propensity score menggunakan model regresi logistik pada

PROPENSITY SCORE Menggunakan MODEL REGRESI LOGISTIK

Pada KASUS DATA HIV/AIDS LSM ORBIT SURABAYA

Oleh:Farida Islamiah (NRP. 1313 201 007)

Dosen Pembimbing:Dr. Bambang Widjanarko Otok, M.Si

Surabaya, 29 April 2015

e(xi)JURUSAN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMINSTITUT TEKONOLOGI SEPULUH NOPEMBER

SURABAYA

Rosenbaum dan Rubin (1983)

Mengurangi bias dalammengestimasi dampak dariperlakuan pada data yang bersifat observasi.

Studi Observasi

Tereduksi

Perlakuan dan Kontrol tidak acak

Bias karena Confounding

2e(xi)

Bab 1Pendahuluan

Bab 2Tinjauan Pustaka

Bab 3Metodologi Penelitian

Bab 4Hasil & Pembahasan

Bab 5Penutup

D’Agostino (1998) menggunakananalisis diskriminan

McCaffrey (2004) menggunakanmodel generalized boosted

Setouguchi (2008) menggunakanstudi simulasi pada neural network

dan classification tree

Metode Estimasi Propensity Score

Kompleks dan sulit diinterpretasikan

3

Bab 1Pendahuluan




Bab 5Penutup

4

Bab 1Pendahuluan




Bab 5PenutupPenelitian

Tentang Propensity Score

(D’Agostino, 1998) untuk reduksi bias padaperbandingan kelompok perlakuan dan kelompokkontrol dengan menggunakan pencocokan stratifikasi.

Kurth, Walker, Glynn, Chan, Gaziano, Berger danRobins (2005) membandingkan 5 metode untukevaluasi jaringan plasminogen activator kematianpada 6.269 pasien stroke iskemik yang termasukdalam daftar pasien stroke di Jerman denganmenggunakan regresi logistik multivariabel,propensity matching, regresi adjustment denganpropensity score, propensity score denganpembobotan dan estimasi pengaruh perlakuan yangdimasukkan dalam populasi.

Gebel dan Vobemer (2014) menggunakan pendekatandifferent-in-different propensity score pada dampaktransisi pemerintahan dalam kondisi kesehatan diJerman.

5

Bab 1Pendahuluan




Bab 5PenutupRegresi Logistik

Regresi logistik adalah teknik statistik yang estimasi probabilitasdari suatu peristiwa (variabel respon) berdasarkan faktor-faktoryang diketahui (variabel prediktor) yang diekspektasimempengaruhi terjadinya peristiwa (perlakuan dalam kasusperhitungan propensity score). Variabel respon diasumsikan duanilai yaitu terjadi atau tidak. Hasil regresi logistik adalahprobabilitas (mulai dari 0 hingga 1).

HIV (Human Immunodefiency Virus) merupakan virus yangmenyerang sistem kekebalan tubuh manusia dan kemudianmenyebabkan AIDS. Sedangkan, Acquired Immuno DefiencySydrome (AIDS) merupakan kumpulan gejala penyakit akibatnyasistem kekebalan tubuh yang dirusak.

HIV/AIDS

6

Bab 1Pendahuluan




Bab 5PenutupHIV/AIDS

Berdasarkan laporan situasi perkembangan HIV/AIDS di Indonesia dilaporkan oleh provinsi sampai dengan Desember 2013

7

Bab 1Pendahuluan




Bab 5Penutup

Penelitian Regresi Logistik pada Kasus HIV/AIDS

Besral et al. (2004) mengenai besaran potensi penyebaran HIVdari penasun ke masyarakat umum.

Praptoraharjo, Wiebel, Kamil, & Iii (2007) membahas tentangjaringan seksual dan perilaku beresiko penasun dengananalisis data dilakukan yaitu mengembangkan serangkaiankode yang terkait dengan hasil wawancara.

Winarno, Suryoputro dan Shaluhiyah (2008) meneliti tentangfaktor-faktor yang berhubungan dengan penggunaan jarumsuntik bergantian diantara pengguna napza di kota Semarang.

