PEMODELAN USIA MENARCHE DENGAN REGRESI LOGISTIK ORDINAL DAN METODE CHAID Studi Kasus pada Siswi SMP di Kota Depok SILVANA SYAH

PEMODELAN USIA MENARCHE DENGAN REGRESI LOGISTIK ORDINAL DAN METODE CHAID Studi Kasus pada Siswi SMP di Kota Depok

SILVANA SYAH

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008

SURAT PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Dengan ini saya menyatakan bahwa tesis Pemodelan Usia Menarche dengan Regresi Logistik Ordinal dan Metode CHAID adalah karya saya dengan arahan komisi pembimbing dan belum di ajukan kepada perguruan tinggi manapun. Sumber informasi yang berasal atau di kutip dari karya yang di terbitkan maupun tidak di terbitkan dari penulis lain telah di sebutkan dalam teks dan di cantumkan dalam daftar pustaka di bagian akhir tesis ini.

Bogor, September 2008

Silvana Syah NRP G151010091

ABSTRACT

SILVANA SYAH. Modelling of Age at Menarche Using Ordinal Logistic Regression and CHAID Method (Case Study of Junior High Girls Student in Depok City). Under direction of BUDI SUSETYO and ERFIANI.

The most important event in the whole process of female puberty is the onset of cyclic menses (menarche). The age of the menarche influenced by genetic, socio-economic status, and environmental conditions, body status and level of education. The improved nutrition and socio economic status of the population in industrialized countries has resulted in a decrease in the mean age at menarche. According Bielicki and Welon (1982), a trend of decrease of menarcheal age in Indonesia is 0.145 year per decade. This study examines the curve of age menarche and also examine the relationship of responden characteristics, parents characteristics, livestyle and sosio economics status that affect the age of menarche. Data were collected by proporsive sampling method includes 1033 girls 12 to 15 years of age in Depok City. The main outcome measure is age at menarche, determined from girls' self-report of the month and year of first menses. The curve of age menarche were using Logistics Model Curve. Factors that influenced age at menarche were identified using Ordinal Logistics Regression and CHAID Method. The outcome of interest is age at menarche. For descriptive analysis, the girls were divided into 3 groups representing early (<11 years), average (11-13 years), or late (>13 years) maturation. Overall, the mean age at menarche calculated from Logistics Model Curve is 11.5 years with 47% of girls attaining menarche between 11 and 13 years. When performing Ordinal Logistics Regression size birth to analyze the relation of factor determining age of menarche, we found that mother education, age of mother menarche, consume soft drinks, exercise and sosio economics status have significantly associated (p < 0.05). All of the analyses show a consistent and significant relationship of age at mother menarche to age at menarche. Inspite of livestyle and sosio economics status also influence to age at menarche. Earlier menarche is identified by characteristic of girls whose mother earlier in of girls menarche, higher sosioeconomics status and frequently consume softdrinks.

Keywords: logistics curve, logistics ordinal, CHAID, menarche.

RINGKASAN SILVANA SYAH. Pemodelan Usia Menarche dengan Regresi Logistik Ordinal dan Metode CHAID. Dibimbing oleh BUDI SUSETYO dan ERFIANI. Salah satu kejadian penting dalam proses pubertas seorang perempuan adalah saat di mulainya siklus menstruasi. Pada perempuan, pubertas itu di tandai dengan menstruasi yang pertama (menarche). Menurut penelitian yang di lakukan Bagga dan Kulkarni (2000), usia menarche terbagi dalam kategori: cepat (<11 tahun), Ideal (11-13 tahun), terlambat (> 13 tahun). Cepat lambatnya menarche tergantung pada genetika, kondisi sosial ekonomi, faktor gizi, kesehatan secara umum, gaya hidup, pengaruh musim dan letak geografis (Thomas et al. 2000). Tujuan dari penelitian ini adalah menyusun kurva model peluang usia menarche dan mengkaji peluang dari faktor-faktor yang mempengaruhi usia menarche. Di harapkan dengan mengetahui peluang usia menarche dapat di identifikasi faktor-faktor yang mempengaruhi seorang perempuan mendapatkan menarche cepat, ideal maupun lambat. Kurva peluang usia menarche berbentuk fungsi logistik. Sedangkan untuk mengidentifikasi faktor-faktor yang mempengaruhi seorang perempuan mendapatkan menarche cepat, ideal maupun lambat di gunakan analisis regresi ordinal logistik dan metode CHAID. Data yang di gunakan untuk mengkaji usia menarche adalah data primer hasil dari pengisian kuesioner terhadap siswi-siswi SMP kelas 7, 8 dan 9 di Kota Depok. Teknik sampling yang di gunakan adalah metode Purposive Sampling. Purposive Sampling di lakukan terhadap sekolah-sekolah di Kota Depok berdasarkan status sosial ekonominya yang di lihat dari biaya SPP per bulan yang berlaku di sekolah tersebut. Jumlah keseluruhan responden sebanyak 1033 siswi di 10 SMP di Kota Depok. Adapun jumlah siswi yang sudah menarche berjumlah 895 siswi. Sebaran responden yang berada pada kategori usia menarche ideal yaitu pada usia 132-156 bulan sebanyak 46.9%. Responden yang mengalami menarche dengan kategori cepat yaitu pada usia kurang dari 132 bulan sebanyak 34.3%. Paling sedikit berkategori lambat yaitu pada usia lebih dari 156 bulan sebanyak 18.8%. Sedangkan, rata-rata usia menarche pada penelitian ini adalah 138 bulan atau 11.5 bulan. Hasil analisis untuk mengetahui peluang usia menarche yaitu di peroleh ^ 1 model logistik sebagai berikut : y = . ⎛ 1 x ⎞ + 663783.4 0.908 ⎟ ⎜ ⎝ 1.01 ⎠ Faktor-faktor yang mempengaruhi seorang perempuan mendapatkan menarche cepat, ideal maupun lambat di identifikasi dengan menggunakan analisis Regresi Logistik Ordinal dan analisis CHAID. Hasil pengujian secara parsial dari Model Regresi Logistik Ordinal

(

(

))

menunjukkan bahwa faktor-faktor yang mempengaruhi usia menarche adalah ukuran kelahiran gemuk panjang, ukuran kelahiran kurus panjang, pendidikan ibu tamat SMP, pendidikan ibu tamat SMA, usia menarche ibu cepat, usia menarche ibu ideal, kebiasaan minum minuman bersoda 0-1 kali, kebiasaan minum minuman bersoda 2-4 kali, kebiasaan berolah raga 0-1 kali, kebiasaan berolah raga 2-4 kali, status sosial ekonomi kurang mampu dan status sosial ekonomi mampu. Hasil analisis CHAID menunjukkan bahwa faktor utama yang berpengaruh terhadap usia menarche adalah usia menarche ibu responden. Selain itu, responden yang di duga mengalami menarche cepat adalah responden yang ibunya juga mengalami menarche cepat dan status ekonomi sangat mampu. Model yang di dapatkan dengan analisis Regresi Logistik Ordinal dan metode CHAID menunjukkan kekonsistenan dalam analisisnya. Pada kedua model tersebut, faktor yang berpengaruh sangat nyata terhadap usia menarche adalah faktor usia menarche ibu. Kata Kunci : kurva logistik, ordinal logistik, CHAID, menarche

Hak cipta IPB, tahun 2008. Hak cipta di lindungi Undang-undang. 1. Di larang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber. a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah. b. Pengutipan tidak merugikan kepentingan yang wajar IPB. 2. Di larang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB.

PEMODELAN USIA MENARCHE DENGAN REGRESI LOGISTIK ORDINAL DAN METODE CHAID Studi Kasus pada Siswi SMP di Kota Depok

SILVANA SYAH

Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Statistika

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008

Penguji Luar Komisi pada Ujian Tesis : Dr. Ir. Muhammad Nur Aidi, M.S.

Judul Tesis

: Pemodelan Usia Menarche dengan Regresi Logistik Ordinal dan Metode CHAID Nama Mahasiswa : Silvana Syah Nomor Register Pokok : G151050091 Program Studi : Statistika

Di setujui, Komisi Pembimbing

Dr. Ir. Budi Susetyo, M.S. Ketua

Dr. Ir. Erfiani, M.Si. Anggota

Di ketahui,

Ketua Program Studi Statistika

Dr. Ir. Aji Hamim Wigena, M.Sc.

Tanggal Lulus :

Dekan Sekolah Pascasarjana IPB

Prof. Dr. Ir. Khairil A. Notodiputro, M.S.

Tanggal Ujian : 2 Agustus 2008

Kupersembahkan karya ilmiah ini untuk Anom dan Erlangga Sugiriputro serta Ayah tersayang Semoga karya kecil ini bisa menjadi inspirasi

PRAKATA

Puji dan syukur penulis panjatkan ke hadirat Allah SWT atas segala karunia-Nya sehingga karya ilmiah ini berhasil di selesaikan. Tema yang di pilih dalam penelitian ini adalah Pemodelan Usia Menarche dengan judul Pemodelan Usia Menarche dengan Regresi Logistik Ordinal dan Metode CHAID. Ucapan terima kasih dan penghargaan yang sebesar-besarnya penulis sampaikan kepada Bapak Dr. Ir. Budi Susetyo, M.S dan Ibu Dr. Ir. Erfiani, M.Si selaku pembimbing atas bimbingan dan arahan baik dalam penulisan karya ilmiah ini maupun dalam penguasaan ilmu statistika secara umum. Penulis juga mengucapkan terima kasih kepada Bapak Dr. Ir. I Made Sumertajaya, M.S, Ibu Utami Dyah Safitri, S.Si, M.Si, Bapak Seyithan Arslan, Bapak Huseyn Khan dan rekan-rekan seperjuangan atas dukungan dan kerjasamanya selama ini yang telah banyak membantu penulis dalam menyelesaikan penelitian ini. Ucapan terima kasih juga tak lupa penulis sampaikan kepada Ayah, Mama, Bapak, Ibu dan Adik-adik serta seluruh keluarga besar yang ada di Semarang, Batang, Padang dan Jakarta atas dukungan moril dan doa untuk keberhasilan penulis menyelesaikan karya ilmiah ini. Semoga karya ilmiah ini bermanfaat.

Bogor, September 2008

Silvana Syah

RIWAYAT HIDUP Penulis di lahirkan di Jakarta, pada tanggal 28 Juni 1980. Penulis merupakan anak pertama dari ayah Zulkifli Syah (almarhum) dan ibu Emiwarti. Tahun 1998 lulus dari SMA Negeri 5 Semarang dan pada tahun yang sama diterima pada Jurusan Matematika Universitas Diponegoro melalui jalur Penelusuran Minat dan Kemampuan (PMDK) UNDIP. Penulis menyelesaikan program S1 tahun 2002. Pada tahun 2002 – 2005 penulis aktif sebagai guru matematika di Semesta Billingual School Semarang. Pada tahun 2007 penulis aktif sebagai guru matematika di Pribadi Billingual School Depok. Pada tahun 2005, penulis berkesempatan melanjutkan pendidikan S2 pada Program Studi Statistika Sekolah Pascasarjana Institut Pertanian Bogor.

DAFTAR ISI Halaman

DAFTAR TABEL............................................................................................ xiii DAFTAR GAMBAR ....................................................................................... xiii DAFTAR LAMPIRAN.................................................................................... xiv 1. PENDAHULUAN ..................................................................................... 1 1.1 Latar Belakang .................................................................................... 1 1.2 Tujuan dan Manfaat Penelitian ........................................................... 2 2. TINJAUAN PUSTAKA ............................................................................ 3 2.1 Penelitian-penelitian tentang Usia Menarche ..................................... 2.2 Fungsi Logistik ................................................................................... 2.3 Model Regresi Logistik Ordinal ......................................................... 2.3.1 Pengujian Parameter ................................................................ 2.3.2 Interpretasi Koefisien............................................................... 2.4 Metode CHAID...................................................................................

