Makalah Regresi Logistik Biner
Makalah Regresi Logistik Biner
KESEHATAN
Dosen Pembimbing :
Oleh :
Kelompok 8
BANJARMASIN
2015
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat, Inayah,
Taufik dan Hidayah–Nya sehingga penulis dapat menyelesaikan penyusunan makalah ini.
Semoga makalah ini dapat dipergunakan sebagai salah satu acuan, petunjuk maupun
pedoman bagi pembaca.
Penyusunan makalah ini ditujukan untuk memenuhi tugas mata kuliah Pendidikan
Ekonometrika yang dibimbing oleh Drs. H. Karim, M.Si. & Rizki Amalia, M.Pd.
Akhirnya, penulis mengucapkan rasa syukur yang tidak terhingga kepada Allah SWT, yang
telah memberikan nikmat kesehatan sehingga penulis dapat menyelesaikan penulisan
makalah dengan judul “Faktor-Faktor yang Mempengaruhi Resiko Penyebab Maag pada
Mahasiswa Pendidikan Matematika Angkatan 2013 Fkip Unlam Banjarmasin dengan
Menggunakan Pendekatan Regresi Logistik”. Penulis juga menyadari bahwa makalah ini
belum sempurna, baik dari segi teknik penyajian maupun dari segi materi, oleh karena itu,
untuk kesempurnaan makalah ini, kritik dan saran dari para pembaca dan pemakai sangat
penulis harapkan.
Penulis
i
DAFTAR ISI
ii
BAB I
PENDAHULUAN
3
4
regresi nonlinier. Data hasil penelitian yang berupa data kualitatif dapat dianalisis
dengan regresi nonlinier. Salah satu model nonlinier yang dapat digunakan untuk
menganalisis data kualitatif adalah model regresi logistik. Model regresi logistik
adalah model matematika yang menggambarkan hubungan antara satu atau lebih
variabel independent dengan variabel dependent yang dikotomi yang variabelnya
dianggap hanya mempunyai dua nilai yang mungkin, yaitu 0 atau 1, dimana
kondisi ini dapat diartikan sebagai solusi atau gagal pada analisis regresi logistik
univariat tunggal dan model regresi logistik multivariat (ganda).
Untuk menentukan persamaan regresi logistik yang akan digunakan untuk
memprediksi nilai variabel dependent harus dicari estimasi parameter pada model
regresi logistik. Ada beberapa metode yang dapat digunakan untuk mengestimasi
parameter model regresi logistik, yaitu maximum likelihood methods,
nonit-erative weighted least squares methods dan discriminant functionanalysis.
Salah satu metode yang lebih umum dan digunakan pada sebagian besar paket
program komputer yang menganalisis regresi logistik adalah maximum likelihood.
Metode maximum likelihood merupakan metode untuk menentukan parameter
yang memberikan nilai maksimum pada fungsi likelihood.
Analisis regresi logistik banyak dimanfaatkan pada penelitian yang
mempunyai dua kemungkinan “sukses” atau “gagal” seperti pada penelitian di
bidang biologi, elektronik, dunia kesehatan dan masih banyak lagi penerapan
dibidang lain. Sebagai contoh pada bidang kesehatan adalah terjadinya salah satu
penyakit yang sebagian besar manusia pernah mengalaminya yakni Maag. Yang
disebut dengan Maag atau radang lambung atau tukak lambung adalah gejala
penyakit yang menyerang lambung dikarenakan terjadi luka atau peradangan pada
lambung yang menyebabkan sakit, mulas, dan perih pada perut. sejumlah faktor
yang menjadi penyebab dari maag disebabkan oleh beberapa faktor antara lain
Makan Tidak Teratur, Perokok Aktif, Stress, Kurang Istirahat, Efek samping
obat-obatan tertentu, Sering makan pedas/asam/minum kopi. Oleh karena itu
penting bagi setiap orang untuk melakukan pencegahan dini terhadap penyakit
maag terutama jenis maag kronis yakni maag yang sudah parah intensitasnya di
bandingkan maag biasa dan jenis magh yang lebih parah dari maag konis yakni
5
BAB II
ISI
INPUT
Kurang
Stress Istirahat Efek
samping
Perokok
obat-obatan
Aktif
tertentu
Sering
Makan makan
Tidak pedas/asam/
Teratur minum kopi
PELUANG
OUTPUT SAKIT MAAG
Gambar 1.1
14
Sesuai dengan yang ditujukkan gambar 1.1 terdapat 6 input pada kasus ini,
yaitu. Keenam input tersebut kemudian akan diproses sedemikian rupa
menggunakan regresi logistik, sehingga akan menghasilkan sebuah nilai yang
merupakan besaran peluag bagi seorang mahasiswa pendidikan matematika
angkatan 2013 FKIP UNLAM untuk mengalami sakit maag.
