1

PEMODELAN RESIKO INFEKSI MENULAR SEKSUAL PADA

PEKERJA SEKS KOMERSIAL DI LOKALISASI DOLLY-JARAK, SURABAYA

Sri Pingit Wulandari
Jurusan Statistika FMIPA ITS

ABSTRAK
Pada penelitian ini digunakan metode regresi logistik untuk menjawab permasalahan faktor apakah yang
mendasari terinfeksi penyakit menular seksual pada seorang pekerja seks komersial (PSK)_di Lokalisasi Dolly-
Jarak Surabaya dengan menggunakan data 459 pasien PSK yang diperiksa di Klinik Reproduksi Putat Jaya pada
bulan September 2003.Dengan model regresi logistik didapatkan variabel yang mempunyai hubungan nyata
dengan resiko terinfeksi IMS adalah : Usia PSK, Usia saat menjadi PSK, Keluhan/gejala, Status KB, Alasan
berobat, Antibiotik minggu lalu, dan frekuensi penggunaan kondom minggu lalu. Tetapi yang masuk dalam
model regresi logistik akhir hanya variabel keluhan/gejala dan variabel frekuensi penggunaan kondom minggu
lalu. Kontribusi variabel dalam model dapat dijelaskan sebagai berikut PSK yang pasangannya sering memakai
kondom dalam berhubungan seksual beresiko 25 kali lebih sedikit untuk terinfeksi IMS dibanding yang tidak
pernah menggunakan kondom. PSK yang pasangannya kadang-kadang memakai kondom beresiko 5 kali lebih
sedikit untuk terinfeksi IMS dibanding yang tidak pernah. Sedangkan PSK yang pasangannya jarang memakai
kondom mempunyai resiko 3 kali lebih sedikit untuk terinfeksi IMS dibandingkan dengan yang tidak pernah.
Dari variabel keluhan dapat dilihat bahwa PSK yang tidak merasakan adanya keluhan/gejala memiliki indikasi
untuk terkena IMS 263 kali lebih sedikit daripada PSK yang merasakan adanya suatu keluhan atau gejala.
Kata kunci:PSK, IMS, Regresi Logistik.

ABSTRACT
In this research, we are going to use the logistic regression method. Based on the issues, the problem of
this research can be founded, which is how the characteristic of Commercial Sex Worker (CSW) in Dolly-Jarak
Lokalization, what factors that influence the Sexually Transmissed Infection (STI), and the effect of that factors.
The object of this research are 459 secondary data from patient form on September 2003 on Klinik Reproduksi
Putat Jaya, Surabaya. From the analysis with logistic regression method, we can get information that the factor
influence to the spreading of STI are CSWs age, age when become CSW, symptom, KB status, the reason of
take medicine, last week antibiotic, and last week condom proportion. But the factors that included in logistic
regression method are symptom and last week condom proportion. The effect from the factors are CSW who
often use condom have probability 25 times less than CSW who never use condom to get STI, CSW who
sometimes use condom have probability 5 times less than CSW who never use condom to get STI, CSW who
seldom use condom have probability 3 times less than CSW who never use condom to get STI. From the
symptom factors, known that CSW who didnt feel a symptom have probability 263 times to get STI.
Keywords:CSW, STI, Logistic Regression

I. PENDAHULUAN
1.1 LATAR BELAKANG
Di sebagian besar negara, penyebaran
Infeksi Menular Seksual (IMS) relatif
masih tinggi. IMS adalah salah satu
masalah besar yang harus dihadapi oleh
bangsa Indonesia, apalagi bukti-bukti
menunjukkan bahwa keberadaan IMS
meningkatkan kepekaan penderita terhadap
infeksi HIV. Upaya pencegahan resiko kena
IMS dapat dilakukan lebih efisien jika telah
diketahui faktor penyebabnya, terutama pada
Pekerja Seks Komersial (PSK) .
Penelitian sebelumnya yang telah mendalami
tentang penyebab meningkatnya resiko kena IMS
adalah penelitian Syaiful W.Harahap yang
menyimpulkan adanya kemungkinan penyebaran
IMS lewat penyuntikan (Ragam, 2004). Faktor
lain adalah pendidikan PSK, lama menjadi PSK,
dan proporsi penggunaan kondom (Rani, 2004).
Penelitian ini akan mencoba mendeteksi
faktor yang diduga dapat meningkatkan resiko
terkena IMS, yaitu kelima variabel yang telah
diteliti pada penelitian terdahulu (penyuntikan,
2
pasangan seks, proporsi penggunaan
kondom, pendidikan PSK, dan lama
menjadi PSK) ditambah dengan beberapa
variabel dari referensi (Hakim, 2001) yaitu
usia PSK, usia hubungan seks pertama, usia
saat menjadi PSK, cara hubungan seks,
antibiotik, keluhan, status KB, konseling
HIV, cuci vagina, dan alasan berobat.
Pemodelan menggunakan metode
regresi logistik sebagai alat analisis, karena
regresi logistik salah satu metode yang
dapat digunakan untuk menggambarkan
hubungan antara variabel respon dengan
variabel prediktor, terutama pada kasus
variabel yang berkategori (Hosmer dan
Lemeshow, 1989) sehingga lebih tepat
dipakai dalam penelitian yang banyak
menggunakan variabel berkategori.
1.2 PERUMUSAN MASALAH
Berdasarkan latar belakang diatas maka
permasalahan dalam penelitian :
1. Bagaimana karakteristik dari PSK di
lokalisasi Dolly-Jarak Surabaya.
2. Mengetahui faktor yang berpengaruh
terhadap resiko terinfeksinya PSK
dengan IMS.
3. Seberapa besar efek faktor tersebut
dalam meningkatkan resiko terinfeksi
IMS.
1.3 TUJUAN PENELITIAN
1. Mengetahui karakteristik PSK di
lokalisasi Dolly-Jarak.Surabaya.
2. Mengetahui faktor yang berpengaruh
terhadap resiko terinfeksinya PSK
dengan IMS.
3. Mengetahui besar efek faktor tersebut dalam
meningkatkan resiko terinfeksi IMS
1.4 MANFAAT PENELITIAN
Dengan penelitian ini akan diketahui faktor
yang paling beresiko meningkatkan penyebaran
IMS yang berguna untuk pihak-pihak yang
berkepentingan dalam bidang kesehatan,
khususnya bidang Infeksi Menular Seksual (IMS)
dan bidang pembinaan Pekerja Seks Komersial
1.5 BATASAN MASALAH
Penelitian ini dilakukan pada PSK di
lokalisasi Dolly-Jarak, Kelurahan Putat Jaya,
Kecamatan Sawahan, Kotamadya Surabaya yang
datang ke Klinik Reproduksi Putat Jaya
khususnya yang telah diperiksa secara lengkap
pada bulan September 2003. Adapun IMS yang
dideteksi adalah jenis yang banyak diderita oleh
PSK, yaitu: Trichomoniasis vaginalis, Bakterial
vaginosis, Candidiasis vulvovaginal, serta
Uretritis non gonore.
II.TINJAUAN PUSTAKA
2.1 TINJAUAN STATISTIKA
2.1.1 Uji Independensi
Untuk mengetahui ada tidaknya hubungan
antara variabel x dan variabel y digunakan uji
independensi (Agresti, 1990) sebagai berikut :
H
0
: Tidak ada hubungan antara 2 variabel
H
1
: Ada hubungan antara variabel x dan y
Statistik uji yang digunakan adalah statistik
Pearson X
2

