REGRESI LOGISTIK DAN PENERAPANNYA DALAM BIDANG

KESEHATAN

(Studi Kasus Maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013

FKIP UNLAM Banjarmasin)

Untuk Memenuhi Tugas Mata Kuliah Ekonometrika (ABKC1508 )

Dosen Pembimbing :

Drs. H. Karim, M.Si. & Rizki Amalia, M.Pd.

Oleh :

Kelompok 8

Atika Izni (A1C113004)

Fatmah (A1C113043)
Adelina Tri Lestari (A1C113064)
Maulida Herliana (A1C112221)

DEPERTEMEN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS LAMBUNG MANGKURAT

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

PROGRAM STUDI PENDIDIKAN MATEMATIKA

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.

Banjarmasin, Desember 2015

Penulis

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................. i

DAFTAR ISI........................................................................................................... ii
BAB I PENDAHULUAN ........................................................................................3
1.1 Latar Belakang ...........................................................................................3

1.2 Masalah atau Topik Bahasan .....................................................................5

1.3 Tujuan Penulisan ............................................................................................6

BAB II ISI ................................................................................................................7

2.1 REGRESI LOGISTIK ....................................................................................7

2.2 Pengertian Maag .............................................................................................9

2.3 Jenis penyakit maag yang dilihat berdasarkan tingkat keparahan..................9

2.4 Gejala Maag .................................................................................................10

2.5 Faktor-faktor Resiko Penyebab Maag .....................................................10

2.6 Cara Pencegahan Maag ................................................................................10

2.7 Sumber Data .................................................................................................11

2.8 Contoh Analisis Regresi Logistik dengan menggunakan SPSS...................11

2.8.1 Variabel Penelitian ................................................................................11

2.8.2 Kerangka Pemikiran ..............................................................................13
2.8.3 (Hasil Masukan Data Berupa Pengkodean 1 dan 0) .............................15
2.8.4 (Hasil Masukan Data Berupa Pengkodean Ya dan Tidak) ...................17
2.8.5 Tabel ......................................................................................................20
2.8.6 Regresi Logistik Biner Dengan SPSS 22 ..............................................21
2.8.7 Hasil Analisis Data Regresi Logistik Binr dengan SPSS 22 .................24
2.9 Soal Latihan dan Pembahasan ......................................................................32

BAB III PENUTUP ...............................................................................................36

3.1 Kesimpulan ..............................................................................................36

3.2 Saran ........................................................................................................37

DAFTAR PUSTAKA ............................................................................................ 37

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Perkembangan dunia yang semakin pesat diikuti pula dengan berbagai

permasalahan kompleks yang mulai bermunculan. Hal tersebut memberikan
motivasi yang berarti dalam mengembangkan ilmu pengetahuan guna
memberi solusi real terhadap masalah-masalah real yang ada dalam kehidupan
sehari-hari.
Fenomena seperti ini memotivasi analisis statistik untuk berkembang
dalam menjawab permasalahan-permasalahan real yang ada. Analisis
statistik diharapkan menjadi salah satu alternatif dalam mengambil keputusan
yang rasional ilmiah berdasarkan data historis yang ada. Dengan analisis
statistik, kemungkinan untuk melakukan prediksi-prediksi dengan tingkat
konfidensi (kepercayaan) yang sangat tinggi. Selain itu, analisis statistik dapat
mengolah data yang ada untuk digunakan sebagai bahan pengambilan keputusan-
keputusan yang strategis. Oleh karena itu, analisis statistik merupakan metode
yang patut diperhitungkan untuk mengambil keputusan maupun kebijakan yang
akurat.
Banyaknya ilmu-ilmu yang dikembangkan dalam ilmu-ilmu statistik
terapan dalam kehidupan sehari-hari menyebabkan penemuan-penemuan baru
untuk menganalisis suatu masalah, salah satunya adalah analisis regresi. Analisis
regresi merupakan alat yang memanfaatkan hubungan dua atau lebih variabel
sehingga salah satu variabel bisa diramalkan dari variabel lainnya.
Pada analisis regresi terdapat dua jenis variabel yaitu variabel bebas
(variable independent) dan variabel tak bebas (variable dependent). Variabel
independent adalah variabel yang nilainya dapat diamati namun tidak dapat
dikendalikan, sedangkan varibel dependent adalah variabel yang nilainya
bergantung pada variabel independent. Hubungan antara satu atau dua variabel
dapat lebih mudah dipahami dengan satu model yang disebut model regresi.
Analisis regresi dapat dikelompokkan menjadi analisis regresi linier dan

