Analisis Regresi Logistik ....

(Leila Anggi Gusniar)

ANALISIS REGRESI LOGISTIK MULTINOMIAL PADA

FAKTOR-FAKTOR YANG MEMPENGARUHI KADAR GULA
DARAH PENDERITA DIABETES MELLITUS
MULTINOMIAL LOGISTIK REGRESSION ANALYSIS OF FACTORS THAT
AFFECTING THE BLOOD SUGAR LEVELS DIABETES MELLITUS PATIENTS
Oleh: Leila Anggi Gusniar,
Jurusan Pendidikan, FMIPA, UNY.
e-mail: leilaagusniar@gmail.com dan listyani@uny.ac.id

Abstrak

Penelitian ini bertujuan untuk melakukan analisis regresi logistik multinomial dan
mengetahui faktor yang secara signifikan mempengaruhi kadar gula darah penderita diabetes
mellitus serta mencari model regresi logistik terbaik. Metode yang digunakan dalam penelitian
ini adalah metode maksimum likelihood dan uji parameter menggunakan uji simultan dan uji
parsial. Variabel terikat yaitu kadar gula darah yang dibedakan menjadi kadar gula darah rendah
(Y=1), kadar gula darah normal (Y=2) dan kadar gula darah tinggi (Y=3). Variabel bebas yaitu
usia, jenis kelamin, indeks massa tubuh, tekanan darah dan 5 jenis serum darah yaitu
kadar kolesterol, low density lipoprotein (LDL), high density lipoprotein (HDL),
thyrocalcitonin hormone (TCH) dan loss trigliserida (LTG). Hasil dari penelitian ini
menunjukkan faktor-faktor yang secara signifikan mempengaruhi kadar gula darah penderita
diabetes mellitus adalah usia, indeks massa tubuh, LDL, dan TCH.
Kata kunci: regresi logistik multinomial, Metode maksimum likelihood, diabetes mellitus.

Abstract
The purpose of this study is to analyzing multinomial logistic regression and to know the factors
that significantly affect blood sugar levels of people with diabetes mellitus and look for the best
logistic regression model. The method used in this research is the maximum likelihood method
and parameter test using simultaneous test and partial test. The dependent variable is blood sugar
level which is differentiated into low blood sugar level (Y = 1), normal blood sugar level (Y = 2)
and high blood sugar level (Y = 3). The independent variables are age, sex, body mass index,
blood pressure and 5 types of blood serum ie cholesterol, low density lipoprotein (LDL), high
density lipoprotein (HDL), thyrocalcitonin hormone (TCH) and triglyceride loss (LTG). The
results of this study shows the factors that significantly affect blood sugar levels of patients with
diabetes mellitus are age, body mass index, LDL, and TCH.

Keywords: multinomial logistic regression, maximum likelihood method, diabetes mellitus.

PENDAHULUAN menunjukkan bahwa peranan statistika

sangat diperlukan dalam kehidupan
Statistika merupakan salah satu
sehari-hari. Begitu pula dalam penelitian
disiplin ilmu yang penerapannya hampir
ilmiah, statistika merupakan alat yang
di semua aspek kehidupan. Hal ini

1
 Analisis Regresi Logistik .... (Leila Anggi Gusniar)

berguna bagi perencanaan dan evaluasi tidak memiliki urutan disebut sebagai
hasil penelitian, sehingga dapat variabel nominal sedangkan yang
dilakukan perbaikan dan memiliki urutan disebut variabel ordinal.
penyempurnaan terhadap hasil Kedua jenis variabel ini, baik nominal
penemuan (Gunardi, 1999). Salah satu maupun ordinal sering disebut juga
analisis pada statistika adalah analisis sebagai variabel multinomial.
regresi. Analisis regresi merupakan Regresi logistik multinomial, yang
suatu metode yang digunakan untuk tidak mempertimbangkan sifat ordinal
menganalisis hubungan antara dua atau data, juga dapat diterapkan untuk
lebih variabel. Berdasarkan pola meneliti sebuah variabel ordinal namun
hubungannya analisis regresi dibagi memanfaatkan sifat ordinal data dapat
menjadi dua yaitu analisis regresi linear meningkatkan kesederhanaan dan
dan analisis regresi non-linear. Salah kekuatan model (Agresti, 2002). Salah
satu model regresi nonlinear adalah satu metode yang lebih umum dan
regresi logistik. digunakan pada sebagian besar paket
Regresi logistik merupakan sebuah program komputer adalah maximum
metode analisis statistik untuk likelihood methods atau metode
menggambarkan hubungan antara maksimum likelihood. Metode
variabel terikat dengan variabel bebas maksimum likelihood merupakan
yang mempunyai dua atau lebih kategori metode pendugaan parameter yang
dengan variabel terikat yang digunakan pada model regresi logistik.
menggunakan skala kategorik maupun Pada penelitian ini, ingin diketahui
interval (Hosmer dan Lemeshow, 1989). model terbaik pada model logistik
Regresi logistik terbagi menjadi dua multinomial dengan variabel terikat data
yaitu regresi logistik biner dan regresi ordinal pada kasus kadar gula darah
logistik multinomial. Regresi Logistik penderita diabetes mellitus. Penelitian
biner adalah suatu analisis regresi yang ini bertujuan untuk menganalisis regresi
digunakan untuk menggambarkan logistik multinomial pada kasus diabetes
hubungan antara variabel bebas dengan mellitus, mengetahui faktor apa saja
sekumpulan variabel terikat, dimana yang mempengaruhi kadar gula darah
variabel terikat bersifat biner atau penderita diabetes mellitus serta mencari
dikotomus. Variabel kategorik yang model terbaiknya.