Berikut cuplikan tampilan data Faktor-faktor yang mempengaruhi maag dan
data sakit maag Mahasiswa Pendididkan Matematika Angkatan 2013 FKIP
UNLAM Banjarmasin :
15
No. NIM Y X1 X2 X3 X4 X5 X6
1. A1C113002 0 1 0 0 1 0 1
2. A1C113003 1 1 0 1 1 0 0
3. A1C113004 1 1 0 1 1 1 1
4. A1C113005 1 1 0 0 1 0 1
5. A1C113007 0 0 0 0 1 0 1
6. A1C113008 1 1 0 1 1 0 0
7. A1C113010 1 1 0 0 0 0 1
8. A1C113011 1 1 0 0 1 0 1
9. A1C113012 0 1 0 0 1 0 1
10. A1C113013 1 1 0 1 1 1 1
11. A1C113014 0 1 0 1 1 0 1
12. A1C113015 1 1 0 0 1 0 0
13. A1C113019 0 1 0 1 1 0 1
14. A1C113020 1 0 0 1 1 0 0
15. A1C113021 1 0 0 0 1 0 1
16. A1C113024 1 0 0 1 1 0 1
17. A1C113025 1 1 0 1 1 0 0
18. A1C113026 1 1 0 0 1 0 1
19. A1C113027 1 0 0 1 1 0 1
20. A1C113028 1 1 0 1 1 0 1
21. A1C113029 1 1 0 1 0 0 0
22. A1C113031 1 1 0 0 1 0 0
23. A1C113032 1 0 0 0 1 0 0
24. A1C113033 1 1 0 1 0 0 1
25. A1C113034 1 1 0 1 1 0 1
26. A1C113035 0 1 0 1 1 0 1
27. A1C113036 1 0 0 0 0 0 1
28. A1C113037 1 1 0 1 1 0 0
29. A1C113038 0 1 0 1 0 0 1
30. A1C113039 1 1 0 0 1 0 1
31. A1C113042 1 1 0 1 1 0 1
16
32. A1C113043 0 1 0 1 1 0 1
33. A1C113044 0 0 0 1 1 0 1
34. A1C113045 1 1 0 1 1 0 1
35. A1C113046 1 1 0 0 1 0 1
36. A1C113047 1 0 0 1 1 0 1
37. A1C113048 1 1 0 0 1 0 1
38. A1C113049 1 0 0 1 1 0 1
39. A1C113050 1 1 0 0 0 0 1
40. A1C113051 1 1 0 1 1 0 1
41. A1C113052 1 1 0 1 1 0 0
42. A1C113053 0 1 0 1 1 0 0
43. A1C113054 1 1 0 0 1 0 1
44. A1C113061 0 1 0 1 1 0 1
45. A1C113062 0 0 0 1 1 0 1
46. A1C113063 1 1 0 0 1 0 1
47. A1C113064 1 1 0 1 1 0 0
48. A1C113066 1 1 0 0 1 0 1
49. A1C113069 1 1 0 1 1 0 1
50. A1C113070 1 1 0 1 1 0 1
51. A1C113072 0 0 0 0 1 0 1
52. A1C113073 1 1 0 0 1 0 1
53. A1C113074 1 1 0 0 1 0 1
54. A1C113076 1 1 0 0 1 0 1
55. A1C113078 1 1 0 0 1 0 0
56. A1C113079 1 1 0 1 0 0 0
57. A1C113080 1 1 0 1 1 0 1
58. A1C113081 1 1 0 1 1 0 1
59. A1C113082 0 1 0 0 1 0 0
60. A1C113084 1 1 0 1 1 0 1
61. A1C113086 1 1 0 1 1 0 0
62. A1C113087 0 0 0 1 1 0 1
63. A1C113088 0 0 0 0 0 0 0
17
64. A1C113089 1 1 0 1 1 0 0
65. A1C113090 1 1 0 1 1 0 1
66. A1C113091 1 1 0 1 1 0 1
67. A1C113093 1 1 0 0 0 0 1
68. A1C113097 1 1 0 1 1 0 1
69. A1C113098 1 1 0 0 1 0 0
70. A1C113099 1 1 0 0 1 0 1
71. A1C113205 0 1 0 0 0 0 1
72. A1C113206 1 1 0 1 1 0 1
73. A1C113209 1 1 0 0 1 0 1
74. A1C113212 1 1 0 1 1 1 1
75. A1C113214 0 1 0 0 0 0 1
76. A1C113217 0 1 0 1 1 0 1
77. A1C113218 1 0 0 1 1 0 1
78. A1C113221 1 1 0 1 1 0 0