Pratiwi & Basuki (2011) meneliti tentang hubunganpengetahuan pencegahan HIV/AIDS dan perilaku seks tidakaman pada ramaja usia 15-24 tahun di Indonesia.

Kambu (2012) meneliti faktor-faktor yang mempengaruhitindakan pencegahan penularan HIV oleh ODHA.

1. Estimasi propensity score berdasarkan regresilogistik.

2. Analisis propensity score pada kasus penderitaHIV/AIDS LSM ORBIT di Surabaya.

Rumusan MasalahBagaimana

Tujuan Penelitian1. Menentukan2. Mengkaji

Manfaat Penelitian1. Memberikan wawasan

dan literatur2. Memperoleh informasi

Batasan Penelitian

?

8

Bab 1Pendahuluan




Bab 5Penutup

1. Data yang digunakan adalah data skunder pada kasus penderita HIV/AIDS di Surabaya berdasarkan kuesioner LSM ORBIT.

2. Metode estimasi propensity score yang digunakan adalah Maximum Likelihood Estimator (MLE) dan iterasi Newton Raphson.

3. Metode yang digunakan dalam propensity score yaitu pembobotan untuk menghilangkan confounding. Variabel confounding yang digunakan hanya satu.

Bab 1Pendahuluan




Bab 5PenutupVariabel

Confounding

Variabel Respon

Variabel Prediktor

Variabel Confounding

Proses pemilihan confounderdapat berdasarkan teori dan menunjukkan hubungan antara variabel.

H0: Tidak terdapat hubungan yang

signifikan antar variabel

H1: Terdapat hubungan yang signifikan

antar variabel

Taraf signifikansi: α=5%

Statistik uji:

2

2

1 1

;R C

rc rc r crc

r c rc

n e n ne

e n

Daerah kritik: H0 ditolak jika

2 2

1 ; 1 1df r c

atau P-value<α

: frekuensi pengamatan sel krcn e rc

: frekuensi harapan sel krce e rc

9

(1)

Propensity score (Rosenbaum danRubin, 1983) merupakan probabilitasbersyarat mendapatkan perlakuantertentu dengan melibatkan kovariatyang diamati.

Propensity ScorePerlakuan

Kovariat

Regresi logistik digunakan jika variabelrespon bersifat kategorik (nominal atauordinal) dengan variabel-variabel prediktorkontinu maupun kategorik.

exp( ... )0 1 1( )1 exp( ... )0 1 1

x xk kxx xk k

Model propensity score menggunakan regresi logistik, variabelrespon adalah biner dimana Zi=1 untuk unit perlakuan dan Zi=0untuk unit kontrol dengan model sebagai berikut

10

Bab 1Pendahuluan




Bab 5Penutup

P 1i i i i

e x Z X x

0 1 1

0 1 1

exp

1 exp

k k

k k

x xx

x x

0 1 1 2 2

0 1 1 2 2

expP 1

1 exp

k k

i i i i

k k

x x xe x Z X x

x x x

(2)(3)

(4)

Bab 1Pendahuluan




Bab 5PenutupPropensity Score

Terbobot

Propensity score terbobot dilakukan ketika estimasi pengaruh perlakuan.

Untuk estimasi E(y0|z=1), misalkan pengamatan ke-i pada sampel

pembanding memiliki bobot wi=e(xi)/(1-e(xi)), kemungkinan bahwa

pengamatan yang dipilih secara random dengan x termasuk dalam

perlakuan. Rata-rata bobot y0 memperoleh perlakuan:

0

ˆ 1 ,i i

i C

ii C

w yE y z

w

1

ˆ 1i T

i T

E y z y N

Rata-rata bobot y1 memperoleh perlakuan:

11

(5)

(6)

Evaluasi propensity score dilakukan untuk mengetahui apakah kelompok perlakuan dan kontrol berditribusi sama atau balance.