3 4 5 7 9 9

3. BAHAN DAN METODE .......................................................................... 12 3.1 Bahan Penelitian ................................................................................. 12 3.2 Metode Penelitian ............................................................................... 15 4. HASIL DAN PEMBAHASAN ................................................................. 17 4.1 4.2 4.3 4.4

Karakteristik Responden..................................................................... Kurva Peluang Usia Menarche .......................................................... Model Regresi Logistik Ordinal ......................................................... Analisis Metode CHAID Usia Menarche ..........................................

17 20 21 27

5. SIMPULAN DAN SARAN....................................................................... 29 5.1 Simpulan ............................................................................................. 29 5.2 Saran ................................................................................................... 30 DAFTAR PUSTAKA ...................................................................................... 31 LAMPIRAN..................................................................................................... 32

DAFTAR TABEL Halaman

Tabel 1 Peubah-peubah dalam penelitian ....................................................... 14 Tabel 2 Tingkat pendapatan orang tua responden........................................... 18 Tabel 3 Dugaan parameter dengan model penuh tiap kategori menarche ...... 21 Tabel 4 Dugaan parameter dengan model reduksi.......................................... 24 Tabel 5 Nilai rasio Odds dugaan parameter dengan model reduksi................ 25

DAFTAR GAMBAR Halaman

Gambar 1 Sebaran persentase kategori usia menarche ................................... 19 Gambar 2 Kurva peluang usia menarche ........................................................ 20

xiii

DAFTAR LAMPIRAN

Halaman

Lampiran 1 Kuesioner usia menarche.............................................................. 33 Lampiran 2 Analisis Validitas dan Reliabilitas kuesioner ............................... 35 Lampiran 3 Sebaran kuesioner di tiap sekolah ................................................ 36 Lampiran 4 Sebaran siswa yang sudah menarche maupun belum menarche ............................................................................ 36 Lampiran 5 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap ukuran lahir .................................................. 37 Lampiran 6 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap IMT responden sebelum menarche .............. 37 Lampiran 7 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori pendidikan Ayah............................. 38 Lampiran 8 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori pekerjaan Ayah............................... 38 Lampiran 9 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori pendidikan Ibu ............................... 38 Lampiran 10 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori pekerjaan Ibu .................................. 38 Lampiran 11 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori usia menarche Ibu.......................... 39 Lampiran 12 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap pendapatan orang tua ................................... 39 Lampiran 13 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap fasilitas yang di miliki di rumah................... 39 Lampiran 14 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kebiasaan minum minuman bersoda ............ 39 Lampiran 15 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kebiasaan berolah raga seminggu ................ 40 xiv

Lampiran 16 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kebiasaan konsumsi daging seminggu ......... 40 Lampiran 17 Pengelompokkan responden berdasarkan kategori usia menarche pada tiap status sosial ekonomi ................................... 40 Lampiran 18 Kurva peluang usia menarche ..................................................... 40 Lampiran 19 Dendogram usia menarche hasil analisis CHAID pada taraf 5%................................................................................ 41

xv

1

1. PENDAHULUAN 1.1 Latar Belakang Salah satu kejadian penting dalam proses pubertas seorang perempuan adalah saat di mulainya siklus menstruasi. Pada perempuan, pubertas itu di tandai dengan menstruasi yang pertama (menarche). Menstruasi merupakan peluruhan dinding rahim (lapisan endometrium) yang terdiri dari darah dan jaringan tubuh. Kejadian tersebut berlangsung setiap bulan dan merupakan suatu proses normal bagi perempuan. Penelitian-penelitian tentang usia menarche di luar negeri telah banyak di lakukan, namun belum banyak di lakukan di Indonesia. Walaupun hasil dari penelitian-penelitian tentang usia menarche tidak selalu konsisten, namun beberapa faktor yang berpengaruh signifikan terhadap usia menarche adalah (jurnal Human Biology): pengaruh genetika (Danker-Hopfe dan Delibalta 1990; Kaprio et al. 1995; Treolar et al. 1998 dalam Thomas et al. 2000), kondisi sosial ekonomi (Belmaker 1982; Luoto et al. 1994 dalam Thomas et al. 2000), kesehatan secara umum dan gaya hidup (Parazzini et al. 1992; Brown et al. 1996 dalam Thomas et al. 2000), status gizi (Osteria 1983; Riley 1994; Simondon. et al. 1997 dalam Thomas et al. 2000), pengaruh musim (Boldsen 1992 dalam Thomas et al. 2000), aktivitas fisik (Malina 1983; Baker 1985 dalam Thomas et al. 2000), dan letak geografis (Beall 1983; Kapoor dan Kapoor 1986; Gonzales dan Villena 1996 dalam Thomas et al. 2000). Menurut penelitian yang di lakukan Bagga dan Kulkarni (2000), usia menarche terbagi dalam kategori: cepat (<11 tahun), Ideal (11-13 tahun), terlambat (> 13 tahun). Dewasa ini, dengan semakin berkembangnya tingkat nutrisi dan status sosial ekonomi menyebabkan penurunan usia rata-rata menarche. Penelitian di India pada tahun 1962 menunjukkan rata-rata usia menarche adalah 14 tahun 4 bulan, sepuluh tahun kemudian (tahun 1972) bergeser menjadi 13 tahun 9 bulan. Pada tahun 1981 rata-rata usia menarche bergeser menjadi 13 tahun 2 bulan, studi pada

2

tahun 1991 melaporkan rata-rata usia menarche menjadi 12 tahun 6 bulan. Sehingga di peroleh kesimpulan bahwa usia menarche di India mengalami penurunan sebesar 0.233 tahun per sepuluh tahun. Di Hunggaria usia menarche turun dengan sebesar 2.6 bulan per sepuluh tahun dengan regresi linier (Bagga dan Kulkarni 2000). Menurut Bielicki dan Welon (1982) di Indonesia usia menarche turun dengan rata-rata 0.145 tahun per sepuluh tahun. Dalam jurnal Human Biology, Indonesia menempati urutan ke 15 dari 67 negara dengan usia menarche cepat. Berdasarkan latar belakang di atas maka dalam penelitian ini, penulis akan menyusun kurva model peluang usia menarche. Sedangkan untuk mengetahui faktor-faktor yang mempengaruhi usia menarche dan peluangnya maka penulis akan melakukan analisis pemodelan regresi logistik ordinal dan analisis metode CHAID (Chi-square Automatic Interaction Detection).

1.2 Tujuan dan Manfaat Penelitian Penelitian ini bertujuan untuk : 1. Menyusun kurva model peluang usia menarche. 2. Mengkaji peluang dari faktor-faktor yang mempengaruhi usia menarche.

Pemodelan yang di dapatkan pada penelitian ini di harapkan dapat mengetahui peluang usia mendapatkan menarche pada usia tertentu serta dapat mengidentifikasi

faktor-faktor

yang

mempengaruhi

seorang

perempuan

mendapatkan menarche cepat, ideal maupun lambat sehingga dapat di gunakan untuk perencanaan kesehatan. .

3

2. TINJAUAN PUSTAKA 2.1 Penelitian-penelitian tentang Usia Menarche Menurut Vandeloo (2007) faktor-faktor yang mempengaruhi menarche cepat antara lain : Indeks Massa Tubuh (IMT), kebiasaan minum minuman bersoda (soft drinks), tingkat pendidikan orang tua, konsumsi daging dan aktifitas fisik (seperti berolah raga). Pada orang-orang yang mempunyai aktifitas olah raga yang sangat tinggi umumnya menarche datang terlambat, kondisi ini kerap di jumpai pada atlet perempuan. Remaja putri yang menarche cepat di indikasikan sebagai responden yang hidup di kota besar, status sosial ekonomi yang sangat mampu, memiliki orang tua dengan pendidikan tinggi, rumah yang sangat memadai, mempunyai fasilitas lengkap di rumah antara lain: komputer, TV kabel dan internet. Usia menarche mempunyai hubungan yang signifikan dengan karakteristik kelahiran. Remaja putri yang terlahir relatif gemuk dan panjang (> 3 kg, > 49 cm) cenderung enam bulan lebih cepat mendapatkan menarche di bandingkan dengan remaja putri yang terlahir gemuk dan pendek (> 3 kg, < 49 cm). Selain itu menarche juga terjadi lebih lambat pada anak yang lahir prematur (Adair 2001). Dengan semakin berkembangnya tingkat nutrisi dan status sosial ekonomi menyebabkan penurunan usia rata-rata menarche. Penelitian di India pada tahun 1962 menunjukkan rata-rata usia menarche adalah 14 tahun 4 bulan, sepuluh tahun kemudian (tahun 1972) bergeser menjadi 13 tahun 9 bulan. Pada tahun 1981 rata-rata usia menarche bergeser menjadi 13 tahun 2 bulan, studi pada tahun 1991 melaporkan rata-rata usia menarche menjadi 12 tahun 6 bulan. Di peroleh kesimpulan bahwa usia menarche di India mengalami penurunan sebesar 0.233 tahun per sepuluh tahun. Di Hunggaria usia menarche turun dengan sebesar 2.6 bulan per sepuluh tahun dengan regresi linier (Bagga dan Kulkarni 2000). Menurut Bielicki dan Welon (1982) di Indonesia usia menarche turun dengan rata-rata 0.145 tahun per sepuluh tahun. Dalam jurnal Human Biology, Indonesia menempati urutan ke 15 dari 67 negara dengan usia menarche dini.

4

Menurut Irastoza et al. (2006) salah satu faktor yang berhubungan dengan risiko terjadinya kanker payudara adalah menarche pada umur muda. Usia menarche berhubungan terbalik dengan resiko kanker payudara, remaja putri dengan usia menarche 17 tahun atau di atas 17 tahun memiliki resiko 30% lebih rendah terkena kanker payudara di bandingkan dengan mereka yang menarche di bawah usia 12 tahun. Selain itu salah satu faktor yang menyebabkan kehamilan di usia dini adalah penundaan dan peningkatan jarak usia nikah dan semakin dininya menarche. Hal itu disebabkan karena dengan menarche yang semakin dini dan usia kawin yang semakin lama menyebabkan "masa-masa rawan" semakin panjang. Karena terbatasnya pengetahuan remaja tentang kesehatan reproduksi akan meningkatkan resiko terjadinya kehamilan yang tidak di inginkan (unwanted pregnancy) yang akan mengarah pada tindakan aborsi.

