Anda di halaman 1dari 36

1

REGRESI LOGISTIK DAN PENERAPANNYA DALAM BIDANG


KESEHATAN
(Studi Kasus Maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013
FKIP UNLAM Banjarmasin)
Untuk Memenuhi Tugas Mata Kuliah Ekonometrika (ABKC1508 )
Dosen Pembimbing :
Drs. H. Karim, M.Si. & Rizki Amalia, M.Pd.

Oleh :
Kelompok 8
Atika Izni

(A1C113004)

Fatmah

(A1C113043)

Adelina Tri Lestari


Maulida Herliana

(A1C113064)
(A1C112221)

DEPERTEMEN PENDIDIKAN DAN KEBUDAYAAN


UNIVERSITAS LAMBUNG MANGKURAT
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
PROGRAM STUDI PENDIDIKAN MATEMATIKA
BANJARMASIN
2015

KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat, Inayah,
Taufik dan HidayahNya sehingga penulis dapat menyelesaikan penyusunan makalah ini.
Semoga makalah ini dapat dipergunakan sebagai salah satu acuan, petunjuk maupun
pedoman bagi pembaca.
Penyusunan makalah ini ditujukan untuk memenuhi tugas mata kuliah Pendidikan
Ekonometrika yang dibimbing oleh Drs. H. Karim, M.Si. & Rizki Amalia, M.Pd.
Akhirnya, penulis mengucapkan rasa syukur yang tidak terhingga kepada Allah SWT, yang
telah memberikan nikmat kesehatan sehingga penulis dapat menyelesaikan penulisan
makalah dengan judul Faktor-Faktor yang Mempengaruhi Resiko Penyebab Maag pada
Mahasiswa Pendidikan Matematika Angkatan 2013 Fkip Unlam Banjarmasin dengan
Menggunakan Pendekatan Regresi Logistik. Penulis juga menyadari bahwa makalah ini
belum sempurna, baik dari segi teknik penyajian maupun dari segi materi, oleh karena itu,
untuk kesempurnaan makalah ini, kritik dan saran dari para pembaca dan pemakai sangat
penulis harapkan.

Banjarmasin, Desember 2015

Penulis

DAFTAR ISI
KATA PENGANTAR...............................................................................................i
DAFTAR ISI............................................................................................................ii
BAB I PENDAHULUAN........................................................................................4
1.1

Latar Belakang...........................................................................................4

1.2

Masalah atau Topik Bahasan.....................................................................7

1.3 Tujuan Penulisan............................................................................................1


BAB II ISI................................................................................................................2
2.1 REGRESI LOGISTIK....................................................................................2
2.2 Pengertian Maag.............................................................................................4
2.3 Jenis penyakit maag yang dilihat berdasarkan tingkat keparahan..................5
2.4 Gejala Maag...................................................................................................5
2.5

Faktor-faktor Resiko Penyebab Maag.......................................................6

2.6 Cara Pencegahan Maag..................................................................................6


2.7 Sumber Data...................................................................................................7
2.8 Contoh Analisis Regresi Logistik dengan menggunakan SPSS.....................7
2.8.1 Variabel Penelitian...................................................................................7
2.8.2 Kerangka Pemikiran................................................................................9
2.8.3 (Hasil Masukan Data Berupa Pengkodean 1 dan 0).............................11
2.8.4 (Hasil Masukan Data Berupa Pengkodean Ya dan Tidak)....................13
2.8.5 Tabel......................................................................................................16
2.8.6 Regresi Logistik Biner Dengan SPSS 22..............................................18
2.8.7 Hasil Analisis Data Regresi Logistik Binr dengan SPSS 22.................20
2.9 Soal Latihan dan Pembahasan......................................................................29
BAB III PENUTUP...............................................................................................33
3.1

Kesimpulan..............................................................................................33

3.2

Saran........................................................................................................34

DAFTAR PUSTAKA.............................................................................................35
2

BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan dunia yang semakin pesat diikuti pula dengan berbagai permasalahan
kompleks yang mulai bermunculan. Hal tersebut memberikan motivasi yang berarti
dalam mengembangkan ilmu pengetahuan guna memberi solusi real terhadap masalahmasalah real yang ada dalam kehidupan sehari-hari.
Fenomena
menjawab
menjadi

seperti

ini

memotivasi

analisis

statistik untuk berkembang dalam

permasalahan-permasalahan real yang ada. Analisis statistik diharapkan


salah

satu alternatif

dalam

mengambil

keputusan

yang rasional

ilmiah

berdasarkan data historis yang ada. Dengan analisis statistik, kemungkinan untuk
melakukan prediksi-prediksi dengan tingkat konfidensi (kepercayaan) yang sangat tinggi.
Selain itu, analisis statistik dapat mengolah data yang ada untuk digunakan sebagai bahan
pengambilan keputusan-keputusan yang strategis. Oleh karena itu, analisis statistik
merupakan metode

yang

patut diperhitungkan untuk mengambil keputusan maupun

kebijakan yang akurat.


Banyaknya ilmu-ilmu yang dikembangkan dalam ilmu-ilmu statistik terapan dalam
kehidupan sehari-hari menyebabkan penemuan-penemuan baru untuk menganalisis suatu
masalah, salah satunya adalah analisis regresi. Analisis regresi

merupakan

alat

yang

memanfaatkan hubungan dua atau lebih variabel sehingga salah satu variabel bisa
diramalkan dari variabel lainnya.
Pada

analisis regresi terdapat dua jenis variabel yaitu variabel bebas (variable

independent) dan variabel tak bebas (variable dependent). Variabel independent adalah
variabel yang nilainya dapat diamati namun tidak dapat dikendalikan, sedangkan varibel
dependent

adalah variabel

yang

nilainya

bergantung pada

variabel

independent.

Hubungan antara satu atau dua variabel dapat lebih mudah dipahami dengan satu model yang
disebut model regresi. Analisis regresi dapat dikelompokkan menjadi analisis regresi
linier dan regresi nonlinier. Data hasil penelitian yang berupa data kualitatif dapat dianalisis
dengan regresi nonlinier. Salah satu model nonlinier yang dapat digunakan untuk
menganalisis data kualitatif adalah model regresi logistik. Model regresi logistik adalah
model matematika yang menggambarkan hubungan antara satu atau lebih variabel
independent dengan variabel dependent yang dikotomi yang variabelnya dianggap hanya
3

mempunyai dua nilai yang mungkin, yaitu 0 atau 1, dimana kondisi ini dapat diartikan
sebagai solusi atau gagal pada analisis regresi logistik univariat tunggal dan model regresi
logistik multivariat (ganda).
Untuk menentukan persamaan regresi logistik yang akan digunakan untuk memprediksi
nilai variabel dependent harus dicari estimasi parameter pada model regresi logistik. Ada
beberapa metode yang dapat digunakan untuk mengestimasi
parameter model regresi logistik, yaitu

maximum likelihood methods,

nonit-

erative weighted least squares methods dan discriminant functionanalysis. Salah satu metode
yang lebih umum dan digunakan pada sebagian besar paket program komputer yang
menganalisis regresi logistik adalah maximum likelihood. Metode maximum

