P. 1
REGRESI LOGISTIK

REGRESI LOGISTIK

|Views: 411|Likes:
Dipublikasikan oleh Farisca Susiani

More info:

Published by: Farisca Susiani on Nov 08, 2012
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPTX, PDF, TXT or read online from Scribd
See more
See less

01/28/2015

pdf

text

original

REGRESI LOGISTIK (LOGISTIC REGRESSION

)

Biner Regresi Logistik Multinomial Y berskala nominal dengan 2 kategori Y berskala nominal dengan lebih dari 2 kategori Ordinal Y berskala ordinal .REGRESI LOGISTIK Adalah regresi parametrik yang digunakan untuk Y berskala kategorik dan X berskala bebas.

maka pada regresi logistik variabel prediktor digunakan untuk memprediksi peluang munculnya kategori variabel respon.5 0 -∞ 0 x ∞ .REGRESI LOGISTIK • Jika pada regresi linier variabel prediktor digunakan untuk memprediksi nilai variabel respon. 1 (x) 0.

maka menggunakan analisis fungsi logit pada regresi logistik biner.REGRESI LOGISTIK • Jika variabel prediktor SEMUANYA kontinyu dan berdistribusi normal. . • Jika terdapat variabel prediktor berjenis kategorik. maka dapat menggunakan analisis diskriminan.

ASUMSI REGRESI LOGISTIK (Spring. variabel respon dikode 0 untuk kasus yang paling jarang terjadi. 2010) • Meaningful coding. • Variabel prediktor memiliki error dan data missing serendah mungkin bahkan tidak ada. atau memastikan tidak ada multikolinieritas antar variabel prediktor. Untuk regresi logistik biner dan multinomial. dengan teknik random sampling) • Menyertakan semua variabel yang relevan dalam model • Menyingkirkan semua variabel yang tidak relevan. • Tidak ada outlier • Sampel berukuran besar . • Pengamatan dilakukan secara independen (misalnya. Sedangkan untuk regresi logistik ordinal kode 0 untuk tingkatan paling rendah • Adanya linearitas antara fungsi logit dan variabel prediktor.

REGRESI LOGISTIK BINER (BINARY LOGISTIC REGRESSION) .

Regresi Logistik Biner • Salah satu bentuk regresi logistik dimana variabel respon dalam bentuk biner / dichotomy / dua kategori. • Juga sering disebut sebagai regresi logistik Binomial (Binomial Logistic Regression) .

MODEL REGRESI LOGISTIK BINER Regresi linier: 𝐸 𝑌 𝑥 = 𝛽0 + 𝛽1 𝑥1 + ⋯ + 𝛽𝑝 𝑥𝑝 Regresi Logistik: 𝜋 𝑥 = 𝜋 𝑥 = 𝑒 𝛽 0 +𝛽 1 𝑥 1 +⋯+𝛽 𝑝 𝑥 𝑝 1+𝑒 𝛽 0 +𝛽 1 𝑥 1 +⋯+𝛽 𝑝 𝑥 𝑝  Fungsi peluang setiap kategori 𝑒 𝑥 𝑇 𝛽 𝑇 𝛽 1 + 𝑒 𝑥 Fungsi di-ln-kan 𝜋 𝑥 𝑔 𝑥 = 𝑙𝑛 1 − 𝜋 𝑥 = 𝛽0 + 𝛽1 𝑥1 + ⋯ + 𝛽𝑝 𝑥𝑝 = 𝑥 𝑇 𝛽 𝑔 𝑥 = logit 𝜋 𝑥 .

REGRESI LOGISTIK MULTINOMIAL (MULTINOMIAL LOGISTIC REGRESSION) .

REGRESI LOGISTIK MULTINOMIAL • Salah satu bentuk regresi logistik dimana variabel respon dalam bentuk MULTINOMIAL / polychotomy / lebih dari dua kategori. .

MODEL REGRESI LOGISTIK MULTINOMIAL • Model tidak jauh berbeda dengan model regresi logistik biner. 𝜋 𝑥 = 𝜋 𝑥 = 𝑒 𝛽 0 +𝛽 1 𝑥 1 +⋯+𝛽 𝑝 𝑥 𝑝 1+𝑒 𝛽 0 +𝛽 1 𝑥 1 +⋯+𝛽 𝑝 𝑥 𝑝  Fungsi peluang setiap kategori 𝑒 𝑥 𝑇 𝛽 𝑇 𝛽 1 + 𝑒 𝑥 Fungsi di-ln-kan 𝜋 𝑥 𝑔 𝑥 = 𝑙𝑛 1 − 𝜋 𝑥 = 𝛽0 + 𝛽1 𝑥1 + ⋯ + 𝛽𝑝 𝑥𝑝 = 𝑥 𝑇 𝛽 𝑔 𝑥 = logit 𝜋 𝑥 .