X
2
=

= =
J
j
I
i 1 1

ij
2
ij
ij
m
) m n (

3
Jika H
0
benar, maka statistik uji X
2
mendekati distribusi
2
dengan derajat
bebasnya db= (I 1)(J 1). Kriteria
penolakan H
0,
X
2
hitung
2

tabel
.
2.1.2 Model Regresi Logistik
Model regresi logistik merupakan
analisa statistik dalam bentuk analisa
regresi untuk menggambarkan hubungan
antara variabel respon (y), bersifat
kualitatif, biner atau dikotom (bernilai 0
atau 1), dengan beberapa variabel bebas (x)
yang bersifat kategori, kontinyu atau
keduanya.
Regresi logistik dengan p variabel
bebas (x) dan satu variabel respon (y)
disebut model regresi logistik berganda.
Menurut Hosmer dan Lemeshow (1989)
untuk model regresi logistik berganda
dengan probabilitas ( ) x y P 1 = =

(x),
maka bentuk persamaan logistik
bergandanya adalah :
(x)=
) ... exp( 1
) ... exp(
2 2 1 1 0
2 2 1 1 0
p p
p p
x x x
x x x


+ + + + +
+ + + +
(1)
Dengan menggunakan transformasi
logit dari

(x), maka model logit dapat
ditulis sebagai berikut:
g(x) = ln
) x ( 1
) x (

=ln [
} x ..... x x exp{
p p 2 2 1 1 0
+ + + +
]
g(x) = ) x ...... x x (
p p 2 2 1 1 0
+ + + +
(2)
persamaan tersebut merupakan fungsi linier
dalam parameter-parameternya.
2.1.3 Pendugaan Parameter
Pada dasarnya metode maksimum likelihood
memberikan nilai dugaan dengan
memaksimumkan suatu fungsi likelihood. Fungsi
likelihood yang ingin dimaksimumkan adalah :
( )
i
x = ( )
i i
y
i
y
i
x x


1
)] ( 1 [ (3)
Karena setiap pengamatan bebas maka fungsi
likelihood merupakan fungsi kepadatan gabungan,
l ( ) = ( )
=
n
1 i
i
x (4)
Akan lebih mudah secara matematis untuk
memaksimalkan nilai ln l ( ) yang dapat disebut
log likelihood. Bentuk itu dapat didefinisikan
sebagai berikut :
L( ) = ln l ( )
=

= = = (
(

|
|

\
|
+
(

p
j
n
i
p
j
ij j j
n
i
ij i
x x y
0 1 1
exp 1 ln

( 5)
Untuk mendapatkan nilai dari L( ) yang
maksimum, maka dilakukan penurunan terhadap

i
dan hasilnya disamakan dengan nol, sehingga
diperoleh hasil sebagai berikut :
I
) ( L


=

= =
(
(
(
(
(

|
|

\
|
+
|
|

\
|

n
i
n
i
p
j
ij j
p
j
ij j
ij ij i
x
x
x x y
1 1
exp 1
exp

= 0
(6)
Sedangkan metode untuk mengestimasi
varians dan kovarians dari estimasi koefisien
parameter dikembangkan dengan mengikuti teori
Maksimum Likelihood Estimation (Rao, 1973
dalam Agresti, 1990). Teori ini menyatakan
bahwa estimasi varians dan kovarians diperoleh
dari turunan kedua fungsi likelihod. Turunan
kedua fungsi likelihood adalah sebagai berikut :
4
( )
u j
2
L


=

|
|
|
|
|

\
|
(
(
(
(
(

|
|

\
|
+
|
|

\
|

u
n
j
p
j
ij j
p
j
ij j
ij
x
x
x

1
exp 1
exp

=- | |
=
n
1 i
i i iu ij
1 x x (7)
untuk j = u, maka estimasi variansnya
( )
( )
( ) =


=
n
j i
i i
2
ij 2
j
2
1 x
L
(8)
dimana : j,u = 0,1,2,...,p
Formulasi matrik informasi untuk
model yang fit adalah ( ) VX ' X = l ,
dimana X adalah matrik berukuran n x
(p+1) dan berisi data subyek, dan V adalah
matrik diagonal berukuran n x n dengan
elemen ( )
i i
1 . Maka matrik X dan V :
X =
(
(
(
(
(

np n
p
p
X X
X X
X X
.... 1
. . . .
.... 1
.... 1
1
2 21
1 11

V =
(
(
(
(
(
(
(

\
|

|

\
|

|

\
|




n n



1 .... 0 0
. .... . .
0 .... 1 0
0 .... 0 1
2 2
1 1

Untuk memperoleh Maksimum
Likelihood Estimation bagi melalui
iterasi digunakan metode Newton Raphson.
Untuk menaksir nilai digunakan
estimasi Weighted Least Square (WLS)
dengan menggunakan beberapa persamaan
sebagai berikut :
( )
( )
( ) t 1
1
1 1 t
Z V ' X X V ' X

