Faktor Yang Mempengaruhi Tidak Terpenuhinya Kebutuhan Ber-KB (Unmet Need KB) di Kelurahan Semarapura Klod Kangin Kecamatan Klungkung

  • 23 Mei 2017
  • Dibaca: 232 Pengunjung
Faktor Yang Mempengaruhi Tidak Terpenuhinya Kebutuhan Ber-KB (Unmet Need KB) di Kelurahan Semarapura Klod Kangin Kecamatan Klungkung

 FAKTOR YANG MEMPENGARUHI TIDAK TERPENUHINYA KEBUTUHAN BER-KB (UNMET NEED KB) DI KELURAHAN SEMARAPURA KLOD KANGIN KECAMATAN KLUNGKUNG

Oleh :  Luh Gde Krisna Dewi

ABSTRAK

Program KB di Indonesia masih menghadapi beberapa masalah penting salah satunya masih tingginya kebutuhan ber-KB yang tidak terpenuhi (unmet need KB). Kelurahan Semarapura Klod Kangin memiliki persentase unmet need KB (13,36%) diatas target yang telah ditentukan oleh kabupaten yaitu 4%. Tujuan penelitian untuk mengidentifikasi faktor yang mempengaruhi tidak terpenuhinya kebutuhan ber-KB (unmet need KB) di Kelurahan Semarapura Klod Kangin Kecamatan Klungkung.

Rancangan penelitian ini adalah observasional dengan desain case-control. Populasi dalam penelitian ini adalah wanita PUS yang memiliki kebutuhan untuk ber-KB di Kelurahan Semarapura Klod Kangin Kecamatan Klungkung tahun 2016. Kasus adalah wanita PUS yang ingin menunda kehamilan dan tidak ingin anak lagi tetapi tidak menggunakan KB. Kontrol adalah wanita PUS yang ingin menunda kehamilan dan tidak ingin anak lagi dan menggunakan KB. Jumlah sampel kasus dan kontrol sebanyak 70 orang yang diambil dengan cara accidental sampling. Variabel yang diteliti diantaranya karakteristik demografi, persepsi keyakinan dalam menggunakan KB, persepsi efek samping dalam menggunakan KB, persepsi manfaat dalam menggunakan KB, persepsi akses dalam menggunakan KB dan persepsi dukungan dari pasangan. Data dikumpulkan dengan wawancara dan analisis data mencakup analisis bivariat dan multivariat menggunakan uji regresi logistik.

Dari hasil analisis multivariat didapatkan faktor yang paling mepengaruhi tidak terpenuhinya kebutuhan ber-KB (unmet need KB) yaitu persepsi efek samping dalam menggunakan KB dengan nilai OR 10,36 (95% CI 2,73-39,23) serta berdasarkan uji statistik memiliki hubungan yang signifikan nilai p = 0,002 (p<0,05). Persepsi efek samping dalam menggunakan KB merupakan faktor yang paling mempengaruhi unmet need KB. Salah satu upaya untuk meningkatkan keberhasilan program KB dan mengurangi angka unmet need KB yaitu memberikan informasi yang akurat tentang persepsi yang salah terhadap efek samping penggunaan KB sehingga tidak merasa ragu untuk menggunakan KB. Kata Kunci : Unmet need KB, Persepsi terhadap penggunaan KB.

BAB I PENDAHULUAN

1.1 Latar Belakang

Peningkatan jumlah penduduk bagi negara berkembang merupakan salah satu masalah yang dapat berimplikasi pada perekonomian dan kesehatan masayarakat. Salah satu negara berkembang yang memiliki beban jumlah penduduk yaitu Indonesia. Indonesia merupakan negara dengan jumlah penduduk terbesar keempat setelah Cina, India dan Amerika Serikat (Rismawati, 2015). Menurut Badan Pusat statistik (BPS) pada tahun 2010 jumlah penduduk Indonesia pada tahun 2010 mencapai 238.518.800 jiwa dengan laju pertumbuhan penduduk 1,49 persen. Pada tahun 2015, jumlah penduduk Indonesia mencapai 255.461.700 jiwa dengan laju pertumbuhan penduduk 1,40 persen(BPS, 2015).

Pemerintah membentuk program Keluarga Berencana sejak tahun 1970 sebagai salah satu upaya untuk mengatasi tingginya pertumbuhan penduduk di Indonesia. Keluarga Berencana (KB) merupakan salah satu pelayanan kesehatan preventif yang paling dasar dan utama bagi wanita (Wahab, Fitriangga, & Handini, 2014). Program KB merupakan upaya peningkatan kepedulian dan peran serta masyarakat melalui pendewasaan usia perkawinan (PUP), pengaturan kelahiran, pembinaan ketahanan keluarga, peningkatan kesejahteraan keluarga kecil, bahagia dan sejahtera (UU No 10, 1992).

Program KB di Indonesia masih menghadapi beberapa masalah penting. Salah satu tantangan dalam pengelolaan program KB yaitu masih tingginya kebutuhan ber- 2 KB yang tidak terpenuhi (unmet need KB)(BKKBN, 2015b). Unmeet need KB adalah pasangan usia subur yang ingin mengatur jarak dan jumlah kelahiran tetapi tidak menjadi peserta KB aktif(Wahab et al., 2014). Unmet need juga dapat dikatakan sebagai kebutuhan KB yang tidak dapat terpenuhi (SDKI, 2007). Berdasarkan Survei Demografi dan Kesehatan Indonesia (SDKI) 2007, di Indonesia secara keseluruhan sebanyak 61,4 persen dari PUS menggunakan kontrasepsi dan sebanyak 9,1 persen dari mereka adalah kelompok unmet need KB (SDKI, 2007).

Jumlah penduduk provinsi Bali pada tahun 2015 adalah 4.152.800 jiwa dengan jumlah pasangan usia subur (PUS) sampai dengan bulan November 2015 yaitu 667.809 pasangan. Peserta KB aktif di provinsi Bali pada tahun 2015 yaitu 564.745(84,56%). Sedangkan unmet need KB di Provinsi Bali tahun 2015 adalah 5,65%. Unmet need tersebut mengalami peningkatan dari tahun sebelumnya sebesar 4,5% di tahun 2014. Jumlah unmet need KB pada tahun 2015 yaitu 37.757 (5,65%) yang terdiri dari (IAT) 19.537 (2,92%) dan tidak ingin anak lagi (TIAL) 18.220 (2,72%) (BKKBN, 2015a). Angka unmet need di Provinsi ini sudah memenuhi target BKKBN pada tahun 2015 yaitu 10,0% namun terjadi peningkatan dibandingkan tahun sebelumnya (BKKBN, 2015b)

Kabupaten Klungkung merupakan salah satu kabupaten yang menggalakan program KB. Jumlah penduduk kabupaten Klungkung pada tahun 2015 yaitu 175.700 jiwa dengan jumlah PUS 33.631 pasangan. Peserta KB aktif sampai dengan bulan November 2015 yaitu 29.395 (87,65%). Sedangkan unmet need KB di Kabupaten Klungkung tahun 2015 adalah 4,18%. Unmet need tersebut mengalami penurunan dari tahun sebelumnya 2014 sebesar 4,34%. Jumlah unmet need KB di Kabupaten Klungkung pada tahun 2015 yaitu 1.406 (4,18%) yang terdiri dari (IAT) 3 743 (2,20%) dan tidak ingin anak lagi (TIAL) 663 (1,98%) (BKKBN, 2015). Angka unmet need di Kabupaten Klungkung melebihi target unmeet need kabupaten pada tahun 2015 yang sebesar 4%. Persentase unmet need KB di Kabupaten Klungkung masih tinggi dibandingkan dengan Kabupaten Jembrana (3,51%) dan Kabupaten Badung (2,48%).