REGRESI LOGISTIK ORDINAL (ORDINAL LOGISTIC REGRESSION) .

Ini berarti bahwa hasil model berupa sebuah garis paralel untuk setiap kategori variabel respon. . Jika tidak terpenuhi maka data cukup dimodelkan dengan regresi logistik multinomial. diasumsikan bahwa hubungan antara variabel independen dengan logit adalah sama untuk semua logit. yaitu kategorik dengan memiliki tingkatan.REGRESI LOGISTIK ORDINAL • Salah satu bentuk regresi logistik dimana variabel respon dalam bentuk ordinal. dimana uji tersebut digunakan untuk membuktikan terpenuhinya asumsi bahwa setiap kategori memiliki hubungan antara variabel independen dengan logit yang sama untuk semua persamaan logit. • PERLU DIPERHATIKAN: Pada saat membuat model regresi logistik ordinal. Untuk membuktikannya dapat menggunakan Test of parallel lines.

⋯ . Kumulatif logit didefinisikan sebagai 𝑙𝑜𝑔𝑖𝑡[𝑃 𝑌 ≤ 𝑗𝑥 = ln 𝑃 𝑌≤𝑗 𝑥 1−𝑃 𝑌≤𝑗 𝑥 𝑗 = 1. .MODEL REGRESI LOGISTIK ORDINAL 𝑃 𝑌 ≤ 𝑗𝑥 = 𝜋1 𝑥 + 𝜋2 𝑥 + ⋯ + 𝜋𝑗 𝑥 . ⋯ . 𝐽 = ln 𝑃 𝑌≤𝑗 𝑥 𝑃 𝑌>𝑗 𝑥 𝜋1 𝑥 + 𝜋2 𝑥 + ⋯ + 𝜋𝑗 𝑥 = ln 𝜋𝑗 =1 𝑥 + 𝜋𝑗 =2 𝑥 + ⋯ + 𝜋𝑗 𝑥 𝑗 = 1. 2. 2. 𝐽 = 𝛽0𝑗 + 𝛽 𝑇 𝑥.

𝜓 a.ODDS RATIO (ψ) • Odds Ratio digunakan untuk memperkirakan berapa besar kemungkinan risiko variabelvariabel prediktor terhadap variabel respon. b = 𝑌=𝑗 𝑥=𝑎 / 𝑌=𝑘 𝑥=𝑎 𝑌=𝑗 𝑥=𝑏 / 𝑌=𝑘 𝑥=𝑏 = exp 𝛽𝑖 𝑎 − 𝑏 .

maka odds ratio diperoleh dengan exp(cβi ) . Untuk variabel prediktor kontinyu diperlukan unit perubahan sebesar c. • Jika variabel prediktor berskala kontinyu maka interprestasi koefisien dugaan tergantung pada unit partikular dari variabel prediktor. dan sebaliknya untuk 0<ψ<1 untuk menghasilkan Y = j. • Bila 1<ψ<∞ berarti x = a memiliki risiko lebih tinggi ψ kali daripada x = b.ODDS RATIO (ψ) • Untuk ψ=1 berarti bahwa x = a memiliki risiko yang sama dengan x = b untuk menghasilkan Y = j.

Jika variabel prediktor kategorik menggunakan uji chi-square. jika kontinyu menggunakan korelasi (kendall’s tau/spearman). . Melakukan uji independensi antara variabel prediktor dengan variabel respon.Langkah Analisis Regresi Logistik 1.

jika tidak memenuhi gunakan reg.Langkah Analisis Regresi Logistik Analisis regresi logistik secara individu Analisis regresi logistik secara serentak Pengujian Parallel Line Test (Khusus Untuk Regresi Logistik ordinal. log. multinomial) Interpretasi terhadap nilai odds ratio Uji kesesuaian model Interpretasi model secara serentak Menghitung ketepatan klasifikasi model .

Yuk latihan….. .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->