+
=
(9)
dimana
( )
( )
( )
(

+
(

=
=
p
0 j
ij
t
j
p
0 j
ij
t
j
t
i
x exp 1
x exp
dan
Z
( )
( )
( )
( )
( ) ( )
( )
t
i
t
i
t
i
i
t
i
t
i t
i
1
y
1
log


+
+

=
(10)
- Z
(t)
merupakan bentuk linier fungsi logit link dari
data sampel, yang dievaluasi pada
( ) t
. Proses
yang digunakan untuk menghitung Maksimum
Likelihood Estimation ini disebut Iteratif
Reweighted Least Square.
2.1.4 Pengujian Parameter
Menurut Hosmer dan Lemeshow (1989),
untuk menguji signifikansi koefisien secara
parsial digunakan uji Wald, dengan hipotesis :
H
0
:
j
= 0 H
1
: 0
j

Statistik ujinya adalah : W =
( )
j
j

SE

atau: W
2
=
( )
2
j
2
j

SE

(11)
dimana W
2
diasumsikan berdistribusi
2

(1)

Untuk mengetahui signifikansi seluruh
variabel bebas (x) dalam model secara serentak
diuji dengan :
H
0
: = =
2 1
...= 0 =
p

H
1
: paling tidak ada satu 0
i
.
Dengan statistik G (Likelihood Ratio Test):
G = -2 (ln (L
0
) ln (L
1
))
Jika H
0
benar maka statistik G akan
berdistribusi
2
dengan derajat bebas k.


5
2.1.5 Uji Kesesuaian Model
Ada beberapa statistik uji yang dapat
digunakan untuk menguji kesesuaian model
regresi logistik (Hosmer dan Lemeshow,
1989) antara lain adalah tes rasio
Likelihood, dirumuskan dengan :
G
2
= 2
(
(

j
ij
ij
ij
i
m
n
log n (12)
Dari statistik uji di atas dapat dirumuskan
hipotesis sebagai berikut :
H
0
: Model sesuai ( tidak ada perbedaan
antara hasil observasi dengan
kemungkinan hasil prediksi model )
H
1
: Model tidak sesuai ( ada perbedaan
antara hasil observasi dengan
kemungkinan hasil prediksi model )
Pengujian dilakukan dengan menggunakan
derajat bebas db = (I-1)(J-1). Disini I adalah
jumlah kemungkinan model logit yang
terjadi, sedangkan p jumlah parameter, dan
J jumlah kategori variabel respon.
Uji lainnya yang juga sering dipakai
adalah uji Improvement, dengan hipotesis :
H
0
: Model ringkas / tanpa variabel bebas
tertentu adalah model terbaik.
H
1
: Model lengkap / dengan variabel bebas
tertentu adalah model terbaik
Statistik uji : G = -2 (ln (L
1
) ln (L
0
))
H
0
ditolak bila nilai p-value <
2.1.6 Intrepretasi Parameter
Odds ratio ( ) merupakan salah satu
tingkat resiko yang digunakan dalam
mengintrepretasikan parameter.
Odds ratio didefinisikan sebagai berikut :

( ) ( ) | |
( ) ( ) | | 0 1 / 0
1 1 / 1


= (13)
log odds ratio adalah :
ln
( ) ( ) ( )
( ) ( ) | |
(

=
0 1 / 0
1 1 / 1
ln (14)
Dengan menggunakan model regresi logistik
maka odds ratio menjadi :
(

+
(

+
(

+
(

+
=
+

+
+
1 0 0
0
0 1 0
1 0
e 1
1
e 1
e
e 1
1
e 1
e
(15)
sehingga log odds rationya menjadi :
ln( ) = ln (e
1

) =
I
(16)
Jika variabel bebas (x) yang masuk dalam
model regresi logistik bersifat kontinyu maka
intrepretasi dari koefisien tersebut tergantung
pada unit variabel bebas (x) yang masuk.
Misalkan fungsi g(x) = x
1 0
+ , koefisien
1

