Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini akan membahas tentang analisis regresi logistik untuk matched data. Dalam matched data, observasi - observasi dikelompokkan ke dalam suatu kelompok yang sama, yang disebut dengan matched set, berdasarkan suatu variabel yang disebut dengan variabel matching. Keberadaan variabel matching diperhitungkan dalam analisis ini. Penaksiran parameter dalam model regresi logistik untuk matched data dilakukan dengan menggunakan metode maksimum likelihood bersyarat dengan pendekatan Newton - Raphson. Uji kecocokan model menggunakan uji Rasio Likelihood dan uji signifikansi masing - masing parameter dalam model menggunakan uji Wald. Dalam penerapan metode analisis regresi logistik untuk matched data untuk melihat pengaruh "adanya kelahiran bayi dengan operasi caesar" dan "adanya kelahiran bayi premature" terhadap "kelahiran bayi dengan berat rendah (< 2500 gr)" dengan "umur ibu" sebagai variabel matching, didapat bahwa "adanya kelahiran bayi premature" mempengaruhi "kelahiran bayi dengan berat rendah (< 2500 gr)", dan "adanya kelahiran bayi dengan operasi caesar" tidak mempengaruhi ?kelahiran bayi dengan berat rendah (< 2500 gr)."

"Dalam tugas akhir ini dibahas teknik analisis regresi untuk data yang dikelompokkan menurut nirai rata-rata kelompok, dengan klasifikasi silang dan klasifikasi silang sebagian, pada prinsipnya teknik analisis untuk data yang dikelompokkan merupakan perluasan teknik analisis untuk data individu. Sedangkan pembahasannya terdiri dari matrik kelompok, Matematika, penaksiran parameter dan pengujian hipotesis, suatu contoh penggunaan analisis regresi dengan data dikelompokkan."

"Latar belakang: Peningkatan status sosial ekonomi masyarakat dan perubahan gaya hidup, termasuk dalam perubahan pola makan serta kurangnya aktivitas fisik meningkatkan prevalensi kegemukan dan obesitas.Tujuan: Penelitian ini bertujuan untuk mengetahui hubungan aktivitas fisik dengan obesitas pada orang dewasa di Indonesia.Metode: Penelitian ini menggunakan data Riset Kesehatan Dasar 2007 dengan disain cross-sectional. Populasi penelitian adalah semua anggota rumah tangga yang berumur ≥ 18 tahun. Sedangkan sampel adalah semua anggota rumah tangga yang berumur ≥ 18 tahun dengan kriteria inklusi tidak cacat fisik dan mental, tidak dalam keadaan hamil, dan mempunyai Indeks Massa Tubuh (IMT) minimal 18,5 kg/m2. Responden dikatakan obesitas jika IMT lebih dari 27 kg/m2. Aktivitas fisik diukur dengan menanyakan jenis aktivitas fisik (berat dan sedang) dan durasinya per minggu. Regresi logistik digunakan untuk mengetahui hubungan aktivitas fisik dengan obesitas.Hasil dan simpulan: Prevalensi obesitas (IMT>27 kg/m2) pada orang dewasa ditemukan sebesar 12,47 persen (CI 95%: 12,28 ? 12,66). Hasil penelitian menunjukkan adanya hubungan aktivitas fisik dengan kejadian obesitas pada orang dewasa setelah dikontrol oleh variabel penganggu (wilayah, umur, jenis kelamin, status kawin, pendidikan, pekerjaan, kebiasaan merokok). Aktivitas fisik yang kurang memiliki risiko lebih besar untuk obesitas dibandingkan aktivitas fisik yang cukup.Rekomendasi: Untuk mengurangi kejadian obesitas disarankan agar melakukan aktivitas fisik yang cukup seperti: jalan kaki, joging, lari pagi, dan bersepeda. Selanjutnya Departemen Kesehatan perlu mengembangkan pedoman baku terkait dengan kecukupan aktivitas fisik.

---

Background: The enhancement of social economy status and the life style changes, including changes in eating habits and reduction of physical activities increased overweight and obesity prevalence.

Objective: The research objective is to know the relationship of physical activity and adult obesity in Indonesia.

Method: This research used Basic Health Research (Riset Kesehatan Dasar) 2007 data with cross-sectional design. The populations were all household members aged ≥ 18 years. The samples were all household members aged ≥ 18, physically and mentally healthy, non-pregnant, and their BMI at least 18.5 kg/m2. The respondent was obese if his BMI was at least 18.5 kg/m2. Physical activity was assessed with questions about its type (vigorous and moderate) and its duration per week. Logistic regression was used to study the relationship of physical activity and adult obesity.

Result and Conclusion: Obesity prevalence (BMI>27kg/m2) in adult was 12.47% (CI 95%: 12.28 ? 12.66). The result showed that there was a relationship between physical activity and adult obesity, controlled by confounder variable (area, age, sex, marital status, education, occupation, and smoking habits). People who had insufficient physical activity had more risk to become obese than those who had sufficient physical activity.

Recommendation: To reduce the risk of becoming obese, it is advisable to have sufficient physical activity such as, walking, jogging, running, and biking. It is also necessary for Health Department to develop guidance of sufficient physical activity."

"Tugas akhir ini membahas model regressi logistic yang digunakan untuk menganalisa dan memodel hubungan antara variabel respon kualitatif dikotomi dan variabel - variabel bebas."

"There are much research in health sector this time. Some research have goal to asses exposure effect to outcome. Researcher often use regresssion. Regression is a convensional multivariate analysis. Conventional multivariable analyses may not always be the ideal method for estimating treatment effects in observational studies. When there are large differences in the distribution of covariates between treatment groups, adjusting for these differences with conventional multivariable techniques may not adequately balance the groups, and the remaining bias may limit valid causal inference. Adjusted use in the end of regression analysis, some of scientis believe that adjustment can be show. Goal of this research is to compare the result of convensional multiariate analysis versus propensity score matching analysis in case study of infant immunizanon using Data ASUI-I KAP2 2003. The comparison will use the same model, that make model according logistic regression. Model which be compare is model without interaction ariabel. Modell will be analised with propensity score matching. Result of research is there is different betwen Odds Ratio from logistic regwession analysis and Odds Ratio from propensity score matching analysis. The value OR from logistic regression is 0,9898, and the value OR from propensity score matching is 0,9656. Propensity score matching succes make matching 574 sample or 68,27%. The differen is not big bacause effect the confounder are not big. For look effect exposure ar risk factor model its better use PSM because it can reduce selection bias.if you want to analysis determinan factor model, where there are much independent vaiiabel its better use logistic regression analysis because the variabel have same position."