likelihood

merupakan metode untuk menentukan parameter yang memberikan nilai maksimum pada
fungsi likelihood.
Analisis regresi logistik banyak dimanfaatkan pada penelitian yang mempunyai dua
kemungkinan sukses atau gagal seperti pada penelitian di bidang biologi, elektronik,
dunia kesehatan dan masih banyak lagi penerapan dibidang lain. Sebagai contoh pada
bidang kesehatan adalah terjadinya salah satu penyakit yang sebagian besar manusia pernah
mengalaminya yakni Maag. Yang disebut dengan Maag atau radang lambung atau tukak
lambung adalah gejala penyakit yang menyerang lambung dikarenakan terjadi luka atau
peradangan pada lambung yang menyebabkan sakit, mulas, dan perih pada perut. sejumlah
faktor yang menjadi penyebab dari maag disebabkan oleh beberapa faktor antara lain Makan
Tidak Teratur, Perokok Aktif, Stress, Kurang Istirahat, Efek samping obat-obatan tertentu,
Sering makan pedas/asam/minum kopi. Oleh karena itu penting bagi setiap orang untuk
melakukan pencegahan dini terhadap penyakit maag terutama jenis maag kronis yakni maag
yang sudah parah intensitasnya di bandingkan maag biasa dan jenis magh yang lebih parah
dari maag konis yakni Kanker lambung, kanker lambung terjadi akibat mikroorganisme yang
merugikan, yaitu Helycobacter pylori. Meskipun banyak ahli yang berpendapat bahwa
biasanya setiap orang sudah berada di tahap maag ringan. Maag ringan masih tergolong tahap
ringan, jika dilakukan pemeriksaan akan terlihat asam lambung berlebih di bagian dinding.
Sedangkan Maag sedang adalah Maag yang sudah menyebabkan nyeri, sakit dan mual yang
menyakitkan.
Dunia kedokteran belum dapat menemukan cara pasti untuk mencegah total terjadinya
segala jenis maag . Mereka berpendapat bahwa banyak orang bahkan nyawa yang dapat
diselamatkan jika ada cara efektif untuk pencegahan dini setiap jenis maag. Dari berbagai
kesulitan di atas harapan dari penelitian ini adalah mensimulasikan penderita maag sehingga
4

bisa diketahui pola hidup penderita maag yang menyebabkan penyakit maag. Analisis regresi
logistik digunakan untuk analisis data respon kategorik (nominal/ ordinal) dengan variabelvariabel bebas kontinu dan kategorik. Perbedaan nilai probabilitas pada setiap kelas akan
menghasilkan nilai odds rasio. Nilai odds rasio dapat menginformasikan besarnya pengaruh
salah satu variabel bebas terhadap terjadinya perubahan kelas. Dalam penelitian ini adalah
orang yang pernah dan tidak pernah maag.

1.2 Masalah atau Topik Bahasan


Berdasarkan

latar

belakang diatas

maka

penulis

tertarik untuk mengangkat

permasalahan tentang terapan statistik, terutama lebih terfokus pada


penerapannya

dalam

bidang kesehatan,

maka

dalam

regresi logistik dan

makalah

ini dirumuskan

kasus

sakit maag pada

permasalahannya sebagai berikut:


1. Bagaimana

pendekatan

analisis

regresi

logistik

pada

mahasiswa pendidikan matematika FKIP UNLAM?


2. Berdasarkan model regresi logistik, variabel-variabel apa saja yang berpengaruh
terhadap sakit maag pada mahasiswa pendidikan matematika FKIP UNLAM?
3. Bagaimana peramalan untuk sakit maag pada mahasiswa pendidikan matematika FKIP
4.

UNLAM?
Bagaimana caranya agar sakit maag pada mahasiswa pendidikan matematika?

1.3 Tujuan Penulisan


Adapun tujuan dari penelitian ini adalah sebagai berikut:
1. Memperoleh model regresi logistik untuk sakit maag pada mahasiswa pendidikan
matmatika FKIP UNLAM.
2. Mengetahui variabel-variabel yang mempengaruhi sakit maag pada mahasiswa pendidikan
matmatika FKIP UNLAM.
3. Mengetahui peluang terjadinya sakit maag pada mahasiswa pendidikan matmatika FKIP
UNLAM..
4. Mengetahui cara agar sakit maag pada mahasiswa pendidikan matematika FKIP UNLAM
dapat dicegah.

BAB II
ISI
2.1 REGRESI LOGISTIK
Regresi linier seperti yang kita ketahui tidak dapat menyelesaikan kasus dimana
variabel dependent bersifat dikotomi dan polikotomi (Felix Kasim. 2008) contoh : sukses
atau Gagal; terpilih atau tidak terpilih; lulus atau tidak lulus; melakukan pembelian atau
tidak; mendapat promosi atau tidak, dan lain-lain. Regresi logistik umumnya melibatkan
berbagai macam variabel prediktor baik numerik ataupun kategorik, termasuk variabel
dummy (Agresti, 1990). Pada regresi linier, variabel prediktor yang digunakan biasanya
numerik, tetapi jika kita melibatkan campuran antara numerik maupun kategorik kita dapat
menggunakan regresi logistik.
Analisis regresi logistik adalah metode regresi yang menggambarkan hubungan antara
beberapa variabel independen (explanatory) dengan sebuah variabel respon dikotomus atau
biner. Variabel respon (Y) pada metode regresi logistik dikatakan biner karena terdiri atas dua
kategori yaitu 0 dan 1.( Buana, Indira Swa & Mahendrawathi & Iriawan Nur, 2010: 245 )
6

Analisis regresi logistik biner bertujuan untuk memperoleh hubungan antara Xi dan Pi
(probabilitas kejadian yang diakibatkan oleh xi). Berapapun nilai x bila disubtitusikan ke
dalam fungsi logistik hasilnya akan berkisar antara 0 dan 1.
Regresi logistik membentuk persamaan atau fungsi dengan pendekatan maximum
likelihood, yang memaksimalkan peluang pengklasifikasian objek yang diamati menjadi
kategori yang sesuai kemudian mengubahnya menjadi koefisien regresi yang sederhana. Dua
nilai yang biasa digunakan sebagai variabel dependen yang diprediksi adalah 0 dan 1 (ex.
1=berhasil, 0=gagal).
Regresi logistik menghasilkan rasio peluang (odds ratios) antara keberhasilan atau
kegagalan suatu dari analisis. Dapat kita contohkan dengan seorang tokoh yang ingin menjadi
presiden, akan lebih baik peluangnya jika menjadi ketua partai politik tertentu. Disini odds
ratio

yang

dimaksud

adalah

seberapa

besar

peluang

tokoh

tersebut

dengan

mempertimbangkan variabel prediktor yang ada.