akan memberikan perubahan pada g (x) sebesar
satu unit pada setiap level x dan secara matematis
akan dapat dinyatakan sebagai =
1
g (x+1) g (x).
Apabila x berubah sebesar c unit, maka perubahan
g (x) sebesar c
1
, secara matematis dinyatakan
dengan g(x+c) g(x) = c
1
.
2.2. TINJAUAN NON STATISTIKA
2.2.1 Infeksi Menular Seksual (IMS)
Penyakit kelamin (Veneral Diseases) sudah
lama dikenal dan beberapa di antaranya sangat
populer di Indonesia yaitu sifilis dan gonore.
Dengan semakin majunya ilmu pengetahuan,
seiring dengan perkembangan peradaban
masyarakat, banyak ditemukan penyakit-penyakit
baru, sehingga istilah tersebut sudah tidak sesuai
6
lagi dan diubah menjadi Sexually
Transmitted Diseases (STD) atau Penyakit
Menular Seksual (PMS) (Hakim, 2001).
Sejak tahun 1998, istilah STD mulai
berubah menjadi STI (Sexually Transmitted
Infection), agar dapat menjangkau penderita
asimptopatik.Adapula golongan profesional
lain yang memandang STD dari konteks
kesehatan reproduksi (sebagai bagian dari
Infeksi Saluran Reproduksi yang meliputi
infeksi endogen dan eksogen
mikroorganisme yang ditularkan secara
seksual dan non-seksual).
2.2.2 Faktor-Faktor Yang Berpengaruh
Perubahan pola distribusi maupun pola
perilaku penyakit tersebut di atas tidak
terlepas dari faktor-faktor yang
mempengaruhinya (Hakim, 2001), yaitu:
1. Faktor dasar: adanya penularan penyakit,
berganti-ganti pasangan seksual.
2. Faktor Medis: Gejala klinis pada wanita
dan homoseksual yang asimtomatis,
pengobatan modern, pengobatan yang
mudah, murah, cepat, dan efektif,
sehingga resiko resistensi tinggi, dan bila
salah digunakan akan meningkatkan
resiko penyebaran infeksi, kontrasepsi
modern.
3. IUD dan pil KB hanya bermanfaat bagi
pencegahan kehamilannya saja, berbeda
dengan kondom yang juga dapat
digunakan sebagai alat pencegahan
terhadap penularan infeksi PMS.
4. Faktor Sosial: Mobilitas penduduk, prostitusi,
waktu yang santai, kebebasan individu,
ketidaktahuan.
2.2.3 Kelompok Perilaku Resiko Tinggi
Dalam IMS yang dimaksud dengan perilaku
resiko tinggi ialah perilaku yang menyebabkan
seseorang mempunyai resiko besar terserang
penyakit (Hakim, 2001).
Yang tergolong kelompok resiko tinggi
adalah : Usia(20-34 tahun pada laki-laki, 16-24
tahun pada wanita, 20-24 tahun pada kedua jenis
kelamin), pelancong, pekerja seks komersial,
pecandu narkoba dan homoseksual.
2.2.4 Gejala yang Menyertai IMS
IMS sering kali tidak menunjukkan gejala sama
sekali dan tidak terasa (Kompas, 28/5/2004). IMS
tidak selalu menunjukkan tanda atau gejala, baik
pada laki-laki atau perempuan. Pada perempuan,
IMS lebih sering tidak menunjukkan gejala.
Meski gejalanya tidak ada dan tidak terasa sakit,
IMS ini bisa ditularkan kepada orang lain.
Beberapa IMS tandanya bisa muncul setelah
berminggu-minggu, berbulan-bulan, atau bahkan
tahunan setelah terkena. Beberapa gejala umum
yang dapat menunjukkan seseorang terkena IMS
(Kompas, 28/5/2004), seperti:
a. Keluarnya cairan dari vagina, penis, atau
dubur yang berbeda dari biasanya.
b. Perih, nyeri, atau panas saat kencing atau
setelah kencing atau menjadi sering kencing.
c. Luka terbuka, luka basah di sekitar kemaluan
atau sekitar mulut kemaluan. Sifat lukanya
bisa nyeri, bisa juga tidak.
d. Tumbuh seperti jengger ayam atau kutil di
sekitar kemaluan.
7
e. Gatal-gatal di sekitar alat kelamin,
Bengkak di lipatan paha
f. Pada laki-laki, kantong pelir menjadi
bengkak dan nyeri
g. Sakit perut di bagian bawah yang
kumat-kumatan dan tidak ada
hubungannya dengan haid (pada
perempuan), Keluar darah sehabis
berhubungan seksual, Secara umum
merasa tidak enak badan atau demam
2.2.5 Keterangan tentang Jenis IMS
a) Uretritis Non Gonore
Penyakit ini adalah peradangan uretra
yang bukan disebabkan oleh kuman
Neisseria Gonorrhea. Organisme penyebab
Uretritis Non Gonore ialah Chlamydia
Trachomatis, sering ditemukan pada wanita
dewasa yang aktif secara seksual, dan
berhubungan erat dengan usia muda waktu
pertama kali kontak seksual. Pada wanita
umumnya menunjukkan infeksi pada
serviks, meskipun dapat juga menyerang
uretra maupun vagina. Gejala sering tidak
khas, asimtotik, atau sangat ringan. Bila
ada, keluhan berupa duh tubuh genital yang
kekuningan.
b) Trikomoniasis
Penyakit ini merupakan infeksi
protozoa yang disebabkan oleh
Trichomonas Vaginalis, biasanya ditularkan
melalui hubungan seksual dan sering
menyerang traktus urogenitalis bagian
bawah pada wanita. Pada wanita sering
tidak menunjukkan keluhan maupun gejala
sama sekali. Bila ada keluhan biasanya
berupa duh tubuh vaginal yang banyak dan
berbau. Duh tubuh yang banyak sering
menimbulkan keluhan rasa gatal dan perih.
Keputihan karena Trikomoniasis mudah dikenali
dengan adanya bau busuk.
c) Kandidiasis
Kandidiasis VulvoVaginal (KVV) atau
Kandidiosis/Kandidiosis Vaginal adalah infeksi
vaginal dan/atau vulva oleh kandida, khususnya
c.albicans. Bersama dengan trikomoniasis dan
vaginosis bakterial menyebabkan gejala keputihan
yang banyak membawa wanita berkunjung di
poliklinik IMS. Keluhan panas, atau iritasi pada
vulva, dan keputihan yang tidak berbau. Banyak
menyerang wanita pada masa subur.
d) Vaginosis Bakterial
Penyakit ini adalah sindrom klinik akibat
pergantian lactobaccilus Spp penghasil H
2
O
2
yang
merupakan flora normal vagina dengan bakteri
anaerob dalam konsentrasi tinggi (contoh:
bacteroidas Spp, Mobilunans Spp), Gardnerella
Vaginalis, dan Mycoplasma trominis. Wanita
dengan vaginosis bakterial dapat tanpa gejala atau
mempunyai bau vagina yang khas yaitu bau amis,
terutama waktu berhubungan seksual. Sekret
vaginosis bakterial berwarna putih atau keabu-
abuan.
III. METODOLOGI PENELITIAN
3.1 DATA PENELITIAN
Sumber yang dipakai dalam penelitian ini
adalah data sekunder sebanyak 459 data melalui
form pemeriksaan pasien pada bulan September
2003 dari Klinik Reproduksi Putat Jaya, Jl.
Kupang Gunung IV/25 Surabaya. Klinik
Reproduksi Putat Jaya adalah klinik kesehatan
8
yang didirikan dengan tujuan untuk
pengobatan infeksi menular seksual (IMS).
3.2 VARIABEL PENELITIAN
Variabel respon adalah status terinfeksi
atau tidaknya seorang PSK terhadap IMS,
Y= 0 jika tidak terinfeksi dan Y=1 jika
terinfeksi.Variabel prediktor (x) digunakan
beberapa variabel yang terdapat dalam form
pemeriksaan klinik dan diduga mempunyai
hubungan dengan variabel respon.
Tabel 1. Variabel Prediktor
LABEL VARIABEL KATEGORI SKALA
X1 Usia PSK 1= <16 tahun
2=16 24 thn
3 = > 24 thn
Ordinal
X2 Usia hub.seks
pertama
1= <17 tahun
2=17 25 thn
3 = > 25 thn
Ordinal
X3 Usia saat
menjadi PSK
1= <20 tahun
2 = 20 tahun
Ordinal
X4 Lama jadi
PSK
1 = < 2 tahun
2=2 4 tahun
3=4 6 tahun
4 = > 6 tahun
Ordinal
X5 Pendidikan 1 = SD
2 = SMP
3 = SMA
Ordinal
X6 Cuci vagina
minggu lalu
1 = ya
2 = tidak
Nominal
X7 suntikan
minggu lalu
1 = ya
2 = tidak
Nominal
X8 Keluhan 1 = tidak ada
2 = ada
Nominal
X9 Status KB 1 = ikut
2 = tidak
Nominal
X10 HIV
konseling
0=tdk jwb
1 = ya
2 = tidak
Nominal
X11 Alasan
berobat
1 = sakit
2 = check up
Nominal
X12 Antibiotik
minggu lalu
1 = tidak
2 = suntik
3=tablet dari
petugas
4=beli sendiri
Nominal
X13 Pasangan
hidup diobati
1 = ya
2 = tidak
Nominal
X14 Cara
hubungan
seksual
terakhir
1 = genito
genital
2 = lainnya
Nominal
X15 Proporsi
kondom
minggu lalu
1=>0.50, sering
2=0.260.50,
kadangkadang
3=<0.25, jarang
4= tidak pernah
Ordinal

