Uji OR dan Regresi Logistik Sederhana

Pada kesempatan ini, kita akan mencoba melakukan analisa data pada penelitian case
control study dimana analisis univariat menggunakan nilai odds ratio dan analisis
multivariat menggunakan Regresi Logistik Sederhana. Untuk file latihannya, silahkan di
download dulu file latihannya pada link yang saya sediakan supaya ada keseragaman.
Moon maaf, file latihannya tidak dapat saya muat dalam postingan antarmuka karena
terlalu besar datanya dimana jumlah sampel yang digunakan adalah 129 sampel
berdasarkan hasil perhitungan besar sampel pada penelitian case control study dengan
perbandingan kasus dan kontrol adalah 1 : 2 yaitu 1 sampel pada kasus dan 2 sampel pada
kontrol. Ok, kita lanjut langkah-langkah analisis datanya menggunakan program IBM
SPSS v20. Yang belum punya silahkan download terlebih dahulu.
Data yang saya buat berdasarkan hasil temuan lapangan dan bukan rekayasa karena
merupakan data pada penelitian tentang analisis faktor yang berisiko terhadap kematian
neonatal.
Download file latihan OR dan Regresi Logistik Sederhana
Download IBM SPSS v20
Sudah download file latihannya kan. Berikut adalah langkah2 analisis datanya
menggunakan SPSS
Langkah 1 ; Entri Data
1. Open aplikasi progam SPSS
2. Pertama-tama kita akan membuat susunan variabel pada jendela variabel view di SPSS

tampilan awal jendela data view (masih kosong)

Susunan variabelnya adalah sama tampilannya pada file yang telah didownload dan
dibuka di excel. Namun sebelumnya adalah kita harus mendeskripsikan variabel tersebut
pada aplikasi SPSS. Berikut adalah penjelasan dari tiap variabelnya.
Variabel pertama :
Nama : Sts
Type : Numeric
Width : default
Decimals : 0 (Nol)

Label : Status Kematian Neonatal

Values : 1 = Mati, 2 = Hidup atau 1 = Kasus, 2 = Kontrol
Missing ; none
Columns ; default
Align ; default
Measure ; ordinal
Role ; default
Variabel kedua :
Nama : Asfi
Type : Numeric
Width : default
Decimals ; 0 (Nol)
Label : Asfiksia neonatorum
Values ; 1 = APGAR < 7, 2 = APGAR 7 ke atas
Missing ; none
Columns ; default
Align ; default
Measure ; ordinal
Role ; default
Variabel ketiga :
Nama : BL
Type : numeric
Width ; default
Decimals ; 0
Label : Berat Lahir
Values ; 1 = BBLR, 2 = Normal
Missing ; none
Columns ; default
Align ; default
Measure ; ordinal
Role ; default
Variabel keempat :
Nama ; Umr
Type ; numeric
Width ;default
Decimals ; 0
Label ; Umur ibu
Values; 1 = <20 dan >35 th, 2 = 20 - 35 th
Missing ; none
Columns ; default
Align ; default
Measure ; ordinal
Role ; default
Variabel kelima :
Nama : Par
Type : numeric

Width ; default
Decimals ; 0
Label : Paritas
Values ; 1 = >2x, 2 = Max 2x
Missing ; none
Columns ; default
Align ; default
Measure ; ordinal
Role ; default
Variabel keenam :
Nama ; ANC
Type ; numeric
Width ; default
Decimals ; 0
Label ; Pelayanan Antenatal
Values ; 1 = Tdk teratur, 2 = Teratur
Missing ; none
Columns ; default
Align ; default
Measure ; scale
Role ; default
Tampilan data variabelnya di SPSS adalah sebagai berikut.

tampilan variabel pada jendela variabel view

3. Masuk ke jendela Data View sehingga pada tabel menu bagian kolom terlihat namanama variabel yang telah dibuat, seperti berikut

tampilan varibel pada jendela Variabel view

4. Buka file latihan yang telah di download menggunakan excel atau program sejenisnya

tampilan dan blok data di excel

5. Masukkan data yang telah di download dengan cara meng copy kolom datanya tidak
termasuk nama variabel dan kolom nomor di excel. Jadi di blok datanya kemudian paste
ke dalam jendela data view sesuai urutannya dimulai dari kolom Sts baris 1. Hasilnya
seperti ini

tampilan data yg telah di entri pada jendela Variabel view

Simpan file dengan nama Master Data.sav
Langkah 2 ; Analisis Bivariat uji OR
6. Setelah data dimasukkan, pilih menu bar Analyze -> Descriptive Statistics ->
Crosstabs.., sehingga muncul jendela Crosstabs