Regresi logistik akan membentuk variabel prediktor/respon (log (p/(1-p)) yang
merupakan kombinasi linier dari variabel independen. Nilai variabel prediktor ini kemudian
ditransformasikan menjadi probabilitas dengan fungsi logit.
Asumsi-asumsi dalam regresi logistik:

Tidak mengasumsikan hubungan linier antar variabel dependen dan independent

Variabel dependen harus bersifat dikotomi (2 variabel)

Variabel independent tidak harus memiliki keragaman yang sama antar kelompok
variabel

Kategori dalam variabel independent harus terpisah satu sama lain atau bersifat
eksklusif
Persamaan Regresi Logistik
Regresi logistik menghasilkan rasio peluang yang dinyatakan dengan transformasi

fungsi logaritma (log), dengan demikian fungsi transformasi log ataupun ln diperlukan untuk
p-value, dengan demikian dapat dinyatakan bahwa logit(p) merupakan log dari peluang
(odds ratio) atau likelihood ratio dengan kemungkinan terbesar nilai peluang adalah 1,
dengan demikian persamaan regresi logistik menjadi:
Logit (p) = log (p/1-p) = ln (p/1-p)
dimana p bernilai antara 0-1.
7

Model yang digunakan pada regresi logistik adalah:


Log (P / 1 p) = 0 + 1X1 + 2X2 + . + kXk
Dimana p adalah kemungkinan bahwa Y = 1, dan X1, X2, X3 adalah variabel
independen, dan b adalah koefisien regresi

2.2 Pengertian Maag


Maag atau radang

lambung atau tukak

menyerang lambung dikarenakan

terjadi

luka

lambung adalah
atau

gejala penyakit yang

peradangan pada lambung yang

menyebabkan sakit, mulas, dan perih pada perut. (wikipedia., 2015)


Secara garis besar, ada 2 jenis penyakit maag, yakni:
1. Gastritis Akut
Penyakit maag akut adalah inflamasi (reaksi tubuh terhadap mikroorganisme dan benda
asing yg ditandai oleh panas, bengkak, nyeri, dan gangguan fungsi organ tubuh) akut dari
lambung, dan biasanya terbatas hanya pada muklosa. Penyakit maag akut dapat terjadi tanpa
diketahui penyebabnya.
2. Gastritis Kronis
Lambung penderita penyakit maag kronis mungkin mengalami inflamasi (reaksi tubuh
terhadap mikroorganisme dan benda asing yg ditandai oleh panas, bengkak, nyeri, dan
gangguan fungsi organ tubuh) kronis dari tipe gangguan tertentu, yang menyebabkan gastritis
dari tipe yang spesifik yaitu gastritis kronis.
2.3 Jenis penyakit maag yang dilihat berdasarkan tingkat keparahan
1. Maag ringan
Maag ringan masih tergolong tahap ringan dimana biasanya setiap orang sudah berada di
tahap ini, jika dilakukan pemeriksaan akan terlihat asam lambung berlebih di bagian dinding.
2. Maag sedang
Maag pada tahap ini sudah menyebabkan nyeri, sakit dan mual yang menyakitkan.
3. Maag kronis
Maag kronis adalah maag yang sudah parah intensitasnya di bandingkan maag biasa.
4. Kanker lambung
Kanker lambung terjadi akibat mikroorganisme yang merugikan, yaitu Helycobacter
pylori. (penyebabmaag.com, 2015)

2.4 Gejala Maag


Ciri-ciri atau gejala yang biasa muncul pada sesorang yang mengalami maag:
1. Perut kembung, gejala penyakit maag yang biasanya sering muncul pada seseorang
adalah mengalami perut kembung. Perut kembung ini diakibatkan oleh lambung yang
didalamnya terdapat banyak gas.
2. Mual dan muntah, gejala yang selanjutnya sering terjadi pada penderita maag adalah
mual dan juga muntah. Jika seseorang mengalami hal seperti ini bias jadi ini merupakan
salahsatu ciri penyakit maag.
3. Perut merasakan sering lapar, jika seseorang tidak menjaga pola makan secera teratur
biasanya orang tersebut akan mudah merasakan lapar, ciri ini juga merupakan salah satu
dari penyakit maag.
4. Sering bersendawa, akibat gas yang dihasilkan lambung, seseorang menjadi sering
bersendawa. Seringnya sendawa ada kemungkinan bahwa seseorang tersebut menderita
penyakit maag.
5. Perasaan sakit pada bagian perut dan juga dada, dari banyaknya ciri-ciri sakit maag yang
biasanya muncul yang paling sering terjadi adalah penderita merasakan rasa sakit atau
perih pada bagian perut dan juga pada bagian dada.

2.5

Faktor-faktor Resiko Penyebab Maag


1.
2.
3.
4.
5.

Makan tidak teratur


Perokok aktif
Stres
Kurang istirahat
Efek samping obat-obatan tertentu

6. Sering makan pedas/asam/minum kopi. (penyebabmaag.com, 2015)


2.6 Cara Pencegahan Maag
1. Makan teratur.
2. Mengunyah makanan sebanyak 32 kali agar makanan lebih lembut ketika masuk
lambung.
3. Menghindari makanan penyebab maag.
Kurangi makan-makanan yang dapat melukai lambung seperti cuka, kopi, pedas atau
beberapa makanan yang dapat membuat lambung memproduksi asam lambung secera
berlebihan.
4. Mengonsumsi susu kedelai

Dari berbagai studi ilmiah bahwa kandungan serat yang cukup tinggi dan baik dari
kedelai terbukti dapat mengatasi berbagai masalah pencernaan seperti maag, radang saluran
cerna, kembung dan lain-lain.
5. Hindari stres
Stress dapat menyebabkan kambuhnya penyakit maag. Oleh karena itu usahakan untuk
selalu berpikir positif dan menjauhkan stres dari pikiran Anda.
6. Hindari rokok
Asam lambung bias meningkat akibat rokok dan juga dapat menjadi penghambat
kesembuhan luka yang ada dalam lambung.
2.7 Sumber Data
Data yang digunakan dalam penelitian ini berasal dari data variable respon pernah
maag dan tidak pernah maag yang mempunyai karakteristik responden adalah Mahasiswa
Pendidikan Matematika Angkatan 2013 FKIP UNLAM Banjarmasin.
2.8 Contoh Analisis Regresi Logistik dengan menggunakan SPSS
2.8.1 Variabel Penelitian
Variabel yang digunakan dalam penelitian ini adalah sebagai berikut.
1. Variabel respon, terdiri dari dua kategori yaitu :
1) Orang yang pernah sakit maag (diberi kode 1)
2) Orang yang tidak pernah sakit maag (diberi kode 0)
2. Variabel prediktor, terdiri dari 6 variabel yang diduga mempunyai pengaruh terhadap
variabel respon yaitu :
1) Makan Tidak Teratur atau Teratur (X1) terdiri dari dua kategori sebagai berikut.
1. Tidak Teratur, dengan kode 1.
2. Teratur, dengan kode 0
2) Perokok Aktif atau Tidak (X2)
1. Perokok aktif, dengan kode 1.
2. Tidak aktif (pasif), dengan kode 0.
3) Stress atau Tidak (X3)
1. Stress, dengan kode 1.
2. Tidak stress, dengan kode 0.
4) Kurang Istirahat atau tidak (X4)
1. Kurang istirahat, dengan kode 1.
2. Tidak, dengan kode 0.
5) Efek samping obat-obatan tertentu atau tidak (X5)
10

1. Efek samping obat-obatan tertentu, dengan kode 1.


2. Tidak, dengan kode 0.
6) Sering makan pedas, asam, minum kopi atau Tidak (X6)
1. Sering makan pedas/asam/minum kopi, dengan kode 1.
2. Tidak, dengan kode 0.

