ANALISIS FAKTOR RISIKO PENYAKIT HIV/AIDS DENGAN …

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



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


MEDAN

2017


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)


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


PERNYATAAN


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


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


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.


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.


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


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


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


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


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


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


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


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:

+


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.


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.


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.


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


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


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


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.


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:

=

=

=

=

=


=

=

=

=

=

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.


Uji hipotesis:

: Model sesuai (Model mampu menjelaskan data empiris)

: Model tidak sesuai (Model tidak mampu menjelaskan dataempiris)

Kriteria Pengujian: : ditolak 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.


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.


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


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.


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.


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


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%.


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


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.


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.



yang terinfeksi HIV/AIDS yang penularannya melalui Transfusi sebesar 0,7727.


yang terinfeksi HIV/AIDS yang penularannya melalui Ibu ke anak sebesar 0,9457.


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.


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.


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.


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 √ √


Pasien Umur Jenis Kelamin HIV/AIDS


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 √ √


Pasien Umur

Jenis Kelamin HIV/AIDS


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 √ √


Pasien Umur



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 √ √


Pasien Umur


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 √ √


ANALISIS FAKTOR RISIKO PENYAKIT HIV/AIDS DENGAN …

Documents

Transcript of ANALISIS FAKTOR RISIKO PENYAKIT HIV/AIDS DENGAN …