2.2 Model Logistik Misalkan terdapat peubah bebas x yang berpasangan dengan peubah tak bebas y. Kurva peluang usia mendapatkan menarche cenderung berbentuk fungsi logistik. Fungsi logistik antara y dan x adalah (Norusis, M 2004 dalam SPSS tutorial version 14.0 for windows):

1

^

y=

( ( ))

⎛1 x ⎞ ⎜ + a 0 . a1 ⎟ ⎝u ⎠

(2.1)

Keterangan: x = peubah penjelas ^

y = dugaan peubah respon u = batas atas dari nilai peubah respon a0 = intersep a1 = koefisien Fungsi regresi (2.1) di atas berbentuk curvilinear sehingga untuk membuatnya menjadi fungsi linier dilakukan transformasi logaritma sebagai berikut (Norusis, M. 2004 dalam SPSS tutorial version 14.0 for windows ):

5

⎛ ⎞ 1 1⎟ ⎜ ln⎜ ^ − ⎟ = ln a 0 + (ln a1 )x ⎜ y u⎟ ⎝ ⎠

(2.2)

2.3 Model Regresi Logistik Ordinal

Model regresi logistik ordinal merupakan salah satu model multinomial yang di rancang untuk menentukan peluang peubah-peubah respon berskala ordinal yang mempunyai kategori lebih dari dua. Menurut Agresti (1990), salah satu cara yang dapat di gunakan untuk membentuk model dengan respon kategorik yang berskala ordinal adalah dengan membentuk fungsi logit peluang kumulatif kategori ke-j. Misalkan peubah respon ordinal Y sebanyak k buah kategori dan X=(X1,X2,...,Xm)’ adalah vektor kovariat sebanyak m, dimana π1(X) + π2(X) +....+ πk(X) = 1. Maka langkah awal untuk membuat model regresi logistik ordinal

adalah dengan menggunakan model peluang kumulatif Fj(X) dengan j =1,2,..., J dan J = k-1 adalah sebagai berikut (Agresti 1990) : F j ( X ) = P (Y ≤ j | X ) = π 1 ( X ) + π 2 ( X ) + ... + π j ( X )

(2.3)

Keterangan : πj(X) = peluang peubah respon ordinal kategori ke-j

k = banyaknya kategori peubah respon ordinal Fj(X) = peluang kumulatif peubah respon ordinal kategori ke-j Selanjutnya dibuat fungsi logit kumulatif Lj(X). Untuk membuat fungsi ini, diperlukan transformasi logit dari fungsi peluang kumulatif Fj(X) :

[

L j ( X ) = log it F j ( X )

]

⎛ Fj ( X ) ⎞ ⎛ π ( X ) + ... + π j ( X ) ⎞ ⎟ = log⎜ 1 ⎟ = log⎜ ⎜1− F (X ) ⎟ ⎜ π ( X ) + ... + π ( X ) ⎟ j k −1 ⎝ ⎠ ⎝ j +1 ⎠

(2.4)

Dengan melibatkan peubah penjelas X, maka dihasilkan model regresi logistik ordinal sebagai berikut : Lj(X) = β0j + β’X , dengan j = 1,2,...,k-1

(2.5)

6

Keterangan : β0j = intersep peubah respon ordinal kategori ke-j β’ = vektor slope parameter tanpa intersep dimana β’ = (β1, β2, ..., βm)

m = banyaknya peubah bebas

2.3.1 Fungsi Kemungkinan

Ketika lebih dari satu pengamatan Y terjadi pada nilai x(v) yang tetap, hal itu adalah syarat cukup untuk mengambil sejumlah pengamatan pj(v) untuk j = 1,2,...,k. Y(v) dengan v = 1,2,...,n adalah peubah acak multinomial yang saling bebas dengan Y(v) ∼ multinomial(p1(v),....,pk(v)) dengan E(Y(v)) = pj(v) Fj(x(v)), dengan p1(v) + ....+ pk(v) = 1, Rj(v) adalah peluang kumulatif yang di definisikan sebagai (Kim 2004): R1(v) = p1(v),

(2.6)

R2(v) = p1(v)+ p2(v), M

Rk(v) = 1 2.3.2 Pendugaan Parameter

Pendugaan parameter model regresi logistik ordinal menggunakan metode kemungkinan maksimum (maximum likelihood estimates). Fungsi kemungkinan yang mendasari metode kemungkinan maksimum adalah (Kim 2004) :

7

n

( )f ( y

l( β 0 , β ) = ∏ f x

(v)

(v)

|x

(v)

)

v =1 n

(

∝ ∏ f y (v) | x v =1

(v)

)

⎧⎛ ( v ) ⎞ R1 ( v ) ⎛ ( v ) ( v ) R2 − R1 ⎫ F2 − F1 ⎞ ⎪⎜ F1 ⎟ ⎪ ⎜ ⎟ = ∏ ⎨⎜ ( v ) ⎟ ⎬ (v ) ⎜ ⎟ F2 v =1 ⎪⎝ F2 ⎠ ⎝ ⎠ ⎪⎭ ⎩ (v) (v) ⎧⎛ ( v ) ⎞ R2 ( v ) ⎛ ( v ) ( v ) R3 − R2 ⎫ ⎞ − F F ⎪ F ⎪ 2 ⎜ 3 ⎟ x ⎨⎜⎜ 2( v ) ⎟⎟ ⎬.... (v ) ⎜ ⎟ F F 3 ⎪⎩⎝ 3 ⎠ ⎪⎭ ⎝ ⎠ (v) (v) ⎧⎛ ( v ) ⎞ Rk −1 ( v ) ⎛ ( v ) ( v ) Rk − Rk −1 ⎫ ⎞ − F F F ⎪ ⎪ k −1 ⎜ k ⎟ x ⎨⎜⎜ k (−v1) ⎟⎟ ⎬ (v) ⎜ ⎟ Fk ⎪⎩⎝ Fk ⎠ ⎪⎭ ⎝ ⎠ (v)

(v)

n

(2.7)

Untuk memudahkan proses perhitungan, di lakukan pendekatan logaritma sehingga fungsi log kemungkinannya untuk sebagai berikut:

(

( ) + ( R − R ) log(F − F ) − R log(F ) + R log(F ) + ( R − R ) log(F − F ) − R log(F ) + .... + ) + ( R − R ) log(F − F ) − log(F R R log(F )} = ∑ {R log(F ) + ( R − R ) log(F − F ) + ( R − R ) log(F − F ) + ... + )} (R − R )log(F − F

)

n

{

L l( β 0 , β ) = ∑ R1 v =1

(v )

log F1

(v )

(v )

(v )

2

2

(v)

3

(v )

(v )

(v )

(v )

2

(v )

(v)

3

(v )

k −1

(v)

1

2

3

(v)

(v)

2

(v)

(v)

(v )

k

(v )

1

2

2

k -1

3

(v )

(v )

k −1

k

(v )

k −1

k

(v )

k

n

v =1

(v )

2

(v)

1

(v)

(v )

1

(v)

3

2

(v )

3

(v )

1

(v )

2

(v )

k −1

(v )

1

(v)

2

(v)

k

(v)

2

(2.8)

(v )

k

(v )

k −1

Langkah selanjutnya dalam pendugaan adalah memaksimumkan fungsi (2.8) maka akan di dapatkan pendugaan bagi β0 dan β.

2.3.3 Pengujian Parameter

Pengujian

terhadap

parameter-parameter

model

di

lakukan

untuk

mengetahui peran seluruh peubah penjelas baik secara bersama-sama maupun

8

secara parsial. Menurut Hosmer dan Lemeshow (1989), untuk pengujian parameter secara bersama dapat digunakan uji nisbah kemungkinan yaitu uji G dengan hipotesis : H 0 : β 1 = β 2 = .... = β m = 0

H 1 : paling sedikit ada satu β i ≠ 0; i = 1,2,..., m Sedangkan menurut McCullagh dan Nelder (1989), rumus untuk uji G adalah:

⎡L ⎤ G = −2 ln ⎢ 0 ⎥ ⎣ Lk ⎦

(2.9)

Keterangan : L0

= fungsi kemungkinan maksimum tanpa peubah penjelas

Lk

= fungsi kemungkinan maksimum dengan peubah penjelas

Statistik uji G mengikuti sebaran khi-kuadrat dengan derajat bebas p (banyaknya peubah). Kriteria uji yang digunakan adalah :

⎧≤ χ 2 p.α , Terima H 0 G=⎨ 2 ⎩ > χ p.α , Tolak H 0 Sedangkan pengujian parameter β i secara parsial dilakukan dengan uji Wald dengan cara merasiokan β i dugaan dengan kesalahan bakunya, yaitu dengan statistik uji W : ^

W=

β0 j ^

^

SE ( β 0 j )

(2.10)

^

W=

βi ^

^

SE ( β i )

Hipotesis yang akan di uji adalah : 1. H 0 : β 0 j = 0 H 1 : ada β 0j ≠ 0; j = 1,2,..., k − 1

2. H 0 : β i = 0

H1 : ada β i ≠ 0; i = 1,2,..., m W secara asimtotik berdistribusi normal (Ryan 1996).

(2.11)

9

2.3.4 Interpretasi Koefisien

Interpretasi koefisien untuk model regresi logistik ordinal dapat di lakukan dengan menggunakan nilai rasio oddsnya. Rasio odds pada kategori Y ≤ j merupakan perbandingan antara x1 dan x2 adalah (Agresti 1990): ⎡ F j ( x1 ) /(1 − F j ( x 2 )) ⎤ ⎡ P (Y ≤ j | x1 ) / P (Y > j | x1 ) ⎤ L j ( x1 ) − L j ( x 2 ) = log ⎢ ⎥ ⎥ = log ⎢ ⎢⎣ F j ( x 2 ) /(1 − F j ( x 2 )) ⎥⎦ ⎣ P (Y ≤ j | x 2 ) / P (Y > j | x 2 ) ⎦

= β i ( x1 − x 2 )

(2.12)

Keterangan : i = 1,2,...,m m = banyaknya peubah penjelas. Parameter βi di artikan sebagai perubahan nilai fungsi logit kumulatif yang di sebabkan oleh perubahan satu unit peubah penjelas ke-i yang disebut log odds, (misalnya antara x = x1 dan x = x2) yang di notasikan sebagai : Ln[ψ ( x1 , x 2 )] = g ( x = x1 ) − g ( x = x 2 ) = β i ( x1 − x 2 )

(2.13)

^

Sehingga di dapatkan penduga untuk rasio odds (ψ ) sebagai berikut (Agresti 1990):

ψ = exp[β i ( x1 − x 2 )] ^

(2.14)

2.4 Metode CHAID

Metode CHAID (Chi-square Automatic Interaction Detection) merupakan salah satu tipe dari metode AID (Automatic Interaction Detection) yang di gunakan mengetahui hubungan antar peubah respon (X) dengan peubah penjelas (Y) yang masing-masing bertipe kategorik. Menurut Kass (1980) dalam menganalisis gugus data, metode CHAID memisahkan data ke dalam beberapa kelompok secara bertahap. Tahap pertama di awali dengan membagi data menjadi beberapa kelompok berdasarkan satu peubah penjelas yang pengaruhnya paling signifikan terhadap peubah respon. Masingmasing kelompok yang di peroleh, di periksa secara terpisah untuk membaginya

10

lagi menjadi beberapa kelompok berdasarkan peubah penjelas dan seterusnya hingga pada akhirnya di peroleh kelompok-kelompok pengamatan yang memiliki respon dan peubah penjelas tertentu yang berkaitan. Tahapan-tahapan dalam metode ini di jelaskan pada algoritma sebagai berikut: 1. Pada masing-masing peubah penjelas, di buat tabulasi silang antara kategori-kategori peubah penjelas dengan kategori-kategori peubah respon. 2. Pada setiap tabulasi yang diperoleh, di susun semua sub tabel berukuran 2xd yang mungkin, d adalah banyaknya kategori peubah respon. Carilah nilai χ 2hitung semua subtabel tersebut. Dari seluruh χ 2hitung yang di peroleh, 2 cari yang terkecil katakan χ 2terkecil . Jika χ terkecil < χ α2 maka kedua kategori

peubah penjelas yang memiliki χ 2terkecil di gabungkan menjadi satu kategori gabungan. 3. Pada setiap kategori gabungan yang terdiri dari tiga atau lebih peubah asal, di cari pembagian biner yang signifikan. Dari pembagian ini di cari χ 2hitung terbesar. Jika χ 2hitung > χ α2 maka pembagian biner berlaku, kembali ke tahap dua. 4. Setelah di peroleh penggabungan optimal untuk setiap peubah penjelas, cari nilai p yang terkecil dari masing-masing sub tabel tersebut. Jika nilai p terkecil < α yang telah di tetapkan maka peubah penjelas pada nilai p tersebut adalah peubah penjelas yang paling signifikan terhadap respon. 5. Jika pada tahap 4 di peroleh peubah yang pengaruhnya paling signifikan, kembali ke tahap 1 untuk setiap bagian data hasil pemisahan. Statistik uji yang di gunakan adalah χ 2 sebagai berikut : ⎡ (Oij − Eij )2 ⎤ χ = ∑∑ ⎢ ⎥ E i =1 j =1 ⎢ ⎥⎦ ij ⎣ r