Kabupaten Klungkung memiliki empat kecamatan dengan masing-masing persentase unmet need yang bervariasi. Kecamatan Klungkung dengan unmeet need 4,76%, Kecamatan Dawan 4,04%, Kecamatan Banjarangkan 1,98% dan Kecamatan Nusa Penida 5,23%. Dari empat kecamatan tersebut terdapat dua kecamatan memiliki persentase unmet need KB diatas target 4% yang ditetapkan oleh kabupaten yaitu Kecamatan Klungkung (4,76%) dan Kecamatan Nusa Penida (5,23%)(BPMPKBPD, 2015). Kecamatan Klungkung memiliki pencapaian unmet need KB yang belum mencapai target kabupaten. Kelurahan Semarapura Klod Kangin memiliki persentase unmet need KB yaitu 13,36% dan merupakan kelurahan di Kecamatan Klungkung yang memiliki persentase unmet need KB paling tinggi dan melebihi target kabupaten. Persentase unmet need KB setiap tahunnya diharapkan menurun dan berada dibawah target yang telah ditetapkan sehingga dapat meminimalisir tantangan dalam pelaksanaan program KB. Dampak negatif yang diakibatkan dari adanya unmet need KB yaitu dapat mengakibatkan komplikasi pada saat kehamilan dan mempengaruhi keberhasilan program KB di Indonesia. PUS yang tidak menggunakan alat kontrasepsi akan berpeluang untuk terjadi kehamilan dan komplikasi karena kehamilannya tidak diinginkan, jarak hamil terlalu dekat, dan melahirkan dengan jumlah yang banyak (Ulsafitri dan Nabila, 2015) 4

Berdasarkan penenlitian sebelumnya oleh Ulsafitri, 2015 ditemukan faktor yang mempengaruhi kejadian unmet need yaitu pengetahuan dari responden, dukungan dari suami dan informasi dari tenaga kesehatan terkait penggunaan alat kontrasepsi (Ulsafitri & Nabila, 2015). Penelitian lain terkait unmet need KB juga pernah dilakukan di Kenya, ditemukan beberapa faktor yang mempengaruhi kejadian unmet need yaitu wilayah tempat tinggal, etnis, jumlah anak hidup dan komunikasi antar pasangan serta kesehatan reproduksi(Omwago, Studies, & Khasakhala, 2004). Menurut teori Lawrence Green, terdapat tiga faktor yang mempengaruhi perilaku seseorang diantaranya faktor predisposisi, faktor pemungkin dan faktor pendorong. Jika melihat dari dalam diri seseorang maka dapat menggunakan teori Health Belief Model (model kepercayaan kesehatan) yang terdiri dari empat faktor utama yaitu Perceived Susceptibility, Perceived Severity, Perceived Benefits Dan Perceived Barriers.

Berdasarkan permasalahan tersebut maka peneliti ingin mengidentifikasi faktor yang mempengaruhi unmet need KB. Kecamatan Klungkung dipilih karena mudah dijangkau dan memiliki populasi jumlah PUS paling banyak. Selain itu penelitian ini belum pernah dilakukan di Kabupaten Klungkung, sehingga hasil dari penelitian ini mampu menjadi referensi bagi pihak terkait guna meningkatkan keberhasilan program KB di Provinsi Bali pada umunya dan Kabupaten Klungkung pada khsusunya. Salah satu model analisis yang dapat digunakan untuk mengidentifikasikan faktor yang mempengaruhi unmeet need KB adalah Model Regresi Logistik. Model Regresi Logistik dapat digunakan untuk menganalisis hubungan antara satu atau beberapa variabel independen yang bersifat kontinyu atau kategorikal dengan satu 5 variabel tergantung yang bersifat kategorikal. Selain itu, model ini dapat digunakan untuk memprediksi seseorang untuk menderita suatu penyakit (Widarsa, 2010).

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang di atas, dapat dirumuskan masalah penelitian sebagai berikut:

Program KB merupakan salah satu program pemerintah untuk menekan pertumbuhan penduduk. Program KB ini ditujukan untuk pasangan usia subur (PUS) agar dapat mengatur jumlah dan jarak kehamilan. Namun, dalam pelaksanaan program KB masih ada PUS yang unmet need KB sehingga hal tersebut dapat mempengaruhi keberhasilan program KB dan meningkatkan peluang terjadinya komplikasi. Unmet need KB merupakan salah satu masalah penting dalam keberlangsungan program KB. Kelurahan Semarapura Klod Kangin memiliki persentase unmet need (13,36%) diatas target yang telah ditentukan (4%). Oleh karena itu, penting melakukan penelitian untuk mengetahui faktor-faktor yang mempengaruhi kejadian unmet need KB di Kelurahan Semarapura Klod Kangin Kecamatan Klungkung dengan menggunakan metode Analisis Regresi Logistik.

1.3 Pertanyaan Penelitian

Adapun pertanyaan penelitian beradasarkan rumusan masalah di atas adalah sebagai berikut : Apa faktor-faktor yang mempengaruhi tidak terpenuhinya kebutuhan ber-KB (unmet need KB) di Kelurahan Semarapura Klod Kangin Kecamatan Klungkung tahun 2016? 6

1.4 Tujuan

1.4.1 Tujuan Umum

Adapun tujuan umum dari penelitian ini adalah untuk mengidentifikasi faktor-faktor yang mempengaruhi tidak terpenuhinya kebutuhan ber-KB (unmet need KB) di Kelurahan Semarapura Klod Kangin Kecamatan Klungkung.

