Regresi Logistik

Persamaan umum regresi logistik:

e 0 1 X1 .... k X k
P Y 1
1 e 0 1 X1 .... k X k
Berikut ini diberikan contoh penggunaan regresi logistik untuk mengkaji hubungan antara
kebiasaan mendengkur saat tidur malam dengan status memiliki penyakit jantung. Untuk
maksud tersebut diperoleh data:
Total

Tidak Pernah

Penyakit Jantung
Ya
Tidak
24
1355

Kadang-kadang
Hampir setiap malam
Setiap malam

35
21
30

638
213
254

Kebiasaan Mendengkur

1379

603
192
224

Skor 0, 2, 4, 5 digunakan untuk mengkategorikan kebiasaan mendengkur (X) secara berturutturut yang tidak pernah, kadang-kadang, hampir setiap malam, dan setiap malam. Variabel
respon Y = status kepemilikan penyakit jantung berskala biner dengan Y = 0 jika tidak dan Y
= 1 jika ya.
Hasil Analisis
Binary Logistic Regression: Y versus X
Link Function: Logit
Response Information
Variable
Y

Value
1
0
Total

Count
110
2374
2484

(Event)

Frequency: Data

Dari hasil Response Information (Informasi tentang Y)

Data Y (menderita penyakit jantung) mempunyai dua kategori yaitu yeng menderita penyakit
jantung 110 orang dan yang tidak menderita penyakit jantung 2374 orang.
Logistic Regression Table
Predictor
Constant
X

Coef
-3,86625
0,397337

SE Coef
0,166214
0,0500106

Z
-23,26
7,95

P
0,000
0,000

Odds
Ratio
1,49

95% CI
Lower Upper
1,35

1,64

Log-Likelihood = -418,866
Test that all slopes are zero: G = 63,096, DF = 1, P-Value = 0,000

Hasil Analisis logistic regression Table

Oleh karena nilai probabilitas p = 0,000 < = 0,05 yang berarti bahwa koefisien regresi (1)
kebiasaan mendengkur (X) sangat berarti dalam menduga seseorang menderita penyakit
jantung.
Dari analisis di atas, diperoleh koefisien regresi 0,397, yang berarti besarnya perubahan pada
log P(ya/tidak) ketika seseorang mendengkur ketika tidur malam dibandingkan dengan yang
tidak mendengkur berubah tiap 0,397 kali satuan X.
Persamaan regresi logistik
e 3866 0, 0397 X
P Y 1
1 e 3866 0 , 0397 X
Dari analisis diatas dari nilai G = 63,096 dan nilai P value = 0,000 yang berarti bahwa
terdapat hubungan yang signifikan tanda kebiasaan mendengkur terhadap pendugaan
kepemilikan penyakit jantung.
Goodness-of-Fit Tests
Method
Pearson
Deviance
Hosmer-Lemeshow

Chi-Square
2,87432
2,80891
2,47090

DF
2
2
1

P
0,238
0,246
0,116

Goodness-of-Fit Tests
Dari analisis di atas untuk uji kecocokan model dapat dikatakan bahwa pengujian
menggunakan model pearson, deviance dan Hosmer-Lemeshow masing-masing sangat cocok
karena nilai p yang diperoleh berkisar 0,116 sampai 0,246 yang masing-masing > = 0,05.
Table of Observed and Expected Frequencies:
(See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic)
Value
Group
1
2
3

1
Observed
24
35
51

0
Expected
28,3
28,3
53,5

Observed
1355
603
416

Expected
1350,7
609,7
413,5

Total
1379
638
467

Measures of Association:
(Between the Response Variable and Predicted Probabilities)
Pairs
Concordant
Discordant
Ties
Total

Number
153043
43720
64377
261140

Percent
58,6
16,7
24,7
100,0

Summary Measures
Somers' D
Goodman-Kruskal Gamma
Kendall's Tau-a

0,42
0,56
0,04

Measures of Association:
Dari analisis Measures of associations yangt dilihat dari nilai persen dari concordant sebesar
58,6% yang berarti bahwa sebesar 58,6% penderita penyakit jantung (Y) dapat dijelaskan
melalui tanda-tangda mendengkur pada saat tidur malam.