Stress

Kurang Istirahat
Efek samping obat-obatan tertentu

Perokok Aktif
2.8.2 Kerangka Pemikiran

Sering makan pedas/asam/ minum kopi

INPUT
Makan Tidak Teratur

PROSES

REGRESI LOGISTIK

PELUANG SAKIT MAAG


11
Gambar 1.1

OUTPUT

Sesuai dengan yang ditujukkan gambar 1.1 terdapat 6 input pada kasus ini, yaitu.
Keenam input tersebut kemudian akan diproses sedemikian rupa menggunakan regresi
logistik, sehingga akan menghasilkan sebuah nilai yang merupakan besaran peluag bagi
seorang mahasiswa pendidikan matematika angkatan 2013 FKIP UNLAM untuk mengalami
sakit maag.
Berikut cuplikan tampilan data Faktor-faktor yang mempengaruhi maag dan data sakit
maag Mahasiswa Pendididkan Matematika Angkatan 2013 FKIP UNLAM Banjarmasin :

12

13

2.8.3 (Hasil Masukan Data Berupa Pengkodean 1 dan 0)


No
.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.

NIM

X1

X2

X3

X4

X5

X6

A1C113002
A1C113003
A1C113004
A1C113005
A1C113007
A1C113008
A1C113010
A1C113011
A1C113012
A1C113013
A1C113014
A1C113015
A1C113019
A1C113020
A1C113021
A1C113024
A1C113025
A1C113026
A1C113027
A1C113028
A1C113029
A1C113031
A1C113032
A1C113033
A1C113034
A1C113035
A1C113036
A1C113037
A1C113038
A1C113039
A1C113042
A1C113043
A1C113044
A1C113045
A1C113046
A1C113047
A1C113048
A1C113049
A1C113050
A1C113051
A1C113052
A1C113053
A1C113054
A1C113061

0
1
1
1
0
1
1
1
0
1
0
1
0
1
1
1
1
1
1
1
1
1
1
1
1
0
1
1
0
1
1
0
0
1
1
1
1
1
1
1
1
0
1
0

1
1
1
1
0
1
1
1
1
1
1
1
1
0
0
0
1
1
0
1
1
1
0
1
1
1
0
1
1
1
1
1
0
1
1
0
1
0
1
1
1
1
1
1

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

0
1
1
0
0
1
0
0
0
1
1
0
1
1
0
1
1
0
1
1
1
0
0
1
1
1
0
1
1
0
1
1
1
1
0
1
0
1
0
1
1
1
0
1

1
1
1
1
1
1
0
1
1
1
1
1
1
1
1
1
1
1
1
1
0
1
1
0
1
1
0
1
0
1
1
1
1
1
1
1
1
1
0
1
1
1
1
1

0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

1
0
1
1
1
0
1
1
1
1
1
0
1
0
1
1
0
1
1
1
0
0
0
1
1
1
1
0
1
1
1
1
1
1
1
1
1
1
1
1
0
0
1
1

14

45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.

A1C113062
A1C113063
A1C113064
A1C113066
A1C113069
A1C113070
A1C113072
A1C113073
A1C113074
A1C113076
A1C113078
A1C113079
A1C113080
A1C113081
A1C113082
A1C113084
A1C113086
A1C113087
A1C113088
A1C113089
A1C113090
A1C113091
A1C113093
A1C113097
A1C113098
A1C113099
A1C113205
A1C113206
A1C113209
A1C113212
A1C113214
A1C113217
A1C113218
A1C113221
A1C113223

0
1
1
1
1
1
0
1
1
1
1
1
1
1
0
1
1
0
0
1
1
1
1
1
1
1
0
1
1
1
0
0
1
1
0

0
1
1
1
1
1
0
1
1
1
1
1
1
1
1
1
1
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
0
1
0

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

1
0
1
0
1
1
0
0
0
0
0
1
1
1
0
1
1
1
0
1
1
1
0
1
0
0
0
1
0
1
0
1
1
1
0

1
1
1
1
1
1
1
1
1
1
1
0
1
1
1
1
1
1
0
1
1
1
0
1
1
1
0
1
1
1
0
1
1
1
0

2.8.4 (Hasil Masukan Data Berupa Pengkodean Ya dan Tidak)


No
NIM
y
X1
X2
X3
X4
.
1. A1C113002
Tidak
Ya
Tidak
Tidak
Ya
2. A1C113003
Ya
Ya
Tidak
Ya
Ya
3. A1C113004
Ya
Ya
Tidak
Ya
Ya
4. A1C113005
Ya
Ya
Tidak
Tidak
Ya
5. A1C113007
Tidak
Tidak
Tidak
Tidak
Ya
6. A1C113008
Ya
Ya
Tidak
Ya
Ya
7. A1C113010
Ya
Ya
Tidak
Tidak
Tidak
8. A1C113011
Ya
Ya
Tidak
Tidak
Ya

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0

1
1
0
1
1
1
1
1
1
1
0
0
1
1
0
1
0
1
0
0
1
1
1
1
0
1
1
1
1
1
1
1
1
0
1

X5

X6

Tidak
Tidak
Ya
Tidak
Tidak
Tidak
Tidak
Tidak

Ya
Tidak
Ya
Ya
Ya
Tidak
Ya
Ya

15

9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.

A1C113012
A1C113013
A1C113014
A1C113015
A1C113019
A1C113020
A1C113021
A1C113024
A1C113025
A1C113026
A1C113027
A1C113028
A1C113029
A1C113031
A1C113032
A1C113033
A1C113034
A1C113035
A1C113036
A1C113037
A1C113038
A1C113039
A1C113042
A1C113043
A1C113044
A1C113045
A1C113046
A1C113047
A1C113048
A1C113049
A1C113050
A1C113051
A1C113052
A1C113053
A1C113054
A1C113061
A1C113062
A1C113063
A1C113064
A1C113066
A1C113069
A1C113070
A1C113072
A1C113073
A1C113074
A1C113076
A1C113078
A1C113079

Tidak
Ya
Tidak
Ya
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Tidak
Ya
Ya
Tidak
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Tidak
Tidak
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Ya
Ya

Ya
Ya
Ya
Ya
Ya
Tidak
Tidak
Tidak
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Tidak
Ya
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Ya
Ya

Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak

Tidak
Ya
Ya
Tidak
Ya
Ya
Tidak
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Tidak
Ya
Ya
Ya
Tidak
Ya
Ya
Tidak
Ya
Ya
Ya
Ya
Tidak
Ya
Tidak
Ya
Tidak
Ya
Ya
Ya
Tidak
Ya
Ya
Tidak
Ya
Tidak
Ya
Ya
Tidak
Tidak
Tidak
Tidak
Tidak
Ya

Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Tidak
Ya
Ya
Tidak
Ya
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak

Tidak
Ya
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak

Ya
Ya
Ya
Tidak
Ya
Tidak
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Tidak
Tidak
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Tidak
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Tidak

16

57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.