1.4.2 Tujuan Khusus

Adapun tujuan khusus dari penelitian ini yaitu :

  1. Mengetahui pengaruh karakteristik demografi terhadap tidak terpenuhinya kebutuhan ber-KB (unmet need KB)
  2. Mengetahui pengaruh persepsi akses terhadap pelayanan alat kontrasepsi terhadap tidak terpenuhinya kebutuhan ber-KB (unmet need KB) 
  3. Mengetahui pengaruh persepsi keyakinan dalam menggunakan KB terhadap tidak terpenuhinya kebutuhan ber-KB (unmet need KB)
  4. Mengetahui pengaruh persepsi efek samping dalam menggunakan KB terhadap tidak terpenuhinya kebutuhan ber-KB (unmet need KB)
  5. Mengetahui pengaruh persepsi manfaat dalam menggunakan KB terhadap tidak terpenuhinya kebutuhan ber-KB (unmet need KB) 6. Mengetahui pengaruh persepsi dukungan dari pasangan terhadap tidak terpenuhinya kebutuhan ber-KB (unmet need KB)

1.5 Manfaat Penelitian

1.5.1 Manfaat Teoritis

Hasil penelitian ini diharapkan dapat memberikan informasi ilmiah yang menyangkut bidang kesehatan masyarakat mengenai pemanfaatan metode analisis Regresi Logistik untuk mengetahui dan menganalisis faktor yang mempengaruhi 7 tidak terpenuhinya kebutuhan ber-KB (unmet need KB) di Kelurahan Semarapura Klod Kangin Kecamatan Klungkung.

1.5.2 Manfaat Praktis

  1. Sebagai bahan masukan bagi pemegang program KB di Kabupaten Klungkung agar seluruh PUS dapat menjadi peserta KB aktif dan mengurangi kejadian unmet need serta komplikasi kehamilan sebagai dampak dari unmet need KB.
  2. Sebagai salah satu informasi kesehatan bagi PUS khususnya dan masyarakat pada umumnya mengenai faktor-faktor yang mempengaruhi tidak terpenuhinya kebutuhan ber-KB (unmet need KB) pada PUS di di faskes KB yang ada di Kabupaten Klungkung. 1.6 Ruang Lingkup Penelitian Ruang lingkup dalam penelitian ini adalah aplikasi dari analisis Metode Regresi Logistik di dalam analisis faktor yang mempengaruhi tidak terpenuhinya kebutuhan ber-KB (unmet need KB). Data diperoleh dari dengan cara wawancara terstruktur menggunakan kuesioner.

BAB II TINJAUAN PUSTAKA

2.1 Pengertian Pasangan Usia Subur (PUS)

Pasangan Usia Subur (PUS) adalah pasangan suami istri yang istrinya berumur antara 15 sampai dengan 49 tahun atau pasangan suami istri yang istri berumur kurang dari 15 tahun dan sudah haid atau istri berumur lebih dari 50 tahun, tetapi masih haid (datang bulan) (Kurniawati, 2014). PUS yang menjadi peserta KB adalah pasangan usia subur yang suami/istrinya sedang memakai atau menggunakan salah satu alat atau cara kontrasepsi modern pada tahun pelaksanaan pendataan keluarga. (BKKBN, 2011)

2.2 Perkembangan Program Keluarga Berencana dan Penggunaan Alat Kontrasepsi

Program Keluarga Berencana (KB) merupakan salah satu program pemerintah yang diselenggarakan untuk membatasi kelahiran guna mengurangi pertumbuhan penduduk dan menurunkan laju penduduk. Program KB diatur berdasarkan UU No 10 Tahun 1992 dan disempurnakan lagi dengan terbitnya UU No 52 Tahun 2009. Program KB merupakan upaya mengatur kelahiran anak, jarak, dan usia ideal melahirkan, mengatur kehamilan, melalui promosi, perlindungan dan bantuan sesuai dengan hak reproduksi untuk mewujudkan keluarga yang berkualitas (UU No 52, 2009). Tujuan dari program KB pada dasarnya yaitu pengaturan kelahiran guna membangun keluarga sejahtera (Sulistyaningsih, 2013). 9 Awalnya pada tahun 1957, terbentuklah Perkumpulan Keluarga Berencana Indonesia (PKBI) yang merupakan organisasi sosial yang bergerak dalam bidang KB. Namun setelah adanya perkembangan, program KB diambil oleh Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) sebagai tindak lanjut dari UU No. 52 Tahun 2009 (Rismawati, 2015) Berdasarkan hasil Survei Demografi dan Kesehatan Indonesia (SDKI), angkakelahiran total (Total Fertility Rate/TFR) secara nasional cenderung menurun dari 2,4 (SDKI 2002/2003 setelah revisi) menjadi sekitar 2,3 anak per perempuan usia reproduksi (SDKI 2007 setelah direvisi). Penurunan TFR antara lain didorong oleh meningkatnya usia kawin pertama perempuan dari sekitar 19,2 tahun pada tahun 2003, menjadi 19,8 tahun (SDKI,2007). Selain itu juga disebabkan karena penurunan angka kelahiran menurut umur 15-19 tahun dari 35 menjadi 30 per 1000 perempuan.Dari aspek kualitas penduduk, program Keluarga Berencana Nasional juga telah membantu meningkatkan kualitas dan kesejahteraan keluarga Indonesia karena dengan dua atau tiga anak, setiap keluarga lebih dapat memenuhi hak-hak dasar anak-anaknya (BKKBN, 2011) Prevalensi pemakaian kontrasepsi (Contraceptive Prevalence rate/CPR) masih rendah dan bervariasi antar provinsi, status ekonomi, tingkat pendidikan, dan desakota. Bila dilihat hasil SDKI 2002-2003 dan 2007, CPR tidak memperlihatkan peningkatan yang berarti, yaitu masing-masing dari 56,7% menjadi 57,4% (cara modern) dan dari 60% menjadi 61,4%(semua cara). CPR terendah terdapat di Maluku sekitar 33,9 persen dan tertinggi di Bengkulu sekitar 73,9 persen(BKKBN, 2011). Di Indonesia penggunaan alat kontrasepsi cara modern berdasarkan survey SDKI 2007 dan 2012 tidak meningkat secara signifikan, yaitu dari sebesar 56,7% 10 pada tahun 2002 menjadi sebesar 57,4 % pada tahun 2007, dan pada tahun 2012 meningkat menjadi sebesar 57,9%. Penggunaan alat dan obat Metode Kontrasepsi Jangka Pendek (non MKJP) terus meningkat dari 46,5% menjadi 47,3%), sementara Metode Kontrasepsi Jangka Panjang (MKJP) cenderung menurun, dari 10,9% menjadi 10,6. Rendahnya kesertaan KB Pria, yaitu sebesar 2,0 persen (BKKBN, 2015).