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

Kanker lambung, kanker lambung terjadi akibat mikroorganisme yang merugikan,

yaitu Helycobacter pylori. Meskipun banyak ahli yang berpendapat bahwa
biasanya setiap orang sudah berada di tahap maag ringan. Maag ringan masih
tergolong tahap ringan, jika dilakukan pemeriksaan akan terlihat asam lambung
berlebih di bagian dinding. Sedangkan Maag sedang adalah Maag yang sudah
menyebabkan nyeri, sakit dan mual yang menyakitkan.
Dunia kedokteran belum dapat menemukan cara pasti untuk mencegah total
terjadinya segala jenis maag . Mereka berpendapat bahwa banyak orang bahkan
nyawa yang dapat diselamatkan jika ada cara efektif untuk pencegahan dini setiap
jenis maag. Dari berbagai kesulitan di atas harapan dari penelitian ini adalah
mensimulasikan penderita maag sehingga bisa diketahui pola hidup penderita
maag yang menyebabkan penyakit maag. Analisis regresi logistik digunakan
untuk analisis data respon kategorik (nominal/ ordinal) dengan variabel-variabel
bebas kontinu dan kategorik. Perbedaan nilai probabilitas pada setiap kelas akan
menghasilkan nilai odds rasio. Nilai odds rasio dapat menginformasikan besarnya
pengaruh salah satu variabel bebas terhadap terjadinya perubahan kelas. Dalam
penelitian ini adalah orang yang pernah dan tidak pernah maag.

1.2 Masalah atau Topik Bahasan

Berdasarkan latar belakang diatas maka penulis tertarik untuk
mengangkat permasalahan tentang terapan statistik, terutama lebih terfokus
pada regresi logistik dan penerapannya dalam bidang kesehatan, maka dalam
makalah ini dirumuskan permasalahannya sebagai berikut:
1. Bagaimana pendekatan analisis regresi logistik pada kasus sakit maag pada
mahasiswa pendidikan matematika FKIP UNLAM?
2. Berdasarkan model regresi logistik, variabel-variabel apa saja yang
berpengaruh terhadap sakit maag pada mahasiswa pendidikan matematika
FKIP UNLAM?
3. Bagaimana peramalan untuk sakit maag pada mahasiswa pendidikan
matematika FKIP UNLAM?
4. Bagaimana caranya agar sakit maag pada mahasiswa pendidikan matematika?
 6

1.3 Tujuan Penulisan

Adapun tujuan dari penelitian ini adalah sebagai berikut:

1. Memperoleh model regresi logistik untuk sakit maag pada mahasiswa
pendidikan matmatika FKIP UNLAM.
2. Mengetahui variabel-variabel yang mempengaruhi sakit maag pada mahasiswa
pendidikan matmatika FKIP UNLAM.
3. Mengetahui peluang terjadinya sakit maag pada mahasiswa pendidikan
matmatika FKIP UNLAM..
4. Mengetahui cara agar sakit maag pada mahasiswa pendidikan matematika
FKIP UNLAM dapat dicegah.
 7

BAB II
ISI

2.1 REGRESI LOGISTIK

Regresi linier seperti yang kita ketahui tidak dapat menyelesaikan kasus
dimana variabel dependent bersifat dikotomi dan polikotomi (Felix Kasim. 2008)
contoh : sukses atau Gagal; terpilih atau tidak terpilih; lulus atau tidak lulus;
melakukan pembelian atau tidak; mendapat promosi atau tidak, dan lain-lain.
Regresi logistik umumnya melibatkan berbagai macam variabel prediktor baik
numerik ataupun kategorik, termasuk variabel dummy (Agresti, 1990). Pada
regresi linier, variabel prediktor yang digunakan biasanya numerik, tetapi jika kita
melibatkan campuran antara numerik maupun kategorik kita dapat menggunakan
regresi logistik.
Analisis regresi logistik adalah metode regresi yang menggambarkan
hubungan antara beberapa variabel independen (explanatory) dengan sebuah
variabel respon dikotomus atau biner. Variabel respon (Y) pada metode regresi
logistik dikatakan biner karena terdiri atas dua kategori yaitu 0 dan 1.( Buana,
Indira Swa & Mahendrawathi & Iriawan Nur, 2010: 245 )
Analisis regresi logistik biner bertujuan untuk memperoleh hubungan antara
Xi dan Pi (probabilitas kejadian yang diakibatkan oleh xi). Berapapun nilai x bila
disubtitusikan ke dalam fungsi logistik hasilnya akan berkisar antara 0 dan 1.
Regresi logistik membentuk persamaan atau fungsi dengan pendekatan
maximum likelihood, yang memaksimalkan peluang pengklasifikasian objek yang
diamati menjadi kategori yang sesuai kemudian mengubahnya menjadi koefisien
regresi yang sederhana. Dua nilai yang biasa digunakan sebagai variabel dependen
yang diprediksi adalah 0 dan 1 (ex. 1=berhasil, 0=gagal).
Regresi logistik menghasilkan rasio peluang (odds ratios) antara
keberhasilan atau kegagalan suatu dari analisis. Dapat kita contohkan dengan
seorang tokoh yang ingin menjadi presiden, akan lebih baik peluangnya jika
menjadi ketua partai politik tertentu. Disini odds ratio yang dimaksud adalah
seberapa besar peluang tokoh tersebut dengan mempertimbangkan variabel
prediktor yang ada.
 8