A1C113080
A1C113081
A1C113082
A1C113084
A1C113086
A1C113087
A1C113088
A1C113089
A1C113090
A1C113091
A1C113093
A1C113097
A1C113098
A1C113099
A1C113205
A1C113206
A1C113209
A1C113212
A1C113214
A1C113217
A1C113218
A1C113221
A1C113223

Ya
Ya
Tidak
Ya
Ya
Tidak
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Tidak
Ya
Ya
Tidak

Ya
Ya
Ya
Ya
Ya
Tidak
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Tidak

Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak

Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Ya
Tidak
Tidak
Tidak
Ya
Tidak
Ya
Tidak
Ya
Ya
Ya
Tidak

Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Tidak

2.8.5 Tabel
Makan tidak teratur

ya
tidak

Ya
Pernah maag
Count
%
50
79,4
13
20,6

ya
tidak

Ya
Pernah maag
Count
%
0
0%
0
0%

Tidak
Pernah maag
Count
9
7

%
56,2
43,8

Perokok Aktif
Tidak
Pernah maag
Count
59
20

%
74,6 %
25,4 %

Stres

ya

Ya
Pernah maag
Count
%
35
77,7 %

Tidak
Pernah maag
Count
25

%
73,5 %

Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Ya
Tidak
Tidak
Tidak
Tidak
Tidak

Ya
Ya
Tidak
Ya
Tidak
Ya
Tidak
Tidak
Ya
Ya
Ya
Ya
Tidak
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak
Ya

17

tidak

10

22,3 %

26,5 %

Kurang istirahat

ya
tidak

Ya
Pernah maag
Count
%
52
77,6 %
15
22,4 %

Tidak
Pernah maag

ya
tidak

Efek samping obat-obatan tertentu


Ya
Tidak
Pernah maag
Pernah maag
Count
%
Count
%
3
100 %
56
73,6 %
0
0%
20
26,4 %

ya
tidak

Sering makan pedas/asam/minum kopi


Ya
Tidak
Pernah maag
Pernah maag
Count
%
Count
%
17
28,8 %
17
85 %
42
71,2 %
3
15 %

Count
7
5

2.8.6 Regresi Logistik Biner Dengan SPSS 22

%
58,3 %
41,7 %

18

Langkah pertama Buka SPSS 22, kemudian isikan data seperti gambar di
atas

Langkah ke dua, klik Analyze, Regression, lalu pilih Binary Logistics. Masukkan
variabel hasil tes tertulis ke dalam bagian Independent sedangkan variabel jenis kelas dan
nilai tes praktikum masukkan ke bagian Covariates. Berikut gambarannya:

19

Lalu, klik pada bagian Options dan centang seperti terlihat pada gambar di bawah
ini:

20

Lalu pada method pilih Backward : LRklik Continue dan OK, maka akan
dihasilkan output seperti berikut (langsung dengan penjelasannya

2.8.7 Hasil Analisis Data Regresi Logistik Binr dengan SPSS 22

Block 0: Beginning Block

Iteration Historya,b,c
Coefficients
Iteration
Step 0

-2 Log likelihood

Constant

87,347

1,038

87,163

1,147

87,163

1,150

87,163

1,150

a. Constant is included in the model.

21

b. Initial -2 Log Likelihood: 87,163


c. Estimation terminated at iteration number 4
because parameter estimates changed by less
than ,001.

Classification Tablea,b
Predicted
Sakit_Maag

Observed
Step 0

Sakit_Maag

Tidak pernah

Pernah sakit

Percentage

sakit maag

maag

Correct

Tidak pernah sakit maag

19

,0

Pernah sakit maag

60

100,0

Overall Percentage

75,9

a. Constant is included in the model.


b. The cut value is ,500

Variables in the Equation


B
Step 0

Constant

S.E.

1,150

Wald

,263

df

19,081

Sig.
1

Exp(B)

,000

3,158

Block 1: Method = Backward Stepwise (Likelihood Ratio)

Iteration Historya,b,c,d,e
Coefficients
Sering_Makan_P
Efek_Samping_
Makan_Tidak_Te
Iteration
Step 1

