jakarta : Penerbit Buku
Kedokteran EGC.
Jonathan Sarwono. 2013. Statistik Multivariat, Aplikasi untuk Riset Skripsi.
Yogyakarta : CV Andi.
Singgih Santoso. 2012. Aplikasi SPSS pada Statistik Multivariat. Jakarta: PT.
Elexmedia Komputindo.
Sofyan Yamin, Lien A. Rachmach dan Heri Kurniawaan. 2011. Regresi dan
Korelasi dalam Genggaman Anda. Jakarta : Salemba Empat.
Sudjana. 1992. Metode Statistika. Bandung : Tarsito.
Sugiarto dkk. 2001. Teknik Sampling. Jakarta : PT. Gramedia Pustaka Utama
Sugiyono. 2006. Statistika untuk Penelitian. Bandung: CV Alfabeta.
Yasril dan Heru Subaris Kasjono. 2009. Analisis Multivariat untuk Penelitian
Kesehatan. Yogjakarta : Mitra Cendekia.
UNIVERSITAS SUMATERA UTARA
Data Pasien HIV/AIDS di RSU Dr. Pirngadi Medan Pada Tahun 2016
Pasien Umur Jenis Kelamin HIV/AIDS
Lk Pr Sex Jarum Suntik (IDU) Transfusi Ibu ke anak (Perinatal)
1 37 √ √
2 31 √ √
3 36 √ √
4 47 √ √
5 34 √ √
6 35 √ √
7 27 √ √
8 44 √ √
9 29 √ √
10 35 √ √
11 47 √ √
12 27 √ √
13 11 √ √
14 44 √ √
15 28 √ √
16 34 √ √
17 50 √ √
18 41 √ √
19 1 √ √
20 35 √ √
21 33 √ √
22 27 √ √
23 33 √ √
24 30 √ √
25 36 √ √
26 29 √ √
27 33 √ √
28 33 √ √
29 56 √ √
30 4 √ √
31 35 √ √
32 35 √ √
33 39 √ √
34 23 √ √
35 33 √ √
36 33 √ √
37 29 √ √
UNIVERSITAS SUMATERA UTARA
Pasien Umur Jenis Kelamin HIV/AIDS
Lk Pr Sex Jarum Suntik (IDU) Transfusi Ibu ke anak (Perinatal)
38 24 √ √
39 29 √ √
40 31 √ √
41 32 √ √
42 28 √ √
43 36 √ √
44 60 √ √
45 35 √ √
46 56 √ √
47 38 √ √
48 49 √ √
49 35 √ √
50 27 √ √
51 20 √ √
52 53 √ √
53 28 √ √
54 49 √ √
55 31 √ √
56 28 √ √
57 35 √ √
58 59 √ √
59 25 √ √
60 33 √ √
61 35 √ √
62 29 √ √
63 23 √ √
64 40 √ √
65 41 √ √
66 29 √ √
67 28 √ √
68 29 √ √
69 32 √ √
70 34 √ √
71 32 √ √
72 26 √ √
73 35 √ √
74 29 √ √
75 49 √ √
76 39 √ √
UNIVERSITAS SUMATERA UTARA
Pasien Umur
Jenis Kelamin HIV/AIDS
Lk Pr Sex Jarum Suntik (IDU) Transfusi Ibu ke anak (Perinatal)
77 18 √ √
78 44 √ √
79 34 √ √
80 16 √ √
81 27 √ √
82 34 √ √
83 32 √ √
84 23 √ √
85 34 √ √
86 37 √ √
87 21 √ √
88 43 √ √
89 30 √ √
90 29 √ √
91 50 √ √
92 51 √ √
93 49 √ √
94 26 √ √
95 31 √ √
96 27 √ √
97 23 √ √
98 28 √ √
99 25 √ √
100 23 √ √
101 35 √ √
102 23 √ √
103 38 √ √
104 46 √ √
105 33 √ √
106 52 √ √
107 35 √ √
108 41 √ √
109 34 √ √
110 31 √ √
111 26 √ √
112 23 √ √
113 38 √ √
114 23 √ √
UNIVERSITAS SUMATERA UTARA
Pasien Umur
Jenis Kelamin HIV/AIDS
Lk Pr Sex Jarum Suntik (IDU) Transfusi Ibu ke anak (Perinatal)
115 34 √ √
116 36 √ √
117 40 √ √
118 32 √ √
119 58 √ √
120 50 √ √
121 26 √ √
122 35 √ √
123 43 √ √
124 54 √ √
125 28 √ √
126 22 √ √
127 46 √ √
128 39 √ √
129 35 √ √
130 27 √ √
131 23 √ √
132 50 √ √
133 22 √ √
134 33 √ √
135 40 √ √
136 53 √ √
137 33 √ √
138 32 √ √
139 39 √ √
140 32 √ √
141 27 √ √
142 36 √ √
143 22 √ √
144 30 √ √
145 29 √ √
146 41 √ √
147 57 √ √
148 38 √ √
149 73 √ √
150 29 √ √
151 22 √ √
152 35 √ √
UNIVERSITAS SUMATERA UTARA
Pasien Umur
Jenis Kelamin HIV/AIDS
Lk Pr Sex Jarum Suntik (IDU) Transfusi
Ibu ke anak (Perinatal)
153 30 √ √
154 40 √ √
155 26 √ √
156 22 √ √
157 30 √ √
158 27 √ √
159 26 √ √
160 55 √ √
161 26 √ √
162 28 √ √
163 40 √ √
164 54 √ √ √
165 38 √ √
166 42 √ √
167 50 √ √
168 25 √ √
169 42 √ √
170 24 √ √
171 31 √ √
172 38 √ √
173 34 √ √
UNIVERSITAS SUMATERA UTARA