79. A1C113223 0 0 0 0 0 0 1
No. NIM y X1 X2 X3 X4 X5 X6
1. A1C113002 Tidak Ya Tidak Tidak Ya Tidak Ya
2. A1C113003 Ya Ya Tidak Ya Ya Tidak Tidak
3. A1C113004 Ya Ya Tidak Ya Ya Ya Ya
4. A1C113005 Ya Ya Tidak Tidak Ya Tidak Ya
5. A1C113007 Tidak Tidak Tidak Tidak Ya Tidak Ya
6. A1C113008 Ya Ya Tidak Ya Ya Tidak Tidak
7. A1C113010 Ya Ya Tidak Tidak Tidak Tidak Ya
8. A1C113011 Ya Ya Tidak Tidak Ya Tidak Ya
9. A1C113012 Tidak Ya Tidak Tidak Ya Tidak Ya
10. A1C113013 Ya Ya Tidak Ya Ya Ya Ya
11. A1C113014 Tidak Ya Tidak Ya Ya Tidak Ya
12. A1C113015 Ya Ya Tidak Tidak Ya Tidak Tidak
13. A1C113019 Tidak Ya Tidak Ya Ya Tidak Ya
18
2.8.5 Tabel
Perokok Aktif
Ya Tidak
Pernah maag Pernah maag
Count % Count %
ya 0 0% 59 74,6 %
tidak 0 0% 20 25,4 %
Stres
Ya Tidak
Pernah maag Pernah maag
Count % Count %
ya 35 77,7 % 25 73,5 %
tidak 10 22,3 % 9 26,5 %
Kurang istirahat
Ya Tidak
Pernah maag Pernah maag
Count % Count %
ya 52 77,6 % 7 58,3 %
tidak 15 22,4 % 5 41,7 %
tidak 0 0% 20 26,4 %
Langkah pertama Buka SPSS 22, kemudian isikan data seperti gambar di atas
22
Langkah ke dua, klik Analyze, Regression, lalu pilih Binary Logistics. Masukkan
variabel hasil tes tertulis ke dalam bagian Independent sedangkan variabel jenis kelas dan
nilai tes praktikum masukkan ke bagian Covariates. Berikut gambarannya:
Lalu, klik pada bagian Options dan centang seperti terlihat pada gambar di bawah
ini:
23
Lalu pada method pilih “ Backward : LR”klik Continue dan OK, maka akan
dihasilkan output seperti berikut (langsung dengan penjelasannya
24
Iteration Historya,b,c
Coefficients
2 87,163 1,147
3 87,163 1,150
4 87,163 1,150
Classification Tablea,b
Predicted
Sakit_Maag
Iteration Historya,b,c,d,e
Coefficients
Sering_Makan_P
Efek_Samping_ edas_atau_Asa
Makan_Tidak_Te Obat_obatan_Te m_atau_Minum_
Iteration -2 Log likelihood Constant ratur Stress Kurang_Istirahat rtentu Kopi
e. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
Apakah model sudah fit? Perhatikan saja nilai statistik-2 Log Likelihood. Untuk
bagian Beginning, yaitu nilai -2 Log likelihood yang masih hanya menggunakan konstanta
(c) adalah 87,163 sedangkan saat kita sudah melibatkan dua variabel bebasnya (Makan tidak
teratur, , perokok aktif, stress, kurang istirahat, efek samping obat-obatan tertentu, sering
makan asam/pedas/minum kopi), nilai -2 Log Likelihood adalah 83,281 (iterasi
maksimum/20).