-2 Log likelihood

Constant

ratur

edas_atau_Asam

Obat_obatan_Ter _atau_Minum_Ko
Stress

Kurang_Istirahat

tentu

pi

80,234

,093

,878

-,176

,794

,890

-,479

78,932

,193

1,072

-,268

1,015

1,870

-,747

78,756

,226

1,092

-,283

1,043

2,902

-,801

22

Step 2

Step 3

78,698

,227

1,092

-,283

1,044

3,917

-,802

78,677

,227

1,092

-,283

1,044

4,922

-,802

78,669

,227

1,092

-,283

1,044

5,924

-,802

78,666

,227

1,092

-,283

1,044

6,925

-,802

78,665

,227

1,092

-,283

1,044

7,926

-,802

78,665

,227

1,092

-,283

1,044

8,926

-,802

10

78,665

,227

1,092

-,283

1,044

9,926

-,802

11

78,665

,227

1,092

-,283

1,044

10,926

-,802

12

78,665

,227

1,092

-,283

1,044

11,926

-,802

13

78,665

,227

1,092

-,283

1,044

12,926

-,802

14

78,665

,227

1,092

-,283

1,044

13,926

-,802

15

78,665

,227

1,092

-,283

1,044

14,926

-,802

16

78,665

,227

1,092

-,283

1,044

15,926

-,802

17

78,665

,227

1,092

-,283

1,044

16,926

-,802

18

78,665

,227

1,092

-,283

1,044

17,926

-,802

19

78,665

,227

1,092

-,283

1,044

18,926

-,802

20

78,665

,227

1,092

-,283

1,044

19,926

-,802

80,415

,022

,878

,743

,820

-,463

79,162

,091

1,069

,927

1,769

-,721

78,988

,118

1,088

,947

2,798

-,773

78,930

,119

1,089

,948

3,813

-,774

78,909

,119

1,089

,948

4,818

-,774

78,901

,119

1,089

,948

5,820

-,774

78,898

,119

1,089

,948

6,821

-,774

78,897

,119

1,089

,948

7,822

-,774

78,897

,119

1,089

,948

8,822

-,774

10

78,896

,119

1,089

,948

9,822

-,774

11

78,896

,119

1,089

,948

10,822

-,774

12

78,896

,119

1,089

,948

11,822

-,774

13

78,896

,119

1,089

,948

12,822

-,774

14

78,896

,119

1,089

,948

13,822

-,774

15

78,896

,119

1,089

,948

14,822

-,774

16

78,896

,119

1,089

,948

15,822

-,774

17

78,896

,119

1,089

,948

16,822

-,774

18

78,896

,119

1,089

,948

17,822

-,774

19

78,896

,119

1,089

,948

18,822

-,774

20

78,896

,119

1,089

,948

19,822

-,774

81,429

-,358

,922

,748

,688

80,430

-,491

1,116

,917

1,594

80,264

-,502

1,131

,930

2,621

80,206

-,502

1,131

,930

3,636

23

Step 4

Step 5

80,185

-,502

1,131

,930

4,641

80,177

-,502

1,131

,930

5,643

80,174

-,502

1,131

,930

6,644

80,173

-,502

1,131

,930

7,645

80,173

-,502

1,131

,930

8,645

10

80,173

-,502

1,131

,930

9,645

11

80,173

-,502

1,131

,930

10,645

12

80,173

-,502

1,131

,930

11,645

13

80,173

-,502

1,131

,930

12,645

14

80,173

-,502

1,131

,930

13,645

15

80,173

-,502

1,131

,930

14,645

16

80,173

-,502

1,131

,930

15,645

17

80,173

-,502

1,131

,930

16,645

18

80,173

-,502

1,131

,930

17,645

19

80,173

-,502

1,131

,930

18,645

20

80,173

-,502

1,131

,930

19,645

81,912

-,382

,953

,777

81,289

-,530

1,168

,964

81,285

-,544

1,186

,980

81,285

-,544

1,186

,981

83,723

,250

,988

83,282

,251

1,184

83,281

,251

1,196

83,281

,251

1,196

a. Method: Backward Stepwise (Likelihood Ratio)


b. Constant is included in the model.
c. Initial -2 Log Likelihood: 87,163
d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
e. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.

Apakah model sudah fit? Perhatikan saja nilai statistik-2 Log Likelihood. Untuk
bagian Beginning, yaitu nilai -2 Log likelihood yang masih hanya menggunakan konstanta
(c) adalah 87,163 sedangkan saat kita sudah melibatkan dua variabel bebasnya (Makan tidak
teratur, , perokok aktif, stress, kurang istirahat, efek samping obat-obatan tertentu, sering
makan asam/pedas/minum kopi), nilai -2 Log Likelihood adalah 83,281 (iterasi
maksimum/20).

24

Hal ini sudah menunjukkan ada penurunan nilai saat variabel bebas sudah ikut
bermain yakni sebesar 87,163 - 83,281 = 3,882 (Lebih jelasnya, lihat pada bagian Omnibus
Tests of Coefficients)
Untuk Beginning, ternyata dihasilkan koefisien dari -2 Log Likelihood 1,150 yang
lebih besar dibanding alpha 5% sehingga dengan demikian kita menerima hipotesis nol yakni
model sudah fit.

Omnibus Tests of Model Coefficients


Chi-square
Step 1

Step 2

Step 3

Step 4a

Step 5

Df

Sig.

Step

8,498

,131

Block

8,498

,131

Model

8,498

,131

Step

-,232

,630

Block

8,266

,082

Model

8,266

,082

Step

-1,276

,259

Block

6,990

,072

Model

6,990

,072

Step

-1,113

,292

Block

5,877

,053

Model

5,877

,053

Step

-1,996

,158

Block

3,882

,049

Model

3,882

,049

a. A negative Chi-squares value indicates that the Chisquares value has decreased from the previous step.

Model Summary

Step

-2 Log likelihood

Cox & Snell R

Nagelkerke R

Square

Square

78,665a

,102

,153

78,896

,099

,149

80,173

,085

,127

81,285

,072

,107

3
4

25

83,281b

,048

,072

a. Estimation terminated at iteration number 20 because


maximum iterations has been reached. Final solution cannot
be found.
b. Estimation terminated at iteration number 4 because
parameter estimates changed by less than ,001.

Hosmer and Lemeshow Test


Step

Chi-square

df

Sig.

5,012

,542

,875

,928

,041

,980

,025

,988

,000

Pada tabel pertama :


H0 : Tidak ada variabel X yang signifkan mempengaruhi variabel Y
H1 : Minimal ada satu variabel yang signifikan mempengaruhi variabel Y
Nilai signifikansi 0,049 < 0.05, sehingga H0 ditolak artinya minimal ada satu variabel
X memengaruhi variabel Y, sehingga analisis dapat dilanjutkan.

Pada tabel kedua :


Nilai variabel Makan tidak teratur, perokok aktif, stress, kurang istirahat, efek
samping obat-obatan tertentu, sering makan asam/pedas/minum kopi yang kita pakai
dalam penelitian sudah mampu menjelaskan keragaman data pada variabel sakit maag
sebesar 7,2 %

Pada tabel ketiga :


H0 : Model cukup mampu menjelaskan data (layak/ sesuai)
H1 : Model tidak cukup mampu menjelaskan data (kurang sesuai)

26

nilai signifikansinya 0 < 0,05, maka H0 ditolak sehingga Model tidak cukup mampu
menjelaskan data (kurang sesuai) tetapi bukan berarti tidak mampu samasekali menjelaskan
data.

Variables in the Equation


B
Step 1a

,075

2,980

Stress

-,283

,593

,229

,633

,753

Kurang_Istirahat

1,044

,712

2,151

,142

2,841

19,926

23205,422

,000

,999

450410990,422

-,802

,722

1,235

,266

,448

,227

,972

,054

,816

1,254

1,089

,612

3,164

,075

2,970

,948

,683

1,925

,165

2,580

19,822

23205,422

,000

,999

405922991,753

-,774

,718

1,161

,281

,461

,119

,949

,016

,900

1,126

1,131

,608

3,458

,063

3,098

,930

,679

1,877

,171

2,534

19,645

23205,422

,000

,999

340072916,387

Constant

-,502

,754

,444

,505

,605

Makan_Tidak_Teratur

1,186

,608

3,808

,051

3,274

,981

,680

2,082

,149

2,666

Constant

-,544

,756

,517

,472

,581

Makan_Tidak_Teratur

1,196

,597

4,005

,045

3,306

,251

,504

,249

,618

1,286

Constant
Makan_Tidak_Teratur
Kurang_Istirahat
Efek_Samping_Obat_obatan
_Tertentu
Sering_Makan_Pedas_atau_
Asam_atau_Minum_Kopi
Constant
Makan_Tidak_Teratur
Kurang_Istirahat
Efek_Samping_Obat_obatan
_Tertentu
Step 4

Kurang_Istirahat
Step 5

Exp(B)

3,175

Asam_atau_Minum_Kopi

Step 3

Sig.

,613

Sering_Makan_Pedas_atau_

df

1,092

_Tertentu

Step 2

Wald

Makan_Tidak_Teratur

Efek_Samping_Obat_obatan

S.E.

Constant

a. Variable(s) entered on step 1: Makan_Tidak_Teratur, Stress, Kurang_Istirahat, Efek_Samping_Obat_obatan_Tertentu,


Sering_Makan_Pedas_atau_Asam_atau_Minum_Kopi.