2

c

(2.15)

11

Keterangan : r = banyaknya baris c = banyaknya kolom i = indeks baris j = indeks kolom Oij = nilai sel baris ke-i kolom ke-j Eij = nilai harapan sel baris ke-i kolom ke-j Penggabungan kategori pada algoritma CHAID membutuhkan suatu uji signifikansi χ 2 . Apabila terjadi pengurangan yaitu c kategori dari peubah asal menjadi r kategori (r < c) maka nilai p dari khi-kuadrat yang baru di kalikan dengan pengganda Bonferroni berikut sesuai dengan tipe peubah (Kass 1980). Rumus pengganda Bonferroni untuk peubah ordinal adalah sebagai berikut: ⎛ c − 1⎞ ⎟⎟ B ord = ⎜⎜ ⎝ r − 1⎠

Keterangan : r = banyaknya baris c = banyaknya kolom

(2.16)

12

3. BAHAN DAN METODE 3.1 Bahan Penelitian

Data yang di gunakan untuk mengkaji usia menarche adalah data primer hasil dari kuesioner terhadap siswi-siswi SMP kelas 7, 8 dan 9 di Kota Depok. Teknik sampling yang di gunakan adalah metode Purposive Sampling. Purposive Sampling di lakukan terhadap sekolah-sekolah di Kota Depok berdasarkan status sosial ekonominya yang di lihat dari biaya SPP per bulan yang berlaku di sekolah tersebut. Kategori sekolah dengan status sosial ekonomi yang sangat mampu adalah sekolah dengan biaya SPP lebih dari Rp. 500.000,00. Kategori sekolah dengan status sosial ekonomi yang sedang/mampu adalah sekolah dengan biaya SPP Rp. 70.000,00 - Rp. 500.000,00. Sedangkan kategori sekolah dengan status sosial ekonomi yang kurang mampu adalah sekolah dengan biaya SPP kurang dari Rp. 70.000,00. Informasi yang akan di peroleh dari penelitian mengenai usia menarche antara lain sebagai berikut: 1. Karakteristik responden Pertanyaan yang berkaitan dengan karakteristik responden adalah mengenai: Deskriptif responden, ukuran kelahiran, Indeks Massa Tubuh (IMT) sebelum menarche, dan urutan kelahiran. Deskriptif responden meliputi: nama, tempat dan tanggal lahir, alamat rumah, telepon atau nomer handphone, nama sekolah dan kelas. 2. Karakteristik Orang tua Pertanyaan yang berkaitan dengan karakteristik orang tua adalah mengenai: pendidikan terakhir Ayah, pekerjaan Ayah, Indeks Massa Tubuh Ayah, tempat dan tanggal lahir Ibu, pendidikan terakhir Ibu, pekerjaan Ibu dan Indeks Massa Tubuh 3. Usia Ibu saat menarche 4. Karakteristik Gaya Hidup (Life Style) Pertanyaan yang berkaitan dengan karakteristik gaya hidup

13

adalah kebiasaan minum minuman bersoda (soft drinks) dalam seminggu setiap 330 ml, kebiasaan berolah raga dalam seminggu, jenis olah raga dan mengkonsumsi daging sapi dan daging kambing dalam seminggu setiap 2 gram. 5. Status sosial ekonomi Pertanyaan berkaitan dengan status sosial ekonomi responden adalah mengenai : pendapatan kedua orang tua sebulan, uang saku dalam seminggu, besar SPP yang di bayar tiap bulan, jenis transportasi yang di gunakan untuk berangkat ke sekolah, status rumah yang di huni, luas rumah, daya listrik rumah huni, banyaknya

kepemilikan

mobil

pribadi,

besar

pengeluaran

keluarga untuk membeli pulsa handphone dan fasilitas di rumah (antara lain: TV, TV kabel, internet, Komputer). 6. Peubah respon adalah kategori usia menarche

Berdasarkan

penelitian-penelitian

terdahulu

mengenai

usia

menarche maka di pilihlah peubah-peubah yang mempengaruhi usia menarche sebagaimana yang tertera pada tabel 1.

14

Tabel 1 Peubah-peubah dalam penelitian

Peubah

X1

Keterangan

Ukuran kelahiran;

1 = gemuk panjang (>3 kg, >49 cm),

2 = kurus panjang (<3 kg, >49 cm), 3 = gemuk pendek (>3 kg,<49 cm), 4 = kurus pendek (<3 kg, <49 cm) Indeks Massa Tubuh sebelum menarche: 1= < 19,7 kg/m 2 , 2=19.7

X2

kg/m 2 -21.2 kg/m 2 , 3= 21.3 kg/m 2 – 24.8 kg/m 2 , 4 = >24.8 kg/m 2 X3

Pendidikan terakhir ayah; 1 = SD, 2 = SMP, 3 = SMA, 4 =Sarjana

X4

Pendidikan terakhir ibu; 1 = SD, 2 = SMP, 3 = SMA, 4 =Sarjana

X5

Usia ibu saat menarche, 1 = cepat (< 156 bulan) ; 2 = Ideal (156-180 bulan), 3 = lambat (> 180 bulan)

X6

Fasilitas hiburan di rumah : 1.= TV ; 2 = TV, Komputer ; 3 = TV, Komputer, TV kabel; 4 = TV, Komputer, TV kabel dan Internet

X7

Konsumsi minuman bersoda setiap 330 ml dalam seminggu ; 1 = 0-1 kali, 2 = 2-4 kali , 3 = lebih dari 4 kali.

X8

Kebiasaan berolah raga dalam seminggu : 1=0-1 kali, 2 = 2-4 kali, 3 = lebih dari 4 kali

X9

Mengkonsumsi daging sapi dan kambing setiap minggu dalam setiap 2 gram ; 1 = 0 – 1 kali, 2 = 2 -4 kali, 3 = lebih dari 4 kali

X 10

Status sosial ekonomi responden; 1 = kurang mampu, 2 = sedang/mampu, 3 = sangat mampu

X 11

Pendapatan Kedua Orang tua sebulan; 1= < 1 juta, 2 = 1-2 juta, 3 = 35 juta, 4 = 5-10 juta, 5 = > 10 juta

Y

Usia menarche responden, di ukur dalam skala ordinal: 1 = cepat (< 132 bulan) ; 2 = Ideal (132-156 bulan), 3 = lambat (>156 bulan)

3.2 Metode Penelitian

Tahapan penelitian yang di lakukan adalah sebagai berikut: 1. Penyusunan instrumen (kuesioner).

15

Pada tahap ini di tentukan jumlah batas pertanyaan pada kuesioner dan menentukan jumlah waktu yang di sediakan untuk menyelesaikan kuesioner. Selanjutnya di lakukan uji coba instrumen (kuesioner) untuk mengetahui reliabilitas dan validitas kuesioner yang telah di buat. Uji coba ini di lakukan terhadap 21 siswi SMP Pribadi Depok kelas 7, 8 dan 9, hal ini di maksudkan untuk meminimalkan waktu dan biaya pada penelitian ini. 2. Pengumpulan Data Berdasarkan status sosial ekonominya terdapat 10 SMP yang terpilih untuk penyebaran kusioner. Adapun sekolah yang menjadi tujuan penyebaran kuesioner adalah SMP Pribadi, SMP Cakrabuana, SMP Lazuardi GIS, SMP Dian Dikdatika sebagai sekolah kategori sangat mampu. SMP Negeri 2, SMP Negeri 3 dan SMP Tugu Ibu I terpilih sebagai sekolah kategori sedang/mampu. SMP Budi Utomo, SMP Purnama dan SMP Triguna terpilih sebagai sekolah kategori kurang mampu. Dari sepuluh SMP yang terpilih di lakukan survei dengan kuesioner terhadap semua siswi kelas 7, 8 dan 9. 3. Verifikasi dan Pemasukan (entry) Data. Data yang sudah terkumpul selanjutnya di entry ke dalam MS. Excel. Kemudian di lakukan verifikasi terhadap kuesioner yang belum lengkap dengan melakukan wawancara langsung terhadap responden atau dengan menggunakan telepon. 4. Analisis data deskripsi Analisis data deskripsi di lakukan untuk memperoleh gambaran umum cepat lambatnya usia menarche. 5. Menyusun kurva model peluang usia menarche dengan model logistik. 6. Analisis data usia menarche dengan regresi logistik ordinal dan metode CHAID. 7. Tahap ketujuh adalah simpulan dan saran.

16

4. HASIL DAN PEMBAHASAN Hasil uji validitas dan reliabilitas dari kuesioner pada lampiran 1 menunjukkan bahwa kuesioner tersebut valid dan realibel. Kuesioner di katakan valid jika nilai Alpha Cronbach untuk masing-masing peubah penjelasnya > 0.600. Pada penelitian ini di dapatkan Alpha Cronbach untuk masing-masing peubah penjelasnya > 0.600 (lampiran 2). Sehingga di simpulkan kuesioner penelitian ini sudah valid. Kuesioner di katakan reliabel jika nilai Alpha Cronbach lebih dari 0.600. Pada penelitian ini di dapatkan nilai Alpha Cronbach sebesar 0.675 sehingga di simpulkan kuesioner penelitian ini reliabel (lampiran 2). Data penelitian ini di peroleh dari pengisian kuesioner yang di berikan kepada 1959 siswi di 10 SMP di Kota Depok periode 28 mei 2008 sampai dengan 9 juni 2008. Kuesioner yang kembali dan memenuhi semua pertanyaan berjumlah 1033 buah. Adapun jumlah siswi yang sudah menarche berjumlah 895 siswi. Gambaran mengenai sebaran kuesioner di tiap sekolah dapat di lihat pada lampiran 3. Sedangkan sebaran siswa yang sudah menarche maupun belum menarche dapat di lihat pada lampiran 4.

4.1 Karakteristik Responden

Secara umum sebagian besar responden berada pada kategori usia menarche ideal yaitu pada usia 132-156 bulan (11-13 tahun) adalah sebanyak 46.9%. Responden yang mengalami menarche dengan kategori cepat yaitu pada usia kurang dari 132 bulan (< 11 tahun) adalah sebanyak 34.3%.

Paling sedikit

berkategori lambat yaitu pada usia lebih dari 156 bulan (> 14 tahun) adalah sebanyak 18.8%. Rata-rata usia menarche pada penelitian ini adalah 138 bulan atau 11.5 tahun.

17

lambat 19%

cepat 34%

ideal 47%

Gambar 1 Sebaran persentase kategori usia menarche d Hasil tabulasi silang data awal antara kategori usia menarche dengan

peubah-peubah penjelas yang di duga berhubungan dengan usia menarche, secara umum perempuan dengan kategori menarche cepat adalah responden yang paling banyak memiliki ukuran lahir gemuk panjang (>3 kg,>49 cm), IMT sebelum menarche < 19.7 kg/m2 , secara genetik memiliki ibu yang berkategori menarche cepat, pendapatan kedua orang tua >Rp 10 juta, memiliki fasilitas TV, komputer dan TV kabel, dan dengan status sosial ekonomi sangat mampu. Kategori menarche ideal adalah responden yang paling banyak memiliki ukuran lahir kurus panjang (<3 kg,>49 cm), IMT sebelum menarche < 19.7 kg/m 2 , secara genetik memiliki ibu yang berkategori menarche ideal, pendapatan kedua orang tua Rp. 1 juta – Rp. 5 juta memiliki fasilitas TV dan komputer, dan dengan status sosial ekonomi sedang. Sedangkan kategori menarche lambat adalah responden yang paling banyak memiliki ukuran lahir kurus panjang (>3 kg,>49 cm), IMT sebelum menarche < 19.7 kg/m 2 , secara genetik memiliki ibu yang berkategori menarche lambat, pendapatan kedua orang tua >Rp. 1 juta, memiliki fasilitas TV dan dengan status sosial ekonomi kurang (Lampiran 5-17). Indikator untuk mengukur status sosial ekonomi salah satunya adalah tingkat pendapatan kedua orang tua sebulan. Tabel 2 menunjukkan tingkat pendapatan kedua orang tua sebulan pada setiap sekolah.