Hal ini sudah menunjukkan ada penurunan nilai saat variabel bebas sudah ikut
“bermain” yakni sebesar 87,163 - 83,281 = 3,882 (Lebih jelasnya, lihat pada bagian Omnibus
Tests of Coefficients)
Untuk Beginning, ternyata dihasilkan koefisien dari -2 Log Likelihood 1,150 yang
lebih besar dibanding alpha 5% sehingga dengan demikian kita menerima hipotesis nol yakni
model sudah fit.
Chi-square Df Sig.
Model Summary
1 5,012 6 ,542
2 ,875 4 ,928
3 ,041 2 ,980
4 ,025 2 ,988
5 ,000 0 .
Nilai variabel Makan tidak teratur, perokok aktif, stress, kurang istirahat, efek
samping obat-obatan tertentu, sering makan asam/pedas/minum kopi yang kita pakai
dalam penelitian sudah mampu menjelaskan keragaman data pada variabel sakit maag
sebesar 7,2 %
Efek_Samping_Obat_obatan
19,926 23205,422 ,000 1 ,999 450410990,422
_Tertentu
Sering_Makan_Pedas_atau_
-,802 ,722 1,235 1 ,266 ,448
Asam_atau_Minum_Kopi
Dari Tabel Variables in the Equation terlihat bahwa variabel atau faktor-faktor yang
berpengaruh
terhadap sakit maag pada mahasiswa pendidikan matematika angkatan 2013 fkip unlam pada
tingkat 5% atau
dengan kepercayaan 95% adalah
Makan tidak teratur , perokok aktif, stress, kurang istirahat, efek samping obat-obatan
tertentu, sering makan asam/pedas/minum kopi. Pengaruh dari masing-masing faktor tersebut
dapat
dideskripsikan dengan melihat nilai ekspektasi nilai variabel bebasnya (Exp(B)):
Sekarang, sampai di bagian akhir untuk interpretasi model regresi logistic. Berikut
model penelitiannya :
dengan:
p : Peluang sakit maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP
UNLAM Banjarmasin
Jadi, faktor yang berpengaruh terhadap sakit maag Pada Mahasiswa Pendidikan Matematika
Angkatan 2013 FKIP UNLAM Banjarmasin dengan kepercayaan 95% adalah makan tidak
teratur.
i. Makan tidak teratur = ya (1) Output regresi logistik dengan variabel X1 dari persamaan
regresi diatas, probabilitas mahasiswa akan sakit maag dapat dihitung sbb:
𝑒 0,251+1,196(1)
𝜋̂ = 1+𝑒 0,251+1,196(1) = 0,809
Sus Liris Woro (2011:76) Meskipun tidak semua variabel bebas berpengaruh secara
signifikan tetap diikutkan pada model artinya walaupun mempunyai signifikansi lebih dari
32
5%. Hal ini karena jika kategori- kategori tersebut dikeluarkan dari model akan
mempengaruhi kelayakan
(goodness of fit) dari model secara keseluruhan. Tapi, ingat satu hal bahwa variable-
tidak signifikan secara statistik, bukan berarti pengaruhnya tidak ada (nol rasio), melainkan
ada pengaruhnya, hanya saja sangat kecil. Mungkin untuk penelitian lain (beda waktu, beda
mahasiswa, beda universitas) bisa saja hasilnya akan signifikan.
Sedangkan faktor perokok aktif tidak dapat dinyatakan bepengaruh tinggi atau
rendah dikarenakan mahasiswa Pendidikan Matematika Angkatan 2013 FKIP UNLAM yang
menjadi objek penelitian kami tidak ada satupun yang merupakan perokok aktif.
Pertanyaan 1 :
a) Berapa peluang mereka yang Stress mempunyai resiko untuk sakit maag?
b) Berapa peluang mereka yang tidak stress mempunyai resiko untuk sakit maag?
c) Bandingkan resiko terjadi sakit maag antara mereka yang stress dan yang tidak stress.