3.3 KETERANGAN VARIABEL
a. Usia PSK (X
1
) usia pada saat mengisi form
pemeriksaan dari klinik (Sept.2003).
b.Usia hubungan seksual pertama (X
2
) usia
PSK saat melakukan hubungan seksual untuk
yang pertama kalinya.
c. Usia menjadi PSK (X
3
) usia saat terjun
pertama kalinya sebagai profesi PSK.
d. Lama jadi PSK (X
4
) menjelaskan jangka
waktu selama menjalani profesi PSK.
e. Pendidikan (X
5
) menjelaskan lama pendidikan
terakhir yang ditempuh PSK.
f. Cuci Vagina minggu lalu (X
6
) apakah PSK
pernah cuci vagina satu minggu sebelum mengisi
form pemeriksaan dari klinik.
g. Riwayat suntikan minggu lalu (X
7
) apakah
PSK pernah mendapat suntikan satu minggu
sebelum mengisi form pemeriksaan dari klinik.
h. Keluhan (X
8
) apakah PSK merasakan adanya
suatu keluhan atau gejala pada saat sebelum
diperiksa atau mengisi form pemeriksaan.
i. Status KB (X
9
) apakah PSK sedang mengikuti
program KB pada saat mengisi form pemeriksaan
j. HIV konseling (X
10
) apakah PSK pernah
mendapatkan konseling tentang HIV-AIDS
sebelum memeriksakan diri di klinik.
k. Alasan berobat (X
11
) alasan dari seorang PSK
untuk mengunjungi klinik.
l. Antibiotik minggu lalu (X
12
) antibiotik yang
dipakai PSK selama satu minggu sebelum mengisi
form pemeriksaan dari klinik.
m. Pasangan hidup diobati (X
13
) pasangan
hidup PSK (suami/pacar) pernah diobati dari
IMS sebelumnya.
9
n. Cara hubungan seksual terakhir (X
14
)
cara hubungan seksual yang terakhir
dilakukan PSK sebelum diperiksa oleh
klinik, baik dalam melayani pasangan
hidupnya maupun kliennya.
o. Proporsi kondom minggu lalu (X
15
)
proporsi penggunaan kondom oleh partner
hubungan seksual PSK seminggu sebelum
mengisi form pemeriksaan klinik. Proporsi
ini dihitung dengan cara membagi jumlah
kondom yang digunakan seminggu lalu
dengan banyaknya hubungan seks yang
dilakukan PSK seminggu lalu, misal 0.5
artinya setengah dari hubungan seks yang
dilakukan menggunakan kondom
setengahnya lagi tidak menggunakan
(selama seminggu).
IV. ANALISA DAN PEMBAHASAN
4.1. KARAKTERISTIK PSK
Karakteristik PSK ditampilkan di Tabel
2, total variabel karakteristik 25 jenis digali
dari informasi yang diambil dari form
pemeriksaan bulan September 2003, untuk
pemodelan diambil hanya 15 variabel yang
diduga beresiko dengan IMS.
Tabel 2. Statistik Deskriptif PSK
Variabel Kategori Frek Persen Rata-
rata
Usia PSK 1 = <16 thn
2 = 16 24
3 = >24 thn
0
164
295
0 %
35.7 %
64.3 %
28.28
thn
Usia hub.
seksual
pertama
1 = <17 thn
2 = 17 25
3 = >25 thn
198
261
0
43.1 %
56.9 %
0 %
16.81
thn
Usia jadi
PSK
1 = <20 thn
2 =>=20 thn
125
334
27.2 %
72.8 %
24.77
thn
Lama jadi
PSK
1 = <2 thn
2 = 2 4thn
3 = 4 6thn
4 = >6 thn
258
73
32
96
56.2 %
15.9 %
7.0 %
20.9 %
36.32
bln
Lama
Pendidikan
1 = SD
2 = SMP
3 = SMA
306
128
25
66.7 %
27.9 %
5.4 %
6.41
thn
Hamil 1 = ya
2 = tidak
6
453
1.3 %
98.7 %
-
Pernah
hamil
1 = ya
2 = tidak
318
141
69.3 %
30.7 %
-
Menstruasi 1 = ya
2 = tidak
6
453
1.3 %
98.7 %
-
Cucivagina 1 = ya
2 = tidak
453
6
98.7 %
1.3 %
-
Suntikan
mnggu lalu
1 = ya
2 = tidak
3
456
0.7 %
99.3%
-
Tato 1 = ya
2 = tidak
3
456
0.7 %
99.3%
-
Keluhan 1 = tdk ada
2 = ada
348
111
75.8 %
24.2 %
-
Status KB 1 = ya
2 = tidak
288
171
62.7 %
37.3 %
-
HIV
konseling
0=tdk jawab
1 = ya
2 = tidak
2
0
457
0.4 %
0 %
99.6 %
-
Alasan
berobat
1 = sakit
2 =check up
60
399
13.1 %
86.9 %
-
Antibiotik
minggu
lalu
1 = tidak
2 = suntik
3 = tablet dr
petugas
4 = beli
sendiri
148
0
53

