Independent

Cth : Variabel Ras memiliki 3 kategori variable 1. Putih 2. Hitam 3. Campuran/other

Maka ada tambahan perintah yaitu setelah memasukkan variable dependen BBLR dan Covariate Ras
maka pilih Categorical kemudian masukkan covariate Ras ke Categorical covariate lalu Reference
categorical pilih first lalu change –continue—OK

Note:

Pilih First berarti hitam (misal OR=2) 2 kali lebih BBLR daripada Putih dan Other (OR= 3) 3 kali lebih BBLR
daripada Ras Putih (Pembanding kategori pertama)

PEMODELAN REGRESI LOGISTIC PREDIKSI

A. Seleksi Bivariat
Tabel 5.10
Seleksi Bivariat variable independen terhadap variable dependen
Variabel Independen P value Keterangan
1. Merokok 0,027 Lanjut ke multivariate
2. Ras 0,082 Lanjut ke multivariate
3. Hipertensi 0,045 Lanjut ke multivariate
4. Prematur 0,005 Lanjut ke multivariate
5. Uterus 0,024 Lanjut ke multivariate
6. ANC 0,131 Lanjut ke multivariate
Hasil seleksi bivariate, terlihat bahwa semua variable independen p value nya < 0,25 artinya ke
enam variable independen dapat dianalisis lanjut dengan multivariate

B. Pemodelan Multivariat
Tabel 5.11
Pemodelan Pertama Multivariat Regresi
Variabel Independen P value OR
1. Merokok 0,028 2.413
2. Ras (1) 0,041 2.820
Ras (2) 0,026 2.631
3. Hipertensi 0,039 3.803
4. Prematur 0,006 3.395
5. Uterus 0,073 2.265
6. ANC 0,523 1.258
Hasil pemodelan pertama ada dua variable yang p value > 0,05 yaitu uterus dan ANC,
Selanjutnya ANC dikeluarkan dari pemodelan
 Tabel 5.12
Pemodelan Kedua Multivariat Regresi Logistik
Variabel Independen P value OR Perubahan OR
1. Merokok 0.018 2.536 5,12
2. Ras (1) 0.036 2.888 2,40
Ras (2) 0.016 2.785 5,84
3. Hipertensi 0.033 3.935 3,47
4. Prematur 0.007 3.289 3,12
5. Uterus 0.065 2.315 2,22
6. ANC
Hasil perhitungan perubahan OR terlihat tidak ada yang berubah > 10% sehingga ANC tetap
dikeluarkan tidak dimasukkan kembali. Selanjutnya uterus dikeluarkan dari pemodelan

Tabel 5.13
Pemodelan Ketiga Multivariat Regresi Logistik
Variabel Independen P value OR Perubahan OR
1. Merokok 0.015 2.557 5,98
2. Ras (1) 0.023 2.800 0,71
Ras (2) 0.042 2.840 7,94
3. Hipertensi 0.012 3.419 10,09
4. Prematur 0.055 3.691
5. Uterus 8,72
6. ANC
Hasil pemodelan setelah Uterus dikeluarkan ternyata ada perubahan OR >10% yaitu pada
variable Hipertensi. Selanjutnya variable Uterus dimasukkan kembali ke model

Tabel 5.14
Pemodelan Keempat Multivariat Regresi Logistik
Variabel Independen P value OR
1. Merokok 0.018 2.536
2. Ras (1) 0.036 2.888
Ras (2) 0.016 2.785
3. Hipertensi 0.033 3.935
4. Prematur 0.007 3.289
5. Uterus 0.065 2.315
6. ANC
Setelah variable uterus masuk ke model, ternyata sudah tidak ada lagi variable yang p valuenya
< 0,05 (selain uterus). Dengan demikian pemodelan dengan mengeluarkan variable sudah
selesai.
Dalam model diduga antara merokok dengan hipertensi berinteraksi terhadap hubungannya
BBLR. Untuk itu selanjutnya dilakukan uji interaksi antara merokok dan hipertensi. Adanya
interaksi kalau variable interaksinya mempunyai p value < 0,05.
Bila p Valuenya > 0,05 berarti tidak ada interaksi.
 Tabel 5.15
Pemodelan Kelima Multivariat Regresi Logistik
Variabel Independen P value OR
1. Merokok 0.023 2.497
2. Ras (1) 0.036 2.909
Ras (2) 0.015 2.799
3. Hipertensi 0.134 3.586
4. Prematur 0.007 3.319
5. Uterus 0.065 2.313
6. Hipertensi by 0.869 1.239
merokok
Hasil analisis uji interaksi, variable interaksi hipertensi by merokok mempunyai p value > 0,05
berarti kedua variable tersebut tidak terjadi interasksi. Selanjutnya variable interaksi dikeluarkan
dari model.

Tabel 5.16
Pemodelan terakhir Multivariat Regresi Logistik
Variabel Independen P value OR
1. Merokok 0.018 2.536
2. Ras (1) 0.036 2.888
Ras (2) 0.016 2.785
3. Hipertensi 0.033 3.935
4. Prematur 0.007 3.289
5. Uterus 0.065 2.315