ANALISA REGRESI LOGISTIK1,2,3,4

Oleh: Khairun Nissa, S.Ked

Analisis regresi logistik adalah salah satu pendekatan model matematis

yang digunakan untuk menganalisis hubungan satu atau beberapa variabel
independen dengan sebuah variabel dependen kategori yang bersifat dikotom/
binary. Variabel kategori yang dikotom adalah variabel yang mempunyai dua nilai
variasi misalnya : sakit dan tidak sakit, bayi BBLR dan Normal, merokok dan
tidak merokok dan lainlain. Perbedaan antara regresi linier dengan regresi logistik
terletak pada jenis variabel dependennya. Regresi linier digunakan apabila
variabel dependennya numerik sedangkan regresi logistik digunakan pada data
yang dependennya berbentuk kategori yang dikotom.
Regresi logistik mempunyai tujuan untuk memperkirakan besarnya
probabilitas kejadian tertentu di dalam suatu populasi sebagai suatu fungsi
eksplanatori.
Perbedaan antara regresi linier dengan regresi logistik terletak pada jenis
variabel dependennya. Regresi linier digunakan apabila variabel dependennya
numerik sedangkan regresi logistik digunakan pada data yang dependennya
berbentuk kategori yang dikotom.
Pada regresi logistik estimasi nilai Y terletak pada range yang sangat luas
(dapat berada di luar interval 0-1). Dengan demikian secara matematis
penggunaan regresi logistik menjadi lebih mudah digunakan.
Variabel respon/terikat yang digunakan dalam regresi ini dikategorikan.
Regresi logistik biner menggunakan variabel respon dikotomi, yaitu 1 sebagai
kejadian dan 0 untuk tidak ada kejadian. Variabel respon bisa lebih dari 2 jenis,
seperti dalam kasus tingkat kejadian kebakaran hutan yang dibagi menjadi 3 kelas,
kerawanan rendah (Y=0), sedang (Y=1) dan tinggi (Y=2). Untuk kasus seperti ini
maka dapat digunakan regresi logistik multinomial.

Fungsi Logistik

F(Z) merupakan probalitas kejadian suatu penyakit berdasarkan faktor risiko

tertentu misalnya probabalitas kejadian jantung pada umur tertentu.
Nilai Z merupakan nilai indeks variabel independen. Nilai Z bervariasi antara -
sampai + .

Terlihat bahwa fungsi f(Z) nilai berkisar antara 0 dan 1 berapapun nilai Z. Kisaran
pada regresi logistik ini berarti cocok/ sesuai digunakan untuk model hubungan
yang variabel dependennya dikotom.
Model Logistik
Model logistik dikembangkan dari fungsi logistik dengan nilai Z
merupakan penjumlahan linier kontanta () ditambah dengan 2X2 dan
seterusnya sampai iXi. Variabel X adalah variabel independen.
Z = + 1X1 (regresi logistik sederhana)
Z = + 1X1+ 2X2 + ..iXi. (regresi logistik sederhana)
Bila nilai Z dimasukan pada fungsi Z, maka rumus fungsi Z adalah :

Model regresi logistik digunakan pada data yang dikumpulkan melalui

rancangan terakhir, parameternya dicari melalui estimsi rasio odds (OR) yang
merupakan perhitungan ekponsial dari persamaan garis regresi logistik. Jadi
nilai OR dapat dihitung dari nilai risk (RR) dengan cara indirek, yaitu rasio odds :
e.

Model regresi logistik biner digunakan untuk melihat apakah variabel tak
bebas yang berskala dikotomi (Y = 0 dan Y = 1) dipengaruhi oleh variabel bebas
baik yang kategorik maupun numerik. Bentuk umum model peluang regresi logit
dengan k variabel diformulasikan sebagai berikut :

Fungsi tersebut merupakan fungsi linier sehingga perlu dilakukan

transformasi ke dalam bentuk logit agar dapat dilihat hubungan antar variabel
respon dengan penjelas. Dengan melakukan transformasi logit dari phy (x) ,
didapat persamaan yang lebih sederhana yang merupakan fungsi linier data
parameter-parameternya, yaitu:

Apabila terdapat sebanyak p peubah bebas dan peubah ke-j merupakan

merupakan peubah kategorik, maka akan terdapat peubah boneka sebanyak k-1,
dengan dummy variabel kj dinamakan Dju dengan koefisien Bju, u = 1,2,.., kj.
Sehingga model transformasi logistik dapat dituliskan seperti persamaan berikut
ini :

Daftar Pustaka
1. Chaedar, A.A, 2003. Pokoknya kualitatif: Dasardasar merancang dan
melakukan penelitian kualitatif. Pustaka Jaya: Jakarta.
2. Kusnanto, H., 2004. Metode kualitatif riset kesehatan, Program Studi
Ilmu Kesehatan Masyarakat. Pascasarjana Universitas Gadjah Mada,
Aditya Media: Yogyakarta.
3. Sudjana. 2005. Metode Statistika: Analisis Regresi. Tarsito: Bandung.
4. Puspita, Z.A. 2011. Identifikasi Faktor-Faktor yang Mempengaruhi Berat
Bayi Lahir Rendah (BBLR) menggunakan Pendekatan Regresi Logistik
Biner

(diunduh

melalui

http://repository.ipb.ac.id/handle/123456789/64505 tanggal 25 Juni 2015).