REGRESI LOGISTICS

Tujuan : untuk melihat pengaruh antara umur, bbibu, ras, merokok, riwayat prematur, hipertensi,
kelainan uterus dengan berat bayi lahir

2. Variabel
- Independen (X) : umur : numerik(interval)
; bbibu : numerik (interval)
: ras : kategorik (nominal), merokok : kategorik (nominal),
riwayat prematur :kategorik (nominal), hipertensi : kategorik (nominal), kelainan
uterus : kategorik (nominal)

- Dependen (Y) (kategorik) : berat bayi lahir (kategorik =nominal)

3. Hipotesis
H0 : tidak ada pengaruh antara umur, bb ibu, ras, merokok, riwayat prematur,
hipertensi, kelainan uterus dengan berat bayi lahir
H1 : ada pengaruh antara umur, bb ibu, ras, merokok, riwayat prematur, hipertensi,
kelainan uterus dengan berat bayi lahir
4. Uji hipotesis yang akah digunakan : uji korelasi logistic mengapa karena variable
dependennya berskala kategorik
5. Asumsi
- Harus lulus uji bivariat

Pertama kali yang dilakukan setelah entry data adalah analisis bivariat, bisa dengan uji t, uji korelasi
atau uji chi square tergantung data yang digunakan . pada saat ini data yang digunakan
adalah..(numerik-kategorik). Syarat variabel yang bisa dimasukkan ke analisis analisis regresi
logistic adalah variabel yang mempunyai nilai p < 0.25
- (Uji korelasi Spearman untuk mengetahui hubungan antara beratibu(numerik) dengan berat
bayi lahir (kategorik). Kenapa pilih Spearman, karena asumsi korelasi Spearman (kedua data
berskala interval/rasio tetapi tidak berdistribusi normal, ada data berskala ordinal/nominal)
-
-
Correlations

BBbayilahir beratibu

Spearman's rho BBbayilahir Correlation Coefficient 1.000 -.483**

Sig. (2-tailed) . .000

N 50 50
 beratibu Correlation Coefficient -.483** 1.000

Sig. (2-tailed) .000 .

N 50 50

**. Correlation is significant at the 0.01 level (2-tailed).

-
-
P < 0.25 jadi variabel beratibu bisa dimasukkkan ke analisis regresi logistic.

- Uji Chi square untuk melihat hubungan antara riwayat prematur dengan berat bayi lahir dan
untuk melihat hubungan antara pekerjaan dengan riwayat prematur (kategorik-kategorik)
Analyze -> descriptive statistics -> crosstabs -> masukkan variabel pendidikan dan pekerjaan ke
row dan variabel status asi ke column
Row : variabel independen
Column : variabel dependen

Klik kotak statistic -> pilih Chi-square -> klik Continue ->

Klik kotak cells -> pilih observed dan row -> klik continue

Klik OK

Hasil chi square pendidikan dan status asi

riwayatprematur * BBbayilahir Crosstabulation

BBbayilahir

>=2500 <2500 Total

riwayatprematur one Count 9 16 25

Expected Count 14.5 10.5 25.0

% within riwayatprematur 36.0% 64.0% 100.0%

two,etc Count 3 2 5

Expected Count 2.9 2.1 5.0

% within riwayatprematur 60.0% 40.0% 100.0%

none Count 17 3 20
 Expected Count 11.6 8.4 20.0

% within riwayatprematur 85.0% 15.0% 100.0%

Total Count 29 21 50

Expected Count 29.0 21.0 50.0

% within riwayatprematur 58.0% 42.0% 100.0%

Chi-Square Tests

Asymp. Sig. (2-

Value df sided)

Pearson Chi-Square 10.961a 2 .004

Likelihood Ratio 11.720 2 .003

Linear-by-Linear Association 10.741 1 .001

N of Valid Cases 50

a. 2 cells (33,3%) have expected count less than 5. The minimum

expected count is 2,10.