Pertanyaan 2 :
a) Berapa peluang mereka yang Kurang Istirahat mempunyai resiko untuk sakit maag?
b) Berapa peluang mereka yang tidak kurang istirahat mempunyai resiko untuk sakit
maag?
c) Bandingkan resiko terjadi sakit maag antara mereka yang kurang istirahat dan yang
tidak kurang istirahat.
Pertanyaan 3 :
a) Berapa peluang mereka yang terkena Efek samping obat-obatan tertentu mempunyai
resiko untuk sakit maag?
b) Berapa peluang mereka yang tidak terkena Efek samping obat-obatan tertentu
mempunyai resiko untuk sakit maag?
c) Bandingkan resiko terjadi sakit maag antara mereka yang yang terkena Efek samping
obat-obatan tertentu dan yang tidak terkena Efek samping obat-obatan tertentu
Pertanyaan 4 :
33
a) Berapa peluang mereka yang Sering makan pedas, asam, minum kopi mempunyai
resiko untuk sakit maag?
b) Berapa peluang mereka yang tidak Sering makan pedas, asam, minum kopi
mempunyai resiko untuk sakit maag?
c) Bandingkan resiko terjadi sakit maag antara mereka yang Sering makan pedas, asam,
minum kopi atau mereja yang tidak Sering makan pedas, asam, minum kopi.
Jawab :
Pertanyaan 1 :
Dengan model regresi logistik (Nur Asyiah, 2008:79), maka pada soal tersebut bentuk
modelnya adalah :
𝑒 0,227−0,283(1)
a) 𝜋̂ 1 = 1+𝑒 0,227−0,283(1)= 0,486 atau 48,6 %
Jadi mereka yang stress mempunyai risiko untuk sakit maag sebesar 48,6 %.
𝑒 0,227−0,283(0)
b) 𝜋̂ 0 = 1+𝑒 0,227−0,283(0)= 0,556 atau 55,6 %
Jadi mereka yang tidak stress mempunyai risiko untuk sakit maag sebesar 55,6 %.
c) Besar resiko kedua kelompok tersebut adalah :
𝜋̂ 1 0,486
=
̂ 0 0,556
=0,874
𝜋
Kesimpulan:
Arti dari angka diatas adalah, mereka yang stress mempunyai risiko terjadi maag
(0,874) kali lebih tinggi dibandingkan mereka yang tidak stress.
Pertanyaan 2 :
Dengan model regresi logistik maka pada soal tersebut bentuk modelnya adalah :
𝑒 −0,544+0,981(1)
a) 𝜋̂ 1 = 1+𝑒 −0,544+0,981(1)= 0,607 atau 60,7 %
Jadi mereka yang Kurang Istirahat mempunyai risiko untuk sakit maag sebesar
60,7 %.
34
𝑒 −0,544+0,981(0)
b) 𝜋̂ 0 = 1+𝑒 −0,544+0,981(0)=0,367 atau 36,7 %.
Jadi mereka yang tidak Kurang Istirahat mempunyai risiko untuk sakit maag
sebesar 36,7 %.
𝜋̂ 1 0,607
=
̂ 0 0,367
=1,653
𝜋
Kesimpulan:
Arti dari angka diatas adalah, mereka yang Kurang Istirahat mempunyai risiko
terjadi maag (1,653) kali lebih tinggi dibandingkan mereka yang tidak Kurang
Istirahat.
Pertanyaan 3 :
Dengan model regresi logistik maka pada soal tersebut bentuk modelnya adalah :
𝑒 −0,502+19,645(1)
a) 𝜋̂ 1 = 1+𝑒 −0,502+19,645(1)=0,999atau 99,9 %
𝑒 −0,502+19,645(0)
b) 𝜋̂ 0 = 1+𝑒 −0,502+19,645(0)=0,377 atau 37,7 %
Jadi mereka yang tidak terkena Efek samping obat-obatan tertentu mempunyai
risiko untuk sakit maag sebesar 37,7 %.