0

H : untuk semua ˆ ˆ ˆT ij C ij ij

F e x F e x e x

1

H : untuk paling tidak satu ˆ ˆ ˆT ij C ij ij

F e x F e x e x


Statistik uji : KS=supT ij C ij

S x S x

dengan, banyaknya yang teramatiˆT ij T ij ij T

S x e x x n

banyaknya yang teramatiˆC ij C ij ij C

S x e x x n

Evaluasi Propensity Score

Keputusan: Tolak H0 jika KShitung>KStabel

Bab 1Pendahuluan




Bab 5Penutup

12

(7)

NAPZA Suntik HIV/AIDS

Bab 1Pendahuluan




Bab 5Penutup

Napza suntik adalah napza yang disuntikkan ke dalam tubuhdengan tujuan untuk mempercepat mendapatkan pengaruhnyaatau reaksinya, dilakukan karena alasan ekonomis, tidak banyakyang terbuang bila dibandingkan dengan cara inhalasi/dibakardan alasan solidaritas kelompok dan gaya hidup.

Acquired Immunodeficiency Syndrome (AIDS) adalah sekumpulan gejaladan infeksi (sindrom) yang timbul karena rusaknya sistem kekebalantubuh manusia akibat infeksi virus HIV atau infeksi virus-virus lain yangmirip yang menyerang spesies lainnya (SIV, FIV, dan lain-lain). Virusnyasendiri bernama Human Immunodeficiency Virus/HIV yaitu virus yangmemperlemah kekebalan pada tubuh manusia.

Penasun menghadapi dua risiko untuk terkena HIV/AIDS. Pertama,melalui jarum dan alat suntik yang tercemar yang digunakan secarabersama-sama. Kedua, melalui hubungan seksual terutama bagimereka yang melakukannya dengan lebih dari satu pasangan atautanpa menggunakan kondom 13

1

• Membentuk fungsi likelihood pada distribusiprobabilitas.

2

• Memaksimumkan ln l (β) yang dinotasikan sebagai L(β).

3

• Mendiferensialkan L(β) terhadap β danmenyamakannya dengan nol.

4

• Estimasi dibagi dua yaitu kelompok perlakuan dan kelompok kontrol.

5

• Pada masing-masing kelompok, nilai β diestimasidengan metode numerik karena persamaannyabersifat nonlinier maka metode yang digunakanadalah metode iterasi Newton-Raphson.

Estimasi propensity score

dilakukan dengan

maximum likelihood

estimation, karena

persamaan bersifat

nonlinier maka digunakan

metode iterasi Newton-

Raphson.

Untuk menjawab rumusan masalah pertama

MetodePenelitian

Bab 1Pendahuluan




Bab 5Penutup

14

1• Statistik deskriptif.

2

• Menentukan variabel confounding, selanjutnya variabel confounding dinotasikan z dengan parameter τ.

3

• Menghitung nilai estimasi propensity score yang telah diperoleh pada jawaban rumusan masalah (1).

4• Melakukan pembobotan pada propensity score.

5

• Balancing dengan cara menguji apakah propensity score dari kelompok perlakuan dan kontrol memiliki distribusi yang sama pada setiap kovariat.

6 • Pengujian signifikansi dan interpretasi variabelconfounding.

Aplikasi metode propensity

score digunakan pada

data HIV/AIDS

Untuk menjawab rumusan masalah kedua

MetodePenelitian

Bab 1Pendahuluan




Bab 5Penutup

15

Data yang digunakan dalam penelitian ini adalah data sekunder

berupa data kasus penderita HIV/AIDS yang telah disurvei oleh

LSM ORBIT Surabaya tahun 2013.