18

Tabel 2 Tingkat pendapatan kedua orang tua dalam sebulan di tiap sekolah

Pendapatan orang tua (dalam Rp.) No

1. 2. 3. 4. 5. 6. 7. 8. 9. 10

Nama Sekolah

SMP Pribadi SMP Cakrabuana SMP Lazuardi GIS SMP Dian

Total

Kem

siswi

bali

71 82 108 116

71 52 73 59

Mens

<1

1-2

3-5

5-10

> 10

juta

juta

juta

juta

juta

58 47 62 56

Dikdatika SMP Negeri 2 SMP Negeri 3 SMP Tugu Ibu I SMP Budi Utomo SMP Purnama SMP Triguna

388 439 313 243 118 84 1959

191 141 184 110 77 60 1033

156 135 161 100 64 56 895

46

12

(0.79)

(0.21)

15

27

5

(0.32)

(0.57)

(0.11)

20

31

11

(0.32)

(0.5)

(0.17)

19

30

7

(0.34)

(0.54)

(0.12)

28

97

25

6

(0.18)

(0.62)

(0.16)

(0.04)

30

72

30

3

(0.22)

(0.53)

(0.22)

(0.22)

25

85

37

14

(0.15)

(0.53)

(0.23)

(0.09)

62

33

5

(0.62)

(0.33)

(0.05)

29

35

(0.45)

(0.55)

41

15

(0.73)

(0.27)

215

337

151

157

Berdasarkan tabel 2, SMP dengan kategori sosial ekonomi sangat mampu (SMP Pribadi, SMP Cakrabuana, SMP Lazuardi GIS, SMP Dian Dikdatika) sebagian besar orang tua responden mempunyai pendapatan perbulan antara Rp. 5 juta sampai Rp. 10 juta (dengan persentase lebih dari 50%). Sedangkan sebagian besar pendapatan orang tua perbulan untuk sekolah kategori sedang/mampu (SMP Negeri 2, SMP Negeri 3 dan SMP Tugu Ibu I) adalah Rp. 1 juta sampai Rp. 2 juta. Untuk sekolah kategori kurang mampu (SMP Budi Utomo, SMP Purnama dan

35

19

SMP Triguna), sebagian besar orang tua responden mempunyai pendapatan perbulan kurang dari Rp. 1 juta (dengan persentase hampir mendekati 50%).

4.2 Kurva Peluang Usia Menarche

Kurva peluang usia perempuan mendapatkan menarche di dapat dengan menggunakan fasilitas curve estimation yang tersedia pada SPSS. Curve Estimation adalah suatu prosedur sederhana untuk mendapatkan dugaan model regresi yang sesuai. Terdapat 11 macam model, yaitu : linier, logaritma, invers, kuadratik, kubik, power, compound, kurva-S, logistik, pertumbuhan dan eksponensial. Curve Estimation biasanya di pakai untuk menunjukkan hubungan Non-linier antara peubah bebas dan peubah tak bebas. Berdasarkan data survei ini, kurva peluang usia menarche adalah sebagai berikut : prob_cum

Observed

1.000000

Logistic 0.900000 0.800000 0.700000 0.600000 0.500000 0.400000 0.300000 0.200000 0.100000 0.000000 80

90

100

110

120

130

140

150

160

170

180

190

usia_menarche

Gambar 2 Kurva peluang usia menarche

200

20

Sedangkan untuk model fungsinya adalah : 1

^

y=

(

(

(4.1)

))

⎛ 1 ⎞ + 663783.4 0.908 x ⎟ ⎜ ⎝ 1.01 ⎠

Keterangan x = usia responden mendapatkan menarche y = peluang kumulatif mendapatkan menarche

Dari gambar 2 dapat di lihat bahwa kurva peluang usia menarche berbentuk seperti kurva S. Dari kurva tersebut dapat di simpulkan bahwa peluang mendapatkan menarche untuk usia <100 bulan (sekitar 8 tahun) adalah nol. Pada usia 110 bulan peluang mendapatkan menarche mulai meningkat yaitu 0.10. Pada usia 130 bulan peluangnya adalah 0.30. Pada usia 160 bulan peluangnya adalah 0.90. Mulai usia 180 bulan peluang usia menarche adalah 1.00.

4.3 Model Regresi Logistik Ordinal

Pendugaan model penuh dengan menggunakan enam belas peubah penjelas menghasilkan nilai statistik G sebesar 548.243 dengan nilai-p = 0.000. pada penggunaan taraf nyata 5% di simpulkan bahwa model tersebut signifikan, hal ini mengindikasikan bahwa semua peubah bebas secara bersama berpengaruh terhadap peubah respon. Tabel 3 Dugaan parameter dengan model penuh tiap kategori menarche Peubah Penjelas

Bi B

Wald

Nilai-p

Intersep Model Cepat

-0.230

0.077

0.781

Intersep Model Ideal

3.123

13.968

0.000

Ukuran lahir : Gemuk Panjang

0.522

4.620

0.032

Ukuran lahir : Kurus Panjang

0.619

6.066

0.014

Ukuran lahir : Gemuk Pendek

-0.125

0.088

0.766

21

Peubah Penjelas

Bi B

IMT sebelum mens : < 19.7 kg/m2

Wald

Nilai-p

0.695

1.361

0.243

2

0.680

1.228

0.268

IMT sebelum mens :21.3 kg/m 2 – 24.8 kg/m 2

0.670

1.203

0.273

-0.561

0.109

0.741

Pendidikan Ayah : SMP

0.037

0.001

0.982

Pendidikan Ayah : SMA

1.883

1.246

0.264

Pendidikan Ibu : SD

-0.598

1.922

0.166

Pendidikan Ibu : SMP

-1.122

10.338

0.001

Pendidikan Ibu : SMA

-0.560

4.273

0.039

Menarche ibu Cepat

4.626

210.876

0.000

Menarche ibu Ideal

2.376

115.057

0.000

Pendapatan orang tua < 1 juta

0.994

0.315

0.575

Pendapatan orang tua 1 - 2 juta

0.387

0.051

0.822

Pendapatan orang tua 3 – 5 juta

-1.503

0.744

0.388

Pendapatan orang tua 5 – 10 juta

0.502

1.394

0.238

Fasilitas TV

-0.434

1.465

0.226

Fasilitas TV, Komputer

-0.578

2.910

0.088

Minum minuman bersoda 0-1 kali

-0.965

14.885

0.000


-0.698

8.324

0.004

Olah raga 0-1 kali

0.959

14.526

0.000

Olah raga 2-4 kali

0.492

4.788

0.029

Makan Daging 0-1 kali

0.418

1.454

0.228

Makan Daging 2-4 kali

-0.016

0.002

0.964

Sosial Ekonomi kurang mampu

-3.069

135.123

0.000

Sosial Ekonomi mampu

-1.397

37.523

0.000

2

IMT sebelum mens : 19.7 kg/m -21.2 kg/m

Pendidikan Ayah : SD

Statistik uji G 548.243 Nilai-p

0.000

Nilai uji Wald pada tabel 3 menunjukkan adanya peubah penjelas yang tidak

22

mempengaruhi peubah respon dalam model pada taraf 5%. Peubah ukuran lahir gemuk pendek, IMT sebelum menarche <19.7 kg/m2, IMT sebelum menarche 19.7 kg/m 2 -21.2 kg/m 2 , IMT sebelum menarche 21.3 kg/m 2 – 24.8 kg/m 2 , Ayah berpendidikan SD, Ayah berpendidikan SMP, Ayah berpendidikan SMA, Ibu berpendidikan SD, pendapatan kedua orang tua < 1 juta sebulan, pendapatan kedua orang tua 1-2 juta sebulan, pendapatan kedua orang tua 3-5 juta sebulan, pendapatan kedua orang tua 5-10 juta sebulan, fasilitas hiburan TV, fasilitas hiburan TV dan komputer, fasilitas hiburan TV, Komputer dan TV kabel, konsumsi daging sapi dan daging kambing 0-1 kali dalam seminggu serta konsumsi daging sapi dan daging kambing 2-4 kali dalam seminggu di nyatakan tidak signifikan pada taraf 5% karena memiliki nilai p > 0.05 yang berarti bahwa peubah tersebut kurang dapat menerangkan peubah respon Y, oleh karena itu peubah tersebut di reduksi dari model. Pereduksian di lakukan dengan tetap memperhatikan kebaikan model yang direduksi terhadap model penuh. Selanjutnya di bentuk model reduksi tanpa peubah bebas yang tidak signifikan tersebut. Dari model reduksi pada tabel 4 di peroleh nilai statistik-G sebesar 521.659 dan nilai-p=0.000 yang berarti bahwa model reduksi signifikan pada taraf 5%. Tabel 4 Dugaan parameter dengan model reduksi Peubah Penjelas

Bi

Wald

Nilai-p

Intersep Model Cepat

-1.225

7.570

0.006

Intersep Model Ideal

2.048

21.296

0.000

Ukuran lahir : Gemuk Panjang

0.547

5.281

0.022

Ukuran lahir : Kurus Panjang

0.678

7.558

0.006

Ukuran lahir : Gemuk Pendek

-0.046

0.013

0.911

Pendidikan Ibu : SD

-0.484

2.494

0.114

Pendidikan Ibu : SMP

-1.168

22.336

0.000

Pendidikan Ibu : SMA

-0.738

10.664

0.001

Menarche ibu Cepat

4.505 210.729

0.000

Menarche ibu Ideal

2.306 117.052

0.000

23

Peubah Penjelas

Bi

Wald


-0.776

12.998

0.000


-0.718

10.484

0.001

Olah raga 0-1 kali

1.008

18.251

0.000

Olah raga 2-4 kali

0.516

5.803

0.016

Sosial Ekonomi kurang mampu

-3.105 154.867

0.000

Sosial Ekonomi mampu

-1.503

0.000

B

Nilai-p

45.490

Statistik uji G 521.659 Nilai-p

0.000

Interpretasi Model

Peubah-peubah penjelas yang signifikan pada taraf 5% karena memiliki nilai p > 0.05 di simpulkan sebagai faktor-faktor yang mempengaruhi usia menarche. Faktor-faktor tersebut adalah ukuran kelahiran gemuk panjang, ukuran kelahiran kurus panjang, pendidikan ibu tamat SMP, pendidikan ibu tamat SMA, usia menarche ibu cepat, usia menarche ibu ideal, kebiasaan minum minuman bersoda 0-1 kali, kebiasaan minum minuman bersoda 2-4 kali, kebiasaan berolah raga 0-1 kali, kebiasaan berolah raga 2-4 kali, status

sosial

ekonomi

kurang

mampu

dan

status

sosial

ekonomi

mampu/sedang. Kategori peubah penjelas memberikan peluang yang berbeda terhadap peluang mendapatkan menarche. Besarnya peluang dapat diketahui dengan menginterpretasikan nilai rasio odds. Pada tabel 5 di dapatkan koefisien peubah ukuran lahir gemuk panjang, ukuran lahir kurus panjang, menarche ibu cepat, menarche ibu ideal, olah raga 0-1 kali dan olah raga 2-4 kali mempunyai koefisien positif yang berarti rasio oddsnya bernilai lebih besar dari satu. Sedangkan peubah pendidikan ibu tamat SMP, pendidikan ibu tamat SMA, minuman bersoda 0-1 kali, kebiasaan minum minuman bersoda 2-4 kali, status sosial ekonomi kurang mampu dan status sosial

24

ekonomi mampu/sedang mempunyai koefisien negatif dengan rasio odds bernilai lebih kecil dari satu.

Tabel 5 Nilai rasio odds dugaan parameter dengan model reduksi

Peubah Penjelas

Tanda

Odds

Batas

Batas

Koef.