Regresi logistik akan membentuk variabel prediktor/respon (log (p/(1-p))

yang merupakan kombinasi linier dari variabel independen. Nilai variabel
prediktor ini kemudian ditransformasikan menjadi probabilitas dengan fungsi
logit.
Asumsi-asumsi dalam regresi logistik:
 Tidak mengasumsikan hubungan linier antar variabel dependen dan
independent
 Variabel dependen harus bersifat dikotomi (2 variabel)
 Variabel independent tidak harus memiliki keragaman yang sama antar
kelompok variabel
 Kategori dalam variabel independent harus terpisah satu sama lain atau bersifat
eksklusif

Persamaan Regresi Logistik

Regresi logistik menghasilkan rasio peluang yang dinyatakan dengan
transformasi fungsi logaritma (log), dengan demikian fungsi transformasi log
ataupun ln diperlukan untuk p-value, dengan demikian dapat dinyatakan bahwa
logit(p) merupakan log dari peluang (odds ratio) atau likelihood ratio dengan
kemungkinan terbesar nilai peluang adalah 1, dengan demikian persamaan regresi
logistik menjadi:

Logit (p) = log (p/1-p) = ln (p/1-p)

dimana p bernilai antara 0-1.

Model yang digunakan pada regresi logistik adalah:

Log (P / 1 – p) = β0 + β1X1 + β2X2 + …. + βkXk

Dimana p adalah kemungkinan bahwa Y = 1, dan X1, X2, X3 adalah

variabel independen, dan b adalah koefisien regresi
 9

2.2 Pengertian Maag

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. (wikipedia., 2015)
Secara garis besar, ada 2 jenis penyakit maag, yakni:
1. Gastritis Akut
Penyakit maag akut adalah inflamasi (reaksi tubuh terhadap mikroorganisme
dan benda asing yg ditandai oleh panas, bengkak, nyeri, dan gangguan fungsi
organ tubuh) akut dari lambung, dan biasanya terbatas hanya pada muklosa.
Penyakit maag akut dapat terjadi tanpa diketahui penyebabnya.
2. Gastritis Kronis
Lambung penderita penyakit maag kronis mungkin mengalami inflamasi
(reaksi tubuh terhadap mikroorganisme dan benda asing yg ditandai oleh panas,
bengkak, nyeri, dan gangguan fungsi organ tubuh) kronis dari tipe gangguan
tertentu, yang menyebabkan gastritis dari tipe yang spesifik yaitu gastritis kronis.

2.3 Jenis penyakit maag yang dilihat berdasarkan tingkat keparahan

1. Maag ringan
Maag ringan masih tergolong tahap ringan dimana biasanya setiap orang
sudah berada di tahap ini, jika dilakukan pemeriksaan akan terlihat asam lambung
berlebih di bagian dinding.
2. Maag sedang
Maag pada tahap ini sudah menyebabkan nyeri, sakit dan mual yang
menyakitkan.
3. Maag kronis
Maag kronis adalah maag yang sudah parah intensitasnya di bandingkan
maag biasa.
4. Kanker lambung
Kanker lambung terjadi akibat mikroorganisme yang merugikan,
yaitu Helycobacter pylori. (penyebabmaag.com, 2015)
 10

2.4 Gejala Maag

Ciri-ciri atau gejala yang biasa muncul pada sesorang yang mengalami maag:
1. Perut kembung, gejala penyakit maag yang biasanya sering muncul pada
seseorang adalah mengalami perut kembung. Perut kembung ini diakibatkan
oleh lambung yang didalamnya terdapat banyak gas.
2. Mual dan muntah, gejala yang selanjutnya sering terjadi pada penderita maag
adalah mual dan juga muntah. Jika seseorang mengalami hal seperti ini bias
jadi ini merupakan salahsatu ciri penyakit maag.
3. Perut merasakan sering lapar, jika seseorang tidak menjaga pola makan secera
teratur biasanya orang tersebut akan mudah merasakan lapar, ciri ini juga
merupakan salah satu dari penyakit maag.
4. Sering bersendawa, akibat gas yang dihasilkan lambung, seseorang menjadi
sering bersendawa. Seringnya sendawa ada kemungkinan bahwa seseorang
tersebut menderita penyakit maag.
5. Perasaan sakit pada bagian perut dan juga dada, dari banyaknya ciri-ciri sakit
maag yang biasanya muncul yang paling sering terjadi adalah penderita
merasakan rasa sakit atau perih pada bagian perut dan juga pada bagian dada.