2.3 Kebutuhan Ber-KB

2.3.1 Kebutuhan Ber-KB yang Terpenuhi

Pemenuhan kebutuhan ber-KB merupakan salah satu faktor penting dalam pengendalian tingkat kelahiran. Indikator ini merupakan salah satu indikator penting dalam mengukur keberhasilan program dalama memenuhi kebutuhan akan informasi dan pelayanan KB di kalangan PUS. PUS yang mengikuti program KB dengan tujuan ingin mengatur jarak dan jumlah kelahiran termasuk ke dalam kebutuhan berKB yang telah terpenuhi (BKKBN, 2009). 2.3.2 Kebutuhan Ber-KB yang Tidak Terpenuhi (unmet need KB) Salah satu sasaran strategis BKKBN dalam memenuhi program KB yaitu menurunnya kebutuhan ber-KB yang tidak terpenuhi (unmet need KB)(BKKBN, 2011). Unmet need KB adalah Pasangan Usia Subur (PUS) yang tidak menginginkan anak, menginginkan anak dengan jarak 2 tahun atau lebih tetapi tidak menggunakan alat kontrasepsi. Kelompok unmet need merupakan sasaran yang perlu menjadi perhatian dalam pelayanan program KB(Handrina, 2011). Dalam program KB di Indonesia, terjadi peningkatan unmet need dari 8,4% pada tahun 2002 menjadi 9,1% pada tahun 2007, padahal prevalensi pemakaian kontrasepsimengalami peningkatan dari 60,3% pada tahun 2002 menjadi 11 61,4%pada tahun 2007.Oleh karena itu peningkatan persentase unmet need KB diIndonesia perlu digali kembali apa yang menjadi penyebabnya(BKKBN, 2009). Berdasarkan SDKI 2007 dan 2012, total unmet need di Indonesia menurun dari 13% menjadi 11% .

2.4 Faktor-Faktor Yang Mempengaruhi Kebutuhan Ber-KB Pada PUS

Terjadinya unmet need pada pasangan usia subur merupakan salah satu sikap dan perilaku dari pasangan tersebut dalam menggunakan alat kontrasepsi. Salah satu teori perilaku yaitu Teori Precede-Proced yang dikembangkan oleh Lawrence Green pada tahun 1991. Berdasarkan penelitian sebelumnya terdapat beberapa faktor yang mempengaruhi kejadian unmet need pada PUS. Namun terdapat pula faktor lain yang dapat mempengaruhi PUS untuk tidak menggunakan alat kontrasepsi dan menjadi kelompok unmet need KB berdasarkan teori perilaku. Faktor-faktor tersebut dapat dikelompokkan kedalam teori yang dikemukakan oleh Lawrence Green (1991).

2.4.1 Faktor Predisposisi

a. Umur Umur berperan sebagai faktor presdiposisi dalam hubungannya dengan pemakaian KB. Umur berhubungan dengan struktur organ, fungsi fisiologis komposisi biokimiawi serta sistem hormonal seorang wanita(Indira, 2009). Perbedaan fungsi fisiologis, komposisi biokimiawi dan sistem hormonal akan mempengaruhi pemakaian kontrasepsi yang bermaksud untuk menyelamatkan ibu dan anak akibat melahirkan pada usia muda, jarak kelahiran yang terlalu dekat dan melahirkan pada usia tua. Berdasarkan penelitian yang pernah dilakukan oleh Ulsafitri dan Nabila, 2015 tidak terdapat hubungan yang 12 signifikan antara umur responden dengan kejadian unmet need KB (p = 0,500 (p>0,05 ; OR = 0,67)(Ulsafitri & Nabila, 2015).

b. Pengetahuan Pengetahuan merupakan hasil dari tahu dan terjadi setelah seseorang melakukan penginderaan terhadap suatu objek tertentu. Tanpa adanya pengetahuan, seseorang tidak akan memiliki dasar dalam pengambilan sebuah keputusan serta menentukan tindakan maupun solusi terhadap masalah yang dihadapi(Dwijayanti, 2008).Berdasarkan penelitian yang pernah dilakukan terdapat hubungan yang signifikan antara pengetahuan responden terhdapa kejadian unmet need KB (p=0,0 (p<0,05) ; OR= 0,079)(Ulsafitri & Nabila, 2015). Selain itu, penelitian yang dilakukan oleh Suseno 2011 menunjukkan bahwa variabel pengetahuan berpengaruh secara signifikan antara pengetahuan dengan kejadian unmet need KB (p=0,049 (p<0,05) ; 95% CI = 1,004- 8,378).(Suseno, 2011).

c. Riwayat Penyakit Tertentu Terdapat beberapa penyakit yang tidak memperbolehkan seseorang untuk menggunakan alat kontrasepsi salah satunya adalah kontrasepsi yang bersifat hormonal. Salah satu penyakit mempengaruhi seseorang untuk tidak menggunakan alat kontrasepsi yaitu kanker payudara. Berdasarkan penelitian yang dilakukan oleh Oktavianisya, 2011, responden dengan lama penggunaan metode kontrasepsi 4>tahun memiliki risiko 4,67 kali lebih besar untuk menderita kanker payudara daripada responden dengan lama penggunaan kontrasepsi ≤4 tahun (OR = 4,67). Selain itu jenis alat kontrasepsi pil berpengaruh secara signifikan terhadap kanker payudara (OR = 13 2,61)(Oktavianisya, 2011). Pil, implant dan suntik merupakan alat kontrasepsi yang bersifat hormonal.

d. Jumlah Anak Hidup Jumlah anak yang dimaksud adalah jumlah anak yang masih hidup yang dimiliki oleh seorang wanita sampai saat wawancara dilakukan (BPS,2009 dalam Indira 2009). Keluarga yang berkualitas adalah keluarga yang sejahtera, sehat, maju, mandiri, memiliki jumlah anak yang ideal, berwawasan ke depan, bertanggungjawab, harmonis,dan bertaqwa kepada Tuhan Yang Maha Esa. Berdasarkan penelitian yang dilakukan oleh Suseno 2011 tidak terdapat hubungan yang signifikan antara jumlah anak dengan kejadian unmet need KB (p=0,25 (p>0,05))(Suseno, 2011). Selain itu, menurut penelitian oleh Usman, 2013 menyatakan bahwa jumlah anak memiliki hubungan yang signifikan terhadap kejadian unmet need KB (p=0,031 (p<0,05). 