Dari Tabel Variables in the Equation


berpengaruh

terlihat bahwa variabel atau faktor-faktor yang

27

terhadap sakit maag pada mahasiswa pendidikan matematika angkatan 2013 fkip unlam pada
tingkat 5% atau
dengan kepercayaan 95% adalah
Makan tidak teratur , perokok aktif, stress, kurang istirahat, efek samping obat-obatan
tertentu, sering makan asam/pedas/minum kopi. Pengaruh dari masing-masing faktor tersebut
dapat
dideskripsikan dengan melihat nilai ekspektasi nilai variabel bebasnya (Exp(B)):

H0 : variabel X tidak signifikan mempengaruhi variabel Y.


H1 : variabel X signifikan mempengaruhi variabel Y.
Nilai signifikansi variabel X1 = 0,045
Nilai signifikansi 0,045 < 0.05 , berarti H1 diterima.
Kesimpulan: Makan tidak teratur signifikan mempengaruhi sakit maag.
Nilai signifikansi variabel X3 = 0,633
Nilai signifikansi 0,633 > 0.05

, berarti H0 diterima.

Kesimpulan: stress tidak signifikan mempengaruhi sakit maag.


Nilai signifikansi variabel X4 = 0,149
Nilai signifikansi 0,149 > 0.05 , berarti H0 diterima.
Kesimpulan: Kurang Istirahat tidak signifikan mempengaruhi sakit maag.
Nilai signifikansi variabel X5 = 0,999
Nilai signifikansi 0,999 > 0.05 , berarti H0 diterima.
Kesimpulan:Obat-obatan tertentu tidak signifikan mempengaruhi sakit maag
Nilai signifikansi variabel X6= 0,281
Nilai signifikansi 0,281 > 0.05 , berarti H0 diterima.
Kesimpulan:Sering makan pedas atau asam atau minum kopi tidak signifikan
mempengaruhi sakit maag

Sekarang, sampai di bagian akhir untuk interpretasi model regresi logistic. Berikut
model penelitiannya :
Ln P/1-P = 0,251+1,196 Makan Tidak Teratur + 0 Perokok Aktif - 0,283 Stress+

0,981 Kurang Istirahat + 19,645 Efek Samping Obat-obatan tertentu - 0,774 Sering Makan
Pedas atau Asam atau Minum Kopi

28

dengan:
p : Peluang sakit maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP
UNLAM Banjarmasin
Jadi, faktor yang berpengaruh terhadap sakit maag Pada Mahasiswa Pendidikan Matematika
Angkatan 2013 FKIP UNLAM Banjarmasin dengan kepercayaan 95% adalah makan tidak
teratur.

Misalkan Mahasiswa Pendidikan Matematika dengan kebisaan (ciri-ciri) sbb:


i.

Makan tidak teratur = ya (1) Output regresi logistik dengan variabel X1


dari persamaan regresi diatas, probabilitas mahasiswa akan sakit maag
dapat dihitung sbb:

e 0,251+1,196 (1)
^ =
1+ e 0,251+1,196( 1) = 0,809
Probabilitas mahasiswa pendidikan Matematika Angkatan 2013 FKIP UNLAM akan
sakit maag jika makan tidak teratur dibanding jika makan teratur adalah 0,1905 saja.

Sus Liris Woro (2011:76) Meskipun tidak semua variabel bebas berpengaruh secara
signifikan tetap diikutkan pada model artinya walaupun mempunyai signifikansi lebih dari
5%. Hal ini karena jika kategori- kategori tersebut dikeluarkan dari model akan
mempengaruhi kelayakan
(goodness of fit) dari model secara keseluruhan. Tapi, ingat satu hal bahwa variabletidak signifikan secara statistik, bukan berarti pengaruhnya tidak ada (nol rasio), melainkan
ada pengaruhnya, hanya saja sangat kecil. Mungkin untuk penelitian lain (beda waktu, beda
mahasiswa, beda universitas) bisa saja hasilnya akan signifikan.
Sedangkan faktor perokok aktif tidak dapat dinyatakan bepengaruh tinggi atau
rendah dikarenakan mahasiswa Pendidikan Matematika Angkatan 2013 FKIP UNLAM yang
menjadi objek penelitian kami tidak ada satupun yang merupakan perokok aktif.

29

2.9 Soal Latihan dan Pembahasan


Pertanyaan 1 :
a) Berapa peluang mereka yang Stress mempunyai resiko untuk sakit maag?
b) Berapa peluang mereka yang tidak stress mempunyai resiko untuk sakit maag?
c) Bandingkan resiko terjadi sakit maag antara mereka yang stress dan yang tidak stress.
Pertanyaan 2 :
a) Berapa peluang mereka yang Kurang Istirahat mempunyai resiko untuk sakit maag?
b) Berapa peluang mereka yang tidak kurang istirahat mempunyai resiko untuk sakit
maag?
c) Bandingkan resiko terjadi sakit maag antara mereka yang kurang istirahat dan yang
tidak kurang istirahat.
Pertanyaan 3 :
a) Berapa peluang mereka yang terkena Efek samping obat-obatan tertentu mempunyai
resiko untuk sakit maag?
b) Berapa peluang mereka yang tidak terkena Efek samping obat-obatan tertentu
mempunyai resiko untuk sakit maag?
c) Bandingkan resiko terjadi sakit maag antara mereka yang yang terkena Efek samping
obat-obatan tertentu dan yang tidak terkena Efek samping obat-obatan tertentu
Pertanyaan 4 :
a) Berapa peluang mereka yang Sering makan pedas, asam, minum kopi mempunyai
resiko untuk sakit maag?
b) Berapa peluang mereka yang tidak Sering makan pedas, asam, minum kopi
mempunyai resiko untuk sakit maag?
c) Bandingkan resiko terjadi sakit maag antara mereka yang Sering makan pedas, asam,
minum kopi atau mereja yang tidak Sering makan pedas, asam, minum kopi.

Jawab :
Pertanyaan 1 :
Dengan model regresi logistik (Nur Asyiah, 2008:79), maka pada soal tersebut bentuk
modelnya adalah :
e 0,2270,283 (1 )

^
1=
a)
1+e 0,2270,283 (1) = 0,486 atau 48,6 %
Jadi mereka yang stress mempunyai risiko untuk sakit maag sebesar 48,6 %.
e 0,2270,283 ( 0)

^
0=
b)
1+ e0,2270,283 (0 ) = 0,556 atau 55,6 %

30

Jadi mereka yang tidak stress mempunyai risiko untuk sakit maag sebesar 55,6 %.
c) Besar resiko kedua kelompok tersebut adalah :
^ 1
0,486
^ 0 = 0,556 =0,874

Kesimpulan:
Arti dari angka diatas adalah, mereka yang stress mempunyai risiko terjadi maag
(0,874) kali lebih tinggi dibandingkan mereka yang tidak stress.
Pertanyaan 2 :
Dengan model regresi logistik maka pada soal tersebut bentuk modelnya adalah :
e0,544+0,981 (1)

^
1=
a)
1+e0,544+0,981 (1 ) = 0,607 atau 60,7 %
Jadi mereka yang Kurang Istirahat mempunyai risiko untuk sakit maag sebesar
60,7 %.

b)

^ 0=

e0,544+0,981 (0 )
1+ e0,544 +0,981( 0) =0,367 atau 36,7 %.