Sumber Data

Struktur Data Penelitian

Unit (i) yi x1.i x2.i … x13.i

1 y1 x1.1 x2.1 … x13.1

2 y2 x1.2 x2.2 … x13.2

... … … … … …

218 y218 x1.218 x2.218 … x13.218

Bab 1Pendahuluan




Bab 5Penutup

16

Variabel Kategori

y: Status HIV/AIDS0 =Negatif

1 =Positif

Variabel Identitas

x1: Jenis Kelamin1 = Laki-Laki

2 = Perempuan

x2: Usia -

x3: Pendidikan

Terakhir

1 = Tidak

Bersekolah

2 = SMP

3 = SMA

4 = PT

5 = Tidak

Menjawab

x4: Penghasilan

1 = < 500.000

2 = 500.000-

1.000.000

3 = > 1.000.000

4 = Tidak

Menjawab

Variabel Kategori

Pola Perilaku

x5: Status Nikah

1 = Kawin

2 = Cerai

3 = Tidak Kawin

4 = Tidak

Menjawab

x6: Pasangan

Tetap

1 = Ada, Laki-Laki

2 = Ada, Perempuan

3 = Tidak Ada

x7: Pasangan

Tidak Tetap

1 = Ada, Laki-Laki

2 = Ada, Perempuan

3 = Ada, Laki-Laki

dan Perempuan

4 = Tidak Ada

x8: Selalu Pakai

Kondom

1 = Ya

2 = Tidak

Variabel Kategori

Riwayat Penggunaan Jarum Suntik

x9: Zat Yang

Disuntikkan

1 = Putau

2 = Buphre

3 = Anti Depresan

4 = Campuran

x10: Frekuensi

Suntik

1 = 1-3 kali/hari

2 = 1-3 kali/minggu

3 = 1-3 kali/bulan

x11: Pernah

Berbagi Jarum

Suntik

1 = Ya, Disterilkan

2 = Ya, Tidak

Disterilkan

3 = Tidak Pernah

x12: Selalu Pakai

Jarum Steril

1 = Ya

2 = Tidak

x13: Selalu Pakai

Jarum Untuk

Sendiri

1 = Ya

2 = Tidak

Variabel PenelitianBab 1

Pendahuluan




Bab 5Penutup

17

Estimasi Propensity Score Menggunakan Regresi Logistik

Bab 1Pendahuluan




Bab 5Penutup

Fungsi distribusi probabilitas untuk setiap pasangan (xi,zi) yaitu

Fungsi likelihood2

1

1 (1)ii

n zz

i i if x e x e x

0

0

exp

, 1, 2, ,

1 exp

k

j ij

j

ik

j ij

j

x

e x i n

x

exp

1 exp

i

i

i

e

β xx

β xatau

1 1 1

1 exp log 11

i

ii

zn n n

n z nz i

i i i

i i ii

el e e e

e

x

β x x xx

1 1 11

exp log 1 exp log 1 exp (2)1

nn n nni

i i i i i

i i iii

el z e z n

e

x

β x β x β xx

18


Bab 1Pendahuluan




Bab 5Penutup

Karena zi bersifat biner yaitu zi=1 untuk kelompok perlakuan dan zi=0 untuk kelompok kontrol , sehingga proses estimasi dibagi menjadi

3

a Untuk kelompok perlakuan zi=1

1 1

exp log 1 expn n

i i

i i

L n

β β x β x

Berdasarkan Pers.(2)

0

a

L

β

1 1

exp0

1 exp

n ni

ia ia

i i i

n

β xx x

β x

1 1

ˆ 0, 0,1, 2, , ;n n

ia i ia

i i

ne a j k

x x x

ˆexpˆdengan

ˆ1 exp

i

i

i

e

β xx

β x 19


Bab 1Pendahuluan




Bab 5Penutup

Turunan kedua dari fungsi log likelihood

2

2

21

ˆ ˆ1n

ia i i

ia

Ln e e

βx x x

2

1

exp

1 exp

ni

ia ib

ia b i

Ln

β β xx x

β x

2

1

ˆ ˆ1 ; , 0,1,2, , .n

ia ib i i

ia b

Lne e a b k

βx x x x

Sehingga diperoleh matriks varian kovarian dari estimasi parameter

melalui invers matriks,

1

ˆ ˆ ˆ1 ,T

i iCov Diag e e

β x x x x

11 12 1

21 22 2

1 2

1

1dengan

1

k

k

n n nk

x x x

x x x

x x x

x

20


Bab 1Pendahuluan




Bab 5Penutup

Iterasi Newton RaphsonUntuk setiap langkah iterasi ke-t, berlaku:

Dimana

1

1;

t t t t

β β H q

11 12 1

2

21 22 2

1 2

;

k

k

ab

a b

k k kk

h h h

h h h Lh

h h h

βH

0 1

, , , .T

k

L L L

β β βq

2

1

1t

nt tt

ab ia ib i i

ia b

Lh ne e

β

x x x x

1

1t

ntt

j i i

ij

Lq ne

βx x

exp

1 exp

t

it

i t

i

e

β xx

β x

11

ˆ ˆ1 1t tt t t

i iDiag ne e

β β x x x x x m

.tt

im ne x

𝑡 = 1, 2, ⋯ sampai konvergen

21


Bab 1Pendahuluan




Bab 5Penutup

b Untuk kelompok kontrol zi=0Berdasarkan

Pers.(2)

0

a

L

β

ˆexpˆdengan

ˆ1 exp

i

i

i

e

β xx

β x

1

log 1 exp .n

i

i

L n

β β x

1

exp0

1 exp

ni

ia

i i

n

β xx

β x

1

ˆ 0, 0,1, 2, , ;n

i ia

i

ne a j k

x x

22


Bab 1Pendahuluan




Bab 5Penutup

Turunan kedua dari fungsi log likelihood

Sehingga diperoleh matriks varian kovarian dari estimasi parameter

melalui invers matriks,11 12 1

21 22 2

1 2

1

1dengan

1

k

k

n n nk

x x x

x x x

x x x

x

2

2

21

ˆ ˆ1n

ia i i

ia

Ln e e

βx x x

2

1

exp

1 exp

ni

ia ib

ia b i

Ln

β β xx x

β x

2

1

ˆ ˆ1 ; , 0,1,2, , .n

ia ib i i

ia b

Lne e a b k

βx x x x

1

ˆ ˆ ˆ1T

i iCov Diag e e

β x x x x

23


Bab 1Pendahuluan




Bab 5Penutup

Iterasi Newton RaphsonUntuk setiap langkah iterasi ke-t, berlaku:

Dimana

1

1;

t t t t

β β H q

11 12 1

2

21 22 2

1 2

;

k

k

ab

a b

k k kk

h h h

h h h Lh

h h h

βH

0 1

, , , .T

k

L L L

β β βq

exp

1 exp

t

it

i t

i

e

β xx

β x

𝑡 = 1, 2, ⋯ sampai konvergen

2

1

1t

nt tt

ab ia ib i i

ia b

Lh ne e

β

x x x x

1

ˆt

nt

j i ia

ij

Lq ne

βx x

11

ˆ ˆ1t tt t t

i iDiag ne e

β β x x x x xm

.tt

im ne x 24

Propensity Score pada Kasus HIV/AIDS

Bab 1Pendahuluan




Bab 5Penutup

Statistik Deskriptif1

Status HIV

Selalu Pakai KondomTotal

Ya Tidak

Negatif11(6,5%)

159(93,5%)

170(100%)

Positif6(12,5%)

42(87,5%)

48(100%)

Total17(7,8%)

201(92,2%)

218(100%)

Penasun memiliki kesadaran yang rendahuntuk menggunakan kondom dimanapenasun yang memiliki kesadaran untukmenggunakan kondom hanya 17 orang dari218 orang. Selain itu, penasun denganstatus positif HIV/AIDS yang tidak selalumenggunakan kondom memiliki persentaseyang lebih besar yaitu 87,5% dibandingkanselalu menggunakan kondom denganpersentase sebesar 12,5%.

