Model Regresi Logistik Biner untuk Mengidentifikasi Faktor-Faktor yang Berpengaruh Terhadap Status Anemia pada Ibu Hamil (Studi Kasus : Wilayah Kerja Puskesmas Wajo Kota Bau-Bau Propinsi Sulawesi Tenggara)

Abstract

Ibu hamil merupakan kelompok sasaran yang perlu mendapatkan perhatian khusus, karena ibu hamil merupakan kelompok yang rentan menderita masalah gizi. Salah satu masalah gizi yang banyak terjadi pada ibu hamil adalah anemia. Anemia pada ibu hamil meningkatkan risiko terjadinya keguguran, lahir sebelum waktunya, melahirkan bayi dengan Berat Badan Lahir Rendah (BBLR), lahir mati, dan kematian perinatal. Ibu hamil yang menderita anemia berat dapat mengalami kegagalan jantung yang dapat menyebabkan kematian. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi status anemia pada ibu hamil dengan menggunakan regresi logistik biner. Data yang digunakan dalam penelitian ini adalah data sekunder dari Penelitian Any Fauzayani Basri untuk mengetahui faktor yang berhubungan dengan anemia ibu hamil di wilayah kerja Puskesmas Wajo Kota Bau-Bau Propinsi Sulawesi Tenggara pada tahun 2011. Perbedaan penelitian ini dengan penelitian Any Fauzayani Basri terletak pada analisis yang digunakan. Penelitian sebelumnya digunakan analisis Uji Chi Square dan analisis multivariate. Hasil yang diperoleh dari model regresi logistik biner menunjukkan bahwa faktor-faktor yang berpengaruh terhadap status anemia ibu hamil di wilayah kerja Puskesmas Wajo Kota Bau-Bau Propinsi Sulawesi Tenggara yaitu umur kehamilan, jarak kelahiran, frekuensi pemeriksaan kehamilan, dan konsumsi tablet penambah darah. Model regresi logistik biner yang diperoleh adalah g(x) = 1.662 + 0.437 x2 - 1.024 x3 - 5.276 x5 – 0.516 x6. Evaluasi keakuratan model dilakukan dengan melihat nilai persentase CCR untuk data keseluruhan yaitu sebesar 91.30% dan luas dibawah kurva ROC sebesar 1.00 pada nilai cutpoint 0.50. Selain itu dilihat pula nilai persentase CCR dan luas dibawah kurva ROC untuk data validasi. Nilai persentase CCR minimum untuk data validasi yaitu sebesar 78.40% dan nilai minimum untuk luas dibawah kurva ROC sebesar 0.884. Adapun nilai persentase CCR maksimumnya sebesar 100% dengan nilai maksimum untuk luas dibawah kurva ROC yaitu 1. Nilai ketepatan klasifikasi antara data keseluruhan dengan validasi data menunjukkan hasil yang relatif sama sehingga model dapat dikatakan valid atau akurat.