Karena disini nilai nyacellnya ada yang kurang dr 5 maka kita harus keluarkan
exactnya karena data diatas tidak bisa digabungkan

Step :
Chi square kalo ga bisa di gabung dikeluarin exactnya.. cara sama kaya chisquare cuman nanti pilih exact
trs centang exact continue lalu ok

Chi-Square Tests

Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-

Value df sided) sided) sided) Point Probability

Pearson Chi-Square 10.961a 2 .004 .003

Likelihood Ratio 11.720 2 .003 .004

Fisher's Exact Test 11.175 .002

Linear-by-Linear Association 10.741b 1 .001 .001 .001 .000

N of Valid Cases 50

a. 2 cells (33,3%) have expected count less than 5. The minimum expected count is 2,10.
 Chi-Square Tests

Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-

Value df sided) sided) sided) Point Probability

Pearson Chi-Square 10.961a 2 .004 .003

Likelihood Ratio 11.720 2 .003 .004

Fisher's Exact Test 11.175 .002

Linear-by-Linear Association 10.741b 1 .001 .001 .001 .000

N of Valid Cases 50

a. 2 cells (33,3%) have expected count less than 5. The minimum expected count is 2,10.

b. The standardized statistic is -3,277.

P < 0.25 -> 0.002 maka variabel pendidikan bisa dimasukkan ke analisis regresi
logistik

Uji Regresi Logistik :

Analyze -> regression -> binary logistic -> masukkan variabel bayi baru lahir ke dalam kotak dependen
dan masukkan semua variabel independen ke dalam kotak covariates

Plih Categorical pada bagian kanan

Masukkan variabel independen yang kategorik)

Pada bagian reference category pilih first? (kenapa last? Yang paling beresiko sedangkan last
tidak terlalu beresiko

First change ok
Klik continue
Klik kotak Options pada bagian kanan
Ceklis Classification plots, Hosmer-Lemeshow goodness-of-fit, Correlations of estimates
Klik Continue -> klik OK

Dependent Variable
Encoding

Original
Value Internal Value

>=2500 0

<2500 1

Untuk memeriksa kembali apakah system pengkodean sudah benar. Pada Dependent
Variable Encoding, bb bayi >=2500 diberi kode 0, sementara bb bayi <2500 diberi
kode 0. Hal ini sudah benar karena pada regresi logistic, kategori yang akan
diprediksikan harus diberi kode 1.

Categorical Variables Codings

Parameter coding

Frequency (1) (2)

riwayatprematur one 25 .000 .000

two,etc 5 1.000 .000

none 20 .000 1.000

hipertensi yes 5 .000

no 45 1.000

kelainanuterus yes 9 .000

no 41 1.000

Merokok yes 25 .000

no 25 1.000

Baca tabel Variables in the Equation

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step 1a merokok(1) -1.481 .846 3.061 1 .080 .227

hipertensi(1) -.913 1.121 .662 1 .416 .401

kelainanuterus(1) .778 1.011 .593 1 .441 2.177

riwayatprematur 6.526 2 .038

riwayatprematur(1) -1.397 1.150 1.477 1 .224 .247

riwayatprematur(2) -2.982 1.190 6.284 1 .012 .051

umur -.171 .096 3.184 1 .074 .843

ras .119 .685 .030 1 .863 1.126

Constant 5.607 2.681 4.374 1 .036 272.415

a. Variable(s) entered on step 1: merokok, hipertensi, kelainanuterus, riwayatprematur, umur, ras.

Lalu dilihat apakah ada pengaruh atau tidak.. dilihat dr table diatas sig >0.05 berarti tidak ada
pengaruh KECUALI untuk riwayat prematur sig 0.0358, riwayat prematur 2 (<0.05) berarti ada
pengaruh, karena ada pengaruh lalu kit abaca yang Exp (B) yaitu untuk yang riwayat prematur
dua Exp (B) 0,51

Interpretasi :
Responden dengan riwayat lahir prematur beresiko 0,51 X untuk melahirkan anak yang
berat bayi lahir dibawah <2500