2.5 Faktor-faktor Resiko Penyebab Maag

1. Makan tidak teratur
2. Perokok aktif
3. Stres
4. Kurang istirahat
5. Efek samping obat-obatan tertentu
6. Sering makan pedas/asam/minum kopi. (penyebabmaag.com, 2015)

2.6 Cara Pencegahan Maag

1. Makan teratur.
2. Mengunyah makanan sebanyak 32 kali agar makanan lebih lembut ketika
masuk lambung.
3. Menghindari makanan penyebab maag.
 11

Kurangi makan-makanan yang dapat melukai lambung seperti cuka, kopi,

pedas atau beberapa makanan yang dapat membuat lambung memproduksi asam
lambung secera berlebihan.
4. Mengonsumsi susu kedelai
Dari berbagai studi ilmiah bahwa kandungan serat yang cukup tinggi dan baik
dari kedelai terbukti dapat mengatasi berbagai masalah pencernaan seperti maag,
radang saluran cerna, kembung dan lain-lain.
5. Hindari stres
Stress dapat menyebabkan kambuhnya penyakit maag. Oleh karena itu
usahakan untuk selalu berpikir positif dan menjauhkan stres dari pikiran Anda.
6. Hindari rokok
Asam lambung bias meningkat akibat rokok dan juga dapat menjadi
penghambat kesembuhan luka yang ada dalam lambung.

2.7 Sumber Data

Data yang digunakan dalam penelitian ini berasal dari data variable respon
pernah maag dan tidak pernah maag yang mempunyai karakteristik responden
adalah Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP UNLAM
Banjarmasin.

2.8 Contoh Analisis Regresi Logistik dengan menggunakan SPSS

2.8.1 Variabel Penelitian
Variabel yang digunakan dalam penelitian ini adalah sebagai berikut.
1. Variabel respon, terdiri dari dua kategori yaitu :
1) Orang yang pernah sakit maag (diberi kode 1)
2) Orang yang tidak pernah sakit maag (diberi kode 0)
2. Variabel prediktor, terdiri dari 6 variabel yang diduga mempunyai pengaruh
terhadap variabel respon yaitu :
1) Makan Tidak Teratur atau Teratur (X1) terdiri dari dua kategori sebagai
berikut.
1. Tidak Teratur, dengan kode 1.
 12

2. Teratur, dengan kode 0

2) Perokok Aktif atau Tidak (X2)

1. Perokok aktif, dengan kode 1.
2. Tidak aktif (pasif), dengan kode 0.

3) Stress atau Tidak (X3)

1. Stress, dengan kode 1.
2. Tidak stress, dengan kode 0.

4) Kurang Istirahat atau tidak (X4)

1. Kurang istirahat, dengan kode 1.
2. Tidak, dengan kode 0.

5) Efek samping obat-obatan tertentu atau tidak (X5)

1. Efek samping obat-obatan tertentu, dengan kode 1.
2. Tidak, dengan kode 0.

6) Sering makan pedas, asam, minum kopi atau Tidak (X6)

1. Sering makan pedas/asam/minum kopi, dengan kode 1.
2. Tidak, dengan kode 0.
 13

2.8.2 Kerangka Pemikiran

INPUT
Kurang
Stress Istirahat Efek
samping
Perokok
obat-obatan
Aktif
tertentu

Sering
Makan makan
Tidak pedas/asam/
Teratur minum kopi

PROSES REGRESI LOGISTIK

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

2.8.3 (Hasil Masukan Data Berupa Pengkodean 1 dan 0)

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

2.8.4 (Hasil Masukan Data Berupa Pengkodean Ya dan Tidak)