25

Propensity Score Pada Kasus HIV/AIDS

Bab 1Pendahuluan




Bab 5Penutup

Pemilihan Variabel Confounding2

Variabel χ2 Df P-value Keputusan

x5*x9 30,426 9 0,014 Tolak H0

x5*x10 6,451 6 0,901 Gagal tolak H0

x5*x11 4,236 3 0,307 Gagal tolak H0

x5*x12 3,145 3 0,317 Gagal tolak H0

x5*x13 6,340 3 0,343 Gagal tolak H0


x6*x9 7,313 3 0,031 Tolak H0

x6*x10 6,170 4 0,254 Gagal tolak H0

x6*x11 1,818 2 0,417 Gagal tolak H0

x6*x12 0,251 1 0,707 Gagal tolak H0

x6*x13 0,349 1 0,821 Gagal tolak H0


x7*x9 4,123 3 0,141 Gagal tolak H0

x7*x10 4,239 6 0,644 Gagal tolak H0

x7*x11 9,186 3 0,735 Gagal tolak H0

x7*x12 7,422 1 0,027 Tolak H0

x7*x13 0,001 1 0,053 Gagal tolak H0


x8*x9 4,249 3 0,236 Gagal tolak H0

x8*x10 0,970 2 0,742 Gagal tolak H0

x8*x11 4,007 1 0,083 Gagal tolak H0

x8*x12 3,828 1 0,038 Tolak H0

x8*x13 22,917 1 0,045 Tolak H0

H0: Tidak terdapat hubungan signifikan.H1: Terdapat hubungan yang signifikan.

Taraf signifikansi: α=5%.

Statistik uji:

2

2

1 1

.R C

rc rc

r c rc

n e

e

Daerah kritik: H0 ditolak jika

2 2

1 ; 1 1df r c atau P-value<α

Confounding x8 yaitu selalu pakai kondom

Selanjutnya, x8 dinotasikan z dengan parameter τ

26

Propensity Score

pada Kasus HIV/AIDS

Bab 1Pendahuluan




Bab 5Penutup

Model Propensity Score3

1 2 3.1 3.2 3.3

3.4 4.1 4.2 4.3 5.1 5.2

5.3 6.1 6.2 7.1 7.2 7.3

9.1

12,573 2,334 0,047 17,383 2,063 0,098

4,274 16,205 2,961 0,550 1,122 19,526

exp 0,734 1,135 1,159 3,345 1,880 18,762

1,846 16,38

i

x x x x x

x x x x x x

x x x x x x

x

e x

9.2 9.3 10.1 10.2

11.1 11.2 12 13

1 2 3.1 3.2 3.3

3.4 4.1 4.2 4.3

1 15,921 0,588 0,301

2,149 0,690 1,312 1,127

12,573 2,334 0,047 17,383 2,063 0,098

4,274 16,205 2,961 0,550 1,1

1 exp

x x x x

x x x x

x x x x x

x x x x

5.1 5.2

5.3 6.1 6.2 7.1 7.2 7.3

9.1 9.2 9.3 10.1 10.2

11.1 11.2 12 13

22 19,526

0,734 1,135 1,159 3,345 1,880 18,762

1,846 16,381 15,921 0,588 0,301

2,149 0,690 1,312 1,127

x x

x x x x x x

x x x x x

x x x x

27

Propensity Score

pada Kasus HIV/AIDS

Bab 1Pendahuluan




Bab 5Penutup

Evaluasi Propensity Score4

Evaluasi propensity score dilakukan untuk mengetahui apakah kelompok perlakuan dan kontrol berditribusi sama atau balance.

0

H : untuk semua ˆ ˆ ˆT ij C ij ij

F e x F e x e x

1

H : untuk paling tidak satu ˆ ˆ ˆT ij C ij ij

F e x F e x e x


Statistik uji

KS=supT ij C ij

S x S x

dengan, banyaknya yang teramatiˆT ij T ij ij T

S x e x x n

banyaknya yang teramatiˆC ij C ij ij C

S x e x x n 28

Bab 1Pendahuluan




Bab 5PenutupPropensity Score

pada Kasus HIV/AIDS

Keputusan:

Variabel KShitung Keputusan

x1 0,00 Gagal tolak H0

x2 0,14 Gagal tolak H0

x3(1) 0,00 Gagal tolak H0











Variabel KShitung Keputusan














Kesimpulan: tidak terdapat perbedaanantara kelompok perlakuan dan kelompokkontrol (balance).

29

Bab 1Pendahuluan




Bab 5Penutup

Pengujian Signifikansi Variabel Confounding Selalu Pakai Kondom5

HipotesisH0: τ = 0 (Variabel confounding selalu pakai kondom tidak signifikan)H0: τ ≠ 0 (Variabel confounding selalu pakai kondom tidak signifikan)Taraf signifikansi: α=10% Statistik uji:

ˆ.