7. Masukkan variabel Status Kematian Neonatal pada kolom menu Columns(s) dan
variabel sisanya di kolom menu Row(s)

8. Pilih menu Statistics.. untuk memilih jenis analisis statistiknya sehingga muncul menu
crosstabs;statistics
9. Beri centang menu Risk lalu Continue

10. Kembali pada menu Crosstabs, lalu pilih Cells.. untuk memilih tampilan sel pada
tabel hasil analisis
11. Beri centang Observed, Expexted pada menu Counts; Row, Column, Total pada
menu Percentages. Lalu Continue

12. Kembali ke menu Crosstabs, pilih OK

Berikut adalah hasil analisis datanya untuk uji bivariat dengan Odds Ratio (OR)

Crosstabs
Asfiksia Neonatorum * Status Kematian Neonatal
Crosstab

APGAR <7
Asfiksia
Neonatorum
APGAR 7
Lebih

Total

Count
Expected Count
% within Asfiksia Neonatorum
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Asfiksia Neonatorum
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Asfiksia Neonatorum
% within Status Kematian Neonatal
% of Total

Status Kematian Neonatal

Mati
Hidup
38
4
14,0
28,0
90,5%
9,5%
88,4%
4,7%
29,5%
3,1%
5
82
29,0
58,0
5,7%
94,3%
11,6%
95,3%
3,9%
63,6%
43
86
43,0
86,0
33,3%
66,7%
100,0%
100,0%
33,3%
66,7%

Total
42
42,0
100,0%
32,6%
32,6%
87
87,0
100,0%
67,4%
67,4%
129
129,0
100,0%
100,0%
100,0%

Risk Estimate
Value
95% Confidence Interval
Lower
Upper
Odds Ratio for Asfiksia
Neonatorum (APGAR <7 /
APGAR 7 Lebih)
For cohort Status Kematian
Neonatal = Mati
For cohort Status Kematian
Neonatal = Hidup
N of Valid Cases

155,800

39,594

613,059

15,743

6,684

37,077

,101

,040

,257

129

Berat Lahir * Status Kematian Neonatal

Crosstab

BBLR
Berat Lahir

Normal

Total

Count
Expected Count
% within Berat Lahir
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Berat Lahir
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Berat Lahir
% within Status Kematian Neonatal
% of Total

Status Kematian Neonatal

Mati
Hidup
25
6
10,3
20,7
80,6%
19,4%
58,1%
7,0%
19,4%
4,7%
18
80
32,7
65,3
18,4%
81,6%
41,9%
93,0%
14,0%
62,0%
43
86
43,0
86,0
33,3%
66,7%
100,0%
100,0%
33,3%
66,7%

Risk Estimate
Value
95% Confidence Interval
Lower
Upper
Odds Ratio for Berat Lahir
(BBLR / Normal)
For cohort Status Kematian
Neonatal = Mati
For cohort Status Kematian
Neonatal = Hidup
N of Valid Cases

18,519

6,629

51,731

4,391

2,795

6,897

,237

,115

,489

129

Total
31
31,0
100,0%
24,0%
24,0%
98
98,0
100,0%
76,0%
76,0%
129
129,0
100,0%
100,0%
100,0%

Umur Ibu * Status Kematian Neonatal

Crosstab

<20 dan >35

Th
Umur Ibu
20-35 Th

Total

Count
Expected Count
% within Umur Ibu
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Umur Ibu
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Umur Ibu
% within Status Kematian Neonatal
% of Total

Status Kematian Neonatal

Mati
Hidup
15
17
10,7
21,3
46,9%
53,1%
34,9%
19,8%
11,6%
13,2%
28
69
32,3
64,7
28,9%
71,1%
65,1%
80,2%
21,7%
53,5%
43
86
43,0
86,0
33,3%
66,7%
100,0%
100,0%
33,3%
66,7%

Total
32
32,0
100,0%
24,8%
24,8%
97
97,0
100,0%
75,2%
75,2%
129
129,0
100,0%
100,0%
100,0%