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

14. A1C113020 Ya Tidak Tidak Ya Ya Tidak Tidak

15. A1C113021 Ya Tidak Tidak Tidak Ya Tidak Ya
16. A1C113024 Ya Tidak Tidak Ya Ya Tidak Ya
17. A1C113025 Ya Ya Tidak Ya Ya Tidak Tidak
18. A1C113026 Ya Ya Tidak Tidak Ya Tidak Ya
19. A1C113027 Ya Tidak Tidak Ya Ya Tidak Ya
20. A1C113028 Ya Ya Tidak Ya Ya Tidak Ya
21. A1C113029 Ya Ya Tidak Ya Tidak Tidak Tidak
22. A1C113031 Ya Ya Tidak Tidak Ya Tidak Tidak
23. A1C113032 Ya Tidak Tidak Tidak Ya Tidak Tidak
24. A1C113033 Ya Ya Tidak Ya Tidak Tidak Ya
25. A1C113034 Ya Ya Tidak Ya Ya Tidak Ya
26. A1C113035 Tidak Ya Tidak Ya Ya Tidak Ya
27. A1C113036 Ya Tidak Tidak Tidak Tidak Tidak Ya
28. A1C113037 Ya Ya Tidak Ya Ya Tidak Tidak
29. A1C113038 Tidak Ya Tidak Ya Tidak Tidak Ya
30. A1C113039 Ya Ya Tidak Tidak Ya Tidak Ya
31. A1C113042 Ya Ya Tidak Ya Ya Tidak Ya
32. A1C113043 Tidak Ya Tidak Ya Ya Tidak Ya
33. A1C113044 Tidak Tidak Tidak Ya Ya Tidak Ya
34. A1C113045 Ya Ya Tidak Ya Ya Tidak Ya
35. A1C113046 Ya Ya Tidak Tidak Ya Tidak Ya
36. A1C113047 Ya Tidak Tidak Ya Ya Tidak Ya
37. A1C113048 Ya Ya Tidak Tidak Ya Tidak Ya
38. A1C113049 Ya Tidak Tidak Ya Ya Tidak Ya
39. A1C113050 Ya Ya Tidak Tidak Tidak Tidak Ya
40. A1C113051 Ya Ya Tidak Ya Ya Tidak Ya
41. A1C113052 Ya Ya Tidak Ya Ya Tidak Tidak
42. A1C113053 Tidak Ya Tidak Ya Ya Tidak Tidak
43. A1C113054 Ya Ya Tidak Tidak Ya Tidak Ya
44. A1C113061 Tidak Ya Tidak Ya Ya Tidak Ya
45. A1C113062 Tidak Tidak Tidak Ya Ya Tidak Ya
 19

46. A1C113063 Ya Ya Tidak Tidak Ya Tidak Ya

47. A1C113064 Ya Ya Tidak Ya Ya Tidak Tidak
48. A1C113066 Ya Ya Tidak Tidak Ya Tidak Ya
49. A1C113069 Ya Ya Tidak Ya Ya Tidak Ya
50. A1C113070 Ya Ya Tidak Ya Ya Tidak Ya
51. A1C113072 Tidak Tidak Tidak Tidak Ya Tidak Ya
52. A1C113073 Ya Ya Tidak Tidak Ya Tidak Ya
53. A1C113074 Ya Ya Tidak Tidak Ya Tidak Ya
54. A1C113076 Ya Ya Tidak Tidak Ya Tidak Ya
55. A1C113078 Ya Ya Tidak Tidak Ya Tidak Tidak
56. A1C113079 Ya Ya Tidak Ya Tidak Tidak Tidak
57. A1C113080 Ya Ya Tidak Ya Ya Tidak Ya
58. A1C113081 Ya Ya Tidak Ya Ya Tidak Ya
59. A1C113082 Tidak Ya Tidak Tidak Ya Tidak Tidak
60. A1C113084 Ya Ya Tidak Ya Ya Tidak Ya
61. A1C113086 Ya Ya Tidak Ya Ya Tidak Tidak
62. A1C113087 Tidak Tidak Tidak Ya Ya Tidak Ya
63. A1C113088 Tidak Tidak Tidak Tidak Tidak Tidak Tidak
64. A1C113089 Ya Ya Tidak Ya Ya Tidak Tidak
65. A1C113090 Ya Ya Tidak Ya Ya Tidak Ya
66. A1C113091 Ya Ya Tidak Ya Ya Tidak Ya
67. A1C113093 Ya Ya Tidak Tidak Tidak Tidak Ya
68. A1C113097 Ya Ya Tidak Ya Ya Tidak Ya
69. A1C113098 Ya Ya Tidak Tidak Ya Tidak Tidak
70. A1C113099 Ya Ya Tidak Tidak Ya Tidak Ya
71. A1C113205 Tidak Ya Tidak Tidak Tidak Tidak Ya
72. A1C113206 Ya Ya Tidak Ya Ya Tidak Ya
73. A1C113209 Ya Ya Tidak Tidak Ya Tidak Ya
74. A1C113212 Ya Ya Tidak Ya Ya Ya Ya
75. A1C113214 Tidak Ya Tidak Tidak Tidak Tidak Ya
76. A1C113217 Tidak Ya Tidak Ya Ya Tidak Ya
77. A1C113218 Ya Tidak Tidak Ya Ya Tidak Ya
 20

78. A1C113221 Ya Ya Tidak Ya Ya Tidak Tidak

79. A1C113223 Tidak Tidak Tidak Tidak Tidak Tidak Ya

2.8.5 Tabel

Makan tidak teratur

Ya Tidak
Pernah maag Pernah maag
Count % Count %
ya 50 79,4 9 56,2
tidak 13 20,6 7 43,8