𝜋̂ 1 0,999
=
̂ 0 0,377
=2,649
𝜋
Kesimpulan:
35
Arti dari angka diatas adalah, mereka yang terkena Efek samping obat-obatan
tertentu mempunyai risiko terjadi maag (2,649) kali lebih tinggi dibandingkan
mereka yang tidak terkena Efek samping obat-obatan tertentu
Pertanyaan 4 :
Dengan model regresi logistik maka pada soal tersebut bentuk modelnya adalah :
𝑒 0,119−0,774(1)
a) 𝜋̂ 1 = 1+𝑒 0,119−0,774(1)=0,342 atau 34,2 %
Kesimpulan:
Arti dari angka diatas adalah, mereka yang Sering makan pedas, asam,
minum kopi mempunyai risiko terjadi maag ( 0,646) kali lebih tinggi
dibandingkan mereka yang tidak mereka yang Sering makan pedas, asam,
minum kopi.
36
BAB III
PENUTUP
3.1 Kesimpulan
1. Pendekatan analisis regresi logistik pada kasus sakit maag pada mahasiswa
pendidikan matematika FKIP UNLAM?
Ln P/1-P = 0,251+1,196 Makan Tidak Teratur +0 Perokok Aktif -0,283 Stress+
0,981Kurang Istirahat+19,645 Efek Samping Obat-obatan tertentu- 0,774 Sering
Makan Pedas atau Asam atau Minum Kopi
dengan:
P : Peluang sakit maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP
UNLAM Banjarmasin.
3. Peramalan untuk sakit maag pada mahasiswa pendidikan matematika FKIP UNLAM
adalah sbb:
sakit maag apabila makan tidak teratur adalah 0,8095 artinya sangat tinggi
kemungkinannya Misalkan Mahasiswa Pendidikan Matematika dengan kebisaan (ciri-
ciri) sbb:
Makan tidak teratur = ya (1) Output regresi logistik denngan variabel X1 dari
persamaan regresi diatas, probabilitas mahasiswa akan sakit maag dapat dihitung sbb:
𝑒 0,251+1,196(1)
𝜋̂ = 1+𝑒 0,251+1,196(1)= 0,809
4. Agar mahasiswa pendidikan matematika angkatan 2013 FKIP UNLAM tidak sakit
maag tentunya semua faktor penyebab sakit maag harus dihindari, namun menurut
data dan analisis regresi logistik biner ini faktor yang sangat besar memberi
pengaruhnya adalah faktor makan tidak teratur.
3.2 Saran
Setelah melakukan analisis regresi logistik biner untuk megetahui faktor-faktor apa saja yang
paling memberikan pengaruh menimbulkan sakit maag, maka diharapkan Para Mahasiswa
Pendidikan Matematika angkatan 2013 FKIP UNLAM dapat mencegah faktor-faktor tersebut
sehingga sakit maag yang meskipun banyak diakui mahasiswa Pendidikan Matematika
angkatan 2013 FKIP UNLAM bukan hal yang “aneh” itu dapat dicegah. Karena jika sakit
maag tentu akan mengganggu perkuliahan mahasiswa tersebut.
DAFTAR PUSTAKA
Liris Woro, Sus. 2011. Analisis Kepemilikan Sepeda Motor Pada Rumah Tangga Di
Kabupaten Buleleng Menggunakan Model Regresi Logistik tesis tidak diterbitkan. Denpasar
PPs Teknik Sipil Universitas Udayana.
38
Asyiah, Nur. 2008. Regresi Logistik Dan Penerapannya Dalam Bidang Kesehatan
(Studi Kasus Kelahiran Prematur Di Rskia Pku Muhammadiyah Kotagede Yogyakarta)
skripsi tidak diterbitkan. Yogyakarta : Fakultas Sains dan Teknologi Universitas Islam Negeri
Sunan Kalijaga Yogyakarta.
Buana, Indira Swa & Mahendrawathi & Iriawan Nur.2010. Penerapan Metode
Regresi Logistik Pada Aplikasi Spreadsheet Sebagai Alat Bantu Pengambilan Keputusan
(Studi Kasus Data Bumn Di Bpk Ri). Makalah disajikan dalam Seminar Nasional Informatika
2010 (semnasIF 2010), Veteran, Yogyakarta, 22 Mei.