Ratio

Bawah

Atas

Ukuran lahir : Gemuk panjang

+

1.728

1.084

2.756

Ukuran lahir : Kurus panjang

+

1.969

1.215

3.193

Pendidikan ibu SMP

-

0.310

0.192

0.504

Pendidikan ibu SMA

-

0.478

0.306

0.744

Menarche ibu cepat

+

90.468

Menarche ibu ideal

+

10.034

6.612

15.241


-

0.460

0.302

0.701


-

0.487

0.316

0.753

Olah raga 0-1 kali

+

2.740

1.726

4.353

Olah raga 2-4 kali

+

1.675

1.100

2.549

Sosek kurang mampu

-

0.045

0.027

0.073

Sosek mampu

-

0.222

0.143

0.344

49.205 166.168

Responden yang terlahir dengan ukuran gemuk panjang lebih cepat mengalami menarche 1.728 kali di banding dengan responden yang terlahir kurus pendek. Responden yang terlahir dengan ukuran kurus panjang memiliki 1.969 kali lebih cepat mengalami menarche di banding dengan responden yang terlahir kurus pendek. Responden yang memiliki ibu dengan tingkat pendidikan SMP lebih lambat mengalami menarche 0.310 kali di banding dengan responden yang memiliki ibu dengan tingkat pendidikan Sarjana. Responden yang memiliki ibu dengan tingkat pendidikan SMA lebih lambat mengalami menarche 0.478 kali di banding dengan responden yang memiliki ibu dengan tingkat pendidikan Sarjana.

25

Responden yang memiliki ibu dengan kategori menarche cepat lebih cepat mengalami menarche 90.468 kali di banding dengan responden yang yang memiliki ibu dengan kategori menarche lambat. Responden yang memiliki ibu dengan kategori menarche ideal lebih cepat 10.034 kali mengalami menarche di banding dengan responden yang memiliki ibu dengan kategori menarche lambat. Responden yang mempunyai kebiasaan jarang minum minuman bersoda (01 kali dalam seminggu) lebih lambat 0.460 kali mengalami menarche di banding responden yang sering minum minuman bersoda (>4 kali dalam seminggu). Responden yang mempunyai kebiasaan minum minuman bersoda 2-4 kali dalam seminggu lebih lambat 0.487 kali mengalami menarche di banding responden yang sering minum minuman bersoda (>4 kali dalam seminggu). Responden yang mempunyai kebiasaan jarang berolahraga (0-1 kali seminggu) lebih cepat 2.740 kali mengalami menarche di banding responden yang berolahraga >4 kali seminggu. Responden yang mempunyai kebiasaan jarang berolahraga (0-1 kali seminggu) memiliki resiko 1.675 kali lebih tinggi mengalami menarche cepat dari pada responden yang berolahraga >4 kali seminggu. Responden dengan status sosial ekonomi kurang mampu memiliki resiko 0.045 kali lebih rendah mengalami menarche cepat dari pada responden dengan status ekonomi sangat mampu. Responden dengan status sosial ekonomi sedang/mampu memiliki resiko 0.222 kali lebih rendah mengalami menarche cepat dari pada responden dengan status ekonomi sangat mampu.

4.4 Analisis Metode CHAID usia Menarche

Analisis CHAID menghasilkan suatu dendogram yang menggambarkan pengelompokkan berdasarkan hubungan berstruktur peubah respon dengan peubah penjelas. Sebanyak sebelas peubah penjelas yang mempengaruhi usia menarche di analisis dengan CHAID, yaitu: ukuran lahir, IMT sebelum menarche, pendidikan ayah, pendidikan ibu, usia ibu saat menarche, fasilitas hiburan di rumah, kebiasaan minum minuman bersoda dalam seminggu, kebiasaan berolah

26

raga dalam seminggu dan status sosial ekonomi. Dendogram hasil analisis CHAID pada lampiran 21, menggambarkan bahwa faktor utama yang berpengaruh terhadap usia menarche adalah usia menarche ibu responden. Responden yang di duga mengalami menarche cepat adalah responden yang ibunya juga mengalami menarche cepat dan status ekonomi sangat mampu. Selain itu menarche cepat juga dapat terjadi pada responden yang memiliki ibu dengan menarche cepat, status sosial ekonomi mampu, serta memiliki kebiasaan sering minum minuman bersoda. Responden yang di duga mengalami menarche ideal adalah responden yang ibunya juga mengalami menarche ideal, berstatus sosial ekonomi mampu dan pendidikan Ibu adalah tamat SMA atau lebih. Selain itu menarche ideal juga dapat terjadi pada responden yang ibunya juga mengalami menarche ideal dan memiliki status sosial ekonomi sangat mampu. Responden yang di duga mengalami menarche lambat adalah responden yang ibunya juga mengalami menarche lambat. Model yang di dapatkan dengan analisis regresi logistik ordinal dan metode CHAID menunjukkan kekonsistenan dalam analisisnya. Dari kedua model tersebut, faktor yang berpengaruh sangat signifikan terhadap usia menarche adalah faktor usia menarche ibu. Seorang yang mengalami menarche cepat biasanya memiliki ibu yang juga mengalami menarche cepat pula. Selain itu dalam kedua model ini menunjukkan bahwa kebiasaan gaya hidup dan status sosial ekonomi mempengaruhi usia menarche.

27

5. SIMPULAN DAN SARAN 5.1 Simpulan

Rata-rata usia menarche pada penelitian ini adalah 138 bulan atau 11.5 bulan. Model kurva peluang usia menarche adalah:

1

^

y=

(

(

))

⎛ 1 ⎞ + 663783.4 0,908 x ⎟ ⎜ ⎝ 1.01 ⎠

Responden yang terlahir dengan ukuran gemuk panjang lebih cepat mengalami menarche 1.728 kali di banding dengan responden yang terlahir kurus pendek. Responden yang terlahir dengan ukuran kurus panjang memiliki 1.969 kali lebih cepat mengalami menarche di banding dengan responden yang terlahir kurus pendek. Responden yang memiliki ibu dengan tingkat pendidikan SMP lebih lambat mengalami menarche 0.310 kali di banding dengan responden yang memiliki ibu dengan tingkat pendidikan Sarjana. Responden yang memiliki ibu dengan tingkat pendidikan SMA lebih lambat mengalami menarche 0.478 kali di banding dengan responden yang memiliki ibu dengan tingkat pendidikan Sarjana. Responden yang memiliki ibu dengan kategori menarche cepat lebih cepat mengalami menarche 90.468 kali di banding dengan responden yang yang memiliki ibu dengan kategori menarche lambat. Responden yang memiliki ibu dengan kategori menarche ideal lebih cepat 10.034 kali mengalami menarche di banding dengan responden yang memiliki ibu dengan kategori menarche lambat. Responden yang mempunyai kebiasaan jarang minum minuman bersoda (01 kali dalam seminggu) lebih lambat 0.460 kali mengalami menarche di banding responden yang sering minum minuman bersoda (>4 kali dalam seminggu). Responden yang mempunyai kebiasaan minum minuman bersoda 2-4 kali dalam seminggu lebih lambat 0.487 kali mengalami menarche di banding responden yang sering minum minuman bersoda (>4 kali dalam seminggu). Responden yang mempunyai kebiasaan jarang berolahraga (0-1 kali

28

seminggu) lebih cepat 2.740 kali mengalami menarche di banding responden yang berolahraga >4 kali seminggu. Responden yang mempunyai kebiasaan jarang berolahraga (0-1 kali seminggu) memiliki resiko 1.675 kali lebih tinggi mengalami menarche cepat dari pada responden yang berolahraga >4 kali seminggu. Responden dengan status sosial ekonomi kurang mampu memiliki resiko 0.045 kali lebih rendah mengalami menarche cepat dari pada responden dengan status ekonomi sangat mampu. Responden dengan status sosial ekonomi sedang/mampu memiliki resiko 0.222 kali lebih rendah mengalami menarche cepat dari pada responden dengan status ekonomi sangat mampu. Hasil analisis CHAID menunjukkan faktor utama yang berpengaruh terhadap usia menarche adalah usia menarche ibu responden. Responden yang di duga mengalami menarche cepat adalah responden yang ibunya juga mengalami menarche cepat dan status ekonomi sangat mampu. Selain itu menarche cepat juga dapat terjadi pada responden yang memiliki ibu dengan menarche cepat. status sosial ekonomi mampu. serta memiliki kebiasaan sering minum minuman bersoda. Model yang di dapatkan dengan analisis regresi logistik ordinal dan metode CHAID menunjukkan kekonsistenan dalam analisisnya. Dari kedua model tersebut, faktor yang berpengaruh sangat signifikan terhadap usia menarche adalah faktor usia menarche ibu. Selain itu dalam kedua model ini menunjukkan bahwa kebiasaan gaya hidup dan status sosial ekonomi mempengaruhi usia menarche.

5.2 Saran

Usia normal bagi seorang perempuan mendapatkan menstruasi untuk pertama kali adalah 11 sampai 13 tahun. Mengetahui usia menarche merupakan salah satu faktor penting dalam membuat perencanaan kesehatan. Seorang perempuan yang di kategorikan mengalami menarche cepat (< 11 tahun), di sarankan untuk memperhatikan pola diet yang sehat, menghindari/mengurangi

29

konsumsi minuman bersoda, teratur berolah raga dan berkonsultasi kepada ahli medis untuk meminta saran agar terhindar dari resiko terkena kanker payudara. Sedangkan bagi perempuan yang sampai usia 16 tahun belum mengalami menarche maka di sarankan mengkonsumsi makanan sehat, menghindari stress dan mengurangi aktifitas fisik serta melakukan terapi hormon. Dalam kaitannya dengan merumuskan suatu kebijakan sekolah maka sekolah harus dapat mengakomodir kebutuhan siswi pada saat menstruasi dengan mengijinkan siswi tidak mengikuti kegiatan fisik yang berat dan menyediakan fasilitas sanitari yang memadai sehingga siswi dapat mengikuti kegiatan belajar mengajar dengan nyaman. Selain itu orang tua bersama dengan guru perlu memberikan pengertian, bimbingan, bantuan dan perhatian lebih kepada anak yang termasuk mengalami menarche dini.