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 %

Efek samping obat-obatan tertentu

Ya Tidak
Pernah maag Pernah maag
Count % Count %
ya 3 100 % 56 73,6 %
 21

tidak 0 0% 20 26,4 %

Sering makan pedas/asam/minum kopi

Ya Tidak
Pernah maag Pernah maag
Count % Count %
ya 17 28,8 % 17 85 %
tidak 42 71,2 % 3 15 %

2.8.6 Regresi Logistik Biner Dengan SPSS 22

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

2.8.7 Hasil Analisis Data Regresi Logistik Binr dengan SPSS 22

Block 0: Beginning Block

Iteration Historya,b,c

Coefficients

Iteration -2 Log likelihood Constant

Step 0 1 87,347 1,038

2 87,163 1,147

3 87,163 1,150

4 87,163 1,150

a. Constant is included in the model.

b. Initial -2 Log Likelihood: 87,163
c. Estimation terminated at iteration number 4
because parameter estimates changed by less than
,001.

Classification Tablea,b

Predicted

Sakit_Maag

Tidak pernah Pernah sakit Percentage

Observed sakit maag maag Correct

Step 0 Sakit_Maag Tidak pernah sakit maag 0 19 ,0

Pernah sakit maag 0 60 100,0

Overall Percentage 75,9

a. Constant is included in the model.

b. The cut value is ,500

Variables in the Equation

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

Step 0 Constant 1,150 ,263 19,081 1 ,000 3,158

 25

Block 1: Method = Backward Stepwise (Likelihood Ratio)

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

Step 1 1 80,234 ,093 ,878 -,176 ,794 ,890 -,479

2 78,932 ,193 1,072 -,268 1,015 1,870 -,747

3 78,756 ,226 1,092 -,283 1,043 2,902 -,801

4 78,698 ,227 1,092 -,283 1,044 3,917 -,802

5 78,677 ,227 1,092 -,283 1,044 4,922 -,802

6 78,669 ,227 1,092 -,283 1,044 5,924 -,802

7 78,666 ,227 1,092 -,283 1,044 6,925 -,802

8 78,665 ,227 1,092 -,283 1,044 7,926 -,802

9 78,665 ,227 1,092 -,283 1,044 8,926 -,802

10 78,665 ,227 1,092 -,283 1,044 9,926 -,802

11 78,665 ,227 1,092 -,283 1,044 10,926 -,802

12 78,665 ,227 1,092 -,283 1,044 11,926 -,802

13 78,665 ,227 1,092 -,283 1,044 12,926 -,802

14 78,665 ,227 1,092 -,283 1,044 13,926 -,802

15 78,665 ,227 1,092 -,283 1,044 14,926 -,802

16 78,665 ,227 1,092 -,283 1,044 15,926 -,802

17 78,665 ,227 1,092 -,283 1,044 16,926 -,802

18 78,665 ,227 1,092 -,283 1,044 17,926 -,802

19 78,665 ,227 1,092 -,283 1,044 18,926 -,802

20 78,665 ,227 1,092 -,283 1,044 19,926 -,802

Step 2 1 80,415 ,022 ,878 ,743 ,820 -,463
2 79,162 ,091 1,069 ,927 1,769 -,721
3 78,988 ,118 1,088 ,947 2,798 -,773
4 78,930 ,119 1,089 ,948 3,813 -,774
5 78,909 ,119 1,089 ,948 4,818 -,774
6 78,901 ,119 1,089 ,948 5,820 -,774
7 78,898 ,119 1,089 ,948 6,821 -,774
8 78,897 ,119 1,089 ,948 7,822 -,774
9 78,897 ,119 1,089 ,948 8,822 -,774
 26