258
32.2 %
0 %
11.5 %

56.2 %
-
Pasangan
hidup
1 = ya
2 = tidak
453
6
98.7 %
1.3 %
-
Pasangan
hidup
diobati
1 = ya
2 = tidak
3
456
0.7 %
99.3 %
-
Pekerjaan
pasangan
hidup
1 = swasta
2 = PNS
3 = lain-lain
233
24
202
50.8 %
5.2 %
44.0 %
-
Cara hub.
seksual
terakhir
1 = genito
genital
2 = lainnya
422

37
91.9 %

8.1 %
-
Hub.seks
minggu
lalu
1 = 0 -7 kali
2 =8-14 kali
3=15-21kali
4 = > 21
kali
91
210
84
74
19.8 %
45.8 %
18.3 %
16.1 %
16.35
kali
Kondom
mnggu lalu
1 = 0-7
buah
2 = > 7
buah
441
18
96.1 %
3.9 %
3.96
buah
Proporsi
kondom
minggu
lalu
1 = > 0.50
2=0.26
0.50
3 = <0.25
4=tdkpernah
17
207
155
80
3.7 %
45.1 %
33.8 %
17.4 %
0.26
Asal
Daerah
PSK
Malang
Jember
Blitar
Banyuwangi
Nganjuk
Lumajang
Kediri
Probolinggo
Lain-lain
67
37
35
32
28
23
19
17
140
14.6%
8.1%
7.6%
7%
6.1%
5%
4.1%
3.7%
43.8%
-
Status
terinfeksi
0 =negatif
1= positif
324
135
70.6 %
29.4 %
-

4.2. UJI INDEPENDENSI
Sejumlah 459 orang PSK yang diteliti,
dilakukan analisa variabel untuk melihat apakah
ada hubungan nyata antara variabel bebas X (ada
10
15 buah) dengan variabel respon Y (status
IMS). Uji ini dilakukan sebagai saringan
pertama untuk menyeleksi variabel
H
0
: Tidak ada hubungan antara 2 variabel
H
1
: Ada hubungan antara variabel X dan Y
Jika H
0
benar, maka
2
mendekati distribusi
Chisquare dengan derajat bebas db = (I-
1)(J-1). H
0
ditolak jika P-value < =5%.
Tabel 3. Uji Independensi
Variabel Sign.(P) Keterangan Keputusan
1. Usia PSK 0,00 dependent tolak Ho
2. seksual pertama 0,87 independent gagal tolak Ho
3. Usia jadi PSK 0,03 dependent Tolak Ho
4. Lama jadi PSK 0,29 independent gagal tolak Ho
5. Pendidikan 0,32 independent gagal tolak Ho
6. Cuci vagina 0,49 independent gagal tolak Ho
7. Riwayat suntikan 0,88 independent gagal tolak Ho
8. Keluhan 0,00 dependent tolak Ho
9. Status KB 0,05 dependent tolak Ho
10. HIV konseling 0,36 independent gagal tolak Ho
11. Alasan berobat 0,02 dependent tolak Ho
12. Antibiotik 0,00 dependent tolak Ho
13. Pasangan hidup 0.88 independent gagal tolak Ho
14.Cara hub seksual 0.12 independent gagal tolak Ho
15.Proporsi kondom 0.00 dependent Tolak Ho
4.3 UJI PARSIAL
Digunakan untuk mengetahui pengaruh
atau kontribusi dari variabel prediktor yang
dependent (7 variabel) terhadap variabel
respon secara tunggal. Selain itu juga untuk
menguji apakah kontribusi dari masing-
masing kategori variabel tersebut berbeda
signifikan terhadap resiko terkena IMS.
4.3.1 Usia PSK
H
0
ditolak jika P-value < =5%.
Tabel 4. Hasil Uji Parsial Usia PSK
Variabel B Wald df Sig Exp(B)
USIA (1) 0.66 9.82 1 0.00 1.1939
Constant -1.13 69.56 1 0.00
H
0
ditolak, ini berarti kategori usia PSK
mempunyai perbedaan resiko,PSK yang
berusia 16-24 tahun lebih berpeluang untuk
terinfeksi IMS dibandingkan yang berusia
lebih dari 24 tahun.