ˆW

Se

Daerah kritis: H0 ditolak jika p-value< α

Koefisien Estimasi Standar Error Wald P-value

Konstanta 0,1320 0,0452 2,920 0,00387

x8 0,2210 0,1247 1,773 0,07772

Kesimpulan: Variabel confounding selalu pakai kondom signifikan.

30

Propensity Score pada Kasus HIV/AIDS

Estimasi propensity score menggunakan regresi logistik dengan metode MLE, pada turunan pertama fungsi log likehood terhadap parameter βa diperoleh:

1Untuk kelompok perlakuan

1 1

ˆ 0,n n

ia i i ia

i ia

Ln e

βx x x

Untuk kelompok kontrol

1

ˆ 0,n

i i ia

ia

Ln e

βx x

Karena hasil turunan pertama tidak close form, maka dilakukan iterasi Newton-Raphson

Penasun yang selalu menggunakan kondom dapat terkena HIV/AIDS 1,25 kalidibandingkan tidak selalu menggunakan kondom. Hal ini tidak sesuai dengan realitabahwa tingkat pemakaian kondom yang rendah menempatkan posisi berisiko tinggipenularan infeksi HIV/AIDS. Karena penasun dapat berisiko tinggi terinfeksi HIV/AIDSberawal dari perlaku mereka dalam penggunaan jarum suntik lalu ketika penasuntersebut terinfeksi HIV/AIDS melalui jarum suntik maka hal tersebut dapatmenularkannya kepada pasangan tetap ataupun pasangan tidak tetapnya melaluiaktivitas seksual.

2

Kesimpulan...Bab 1

Pendahuluan




Bab 5Penutup

31

Penelitian selanjutnya...

SaranBab 1

Pendahuluan




Bab 5Penutup

32

Agresti, A. (1990). Categorical Data Analysis. New York: John Wiley and Sons, Inc.Arniti, N. K. (2014). Faktor-Faktor yang Berhubungan dengan Penerimaan Tes HIV oleh Ibu Hamil di Puskesmas Kota Denpasar.Program Studi Ilmu Kesehatan Masyarakat, Universitas Udayana, Denpasar.Becker, S. O., & Ichino, A. (2002). Estimation of Average Treatment Effect Based on Propensity Score. The Stata Journal, 2(4),358–377.Besral, Utomo, B., & Zani, A. P. (2004). Potensi Penyebaran HIV dari Pengguna NAPZA Suntik ke Masyarakat Umum, 8(2), 53–58.D’Agostino, R. B. (1998). Tutorial In Biostatistics Propensity Score Method For Bias Reduction In The Comparison Of A TreatmentTo A Non-Randomized Control Group, 17, 2265–2281.Daniel, W. W. (1978). Statistik Nonparametrik Terapan. Jakarta: Gramedia.Emsley, R., Lunt, M., Pickles, A., & Dunn, G. (2008). The Stata Journal. The Stata Journal, 8(3), 334–353.Freedman, D. A., & Berk, R. A. (2008). Weighting Regressions by Propensity Scores, (32), 392–409.Gebel, M., & Voßemer, J. (2014). The impact of employment transitions on health in Germany. A difference-in-differencespropensity score matching approach. Social Science & Medicine (1982), 108, 128–36.Hosmer, D., & Lemeshow, S. (1989). Applied Logistic Regression. USA: John Wiley and Sons, Inc.Imbens, G. W. (2007). The Role of the Propensity Score in Estimating Dose-Response Functions, 87(3), 706–710.Kambu, Y. (2012). Analisis Faktor-Faktor Yang Mempengaruhi Tindakan Pencegahan Penularan HIV Oleh ODHA Di Sorong. Tesis,Ilmu Keperawatan Kekhususan Keperawatan Medikal Bedah, Universitas Indonesia, Depok.Komisi Penanggulangan AIDS Nasional. (2002). Ancaman HIV/AIDS di Indonesia Semakin Nyata, Perlu Penanggulangan LebihNyata. Jakarta.Kristianti, S. (2012). Dukungan WPS dan Teman Pelanggan terhadap Penggunaan Kondom pada Pelanggan WPS di SemampirKediri Shinta Kristiantii. STIKES, 5(2).Kumalasari, I. Y. (2013). Perilaku Berisiko Penyebab Human Immunodeficiency Virus (HIV) Positif (Studi Kasus di Rumah DamaiKelurahan Cepoko Kecamatan Gunungpati Kota Semarang). Skripsi, Ilmu Kesehatan Masyarakat, Universitas Negeri Semarang.Kurth, T., Walker, A. M., Glynn, R. J., Chan, K. A., Gaziano, J. M., Berger, K., & Robins, J. M. (2005). Results Of MultivariableLogistic Regression, Propensity Matching, Propensity Adjustment, and Propensity-Based Weighting Under Conditions OfNonuniform Effect. American Journal of Epidemiology, 163(3), 262–70.Le, C. T. (1998). Applied Categorical Data Analysis. USA: John Wiley and Sons, Inc.