10 78,896 ,119 1,089 ,948 9,822 -,774

11 78,896 ,119 1,089 ,948 10,822 -,774
12 78,896 ,119 1,089 ,948 11,822 -,774
13 78,896 ,119 1,089 ,948 12,822 -,774
14 78,896 ,119 1,089 ,948 13,822 -,774
15 78,896 ,119 1,089 ,948 14,822 -,774
16 78,896 ,119 1,089 ,948 15,822 -,774
17 78,896 ,119 1,089 ,948 16,822 -,774
18 78,896 ,119 1,089 ,948 17,822 -,774
19 78,896 ,119 1,089 ,948 18,822 -,774
20 78,896 ,119 1,089 ,948 19,822 -,774
Step 3 1 81,429 -,358 ,922 ,748 ,688
2 80,430 -,491 1,116 ,917 1,594
3 80,264 -,502 1,131 ,930 2,621
4 80,206 -,502 1,131 ,930 3,636
5 80,185 -,502 1,131 ,930 4,641
6 80,177 -,502 1,131 ,930 5,643
7 80,174 -,502 1,131 ,930 6,644
8 80,173 -,502 1,131 ,930 7,645
9 80,173 -,502 1,131 ,930 8,645
10 80,173 -,502 1,131 ,930 9,645
11 80,173 -,502 1,131 ,930 10,645
12 80,173 -,502 1,131 ,930 11,645
13 80,173 -,502 1,131 ,930 12,645
14 80,173 -,502 1,131 ,930 13,645
15 80,173 -,502 1,131 ,930 14,645
16 80,173 -,502 1,131 ,930 15,645
17 80,173 -,502 1,131 ,930 16,645
18 80,173 -,502 1,131 ,930 17,645
19 80,173 -,502 1,131 ,930 18,645
20 80,173 -,502 1,131 ,930 19,645
Step 4 1 81,912 -,382 ,953 ,777
2 81,289 -,530 1,168 ,964
3 81,285 -,544 1,186 ,980
4 81,285 -,544 1,186 ,981
Step 5 1 83,723 ,250 ,988

2 83,282 ,251 1,184

3 83,281 ,251 1,196

4 83,281 ,251 1,196

a. Method: Backward Stepwise (Likelihood Ratio)

b. Constant is included in the model.
c. Initial -2 Log Likelihood: 87,163
d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
 27

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.

Omnibus Tests of Model Coefficients

Chi-square Df Sig.

Step 1 Step 8,498 5 ,131

Block 8,498 5 ,131

Model 8,498 5 ,131

Step 2a Step -,232 1 ,630
Block 8,266 4 ,082
Model 8,266 4 ,082
Step 3a Step -1,276 1 ,259
Block 6,990 3 ,072
Model 6,990 3 ,072
Step 4a Step -1,113 1 ,292
Block 5,877 2 ,053
Model 5,877 2 ,053
Step 5a Step -1,996 1 ,158
Block 3,882 1 ,049
 28

Model 3,882 1 ,049

a. A negative Chi-squares value indicates that the Chi-

squares value has decreased from the previous step.

Model Summary

Cox & Snell R Nagelkerke R

Step -2 Log likelihood Square Square

1 78,665a ,102 ,153

2 78,896a ,099 ,149
3 80,173a ,085 ,127
4 81,285b ,072 ,107
5 83,281b ,048 ,072

a. Estimation terminated at iteration number 20 because

maximum iterations has been reached. Final solution cannot
be found.
b. Estimation terminated at iteration number 4 because
parameter estimates changed by less than ,001.

Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 5,012 6 ,542
2 ,875 4 ,928
3 ,041 2 ,980
4 ,025 2 ,988
5 ,000 0 .

 Pada tabel pertama :

H0 : Tidak ada variabel X yang signifkan mempengaruhi variabel Y
H1 : Minimal ada satu variabel yang signifikan mempengaruhi variabel Y
Nilai signifikansi 0,049 < 0.05, sehingga H0 ditolak artinya minimal ada satu variabel
X memengaruhi variabel Y, sehingga analisis dapat dilanjutkan.

 Pada tabel kedua :

 29

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 %

 Pada tabel ketiga :

H0 : Model cukup mampu menjelaskan data (layak/ sesuai)
H1 : Model tidak cukup mampu menjelaskan data (kurang sesuai)
nilai signifikansinya 0 < 0,05, maka H0 ditolak sehingga Model tidak cukup mampu
menjelaskan data (kurang sesuai) tetapi bukan berarti tidak mampu samasekali menjelaskan
data.

Variables in the Equation

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

Step 1a Makan_Tidak_Teratur 1,092 ,613 3,175 1 ,075 2,980

Stress -,283 ,593 ,229 1 ,633 ,753

Kurang_Istirahat 1,044 ,712 2,151 1 ,142 2,841

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

Constant ,227 ,972 ,054 1 ,816 1,254

Step 2a Makan_Tidak_Teratur 1,089 ,612 3,164 1 ,075 2,970
Kurang_Istirahat ,948 ,683 1,925 1 ,165 2,580
Efek_Samping_Obat_obatan
19,822 23205,422 ,000 1 ,999 405922991,753
_Tertentu
Sering_Makan_Pedas_atau_
-,774 ,718 1,161 1 ,281 ,461
Asam_atau_Minum_Kopi
Constant ,119 ,949 ,016 1 ,900 1,126
Step 3a Makan_Tidak_Teratur 1,131 ,608 3,458 1 ,063 3,098
Kurang_Istirahat ,930 ,679 1,877 1 ,171 2,534
Efek_Samping_Obat_obatan
19,645 23205,422 ,000 1 ,999 340072916,387
_Tertentu
Constant -,502 ,754 ,444 1 ,505 ,605
Step 4a Makan_Tidak_Teratur 1,186 ,608 3,808 1 ,051 3,274
Kurang_Istirahat ,981 ,680 2,082 1 ,149 2,666
Constant -,544 ,756 ,517 1 ,472 ,581
Step 5a Makan_Tidak_Teratur 1,196 ,597 4,005 1 ,045 3,306
 30