4.3.2 Usia saat menjadi PSK
Tabel 5 . Hasil Uji Parsial Usia Saat PSK
Variable B Wald D
f
Sig Exp(B)
UMPSK(1) 0.47 4.48 1 0.03 1.60
Constant -1.01 66.94 1 0.00
Kategori variabel usia saat jadi PSK
mempunyai perbedaan resiko signifikan, PSK
yang menjalani profesinya sejak umur kurang dari
20 tahun mempunyai kemungkinan lebih besar
terkena IMS dibanding yang memulai profesinya
saat berusia lebih dari 20 tahun.
4.3.3 Keluhan
Tabel 6. Hasil Uji Parsial Variabel Keluhan
Variable B Wald df Sig Exp(B)
KELUHAN(1) -5.452 120.31 1 0.00 0.0043
Constant 3.0540 44.53 1 0.00
Kategori variabel keluhan mempunyai
perbedaan resiko artinya PSK yang merasakan
suatu keluhan mempunyai kemungkinan yang
jauh lebih besar terkena IMS dibandingkan
dengan PSK yang tidak merasakan keluhan.
4.3.4 Status KB
Tabel 7. Hasil Uji Parsial Status KB
Variable B Wald df Sig Exp(B)
KA_BE(1) 0.43 3.85 1 0.05 1.5363
Constant -0.15 41.51 1 0.00
H
0
ditolak artinya kategori variabel status KB
mempunyai perbedaan yang signifikan. PSK yang
sedang mengikuti program KB mempunyai
kemungkinan yang lebih besar untuk terkena IMS
daripada PSK yang tidak mengikuti program KB.
4.3.5 Alasan berobat
Tabel 8. Hasil Uji Parsial Alasan Berobat
Variable B Wald df Sig Exp(B)
ALASAN(1) -0.83 5.16 1 0.02 0.43
Constant -0.78 52.87 1 0.00
Kategori variabel alasan berobat mempunyai
perbedaan signifikan, PSK yang datang ke klinik
dengan alasan sakit mempunyai kemungkinan
yang lebih kecil untuk terkena IMS dibandingkan
dengan PSK yang datang dengan alasan check up.
11
4.3.6 Antibiotik minggu lalu
Tabel 9. Uji Parsial Variabel Antibiotik
Variable B Wald df Sig Exp(B)
ANT 14.9321 2 0.00
ANT (1) 0.66 9.1651 1 0.00 1.94
ANT (2) -0.68 2.7573 1 0.09 0..50
Constant -1.05 54.4331 1 0.00
Kategori variabel antibiotik minggu lalu
mempunyai perbedaan signifikan,PSK yang
tidak memakai antibiotik minggu lalu
mempunyai kemungkinan yang lebih besar
untuk terkena IMS dibandingkan dengan
PSK yang mengkonsumsi antibiotik.
4.3.7 Proporsi kondom minggu lalu
Tabel 10. Uji Parsial Proporsi Kondom
Variable B Wald df Sig Exp(B)
PROP 47.13 3 0.00
PROP(1) -1.53 6.20 1 0.01 0.21
PROP(2) -2.01 46.38 1 0.00 0.13
PROP (3) -1.06 14.06 1 0.00 0.34
Constant 0.356 2.42 1 0.11
Kategori variabel proporsi kondom
mempunyai perbedaan resiko, PSK yang
sering menggunakan kondom mempunyai
kemungkinan yang lebih kecil terkena IMS
dibandingkan yang tidak pernah memakai
kondom minggu lalu, demikian juga dengan
kategori kadang-kadang dan kategori jarang
4.4 UJI SERENTAK
Untuk mengetahui signifikansi seluruh
variabel bebas (x) di dalam model secara
serentak dilakukan dengan hipotesis:
H
0
: = =
2 1
............= 0
7
=
H
1
: paling tidak ada satu 0
i

Dengan statistik G (Likelihood Ratio
Test) jika H
0
benar

akan berdistribusi
2

dengan derajat bebas k, k banyaknya
parameter, pengujian dilakukan dengan
membandingkan nilai uji dengan
2
tabel.
Hasil regresi logistik berganda didapat nilai
chi-square 332.966 dengan derajat bebas 4, nilai
p-value 0.0000, artinya tolak H
0
, sehingga
disimpulkan terdapat satu atau lebih variabel
bebas (x) yang berpengaruh nyata terhadap
variabel respon (y).
Tabel 11. Hasil Uji Regresi Logistik Berganda
Variabel B S.E. Wald df Sig. Exp(B)
PROPORSI 17,99 3 0,00
PROPORSI (1) -3,23 1,13 8,12 1 0,00 0.03
PROPORSI (2) -1,75 0,46 14,11 1 0,00 0.17
PROPORSI (3) -1,30 0,47 7,57 1 0,00 0.27
KELUHAN(1) -5,58 0,55 101,33 1 0,00 0.00
CONSTANT 4,44 0,63 49,72 1 0,00

4.5 UJI KESESUAIAN MODEL
Pada setiap tahap dilakukan uji improvement
(G
2
) berguna untuk mengetahui apakah model
tanpa variabel yang tidak signifikan adalah model
terbaik., dengan hipotesis
:
0
H
Model ringkas model terbaik .
:
1
H
Model dengan variabel bebas tertentu (model
sebelumnya) adalah model terbaik
Hasil perbandingan dari langkah eliminasi
terakhir dapat dilihat pada tabel dibawah ini :
Tabel 12. Hasil Perbandingan 2 Log Likelihood
No Langkah -2 Log Likelihood df
1 Model Lengkap 220.393 5
2 Model Ringkas 223.156 4
Model ringkas adalah model tanpa variabel
usia PSK, alasan berobat, antibiotik, usia saat
menjadi PSK, pekerjaan pasangan, dan status KB
dimana model itu menghasilkan p value = 0.096 ,
maka gagal tolak H
0
berarti model tanpa variabel
tertentu adalah model terbaik. Langkah
selanjutnya adalah menguji apakah model sesuai
dalam artian tidak ada perbedaan antara hasil
observasi dengan kemungkinan hasil prediksi
model, menggunakan hipotesis:

12
H
0
: Model sesuai
(tidak ada perbedaan antara hasil
observasi dengan kemungkinan hasil
prediksi model )
H
1
: Model tidak sesuai
(ada perbedaan antara hasil observasi
dengan kemungkinan hasil prediksi
model )
Dari hasil regresi logistik berganda
didapat nilai chi-square sebesar 6.1172
dengan derajat bebas 5, serta nilai p-value
0.2950, artinya gagal tolak H
0
, sehingga
disimpulkan model mampu memprediksi
nilai observasinya atau dikatakan model
dapat diterima karena cocok dengan data
observasinya.
Sehingga model logit akhir adalah :
^
g = 4,44 - 3,23 PROP(1) - 1,75 PROP(2)
-1,31 PROP(3) - 5,58 KELUHAN(1)

model regresi logistiknya adalah:
(x) =
(1)) kel 5.58 (3) prop 1.31 (2) prop 1.75 (1) prop 3.23 (4.44 exp 1
(1)) kel 5.58 (3) prop 1.31 (2) prop 1.75 (1) prop 3.23 (4.44 exp
+