33

Li, H., Graham, D. J., & Majumdar, A. (2013). The Impacts of Speed Cameras on Road Accidents: An Application of PropensityScore Matching Methods. Accident Analysis and Prevention, 60, 148–57.Littnerova, S., Jarkovsky, J., Parenica, J., Pavlik, T., Spinar, J., & Dusek, L. (2013). Why to Use Propensity Score in ObservationalStudies? Case Study Based on Data from the Czech Clinical Database AHEAD 2006–09. Cor et Vasa, 55(4), 383–390.Lunceford, J. K., & Davidian, M. (2000). Stratification and Weighting Via the Propensity Score in Estimation of Causal TreatmentEffects : A Comparative Study.McCaffrey, D. F., Ridgeway, G., & Moral, A. R. (2004). Propensity Score Estimaton With Boosted Regression for Evaluating CausalEffect in Observational Studies. Pschological Method, 9(4), 403.Newgard, C. D., Hedges, J. R., Arthur, M., & Mullins, R. J. (2004). Advanced statistics: the propensity score--a method forestimating treatment effect in observational research. Academic Emergency Medicine : Official Journal of the Society forAcademic Emergency Medicine, 11(9), 953–61.Pach, A., Wayne, W., & Praptoraharjo, I. (2006). Laporan Penelitian Penyebaran HIV di Indonesia: Studi Etnografi tentang JaringanSeksual dan Perilaku Berisiko Pemakai Napza Suntik (Penasun). Jakarta Pusat.Praptoraharjo, I., Wiebel, W. W., Kamil, O., & Iii, A. P. (2007). Jaringan Seksual dan Perilaku Berisiko Pengguna Napza Suntik:Episode Lain Penyabaran HIV di Indonesia. Berita Kedokteran Masyarakat, 23(3), 106–118.Pratiwi, N. L., & Basuki, H. (2011). HIV-AIDS dan Perilaku Seks Tidak Aman di Indonesia. Buletin Penelitian Sistem Kesehatan,14(4), 346–357.Ridgeway, G., McCaffrey, D., & Morral, A. (2011). Toolkit for Weighting and Analysis of Nonequivalent Groups : A Tutorial for theTwang Package.Rosenbaum, P., & Rubin, D. (1983). The Central Role of the Propensity Score in Observational Studies for Causal Effects.Biometrika, 70(1), 41–55.Rosenbaum, P., & Rubin, D. B. (1984). Reducing Bias in Observational Studies Using Subclassification on the Propensity Score.Journal of the American Statistical Association, 79(387), 516–524.Suyasa, P. T. Y. S., & Wijaya, F. (2006). Resiliensi dan Sikap Terhadap Penyalahgunaan Zat (Studi Pada Remaja). JurnalPsikologi, 4(2).Winarno, H., Suryoputro, A., & Shaluhiyah, Z. (2008). Faktor-Faktor Yang Berhubungan Dengan Penggunaan Jarum SuntikBergantian Diantara Pengguna Napza Suntik Di Kota Semarang. Jurnal Promosi Kesehatan Indonesia, 3(2).Yanovitzky, I., Zanutto, E., & Hornik, R. (2005). Estimating Causal Effects of Public Health Education Campaigns usingPropensity Score Methodology. Evaluation and Program Planning, 28(2), 209–220.

34

propensity score menggunakan model regresi logistik pada

Documents