Constant ,251 ,504 ,249 1 ,618 1,286

a. Variable(s) entered on step 1: Makan_Tidak_Teratur, Stress, Kurang_Istirahat, Efek_Samping_Obat_obatan_Tertentu,

Sering_Makan_Pedas_atau_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)):

 H0 : variabel X tidak signifikan mempengaruhi variabel Y.

H1 : variabel X signifikan mempengaruhi variabel Y.
Nilai signifikansi variabel X1 = 0,045
Nilai signifikansi 0,045 < 0.05 , berarti H1 diterima.
Kesimpulan: Makan tidak teratur signifikan mempengaruhi sakit maag.

Nilai signifikansi variabel X3 = 0,633

Nilai signifikansi 0,633 > 0.05 , berarti H0 diterima.
Kesimpulan: stress tidak signifikan mempengaruhi sakit maag.

Nilai signifikansi variabel X4 = 0,149

Nilai signifikansi 0,149 > 0.05 , berarti H0 diterima.
Kesimpulan: Kurang Istirahat tidak signifikan mempengaruhi sakit maag.

Nilai signifikansi variabel X5 = 0,999

Nilai signifikansi 0,999 > 0.05 , berarti H0 diterima.
Kesimpulan:Obat-obatan tertentu tidak signifikan mempengaruhi sakit maag
 31

Nilai signifikansi variabel X6= 0,281

Nilai signifikansi 0,281 > 0.05 , berarti H0 diterima.
Kesimpulan:Sering makan pedas atau asam atau minum kopi tidak signifikan
mempengaruhi sakit maag

 Sekarang, sampai di bagian akhir untuk interpretasi model regresi logistic. Berikut
model penelitiannya :

Ln P/1-P = 0,251+1,196 Makan Tidak Teratur + 0 Perokok Aktif - 0,283 Stress+

0,981 Kurang 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

Jadi, faktor yang berpengaruh terhadap sakit maag Pada Mahasiswa Pendidikan Matematika
Angkatan 2013 FKIP UNLAM Banjarmasin dengan kepercayaan 95% adalah makan tidak
teratur.

Misalkan Mahasiswa Pendidikan Matematika dengan kebisaan (ciri-ciri) sbb:

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

Probabilitas mahasiswa pendidikan Matematika Angkatan 2013 FKIP UNLAM akan

sakit maag jika makan tidak teratur dibanding jika makan teratur adalah 0,1905 saja.

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.

2.9 Soal Latihan dan Pembahasan

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 %.

c) Besar resiko kedua kelompok tersebut adalah :

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 %

Jadi mereka yang terkena Efek samping obat-obatan tertentu mempunyai

risiko untuk sakit maag sebesar 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 %.

c) Besar resiko kedua kelompok tersebut adalah :

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 %

Jadi mereka yang Sering makan pedas, asam, minum kopi

mempunyai risiko untuk sakit maag sebesar 34,2 %.
𝑒 0,119−0,774(0)
b) 𝜋̂ 0 = 1+𝑒 0,119−0,774(0)=0,529

Jadi mereka yang Sering makan pedas, asam, minum kopi

mempunyai risiko untuk sakit maag sebesar 52,9 %.

c) Besar resiko kedua kelompok tersebut adalah :

𝜋̂ 1 0,342
=
̂ 0 0,529
=0,646
𝜋

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.

2. Berdasarkan model regresi logistik, variabel-variabel(faktor) yang berpengaruh

terhadap sakit maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP
UNLAM Banjarmasin dengan kepercayaan 95% adalah makan tidak teratur

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

Probabilitas mahasiswa pendidikan Matematika Angkatan 2013 FKIP UNLAM akan

sakit maag jika makan tidak teratur dibanding jika makan teratur adalah 0,1905 saja.
 37

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.

Kasim, Felix. 2008.Metodologi Penelitian Biomedis (Diana Krisanti Jasaputra &

Slamet Santosa, Ed.).Bandung : Danamartha Sejahtera Utama.

(21 Oktober 2015). Maag, (Online),

(https://id.wikipedia.org/wiki/Maag#Jenis_maag), diakses 12 Desember 2015.

Penyebab Maag,(Online), (penyebabmaag.com), diakses 12 Desember 2015.