Dari model logit akhir tersebut dapat
diketahui bahwa semakin sering proporsi
pemakaian kondom saat berhubungan seks
maka semakin kecil pula nilai estimasi
parameternya, yang artinya odds rasionya
juga akan semakin kecil. Ini berarti bahwa
semakin sering proporsi penggunaan
kondom maka semakin kecil kemungkinan
untuk terkena IMS.
4.6 INTREPRETASI MODEL
Intrepretasi model untuk menentukan
hubungan fungsional antara variabel X
dengan variabel respon Y serta untuk mengetahui
seberapa besar faktor-faktor tersebut berpengaruh
terhadap resiko kena atau tidaknya seorang PSK
dengan IMS.
Tabel 13. Nilai Odds Ratio
VARIABEL NILAI ODDS RATIO
PROPORSI (1) 0.0394
PROPORSI (2) 0.1736
PROPORSI (3) 0.2701
KELUHAN (1) 0.0038
Tabel 13 mengindikasikan PSK yang
pasangannya sering memakai kondom (sering
artinya frekuensi penggunaan kondom lebih dari
setengah atau lebih dari 50% dari total
berhubungan) dalam berhubungan seksual
mempunyai peluang 0.0394 atau sekitar 25 kali
lebih sedikit untuk terinfeksi IMS dibandingkan
dengan yang tidak pernah menggunakan kondom.
Begitu pula dengan PSK yang pasangannya
kadang-kadang memakai kondom (26% sampai
50% penggunaan kondom dalam berhubungan)
mempunyai peluang 0.1736 atau sekitar 5 kali
lebih sedikit untuk terinfeksi IMS dibanding yang
tidak pernah menggunakan kondom. Sedangkan
PSK yang pasangannya jarang memakai kondom
(kurang dari 25% penggunaan kondom dalam
berhubungan) mempunyai peluang 0.2701 atau
sekitar 3 kali lebih sedikit untuk terinfeksi IMS
dibandingkan dengan yang tidak pernah
menggunakan kondom.
Dari variabel keluhan dapat dilihat bahwa
PSK yang tidak merasakan adanya keluhan atau
gejala tertentu memiliki indikasi peluang 0.0038
atau 263 kali lebih sedikit untuk terkena IMS
daripada PSK yang merasakan adanya suatu
keluhan atau gejala

13

V.KESIMPULAN DAN SARAN
5.1. KESIMPULAN
1. Karakteristik PSK, sebagian besar (88.4
%) berasal dari daerah Jawa Timur dan
lainnya berasal dari luar Jawa Timur.
Sebanyak 64.3 % berumur 24 tahun keatas
dengan rata-rata usia 28.28 tahun. Riwayat
pendidikan, rata-rata hanya sampai tingkat
SD saja 66.7 %.
2. Faktor-faktor yang mempunyai hubungan
nyata dengan resiko terinfeksi IMS adalah :
Usia PSK, Usia saat menjadi PSK,
Keluhan/gejala, Status KB, Alasan
berobat, Antibiotik minggu lalu, dan
Proporsi kondom minggu lalu, tetapi
model terbaiknya hanya memuat variabel
proporsi kondom dan keluhan yang
dirasakan.
3. Kontribusi dari variabel-variabel yang
masuk dalam model terbaik dapat
dijelaskan sebagai berikut: semakin sering
seorang PSK menggunakan atau
mengharuskan pasangan seksnya untuk
menggunakan kondom maka semakin kecil
kemungkinan untuk terkena IMS. Hal ini
dapat dijadikan informasi bahwa penting
sekali untuk menggunakan kondom sebagai
upaya mencegah penyebaran IMS. Dari
variabel keluhan dapat dilihat bahwa PSK
yang merasakan adanya keluhan/gejala
memiliki indikasi yang sangat kuat bahwa
mereka sedang terkena IMS.


5.2. SARAN
Diperlukan adanya penyuluhan tentang
pentingnya menggunakan kondom dalam
melakukan hubungan seksual sebagai upaya untuk
mencegah terinfeksi IMS begitu juga dengan
kesadaran untuk memeriksakan diri ke klinik
tanpa menunggu adanya gejala atau keluhan IMS.
Perlu juga untuk mengadakan semacam konseling
baik mengenai HIV-AIDS maupun IMS untuk
meningkatkan kepedulian para PSK dalam
mencegah penyebarannya.

DAFTAR PUSTAKA
Agresti, A., (1990) Categorical Data Analysis,
John Wiley & Sons, Inc., New York.
Dyani, K.W., (2001) Analisis Regresi Logistik
terhadap Faktor-Faktor yang
Mempengaruhi Berat Badan Bayi Lahir
(BBBL) di BKIA RS. William Booth-
Surabaya, Tugas Akhir FMIPA Institut
Teknologi Sepuluh Nopember.
Hosmer, D.W., and Lemeshow S., (1989) Applied
Logistic Regression, John Wiley & Sons,
New York.
Hakim, L., (2001) Penyakit Menular Seksual,
Balai Penerbit FKUI, Jakarta.
Kompas, (28 Mei 2004) Hari gini belum kenal
PMS?.
Rani, R., (2004) Kajian Penyakit Menular Seksual
PSK dengan model regresi Poisson (Studi
kasus di lokalisasi Dolly-Jarak, Kel.Putat
Jaya, Kec.Sawahan, Kota Surabaya),
Tugas Akhir FMIPA Institut Teknologi
Sepuluh Nopember.
Suhartono, (1995) Studi Pendekatan Resiko
terhadap Faktor-Faktor Yang
Mempengaruhi Kematian Perinatal di
Kab. Probolinggo. Suatu Pendekatan
Regresi Logistik, Tugas Akhir FMIPA
Institut Teknologi Sepuluh Nopember.