30

DAFTAR PUSTAKA

Adair, L. 2001. Size at Birth predict Age at Menarche. Submitted to PEDIATRICS Vol 107 No. 4 April 2001 : 59 Agresti, A. 1990. Categorical Data Analysis. John Wiley & Sons. Bagga and Kulkarni. 2000. Age at menarche and secular trend in Maharashtrian (Indian) girls. Submitted to Acta Biologica Szegediensis : India Vol 44 No. 1 : 53-57 Bielicki and Welon. 1982. Age at Menarche in Indonesia. Submitted to Folia Medicana Indonesia : Journal of Airlangga University Hosmer, DW and Lemeshow, S. 1989. Applied Logistic Reggression. John Wiley & Sons. Irastorz, L, Rodriguez, G, Figueroa, P, Hernandez, M, Ayala. 2006. Early menarche as a risk factor of breast cancer. Submitted to Ginecol Obstet Mex 2006, Vol 74 No. 11 :568-72. Mexico Kass, GV. 1980. Automatic Interaction Detection. Submitted to Encyclopedia of Statistical Sciences Vol 1 . John Wiley & Sons. Kim. HS. 2004. Topics In Ordinal Logistic Regression And Its Applications. Submitted to the office of graduate studies of Texas A & M University. McCullagh, P and Nelder, JA. 1989. Generalized Linear Models. London: Chapman & Hall. Ryan, TP. 1997. Modern Regression Method. John Wiley & Sons. Thomas, F, Renaud, F, Benefice, De Meeu,. Guegan. 2000. Age Variability at Menarche and Menopause. Submitted to Human Biology, April 2001, Vol 73 No. 2 : 271–290 Vandeloo, M. 2007. Effects of lifestyle on the onset of puberty as determinant for breast cancer. Submitted to European Journal of Cancer Prevention. February 2007, Vol 16 No. 1

31

LAMPIRAN-LAMPIRAN

32

Lampiran 1. Kuesioner Usia Menarche

Kuesioner Menarche (Usia pertama kali Mendapatkan Menstruasi) Apa sih Menarche itu? Salah satu kejadian penting dalam proses pubertas seorang perempuan adalah saat dimulainya siklus menstruasi. Pada perempuan. pubertas itu ditandai dengan menstruasi yang pertama (Menarche). Menstruasi merupakan peluruhan dinding rahim (lapisan endometrium) yang terdiri dari darah dan jaringan tubuh. Kejadian tersebut berlangsung tiap bulan dan merupakan suatu proses normal bagi perempuan. Dengan semakin berkembangnya tingkat nutrisi dan status sosial ekonomi menyebabkan penurunan usia rata-rata menarche. Menurut Bielicki & Welon (1982) di Indonesia usia menarche turun dengan rata-rata 0.145 tahun per sepuluh tahun. Dalam jurnal Human Biology. Indonesia menempati urutan ke 15 dari 67 negara dengan usia menarche dini. Apa sih dampak dari menarche dini ? Salah satu faktor yang berhubungan dengan risiko terjadinya kanker payudara adalah menarche pada umur muda. Selain itu salah satu faktor yang menyebabkan kehamilan di usia dini adalah penundaan dan peningkatan jarak usia nikah dan semakin dininya usia menstruasi pertama (menarche). Sebab dengan menarche yang semakin dini dan usia kawin yang semakin lama menyebabkan "masa-masa rawan" semakin panjang. Terbatasnya pengetahuan remaja tentang kesehatan reproduksi telah meningkatkan resiko terjadinya kehamilan yang tidak diinginkan (unwanted pregnancy) yang akan mengarah pada tindakan aborsi. Untuk mendukung penelitian ini dan dalam rangka menyelesaikan studi S2 saya di Sekolah Pascasarjana Institut Pertanian Bogor. mohon kesediaan adik-adik (siswi kelas 7. 8 dan 9 SMP) mengisi kuesioner ini. A. No 1. 2. 3. 4. 5. 6. 7. 8.

Biodata Responden Pertanyaan Jawaban Nama Responden Tempat/Tgl. Lahir. Umur : tahun Alamat Rumah Nama Sekolah / Kelas SMP ………………................................Kelas : Kapan adik Menarche tahun………..bulan………… Ukuran responden saat lahir : Panjang = …….cm Berat = ……..kg Ukuran tubuh responden sebelum menarche: Tinggi :............cm Berat : .............kg Anak urutan keberapa dalam keluarga: 1. pertama 2. Kedua 3. ketiga 4. ≥ keempat

B. Karakteristik Orang tua No Pertanyaan 1. Pendidikan terakhir Ayah 2. Pekerjaan Ayah 3. 4.

Berat /Tinggi Badan Ayah Tempat /Tgl. lahir Ibu

Jawaban SD / SMP / SMA / S1 / S2 / S3 ** 1. Buruh /tani /bangunan 3. Pegawai swasta 2. PNS / ABRI 4. Wiraswasta Berat = ……..kg Tinggi = ……cm

33

5. 6.

Pendidikan terakhir Ibu Pekerjaan Ibu (*)

SD / SMP / SMA / S1 / S2 / S3 ** 1. Buruh /tani /bangunan 3. Pegawai swasta 3. PNS / ABRI 4. Wiraswasta 5. Ibu Rumah tangga Berat / Tinggi Badan Ibu (***) Berat=………kg Tinggi = ……..cm Usia Ibu saat Menarche (***) ….....tahun………..bulan Pendapatan kedua Orang tua 1. < 1 juta 3. 3-5 juta 5. > 10 juta dalam sebulan (*) 2. 1-2 juta 4. 5 juta – 10 juta

7. 8. 9.

C. Karakteristik Gaya Hidup (Life Style) No Pertanyaan Jawaban 1. Kebiasaan minum minuman 1. 1 kali sebulan 3. > 4 kali sebulan bersoda (*) 2. 2-4 kali sebulan 2. Berolah raga dalam seminggu (*) 1. 1 kali 2. 2-3 kali 3. > 3 kali 3. Jenis Olah raga (***) ....................................... 4. Fasilitas yang ada dirumah (**) TV / kulkas / komputer / Internet / TV kabel / AC

D. Karakteristik Sosial Ekonomi No Pertanyaan 1. Uang Saku tiap minggu (*) 1. < Rp.50 rb 2.

Besar SPP yang dibayar tiap bulan (*)

3.

Cara adik-adik kesekolah (*)

4.

Kriteria rumah tinggal (*)

5.

Banyak mobil yang dimiliki (*)

6.

Besar pengeluaran ortu dan adik-adik untuk membeli pulsa handphone dalam sebulan (*)

berangkat

1. 2. 1. 2. 3. 1. 2. 1. 2. 1. 2.

Jawaban 2. Rp. 50 rb – 100 rb

3. > Rp. 100.000.-

Kurang dari Rp. 70.000.3. Rp. 200.000 – Rp. 1 juta Rp. 70.000 – Rp. 200.000 4. Lebih dari Rp. 1 juta Angkot. Ojek. bus Angkutan berlangganan (misal mobil jemputan) Mobil Pribadi Rumah perkampungan 3. Real Estate Rumah Kompleks / Perumnas Tidak mempunyai mobil 3. Dua Mobil Satu mobil 4. Tiga mobil atau lebih < Rp. 100.000.3. Rp. 300.000 – Rp. 500.000 Rp. 100.000 – Rp. 300.000.- 4. Rp. > 500.000.-

Keterangan : (*) (**) (***)

= pilih satu yang sesuai dengan memberi tanda silang (X) = lingkari satu atau lebih yang sesuai dengan anda (O) = isilah sesuai dengan yang sesuai dengan anda (boleh dilingkari lebih dari satu)

Silvana Syah (081802407161) Pascasarjana IPB 2005

34

Lampiran 2. Analisis Validitas dan Reliabilitas Kuesioner Uji Reliabilitas

Reliability Statistics

Case Processing Summary N Cases

Valid Excludeda Total

21 0 21

% 100.0 .0 100.0

Cronbach's Alpha ,675

a. Listwise deletion based on all variables in the procedure.

Item Statistics kat_mens uk_lhr IMT pddk_ayah kerja_ayah IMT_ayah pddk_ibu kerja_ibu IMT_ibu mens_ibu pendptan softdrink olahraga fasilitas mkn_dgg uang_saku SPP krt_rmh luas_rmh daya_list mobil_pri pulsa kesekolah

Mean 1,71 1,76 3,24 1,57 4,57 2,57 3,43 3,95 3,57 3,43 1,90 4,10 2,33 1,76 3,81 2,67 1,90 2,52 1,10 3,81 3,81 1,67 3,43

Std. Deviation ,717 ,889 ,995 ,676 ,507 ,676 ,811 ,805 1,287 ,811 ,889 ,625 ,966 ,768 ,402 ,483 ,436 ,873 ,301 ,402 ,402 ,730 1,207

N 21 21 21 21 21 21 21 21 21 21 21 21 21 21 21 21 21 21 21 21 21 21 21

Cronbach's Alpha Based on Standardized Items ,744

N of Items 24

35

Uji Validitas

Item-Total Statistics

kat_mens uk_lhr IMT pddk_ayah kerja_ayah IMT_ayah pddk_ibu kerja_ibu IMT_ibu mens_ibu pendptan softdrink olahraga fasilitas mkn_dgg uang_saku SPP krt_rmh luas_rmh daya_list mobil_pri pulsa kesekolah

Scale Mean if Item Deleted 64,57 64,52 63,05 64,71 61,71 63,71 62,86 62,33 62,71 62,86 64,38 62,19 63,95 64,52 62,48 63,62 64,38 63,76 65,19 62,48 62,48 64,62 62,86

Scale Variance if Item Deleted 35,557 34,462 39,148 39,114 37,714 41,614 40,429 34,433 47,714 40,429 34,948 33,962 33,148 39,662 36,162 39,148 37,448 32,490 41,462 36,162 36,162 34,548 29,529

Corrected Item-Total Correlation ,438 ,437 -,026 ,029 ,296 -,259 -,123 ,501 -,537 -,123 ,388 ,750 ,515 -,045 ,721 ,072 ,407 ,659 -,449 ,721 ,721 ,551 ,673

Cronbach's Alpha if Item Deleted ,647 ,642 ,696 ,681 ,662 ,703 ,698 ,638 ,773 ,698 ,648 ,624 ,631 ,690 ,643 ,676 ,658 ,617 ,693 ,643 ,643 ,636 ,699

36

Lampiran 3. Sebaran kuesioner di tiap sekolah

N

Nama Sekolah

Alamat

o 1.

SPP per bulan

Sekolah SMP Pribadi

Jl. Margonda Raya Rp. 925.000.-

Total

Respo

Non

siswi

nden

Respon

71

71

0

No. 299 Depok 2.

SMP Cakrabuana

Jl. Raya Sawangan Rp. 500.000.-

82

52

30

3.

SMP Lazuardi GIS

Studio Alam

Rp. 625.000.-

108

73

35

4.

SMP Dian

Cinere

Rp. 550.000.-

116

59

57

Dikdatika 5.

SMP Negeri 2

Jl. Bangau Raya

Rp. 85.000.-

388

191

197

6.

SMP Negeri 3

Jl. Barito Raya

Rp. 95.000.-

439

141

298

7.

SMP Tugu Ibu I

Jl. Sentosa Raya

Rp. 120.000.-

313

184

129

8.

SMP Budi Utomo

Jl. Gg. Ujung

Rp. 70.000.-

243

110

133

9.

SMP Purnama

Jl. Juanda

Rp. 65.000.-

118

77

41

10

SMP Triguna

Jl. Sidamukti

Rp. 60.000.-

84

60

24

1959

1033

926

Jumlah

Menarche

Belum Menarche

Responden

Lampiran 4. Sebaran siswa yang sudah menarche maupun belum menarche

1.

SMP Pribadi

71

71

58

13

2.

SMP Cakrabuana

82

52

45

7

3.

SMP Lazuardi GIS

108

73

61

12

4.

SMP Dian Dikdatika

116

59

56

3

5.

SMP Negeri 2

388

191

168

23

No

Nama Sekolah

Total siswi

37

siswi

Total

Belum Menarche

Nama Sekolah

Menarche

No

Responden

Lanjutan lampiran 4.

6.

SMP Negeri 3

439

141

136

5

7.

SMP Tugu Ibu I

313

184

166

18

8.

SMP Budi Utomo

243

110

90

20

9.

