Regresi Logistik

Analisis regresi :
mempelajari pengaruh variabel
bebas (independent variable)
terhadap variable tergantung
(dependent variable)

Regresi Logistik
Regresi Logistik, digunakan jika :
Variabel tergantung berupa data
kategori
Variabel bebas bisa berupa data
kontinyu (berskala interval atau ratio)
maupun berupa data kategori

Regresi Logistik
Variabel tergantung berupa data kategori :
- Dikotomus
- Multikotomus
Gambaran dari variabel dikotomus adalah
sebagai berikut :
- 0 = bila tidak terjadi, misalnya tidak sakit
- 1 = bila terjadi, misalnya sakit

Regresi Logistik
Ada 2 (dua) macam regresi logistik, yaitu :
Regresi logistik dengan satu variable bebas atau
univariate case (yang biasa disebut dengan
Regresi Logistik Sederhana)
Regresi logistik dengan banyak (lebih dari satu)
variable bebas atau multivariate case (yang
biasa disebut dengan Regresi Logistik Ganda)

Regresi Logistik
Fungsi regresi logistik bisa diformulasikan dalam
bentuk :

1
f ( z)
g ( x)
1 e

Regresi Logistik
Untuk univariate case atau regresi logistik
sederhana :

g ( x) 0 1 x1

Contoh Univariate Case

No

Variabel

Kategori

1 Status Gizi Balita 0= Jika balita berstatus gizi kurang

1= Jika balita berstatus gizi normal
Program PMT
2

0 = Jika balita tidak mendapatkan

makanan tambahan
1 = Jika balita mendapatkan
makanan tambahan

Interpretasi hasil
Variabel Independent yang digunakan
adalah: PMT.
Pada hasil analisis terdapat variabel baru
yaitu : PMT (1)=Tidak PMT

Variabel Awal

PMT

Variabel Baru

PMT(1) = Tidak PMT

Kelompok Pembanding = PMT

Variabel in the Equation

Yang Signifikan adalah : PMT(1) (sig. = 0,014 dan konstanta
(sig. = 0,046).

Untuk Variabel PMT (variabel Kategori)

Arti nilai Exp(B) = 0,124 adalah :
Kemungkinan balita tidak mendapatkan PMT akan berstatus
gizi Normal 0,124 kali lebih besar jika dibandingkan
dengan balita yang mendapatkan PMT
Atau
Kemungkinan balita yang mendapatkan PMT akan berstatus
gizi normal 8,067 kali lebih besar jika dibandingkan
dengan balita yang tidak mendapatkan PMT

Model Regresi Logistik :

f ( z)

1 e

1
(1,299 2,088PMT(1))

Multivarite Case
Digunakan contoh yang sama (dengan
univariate case) hanya dengan
menambahkan beberapa variabel. Kondisi
variabel yang digunakan adalah sebagai
berikut :

Regresi Logistik
Fungsi regresi logistik bisa diformulasikan dalam
bentuk :

1
f ( z)
g ( x)
1 e

Regresi Logistik
Untuk multivariate case atau regresi
logistik ganda :
g ( x) 0 1 x1 2 x2 ... i xi

Contoh Multivariate Case

No

Variabel

Kategori

Status Gizi Balita

0 = Jika balita berstatus gizi kurang

1 = Jika balita berstatus gizi normal

Program PMT

0 = Jika balita tidak mendapatkan

makanan tambahan
1 = Jika balita mendapatkan
makanan tambahan

Daerah

1 = Balita tinggal di daerah Rural

2 = Balita tinggal di daerah Urban

Status Ekonomi

Diukur dari pengeluaran per hari (dalam

ribuan rupiah) untuk setiap anggota
rumah tangga

Interprestasi hasil
Variabel Independent yang digunakan
adalah:
PMT, DAERAH, dan EKONOMI.
Pada hasil analisis terdapat variabel baru
yaitu : PMT (1)=Tidak PMT dan DAERAH
(1)= Rural
Variabel Awal

Variabel Baru

Daerah

DAERAH(1) = Rural
Kelompok Pembanding = Urban

PMT

PMT(1) = Tidak PMT

Kelompok Pembanding = PMT

Variabel in the Equation

Yang Signifikan adalah : PMT (1) (sig. = 0,049, dengan nilai
Exp(B) = 0,121, Ekonomi (sig.=0,008, dengan nilai
Exp(B) = 0,639), dan konstanta (sig. = 0,004). Untuk
DAERAH tidak signifikan.
Untuk Variabel PMT (variabel Kategori)
Arti nilai Exp(B) = 0,121 adalah :
Kemungkinan balita tidak mendapatkan PMT akan
berstatus gizi Normal 0,121 kali lebih besar jika
dibandingkan dengan balita yang mendapatkan PMT
Atau
Kemungkinan balita mendapatkan PMT akan berstatus gizi
Normal 8,26 kali lebih besar jika dibandingkan dengan
balita yang mendapatkan Tidak mendapatkan PMT

Untuk variabel EKONOMI (variabel Kontinyu):

Arti nilai Exp(B) = 0,639 adalah :
Setiap kenaikan pengeluaran untuk keperluan
makan dalam satu hari pada tiap anggota
keluarga sebesar Rp. 1.000,-, maka resiko
terjadinya status gizi Normal (pada balita) akan
meningkat menjadi 0,639

Model Regresi Logistik :

f (z)
1 e

1
( 4,995 2,115 PMT(1) 0, 447 ( Ekonomi ))