Risk Estimate
Value
95% Confidence Interval
Lower
Upper
Odds Ratio for Umur Ibu
(<20 dan >35 Th / 20-35 Th)
For cohort Status Kematian
Neonatal = Mati
For cohort Status Kematian
Neonatal = Hidup
N of Valid Cases

2,174

,956

4,945

1,624

1,001

2,633

,747

,527

1,059

129

Paritas * Status Kematian Neonatal

Crosstab

>2x

Paritas

1-2x

Total

Count
Expected Count
% within Paritas
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Paritas
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Paritas
% within Status Kematian Neonatal
% of Total

Status Kematian Neonatal

Mati
Hidup
15
31
15,3
30,7
32,6%
67,4%
34,9%
36,0%
11,6%
24,0%
28
55
27,7
55,3
33,7%
66,3%
65,1%
64,0%
21,7%
42,6%
43
86
43,0
86,0
33,3%
66,7%
100,0%
100,0%
33,3%
66,7%

Total
46
46,0
100,0%
35,7%
35,7%
83
83,0
100,0%
64,3%
64,3%
129
129,0
100,0%
100,0%
100,0%

Risk Estimate
Value
95% Confidence Interval
Lower
Upper
Odds Ratio for Paritas (>2x /
,950
,442
2,045
1-2x)
For cohort Status Kematian
,967
,579
1,615
Neonatal = Mati
For cohort Status Kematian
1,017
,790
1,310
Neonatal = Hidup
N of Valid Cases
129

Pelayanan Antenatal * Status Kematian Neonatal

Crosstab

Tdk teratur
Pelayanan
Antenatal
Teratur

Total

Status Kematian Neonatal

Mati
Hidup
38
39
25,7
51,3
49,4%
50,6%
88,4%
45,3%
29,5%
30,2%
5
47
17,3
34,7
9,6%
90,4%
11,6%
54,7%
3,9%
36,4%
43
86
43,0
86,0
33,3%
66,7%
100,0%
100,0%
33,3%
66,7%

Count
Expected Count
% within Pelayanan Antenatal
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Pelayanan Antenatal
% within Status Kematian Neonatal
% of Total
Count
Expected Count
% within Pelayanan Antenatal
% within Status Kematian Neonatal
% of Total

Total
77
77,0
100,0%
59,7%
59,7%
52
52,0
100,0%
40,3%
40,3%
129
129,0
100,0%
100,0%
100,0%

Risk Estimate
Value
95% Confidence Interval
Lower
Upper
Odds Ratio for Pelayanan
Antenatal (Tdk teratur /
Teratur)
For cohort Status Kematian
Neonatal = Mati
For cohort Status Kematian
Neonatal = Hidup
N of Valid Cases

9,159

3,288

25,514

5,132

2,164

12,171

,560

,442

,711

129

Langkah 3 ; Analisis multivariat dengan Regresi Logistic Sederhana

13. Kembali ke file Master Data.sav, pilih Analyze -> Regressions -> Binary Logistic
sehingga muncul menu Logistic Regession
14. Pilih variabel Status Kematian Neonatal dan masukkan ke kolom Dependent:
sedangkan variabel lainnya di kolom Covariates: seperti pada tampilan berikut

15. Methode yang digunakan adalah Enter diartikan kita akan melihat pengaruh dari
masing-masing terhadap var dependen kemudian menganalisis secara bersamaan.
16. Masih di menu Logistic Regression, pilih menu Option untuk menentukan jenis
analisis multivariatnya sehingga muncul menu Logistic Regression:option
17. Beri centang Hosmer-Lemeshow goodness-of-fit, Correlations of estimates,
Iteration history, CI for exp(B) 95%, dan Include constant in model, lalu Continue

18. Kembali ke menu Logistic Regression, pilih OK

Hasil olah Regres Logistik Sederhana adalah sebagai berikut

Logistic Regression
Case Processing Summary
Unweighted Cases

Percent
129
100,0
Selected Cases
0
,0
129
100,0
Unselected Cases
0
,0
Total
129
100,0
a. If weight is in effect, see classification table for the total number of cases.
Included in Analysis
Missing Cases
Total

Dependent Variable Encoding

Original Value
Internal Value
Mati
0
Hidup
1

Block 0: Beginning Block

a,b,c

Iteration

Iteration History
-2 Log likelihood

Coefficients
Constant
,667
,693
,693

1
164,241
2
164,221
3
164,221
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 164,221
c. Estimation terminated at iteration number 3 because
parameter estimates changed by less than ,001.
Step 0