SMP Purnama

118

77

64

13

10

SMP Triguna

84

60

51

9

1959

1033

895

138

Total

Lampiran 5. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap ukuran lahir

Ukuran Lahir

Gemuk panjang Kurus panjang Gemuk pendek Gemuk kurus Total

Kategori menarche Total Cepat Ideal Lambat 127 186 87 400 121 164 62 347 14 19 6 39 45 51 13 109 307 420 168 895

Lampiran 6. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap IMT responden sebelum menarche

IMT sebelum menarche

<19.7 kg/m2 19.7 – 21.2 kg/m2 21.3 – 24.8 kg/m2 >24.8 kg/m2 Total

Total Kategori menarche Cepat Ideal Lambat 178 259 111 548 60 69 29 158 61 87 27 175 8 5 1 14 307 420 168 895

38

Lampiran 7. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori pendidikan ayah

Pendidikan SD Ayah SMP SMA Sarjana Total


Lampiran 8. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori pekerjaan ayah Total Kategori menarche Cepat Ideal Lambat Pekerjaan Buruh/tani/bangunan 24 14 8 46 Ayah PNS/ABRI 46 65 17 128 Peg. Swasta 149 206 79 434 Wiraswasta 88 135 64 287 Total 307 420 168 895 Lampiran 9. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori pendidikan ibu

Pendidikan SD Ibu SMP SMA Sarjana Total


Lampiran 10. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori pekerjaan ibu Total Kategori menarche Cepat Ideal Lambat Pekerjaan Buruh/tani/bangunan 1 9 1 11 Ibu PNS/ABRI 22 19 6 47 Peg. Swasta 43 72 16 131 Wiraswasta 8 22 5 35 Rumah Tangga 233 298 140 671 Total 307 420 168 895

39

Lampiran 11. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kategori usia menarche ibu

Usia Cepat Menarche Ideal ibu Lambat Total

Total Kategori menarche Cepat Ideal Lambat 154 37 11 202 137 358 81 576 16 25 76 117 307 420 168 895

Lampiran 12. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap pendapatan kedua orang tua sebulan

Pendapatan kedua orang tua sebulan

< 1 juta 1 – 2 juta 3 – 5 juta 5 – 10 juta > 10 juta Total

Total Kategori menarche Cepat Ideal Lambat 60 95 60 215 116 150 71 337 56 76 19 151 58 83 16 157 17 16 2 35 307 420 168 895

Lampiran 13. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap fasilitas yang di miliki dirumah

Fasilitas

TV TV, Komputer TV, Komputer, TV Kabel TV, Komputer, TV Kabel, Internet Total


Lampiran 14. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kebiasaan minum minuman bersoda dalam seminggu

Minum 0-1 kali minuman 2 – 4 kali bersoda > 4 kali Total


40

Lampiran 15. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kebiasaan berolah raga dalam seminggu

Olah raga

0-1 kali 2 – 4 kali > 4 kali Total


Lampiran 16. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap kebiasaan konsumsi daging dalam seminggu

Daging

0-1 kali 2 – 4 kali > 4 kali Total


Lampiran 17. Pengelompokkan responden berdasarkan kategori usia menarche pada tiap status sosial ekonomi

Status Sosial Ekonomi

Kurang Mampu Sedang/Mampu Sangat Mampu Total


Lampiran 18. Kurva peluang usia menarche Model Description Model Name Dependent Variable 1 Equation 1 Independent Variable Constant Variable Whose Values Label Observations in Plots

MOD_1 prob_cum Logistic a,b usia_menarche Included Unspecified

a. The model requires all non-missing values to be positive. b. For all dependent variables, the theoretical upper bound is set to 1.01.

41

Model Summary and Parameter Estimates Dependent Variable: prob_cum Equation Logistic

Model Summary F df1 8072.382 1

R Square .989

df2

Sig. .000

90

Parameter Estimates Constant b1 663783.4 .908

The independent variable is usia_menarche.

Lampiran 19. Pemodelan usia menarche dengan regresi logistik ordinal

PLUM - Ordinal Regression Warnings There are 1473 (64,6%) cells (i.e., dependent variable levels by combinations of predictor variable values) with zero frequencies.

Model Fitting Information Model Intercept Only Final

-2 Log Likelihood 1774,943 1226,700

Chi-Square

df

548,243

29

Link function: Logit.

Goodness-of-Fit Pearson Deviance

Chi-Square 1669,143 1157,594

Link function: Logit. Pseudo R-Square Cox and Snell Nagelkerke McFadden Link function: Logit.

,458 ,524 ,296

df 1489 1489

Sig.

Sig. ,001 1,000

,000

42

Parameter Estimates

Estimate Std. Error Wald Threshold [kat_mens = 1 -,230 ,829 ,077 [kat_mens = 2 3,123 ,836 13,968 Location [uk_lahir=1] ,522 ,243 4,620 [uk_lahir=2] ,619 ,251 6,066 [uk_lahir=3] -,125 ,420 ,088 a [uk_lahir=4] 0 . . [imb_resp=1] ,695 ,596 1,361 [imb_resp=2] ,680 ,613 1,228 [imb_resp=3] ,670 ,611 1,203 [imb_resp=4] 0a . . [pddk_ayah=1 -,561 1,699 ,109 [pddk_ayah=2 ,037 1,649 ,001 [pddk_ayah=3 1,883 1,687 1,246 [pddk_ayah=4 0a . . [pddk_ibu=1] -,598 ,431 1,922 [pddk_ibu=2] -1,122 ,349 10,338 [pddk_ibu=3] -,560 ,271 4,273 a [pddk_ibu=4] 0 . . [mens_ibu=1] 4,626 ,319 210,876 [mens_ibu=2] 2,376 ,221 115,057 [mens_ibu=3] 0a . . [pendapatan=1 ,994 1,772 ,315 [pendapatan=2 ,387 1,719 ,051 [pendapatan=3 -1,503 1,743 ,744 [pendapatan=4 ,502 ,425 1,394 [pendapatan=5 0a . . [fasilitas=1] -,434 ,359 1,465 [fasilitas=2] -,578 ,339 2,910 [fasilitas=3] -,467 ,342 1,873 a [fasilitas=4] 0 . . [softdrinks=1] -,965 ,250 14,885 [softdrinks=2] -,698 ,242 8,324 [softdrinks=3] 0a . . [olahraga=1] ,959 ,252 14,526 [olahraga=2] ,492 ,225 4,788 [olahraga=3] 0a . . [daging=1] ,418 ,347 1,454 [daging=2] -,016 ,346 ,002 a [daging=3] 0 . . [sosek=1] -3,069 ,264 135,123 [sosek=2] -1,397 ,228 37,523 a [sosek=3] 0 . . Link function: Logit. a. This parameter is set to zero because it is redundant.

df 1 1 1 1 1 0 1 1 1 0 1 1 1 0 1 1 1 0 1 1 0 1 1 1 1 0 1 1 1 0 1 1 0 1 1 0 1 1 0 1 1 0

Sig. ,781 ,000 ,032 ,014 ,766 . ,243 ,268 ,273 . ,741 ,982 ,264 . ,166 ,001 ,039 . ,000 ,000 . ,575 ,822 ,388 ,238 . ,226 ,088 ,171 . ,000 ,004 . ,000 ,029 . ,228 ,964 . ,000 ,000 .

95% Confidence Interval Lower BoundUpper Bound -1,855 1,394 1,485 4,760 ,046 ,997 ,126 1,112 -,949 ,699 . . -,473 1,863 -,522 1,881 -,527 1,867 . . -3,891 2,768 -3,195 3,270 -1,424 5,190 . . -1,443 ,247 -1,805 -,438 -1,092 -,029 . . 4,002 5,251 1,942 2,810 . . -2,479 4,467 -2,981 3,756 -4,918 1,913 -,331 1,335 . . -1,137 ,269 -1,243 ,086 -1,137 ,202 . . -1,455 -,475 -1,172 -,224 . . ,466 1,452 ,051 ,932 . . -,261 1,097 -,694 ,662 . . -3,587 -2,552 -1,844 -,950 . .

43

Lampiran 20. Pemodelan Reduksi usia menarche dengan regresi logistik ordinal

PLUM - Ordinal Regression Warnings There are 605 (56,6%) cells (i.e., dependent variable levels by combinations of predictor variable values) with zero frequencies.

Model Fitting Information Model Intercept Only Final

-2 Log Likelihood 1441,389 919,730

Chi-Square

df

521,659

14

Link function: Logit. Goodness-of-Fit Pearson Deviance

Chi-Square 903,117 724,202

Link function: Logit. Pseudo R-Square Cox and Snell Nagelkerke McFadden Link function: Logit.

,442 ,505 ,281

df 696 696

Sig.

Sig. ,000 ,223

,000

44

Parameter Estimates

Threshold [kat_mens = 1 [kat_mens = 2 Location [uk_lahir=1] [uk_lahir=2] [uk_lahir=3] [uk_lahir=4] [pddk_ibu=1] [pddk_ibu=2] [pddk_ibu=3] [pddk_ibu=4] [mens_ibu=1] [mens_ibu=2] [mens_ibu=3] [softdrinks=1] [softdrinks=2] [softdrinks=3] [olahraga=1] [olahraga=2] [olahraga=3] [sosek=1] [sosek=2] [sosek=3]

Estimate Std. Error Wald -1,225 ,445 7,570 2,048 ,444 21,296 ,547 ,238 5,281 ,678 ,246 7,558 -,046 ,414 ,013 a 0 . . -,484 ,307 2,494 -1,168 ,247 22,336 -,738 ,226 10,664 0a . . 4,505 ,310 210,729 2,306 ,213 117,052 a 0 . . -,776 ,215 12,998 -,718 ,222 10,484 a 0 . . 1,008 ,236 18,251 ,516 ,214 5,803 0a . . -3,105 ,249 154,867 -1,503 ,223 45,490 0a . .

Link function: Logit. a. This parameter is set to zero because it is redundant.

df 1 1 1 1 1 0 1 1 1 0 1 1 0 1 1 0 1 1 0 1 1 0

Sig. ,006 ,000 ,022 ,006 ,911 . ,114 ,000 ,001 . ,000 ,000 . ,000 ,001 . ,000 ,016 . ,000 ,000 .

95% Confidence Interval Lower BoundUpper Bound -2,098 -,352 1,178 2,918 ,081 1,014 ,195 1,161 -,857 ,764 . . -1,086 ,117 -1,652 -,684 -1,181 -,295 . . 3,896 5,113 1,889 2,724 . . -1,198 -,354 -1,152 -,283 . . ,546 1,471 ,096 ,936 . . -3,594 -2,616 -1,940 -1,066 . .

45

Lampiran 21. Dendogram Usia Menarche Hasil Analisis CHAID pada taraf 5%

kat_mens Node 0 Category % n cepat 34.3 307 ideal 46.9 420 lambat 18.8 168

cepat ideal lambat

Total

100.0 895

mensibu Adj. P-value=0.000, Chisquare=265.085, df=2

<= cepat

(cepat, ideal]

Node 1 Category

%

cepat ideal lambat Total

Node 2 n

Category

%

76.2 154 18.3 37 5.4 11

cepat ideal lambat

22.6 202

Total

sosek Adj. P-value=0.000, Chi-square=33. 748, df=1

<= mampu Node 4

<= mampu

Node 5

%

n


86.7 124 12.6 18 0.7 1 16.0 143

Node 6

Category

%

n


50.8 32.2 16.9 6.6

30 19 10 59

%

n


37.0 59.1 3.9 28.4

94 150 10 254

<= 0-1 kali

<= SMP

> 0-1 kali Node 10 Category %

n

%

23.8 137 62.2 358 14.1 81

cepat ideal lambat

13.7 16 21.4 25 65.0 76

64.4 576

Total

13.1 117

Node 11 Category %

Category

%


16.4 68.9 14.7 25.1

> SMP

n

> sedang

Node 7

Category

pddk_ibu Adj. P-value=0.000, Chi-square=26. 756, df=1

n

Category

(mampu, sedang]

softdrink Adj. P-value=0.002, Chi-square=11. 347, df=1

Node 9 Category %

Node 3 n

sosek Adj. P-value=0.000, Chi-square=96. 667, df=2

> mampu

Category

> ideal

Node 12 Category %

n

cepat ideal lambat

79.0 64 19.8 16 1.2 1

cepat ideal lambat

96.8 60 3.2 2 0.0 0

cepat ideal lambat

65.3 49 29.3 22 5.3 4

cepat ideal lambat

25.1 45 71.5 128 3.4 6

Total

9.1 81

Total

6.9 62

Total

8.4 75

Total

20.0 179

Node 8 n 37 155 33 225

Category

%


6.2 6 54.6 53 39.2 38 10.8 97

n

n

PEMODELAN USIA MENARCHE DENGAN REGRESI LOGISTIK ORDINAL DAN METODE CHAID Studi Kasus pada Siswi SMP di Kota Depok SILVANA SYAH

Recommend Documents