2.4.2 Faktor Pemungkin

a. Akses Terhadap Pelayanan Alat Kontrasepsi Agar suatu metode kontrasepsi dapat tercapai maka terlebih dahulu kontrasepsi tersebut harus tersedia dan tempat pelayanannya pun mudah dijangkau oleh masyarakat. Jarak pelayanan alat kontrasepsi berdasarkan kriteria yang dibuat oleh BPS dalam mengelompokkan rata-rata jarak terdekat (km) dari rumah tangga ke fasilitas umum yaitu dikategorikan dengan jika jarak dari rumah ke puskesmas ≤ 2,5 km dan jauh jika jarak dari rumah puskesmas > 2,5 km (BPS 2007 dalam Purba, 2008). Untuk mendapatkan alat kontrasepsi, maka masyarakat dapat memperolehnya di puskesmas atau layanan kesehatan milik pemerintah, klinik swasta, dokter, praktik swasta, maupun bidan praktik mandiri (BPM). Alat kontrasepsi berupa kondom dapat 14 didapatkan dengan mudah dengan cara membeli di supermarket atau apotek. Jarak pelayanan kesehatan yang dekat akan memberikan dampak positif kepada PUS yang ingin menggunakan KB.

b. Pendapatan Keluarga Pendapatan menurut BPS (2006) merupakan balas jasa yang diterima oleh faktor-faktor produksi dalam jangka waktu tertentu. Menurut penelitian yang dilakukan oleh Suseno (2011) pendapatan memiliki hubungan yang signifikan terhadap kejadian unmet need (p=0,033 (p<0,05) ; 95% CI = 1,162-14,463). (Suseno, 2011). Pendapatan keluarga perbulan yang rendah akan memungkinkan PUS tersebut untuk tidak menggunakan KB karena penggunaan KB bukan merupakan kebutuhan primer di keluarga.

c. Biaya Mekanisme harga adalah proses yang berjalan atas dasar haya tarikmenarik antara konsumen-konsumen dan produsen-produsen yang bertemu di pasar (Boediono, 2011). Pasar yang dimaksud dapat kita artikan sebagai pelayanan kesehatan, PUS sebagai konsumen dan tenaga kesehatan sebagai produsen. Biaya alat kontrasepsi yang dimaksud adalah semua pengeluaran yang digunakan untuk memasang atau memperoleh alat kontrasepsi. Dalam penggunaan metode kontrasepsi, harga atau biaya yang mudah dijangkau oleh masyarakat merupakan salah satu persyaratan yang harus dipenuhi, sehingga kontrasepsi dapat digunakan oleh semua PUS.

2.4.3 Faktor Pendorong

a. Dukungan dari Pasangan Dalam persyaratan penggunaan metode kontrasepsi telah dijelaskan bahwa dalam penggunaan metode kontrasepsi harus dapat diterima bukan hanya oleh 15 klien tetapi juga pasangan dan lingkungan budaya di masyarakat. Permasalahan yang ada dalam kontrasepsi yaitu apabila mendengar kata kontrasepsi identik dengan perempuan sebagai penggunaanya. Berdasarkan penelitian yang dipernah dilakukan oleh Ulsafitri dan Nabila, 2015 terdapat hubungan yang signifikan antara dukungan suami dengan kejadian unmet need KB (p=0,001 (p<0,05) ; OR = 0,115)(Ulsafitri & Nabila, 2015). Keputusan dalam menggunakan KB dibutuhkan kesepakatan antara dua belah pihak agar nantinya dalam pelaksanaan tidak menimbulkan dampak negatif bagi keharmonisan keluarga.

b. Informasi Dari Tenaga Kesehatan Peran tenaga kesehatan sangat penting dalam membantu, melindungi dan mendukung pelaksanaan program KB. Untuk pasangan baru yang ingin menggunakan alat kontrasepsi, biasanya akan berkonsultasi dengan bidan di klinik KB yang dekat dengan temapt tinggalnya. Terlihat proses interaksi sosial dan penyampaian pesan terjadi, di mana bidan akan akan menjelaskan dan memberikan informasi secara detail apa itu program KB, apa saja jenis-jenis kntrasepsi hingga apa saja reaksi atau dampak dari setiap jenis alat kontrasepsi tersebut (Nainggolan, 2013). Berdasarkan penelitian yang dilakukan oleh Ulsafitri dan Nabila, 2015 disebutkan bahwa ada hubungan yang signifikan antara infromasi dari tenaga kesehatan dengan kejadian unmet need KB (p=0,001 (p<0,05) ; OR=0,151)(Ulsafitri & Nabila, 2015).

 2.4.4 Teori Health Belief Model dalam Faktor Yang Mempengaruhi Unmet need KB

Persepsi dapat dikatakan sebagai proses bagaimana seseorang menyeleksi, mengatur dan menginterpretasikan informasi sehingga memperoleh gambaran keseluruhan yang berarti. Dalam menilai persepsi dapat digunakan salah teori perilaku yaitu Teori Health Belief Model. Teori in dapat dibagi menjadi empat komponen utama yaitu Perceived Susceptibility, Perceived Seriousness, Perceived Benefits Dan Perceieved Barriers. Jika dihubungkan dengan perilaku penggunaan KB maka penjabaran teori adalah sebagai berikut :

1. Perceived Susceptibility dapat diartikan sebagai persepsi individu terhadap keyakinan bahwa menggunakan KB merupakan cara yang baik untuk menunda kehamilan dan meningkatkan kualitas hidup. Maka bila tidak menggunakan KB maka akan rentan untuk terkena gangguan kesehatan.

2. Perceived Severity merupakan persepsi individu terhadap efek samping dalam menggunakan KB. Efek samping dapat diartikan sebagai bahaya yang ditimbulkan saat menggunakan KB sehingga membuat PUS tidak cocok untuk menggunakan KB.

3. Perceived Benefits yaitu persepsi individu terhadap keuntungan atau manfaat yang didapat dari penggunaan KB

4. Perceived Barriers yaitu persepsi individu terhadap hambatan yang akan dialami jika menggunakan KB. Hambatan dalam menggunakan KB dapat berupa akses untuk mencapai layanan KB dan dukungan dari pasangan.

 2.5 Teori-teori Perilaku Menurut beberapa sumber, terdapat beberapa teori perubahan perilaku antara lain :

2.5.1 Teori HL Blum Menurut teori HL Blum (dalam Kandera, 2004) terdapat empat faktor utama yang mempengaruhi status kesehatan yaitu faktor genetik, faktor perilaku, pelayanan kesehatan dan faktor lingkungan. Faktor genetik didapatkan dari orang tua dan pelayanan kesehatan mencakup ketersediaan fasilitas pelayanan kesehatan. Faktor lainnya yaitu lingkungan mencakup kimia, sosial dan biologi. Faktor perilaku disebutkan paling berpengaruh karena faktor lainnya dipengaruhi oleh perilaku individu dan sebaliknya.