Jadi mereka yang tidak Kurang Istirahat mempunyai risiko untuk sakit maag
sebesar 36,7 %.
c) Besar resiko kedua kelompok tersebut adalah :
^ 1
0,607
=
^ 0
0,367 =1,653
Kesimpulan:
Arti dari angka diatas adalah, mereka yang Kurang Istirahat mempunyai risiko
terjadi maag (1,653) kali lebih tinggi dibandingkan mereka yang tidak Kurang
Istirahat.

Pertanyaan 3 :

31

Dengan model regresi logistik maka pada soal tersebut bentuk modelnya adalah :
a)

^ 1=

e0,502+19,645 (1 )
1+e0,502+19,645 (1) =0,999atau 99,9 %

Jadi mereka yang terkena Efek samping obat-obatan tertentu mempunyai


risiko untuk sakit maag sebesar 99,9 %.
b)

^ 0=

e0,502+19,645 ( 0)
1+e0,502+19,645 (0 ) =0,377 atau 37,7 %

Jadi mereka yang tidak terkena Efek samping obat-obatan tertentu mempunyai
risiko untuk sakit maag sebesar 37,7 %.
c) Besar resiko kedua kelompok tersebut adalah :
^ 1
0,999
=
^ 0
0,377 =2,649
Kesimpulan:
Arti dari angka diatas adalah, mereka yang terkena Efek samping obat-obatan
tertentu mempunyai risiko terjadi maag

(2,649) kali lebih tinggi

dibandingkan mereka yang tidak terkena Efek samping obat-obatan tertentu

Pertanyaan 4 :
Dengan model regresi logistik maka pada soal tersebut bentuk modelnya adalah :
e 0,1190,774 (1 )
a) ^ 1= 1+e 0,1190,774 ( 1) =0,342 atau 34,2 %
Jadi mereka yang Sering makan pedas, asam, minum kopi
mempunyai risiko untuk sakit maag sebesar 34,2 %.
e 0,1190,774 ( 0)

^
0=
b)
1+ e0,1190,774 (0 ) =0,529
Jadi mereka yang Sering makan pedas, asam, minum kopi
mempunyai risiko untuk sakit maag sebesar 52,9 %.
c) Besar resiko kedua kelompok tersebut adalah :
^ 1
0,342
=
^ 0
0,529 =0,646

32

Kesimpulan:
Arti dari angka diatas adalah, mereka yang Sering makan pedas, asam,
minum kopi mempunyai risiko terjadi maag ( 0,646) kali lebih tinggi
dibandingkan mereka yang tidak mereka yang Sering makan pedas, asam,
minum kopi.

BAB III
PENUTUP
3.1

Kesimpulan
1. Pendekatan analisis regresi logistik pada kasus sakit maag pada mahasiswa
pendidikan matematika FKIP UNLAM?
Ln P/1-P = 0,251+1,196 Makan Tidak Teratur +0 Perokok Aktif -0,283 Stress+
0,981Kurang Istirahat+19,645 Efek Samping Obat-obatan tertentu- 0,774 Sering
Makan Pedas atau Asam atau Minum Kopi
dengan:
P : Peluang sakit maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP
UNLAM Banjarmasin.

2. Berdasarkan model regresi logistik, variabel-variabel(faktor) yang berpengaruh


terhadap sakit maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP
UNLAM Banjarmasin dengan kepercayaan 95% adalah makan tidak teratur
3. Peramalan untuk sakit maag pada mahasiswa pendidikan matematika FKIP UNLAM
adalah sbb:

33

sakit maag apabila makan tidak teratur adalah 0,8095 artinya sangat tinggi
kemungkinannya Misalkan Mahasiswa Pendidikan Matematika dengan kebisaan (ciriciri) sbb:
Makan tidak teratur = ya (1) Output regresi logistik denngan variabel X1 dari
persamaan regresi diatas, probabilitas mahasiswa akan sakit maag dapat dihitung sbb:
e 0,251+1,196 (1)
^ =
1+ e 0,251+1,196( 1) = 0,809
Probabilitas mahasiswa pendidikan Matematika Angkatan 2013 FKIP UNLAM akan
sakit maag jika makan tidak teratur dibanding jika makan teratur adalah 0,1905 saja.

4. Agar mahasiswa pendidikan matematika angkatan 2013 FKIP UNLAM tidak sakit
maag tentunya semua faktor penyebab sakit maag harus dihindari, namun menurut
data dan

analisis regresi logistik biner ini faktor yang sangat besar memberi

pengaruhnya adalah faktor makan tidak teratur.

3.2 Saran
Setelah melakukan analisis regresi logistik biner untuk megetahui faktor-faktor apa saja yang
paling memberikan pengaruh menimbulkan sakit maag, maka diharapkan Para Mahasiswa
Pendidikan Matematika angkatan 2013 FKIP UNLAM dapat mencegah faktor-faktor tersebut
sehingga sakit maag yang meskipun banyak diakui mahasiswa Pendidikan Matematika
angkatan 2013 FKIP UNLAM bukan hal yang aneh itu dapat dicegah. Karena jika sakit
maag tentu akan mengganggu perkuliahan mahasiswa tersebut.

34

DAFTAR PUSTAKA
Liris Woro, Sus. 2011. Analisis Kepemilikan Sepeda Motor Pada Rumah Tangga Di
Kabupaten Buleleng Menggunakan Model Regresi Logistik tesis tidak diterbitkan. Denpasar
PPs Teknik Sipil Universitas Udayana.

Asyiah, Nur. 2008. Regresi Logistik Dan Penerapannya Dalam Bidang Kesehatan
(Studi Kasus Kelahiran Prematur Di Rskia Pku Muhammadiyah Kotagede Yogyakarta)
skripsi tidak diterbitkan. Yogyakarta : Fakultas Sains dan Teknologi Universitas Islam Negeri
Sunan Kalijaga Yogyakarta.
Buana, Indira Swa & Mahendrawathi & Iriawan Nur.2010. Penerapan Metode
Regresi Logistik Pada Aplikasi Spreadsheet Sebagai Alat Bantu Pengambilan Keputusan
(Studi Kasus Data Bumn Di Bpk Ri). Makalah disajikan dalam Seminar Nasional Informatika
2010 (semnasIF 2010), Veteran, Yogyakarta, 22 Mei.

Kasim, Felix. 2008.Metodologi Penelitian Biomedis (Diana Krisanti Jasaputra &


Slamet Santosa, Ed.).Bandung : Danamartha Sejahtera Utama.

(21 Oktober 2015). Maag, (Online),


(https://id.wikipedia.org/wiki/Maag#Jenis_maag), diakses 12 Desember 2015.

Penyebab Maag,(Online), (penyebabmaag.com), diakses 12 Desember 2015.

35