Classification Table
Observed

Step 0

Status Kematian Neonatal

Mati
Hidup

a,b

Predicted
Status Kematian Neonatal
Mati
Hidup
0
43
0
86

Overall Percentage

Percentage
Correct
,0
100,0
66,7

a. Constant is included in the model.

b. The cut value is ,500

B
Step 0

Constant

,693

Variables in the Equation

S.E.
Wald
,187
13,773

df
1

Sig.
,000

Exp(B)
2,000

Step 0

Variables not in the Equation

Score
Asfi
91,507
BL
41,103
Variables
UMR
3,512
Par
,017
ANC
22,053
Overall Statistics
94,163

df
1
1
1
1
1
5

Sig.
,000
,000
,061
,897
,000
,000

Block 1: Method = Enter

Iteration History
Iteration

-2 Log
likelihood

Omnibus Tests of Model Coefficients

Chi-square
df
Step
107,199
5
Block
107,199
5
Model
107,199
5

Asfi
3,001
3,971
4,425
4,571
4,585
4,585

Coefficients
BL
UMR
,666
-,120
1,346
-,304
1,791
-,510
1,919
-,604
1,929
-,614
1,929
-,614

Par
ANC
1
69,794
,035
,198
2
58,885
,079
,488
3
57,138
,104
,798
Step 1
4
57,022
,103
,935
5
57,021
,102
,950
6
57,021
,102
,950
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 164,221
d. Estimation terminated at iteration number 6 because parameter estimates changed by less than
,001.

Step 1

Constant
-5,656
-8,320
-9,793
-10,222
-10,257
-10,258

a,b,c,d

Sig.
,000
,000
,000

Model Summary
-2 Log likelihood
Cox & Snell R
Nagelkerke R
Square
Square
a
1
57,021
,564
,784
a. Estimation terminated at iteration number 6 because parameter
estimates changed by less than ,001.
Step

Step
1

Hosmer and Lemeshow Test

Chi-square
df
6,854
7

Sig.
,444

1
2
3
4
5
6
7
8
9

Step 1

Contingency Table for Hosmer and Lemeshow Test

Status Kematian Neonatal = Mati
Status Kematian Neonatal = Hidup
Observed
Expected
Observed
Expected
15
14,688
0
,312
11
11,181
1
,819
11
11,412
3
2,588
3
2,490
5
5,510
1
,904
12
12,096
1
1,075
16
15,925
0
,444
14
13,556
0
,661
26
25,339
1
,145
9
9,855

Classification Table
Observed

15
12
14
8
13
17
14
26
10

Predicted
Status Kematian Neonatal
Mati
Hidup
38
5
4
82

Mati
Hidup

Status Kematian Neonatal

Step 1

Total

Percentage
Correct
88,4
95,3

Overall Percentage

93,0

a. The cut value is ,500

Step 1

Asfi
BL
UMR
Par
ANC
Constant

Variables in the Equation

S.E.
Wald
df
Sig.

Exp(B)

4,585
1,929
-,614
,102
,950

,892
,831
,950
,782
,891

26,403
5,389
,418
,017
1,138

1
1
1
1
1

,000
,020
,518
,896
,286

97,988
6,882
,541
1,107
2,586

-10,258

2,666

14,806

,000

,000

95% C.I.for EXP(B)

Lower
Upper
17,048
563,215
1,350
35,073
,084
3,484
,239
5,128
,451
14,813

a. Variable(s) entered on step 1: Asfi, BL, UMR, Par, ANC.

Step 1

Constant
Asfi
BL
UMR
Par
ANC

Constant
1,000
-,201
-,619
-,368
-,453
-,234

Correlation Matrix
Asfi
BL
-,201
-,619
1,000
-,004
-,004
1,000
-,519
,103
,174
-,026
-,213
,069

UMR
-,368
-,519
,103
1,000
-,042
-,014

Par
-,453
,174
-,026
-,042
1,000
-,201

ANC
-,234
-,213
,069
-,014
-,201
1,000

Sebelum download, harap tinggalkan email konfirmasi atau like di facebook atau
follow my tweet
Semoga bermanfaat dan ikuti kami selalu di lentera pena.