2.5.2 Teori Lawrence Green Menurut Lawrence Green, kesehatan seseorang dipengaruhi oleh dua faktor pokok yaitu faktor perilaku dan faktor di luar perilaku. Perilaku dipengaruhi oleh tiga faktor utama yaitu Predisposing, Enabling, and Reinforcing Causes in Educational Diagnosis and Evaluation (PRECEDE). Precede adalah arahan dalam mengevaluasi perilaku untuk intervensi pendidikan atau promosi kesehatan. Sedangkan PROCEED (Policy, Regulatory, Organizational Constract in Educational and Environmental Development) merupakan arahan dalam perencanaan, implementasi dan evaluasi pendidikan atau promosi kesehatan. Precede dapat diuraikan menjadi tiga faktor yaitu faktor predisposisi, faktor pemungkin, dan faktor pendorong(Notoatmojo, 2014) Faktor predisposisi (predisposing factor) merupakan faktor yang ada dalam diri seseorang yang terwujud dalam pengetahuan, sikap, kepercayaan, keyakinan, nilai-nilai, dan lain sebagainya. Faktor pemungkin (enabling factor) merupakan fakor  yang terwujud dalam lingkungan fisik, tersedia atau tidaknya fasilitas kesehatan, misalnya puskesmas, obat-obatan, alat-alat kontrasepsi, jamban dan sebagainya. Faktor pendorong (reinforcing factor) dapat terwujud dari sikap dan perilaku petugas kesehatan yang merupakan kelompok referensi dari perilaku kesehatan (Notoatmojo, 2014)

2.5.3 Teori Kurt Lewin Kurt Lewin (1970) menjelaskan bahwa perilaku manusia itu adalah sesuatu keadaan yang seimbang antara kekuatan-kekuatan pendorong dan kekuatan-kekuatan penahan. Perilaku tersebut dapat berubah apabila terjadi ketidakseimbangan antara kedua tersebut. Atau dalam konsep sehat sakitnya adalah terjadi ketidakseimbangan antara yin dan yang, maka akan menimbulkan penyakit dalam konsep Cina. Maka agar tidak terjadinya penyakit atau ingin sehat maka harus memiliki keseimbangan Yin dan Yang harus terjaga(Alamsyah & Muliawati, 2013).

2.5.4 Teori Health Belief Model Beberapa pertimbangan yang mempengaruhi perubahan perilaku kesehatan yaitu(Kandera, 2004) :

a. Seseorang berubah ketika menyadari ada ancaman terhadap suatu penyakit tertentu (Perceived Susceptability)

b. Seseorang berubah jika dirinya menganggap bahwa ancaman tersebut adalah ancaman yang serius (Perceived Severity)

c. Perubahan perilaku yang dilakukan dianggap memberikan keuntungan sehingga orang tersebut akan mempertimbangkan untuk mmebuat perubahan (Perceived Benefits)

d. Seseorang mempertimbangkan berbagai hambatan yang akan ditemui bila suatu perubahan akan dilaksanakan (Perceived Barrier) 19

e. Perubahan akan tergantung pada kemampuan diri seseorang untuk mau bertindak dan berubah (Self Efficacy) f. Faktor-faktor lainnya yang dapat mempengaruhi perubahan seperti faktor usia, pendidikan, psikologi, dan faktor sosial lainnya (Other Variable) Menurut Notoatmojo 2014, penilaian pengetahuan dapat dikategorikan menjadi 3 yaitu :

1. Kategori tinggi bila jumlah responden yang menjawab benar pertanyaan adalah 75% atau apabila jumlah jawaban responden yang benar adalah 75%.

2. Kategori sedang bila 40-74% responden menjawab benar pertanyaan yang diajukan atau apabila jumlah jawabnan responden yang benar berkisar 40- 74%.

3. Kategori rendah apabila kurang dari 40% responden menjawab benar seluruh pertanyaan yang diajukan atau apabila total skor responden yang menjawab benar dibawah 40%.

2.6 Metode Analisis Regresi

Terdapat beberapa model regresi yang digunakan untuk mempelajari hubungan antara variabel bebas dengan satu variabel tergantung. Beberapa diantaranya terdiri dari regresi linier sederhana dan ganda, regresi logistik, regresi Poison, dan regresi Cox(Widarsa, 2010). Jenis regresi tersebut ditentukan berdasarkan jenis variabel tergantungnya.

2.6.1 Metode Analisis Regresi Linier

Metode regresi linier yang berguna untuk memperkirakan persamaan garis lurus adalah metode yang paling tepat untuk menjelaskan hubungan antara variabel numerik. Model regresi linier digunakan apabila variabel  tergantungnya numerik (interval).Model regresi linier terdapat dua jenis yaitu regresi linier sederhana dan regresi linier ganda. Pemilihan metode regresi linier yang dipakai dilihat dari jumlah variabel bebas yang ada. Regresi linier sederhana adalah model regresi yang digunakan untuk mempelajari hubungan satu variabel bebas (X) dengan satu variabel tergantung (Y). Sedangkan regresi linier ganda adalah model regresi yang digunakan unuk mempelajari hubungan beberapa variabel bebas (Xi) dengan satu variabel tergantung berskala kontinyu (Y). Menurut (Daniel, 2009), model dari persamaan regresi linier sederhana yaitu : 𝑦 = 𝛽0 + 𝛽𝑋 Sedangkan untuk model persamaan regresi linier berganda yaitu : 𝑦 = 𝛽0 + 𝛽1𝑋1 + ⋯ + 𝛽𝑖𝑋𝑖 Keterangan : Y = variabel tergantung β0 = koefisien regresi / intercept (nilai Y bila X = 0) β1 = koefisien regresi untuk X = 1 X = variabel bebas

2.6.2 Metode Analisis Regresi Logistik Regresi logistik merupakan suatu model matematis yang digunakan utnutk menganalisa hubungan antara satu atau beberapa variabel bebas dengan satu variabel tergantung yang bersifat kategorikal (Riyanto, 2012). Model regresi logistik juga dapat digunakan untuk mengendalikan efek perancu dari beberap avariabel perancu secara simultan dan juga dapat digunakan untuk meramal kemungkinan seseorang dengan faktor risiko tertentu menderita penyakit tertentu (Widarsa, 2010). Berdasarkan jenis variabel tergantungnya, regresi logistik dibedakan menjadi dua yaitu Binary Logistic Regression dan Multinomial Logistic Regression. Binary 21 Logistic Regression digunakan apabila variabel tergantungnya memiliki dua kategori yaitu “ya” dan “tidak”. Sedangkan Multinomial Logistic Regression digunakan apabila variabel tergantungnya lebih dari dua kategori yaitu “rendah”, “sedang”, dan “tinggi”. Regresi logistik dibedakan menjadi dua yaitu regresi logistik sederhana dan regresi logistik ganda. Regresi logistik sederhana digunakan apabila ingin mempelajari hubungan antara satu variabel bebas dengan satu variabel tergantung yang bersifat kategorikal. Regresi logistik ganda digunakan apabila ingin mempelajari hubungan beberapa variabel bebas dengan satu variabel tergantung yang bersifat kategorikal.

2.6.2.1 Persamaan Model Regresi Logistik Model regresi logistik merupakan perkembangan dari model regresi linier. Dalam beberapa kasus penelitian ingin melihat hubungan dari beberapa variabel bebas dengan variabel tergantunng yang berskala kategorikal sehingga analisis regresi linier tidak dapat digunakan. Oleh karena itu, salah satu pilihan analisis yang digunakan adalah model regresi logistik. Model logistik dikembangkan dari fungsi logistik 𝐿𝑜𝑔 𝑂𝑑𝑑 = 𝛼 + 𝛽1𝑋1 (regresi logistik sederhana) 𝐿𝑜𝑔 𝑂𝑑𝑑 = 𝛼 + 𝛽1𝑋1 +𝛽2𝑋2 + ⋯ + 𝛽𝑖𝑋𝑖 (regresi logistik ganda)

2.6.2.2 Penentuan Faktor Risiko dan Koefisien Determinasi (R2 ) Ada tidaknya faktor risiko dari variabel bebas terhadap variabel tergantung dapat dilihat dari Odds Ratio. Odds adalah perbandingan antara probabilitas A (sakit) dibagi dengan probabilitas A (tidak sakit). Secara umum dijelaskan dalam persamaan dibawah ini (Kirkwood & C, 2000) 22 𝑂𝑑𝑑𝑠 𝐴 = 𝑃𝑟𝑜𝑏 (𝐴 𝑠𝑎𝑘𝑖𝑡) 𝑃𝑟𝑜𝑏 (𝐴 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑘𝑖𝑡) = 𝑝 1 − 𝑝 Sedangkan Odds ratio (OR) adalah rasio antara Odds dari kelompok terpapar dengan Odds dari kelompok tidak terpapar. Misalnya akan dianalisis hubungan dukungan suami terhadap kejadian unmet need, dimana variabel X adalah dukungan suami dengan kategori X=1 adalah tidak mendukung dan X=0 adalah mendukung maka OR dukungan suami adalah : 𝑂𝑅 = 𝑂𝑑𝑑𝑥=1 𝑂𝑑𝑑𝑥=0 = 𝐸𝑥𝑝𝑎+𝑏𝑖 𝐸𝑥𝑝𝑎 = 𝐸𝑥𝑝𝑎 𝑥 𝐸𝑥𝑝𝑏𝑖 𝐸𝑥𝑝𝑎 = 𝐸𝑥𝑝𝑏𝑖 Odds ratio yang diperoleh dari analisis regresi logistik disebut adjusted odds ratio karena asumsinya bahwa tidak ada pengaruh variabel bebas yang lain. Koefisien determinasi (R2 ) merupakan besarnya pengaruh variabel bebas (X) terhadap variabel tergantung (Y). Misalnya R 2 = 0,60 berarti 60% variasi nilai variabel Y dipengaruhi oleh variabel X dan sisanya oleh faktor lain. Berikut adalah persamaanya (Daniel, 2009). 𝑅 2 = ∑(𝑌 ′ − 𝑌̅ ) 2 ∑(𝑌 − 𝑌̅) 2 = 𝑆𝑆𝑅 𝑇𝑆𝑆 Keterangan : R 2 : Koefisien determinasi Y ’ : Nilai Y terhitung 𝑌̅ : Rata-rata nilai variabel Y Y : Nilai variabel Y SSR : Sum Square Residual TSS : Total Sum of Square 23 2.6.2.3 Uji Hipotesis Untuk mengetahui seberapa penting suatu variabel di dalam model, maka perlu membandingkan nilai-nilai prediksi pada dua model yaitu model tanpa variabel tersebut dibandingkan model dengan variabel tersebut. Untuk membandingkan nilanilai prediksi tersebut maka digunakan dua uji yaitu uji Likelihood ratio dan uji Wald (Kirkwood & C, 2000). a. Uji Likelihood Ratio Uji likelihood ratio menggunakan ratio nilai maksimal dari fungsi likelihood untuk model penuh (L1) atasnilai maksimal dari fungsi likelihood untuk model sederhana (L0). Berikut persamaannya : 𝐿𝑅𝑆 = −2 𝑥 log(𝐿𝑅) = −2𝑥(𝐿𝑛𝑢𝑙𝑙 – 𝐿𝑀𝐿𝐸) 𝑎𝑑𝑎𝑙𝑎ℎ 𝑛𝑖𝑙𝑎𝑖 𝑋 2 𝑑𝑒𝑛𝑔𝑎𝑛 𝑑𝑓 = 1 Keterangan : LRS : Likelihood Ratio Statistic LR : Likelihood Ratio 𝐿𝑛𝑢𝑙𝑙 : fungsi likelihood untuk mode sederhana 𝐿𝑀𝐿𝐸 : fungsi likelihood untuk model penuh b. Uji Wald Uji Wald sejenis dengan Likelihood ratio tapi nilai yang digunakan berdasarkan pada likelihood ratio dalam keadaan fir quadratic. Berikut persamaannya: log (𝐿𝑅)𝑞𝑢𝑎𝑑 = − 1 2 ( 𝑀𝐿𝐸 − 𝜃 𝑆 ) Maka nilai LRSWald dihitung dengan persamaan: 𝐿𝑅𝑆 = −2 𝑥 log(𝐿𝑅)𝑄𝑢𝑎𝑑 = ( 𝑀𝐿𝐸 − 𝜃𝑞𝑢𝑎𝑑 𝑆 ) = ( 𝑀𝐿𝐸 𝑆 ) 2 , 𝑏𝑖𝑙𝑎 𝜃𝑛𝑢𝑙𝑙 = 0 Keterangan : 24 LRS : Likelihood Ratio Statistic MLE : Maximum Likelihood Estimation 𝑆 : Standarrt Error 𝜃 : Rate ratio Pengambilan keputusan didasarkan atas nilai interval kepercayaan dan nilai p. Penentuan rentang kepercayaan atau Confidence Interval (CI) dihitung berdasarkan koefisien regresi (b) dan standart error (Sebi). Berikut adalah persamaannya (Widarsa, 2009).

Berikut adalah persamaan uji t untuk melihat apakah nilai OR tersebut bermakna atau tidak 𝑡 = 𝑏𝑖 𝑆𝑒𝑏𝑖 Keterangan : t : Uji t b : koefisien regresi Se : standart error Dalam program SPSS, untuk menguji hipotesis nihil β = 0 atau koefisien regresi = 0 dipergunakan statistik Wald dengan persamaan berikut : 𝑊𝑎𝑙𝑑 = √ 𝑏𝑖 𝑆𝑒𝑏𝑖 Nilai p pada hasil analisis juga digunakan untuk menguji apakah Odd ratio bermakna atau tidak. Nilai p<α menyatakan H0 ditolak dan nilai P>α menyatakan H0 diterima. Beberapa sumber menyebutkan bahwa Uji Likelihood Ratio lebih baik digunakan dibandingkan dengan Uji Wald (Kirkwood dan Sterne, 2000), karena :

 1. Perhitungan dan interpretasi yang didapatkan dengan uji leklihood ratio dapat digunakan untuk situasi yang lebih kompleks dibandingkan dengan uji wald.

2. Walaupun Uji wald lebih baik dalam analisis variabel terpapar (exposure) yang diwakili oleh satu parameter, uji ini kurang baik untuk analisis dengan skala data kategori.

2.6.2.4 Binary Logistic Regression Binary Logistic Regression adalah salah satu model regresi logistik dengan variabel tergantung binomial. Berdasarkan jenis variabel bebasnya ada dua jenis Binary Logistic Regression yaitu Binary Logistic Regression dengan variabel bebas binomial dan binary logistic regression dengan variabel bebas ordinal (Widarsa, 2009).

a. Binary Logistic Regression dengan variabel bebas binomial Pada binary logistic regression dengan variabel bebas binomial (2 kategori). Perhitungan OR pada masing-masing variabel bebas (X1, X2, X3) dilakukan dengan menggunakan rumus adjusted OR dimana bila yang dianalisis X1 maka variabel bebas lainnya dikendalikan : 𝑂𝑅 = 𝐸𝑥𝑝 (𝑎 + 𝑏1) 𝐸𝑥𝑝 (𝑎) = 𝐸𝑥𝑝 (𝑏𝑖)

b. Binary Logistic Regression dengan variabel bebas ordinal Analisis Binary Logistic Regression dengan variabel bebas ordinal, dapat dilakukan dengan mengubah variabel bebas X tersebut menjadi bentuk dummy variable yaitu variabel nominal dengan dua kategori saja yaitu umumya 1 dan 0. Misalnya akan dianalisis hubungan pengetahuan (rendah, sedang, dan tinggi) dengan kejadian unmet need KB, maka akan dibuat dummy variabble dengan pembanding (baseline) umumnya adalah kategori 26 terendah dimana dalam contoh ini adalah pengetahuan rendah. Maka bentuk dummy variable nya adalah yang pertama variabel pengetahuan sedang (X1) dengan kategori 1 = sedang dan kategori 0 = rendah. Kedua adalah variabel pengetahuan tinggi (X2) dengan kategori 1 = tinggi dan kategori 0 = rendah. Variabel yang dianalisis adalah variabel hasil transformasi yaitu X1 (pengetahuan sedang) dan X2 (pengetahuan tinggi). Model regresi logistiknya menjadi : 𝐿𝑂𝑔 𝑂𝑑𝑑 = 𝑎 + 𝑏1𝑋1 + 𝑏2𝑋2 𝑂𝑅 𝑑𝑎𝑟𝑖 𝑋1 = 𝐸𝑥𝑝 (𝑏1 )𝑑𝑎𝑛 𝑂𝑅 𝑑𝑎𝑟𝑖 𝑋2 = 𝐸𝑥𝑝 (𝑏2 )

Keterangan :

a : intercept b1 : koefisien regresi X1 terhadap Y

b2 : koefisien regresi X2 terhadap Y

2.6.2.5 Uji Kesesuaian Model

Untuk mengukur tentang kesesuiaan model regresi logistik ada beberapa ukuran statistik yang dapat dijadikan kriteria diantaranya yaitu Goodness of fit, classification table dan deviance (Widarsa, 2010)

a. Goodness of fit Goodness of fit merupakan cara yang sering dipakai untuk mengetahui apakah data fit dengan model regresi logistik. Pada metode ini akan dibandingkan antara hasil observasi dengan prediksi hipotetik dimana data fit model secara sempurna. Perbedaan antara hasil observasi dengan hasil prediksi mempunyai distribusi Chi Square. 27

b. Classification table Tabel klasifikasi adalah salah satu metode untuk mengetahui apakah data fit dengan model regresi logistik. Dalam tabel klasifikasi akan dibandingkan antara hasil observasi dengan yang diperkirakan dari model sehingga akan diketahui berapa persen hasil observasi sama dengan hasil prediksi dari model (percent correct). Bila percent correct lebih besar dari 50% maka dapat disimpulkan bahwa adat fit dengan model regresi logistik.

c. Deviance Devience merupakan cara lain yang dapat digunakan untuk mengukur seberapa mirip hasil obeservasi dengan hasil prediksi dari model. Probabilitas hasil observasi mirip dengan prediksi dari model disebut dengan likelihood. Karena likelihood lebih kecil dari 1, lalu dipakai -2 kali log (likelihood_ atau -2LL sebagai ukuran seberapa baik model fit dengan data. Bila data fit dengan model secara sempurna, maka likelihood adalah 1 dan -2LL adan 0. -2 LL memiliki distribusi Chi square.

2.6.2.6 Estimasi Probability Model regresi logistik juga dapat digunakan untuk meramalkan kemungkinan seseorang dengan risiko tertentu untuk menderita penyakit tertentu. Kemungkinan tertentu dapat dirumuskan sebagai berikut (Widarsa, 2010) 𝑝 = 𝐸𝑥𝑝𝑎+𝑏𝑖𝑋𝑖 1 + 𝐸𝑥𝑝𝑎+𝑏𝑖𝑋𝑖 2.6.2.7 Seleksi Variabel Prediktor Dalam analisis Model Regresi, untuk membuat model yang baik ada 4 algoritma seleksi yang dapat dipilih yaitu metode stepwise, forward, backward, dan metode enter (Triton, 2005).

 a. Metode enter adalah metode regresi dengan cara memasukkan semua variabel nenas secara bersam-sama ke dalam model dan besar kecil pengaruh setiap variabel bebas diabaikan. Metode enter ini paling sering digunakan. Penggunaan metode enter tepat apabila secara teori variabel bebas benarbenar berpengaruh terhadap variabel tergantung.

b. Metode forward adalah metode regresi dengan proses analisis variabel prediktor dari depan dimana semua variabel bebas awalnya dianggap tidak berpengaruh kemudian secara bertahap dimasukkan variabel-variabel yang berpengaruh.

c. Metode backward adalah metode regresi yang berlawanan dengan metode forward yaitu memasukkan variabel yang paling berpengaruh terlebih dahulu dengan model akhir adalah membuang variabel bebas yang tidak berpengaruh.

d. Metode stepwise, prosedur seleksinya merupakan kombinasi metode forward dan metode backward. Pertama diterapkan prosedur forward dan variabel yang sudah ada di dalam model selanjutnya akan dianalisis dengan metode backward.

2.6.3 Pemanfaatan Metode Regresi Logistik Metode regresi logistik telah banyak dimanfaatkan untuk analisis faktor risiko atau determinan. Salah satu penelitian yang memanfaatkan metode regresi logistik adalah penelitian untuk mengetahui faktor determian asi ekslusif pada bayi usia 6-12 bulan di puskesmas III denpasar selatan. Dari hasil analisis dapat diketahui bahwa variabel pengetahuan ibu tinggi berpengaruh secara signifikan terhadap pemberian asi ekslusif. Selain itu penelitian yang memanfaatkan metode regresi logistik adalah 29 penenlitian untuk faktor risiko kanker nasofaring di RSUP Sanglah. Dari hasil penenlitian dapat diketahui variabel papapran asap rokok pada perokok pasif dan aktif berpengaruh terhadap kejadian kanker nasofaring.

  • 23 Mei 2017
  • Dibaca: 232 Pengunjung

Artikel Lainnya

Cari Artikel