2
 Analisis Regresi Logistik .... (Leila Anggi Gusniar)

Diabetes mellitus atau penyakit menggunakan analisis regresi logistik

kencing manis merupakan suatu multinomial.
penyakit menahun yang ditandai dengan METODE PENELITIAN
kadar glukosa darah (gula darah) Data yang digunakan dalam
melebihi nilai normal (Misnadiarly, penelitian ini adalah data sekunder dari
2006). Penderita diabetes mellitus terus hasil penelitian Universitas Stanford
meningkat setiap tahunnya. Organisasi tahun 2004 tentang pasien penderita
Kesehatan Dunia (WHO) memprediksi diabetes mellitus. Analisis data
bahwa di Indonesia pada tahun 2030 dilakukan menggunakan regresi logistik
diperkirakan pasien penyakit diabetes multinomial dengan langkah-langkah
mellitus akan mencapai angka 21,3 juta sebagai berikut:
jiwa dari 8,4 juta jiwa pada tahun 2010. 1. Variabel terikat dikategorikan
Awalnya diabetes mellitus hanya menjadi 1, 2 dan 3, yaitu kadar gula
diderita sebagian kecil orang, namun darah rendah, kadar gula darah
dengan meningkatnya gaya hidup normal dan kadar gula darah tinggi.
sekarang ini jumlah pasien pun 2. Melakukan likelihood ratio test atau
bertambah. uji simultan untuk menguji
Beberapa faktor yang dianggap keseluruhan model dengan
mempengaruhi pada penderita diabetes menggunakan seluruh variabel bebas.
mellitus adalah usia, indeks masa tubuh, Uji simultan ini bertujuan untuk
tekanan darah, kadar glukosa dan kadar mengetahui apakah variabel bebas
kolesterol (Misnadiarly, 2006). Menurut berpengaruh signifikan terhadap
Graha (2010), umumnya kadar variabel terikat secara keseluruhan.
kolesterol diukur melalui total Dari persamaan ( )= +
kolesterol, low-density lipoprotein, high + ⋯+ diperoleh
density lipoprotein, thyrocalcitonin hipotesis yang akan diuji sebagai
hormone, serta loss trigliserida. Pada berikut:
penulisan skripsi ini faktor-faktor yang : = =⋯= = 0, artinya
berpengaruh tersebut digunakan sebagai tidak ada pengaruh signifikan antara
variabel bebas dan kadar gula darah variabel bebas dengan variabel terikat
penyakit diabetes mellitus sebagai secara simultan.
variabel terikat akan di analisis dengan

3
 Analisis Regresi Logistik .... (Leila Anggi Gusniar)

:∃ ≠ 0, artinya minimal ada satu : terdapat perbedaan yang

variabel bebas yang berpengaruh signifikan antara hasil pengamatan
signifikan terhadap model. dengan kemungkinan hasil atau
Jika ditolak, maka minimal ada prediksi model (model tidak sesuai).
satu variabel bebas yang berpengaruh Jika diterima maka model sesuai.
signifikan terhadap variabel terikat. 5. Odd rasio merupakan ukuran untuk
3. Melakukan uji parameter model mengetahui risiko kecenderungan
dengan menggunakan uji parsial (uji suatu kategori terhadap kategori
Wald) untuk menguji tiap variabel lainnya.
bebas terhadap variabel terikat. Uji 6. Model peluang persamaan regresi
parsial ini bertujuan untuk logistik
mengetahui peran setiap variabel ( )
bebas dalam model secara individu. exp( + + ⋯+ )
=
Hipotesis yang digunakan adalah: 1 + exp( + +⋯+ )

: = 0, artinya tidak ada Dengan model transformasi

logit untuk model menjadi:
pengaruh antara variabel bebas ke-j
[ ( )]
terhadap variabel terikat. ( )= ( )]
=( + +
[

: ≠ 0, artinya ada pengaruh ⋯+ )

antara variabel bebas ke-j terhadap
HASIL DAN PEMBAHASAN
variabel terikat.
Uji Parameter
Jika ditolak, maka ada pengaruh
Sebelum dilakukan uji parameter
signifikan antara variabel bebas ke-j
akan dilihat pendugan parameter
terhadap variabel terikat.
menggunakan metode maximum
4. Uji kebaikan model regresi logistik
likelihood. Hasil pendugaan parameter
dilakukan untuk menguji layak atau
disajikan dalam Tabel 1 berikut ini:
tidaknya model yang dihasilkan.
Hipotesis yang digunakan adalah:
: tidak terdapat perbedaan yang
signifikan antara hasil pengamatan
dengan kemungkinan hasil atau
prediksi model (model sesuai)

4
 Analisis Regresi Logistik .... (Leila Anggi Gusniar)

Tabel 1. Pendugaan Parameter Tabel 2. Uji Simultan

B Wald Sig
Rendah 0,369 0,011 0,917
Normal 4,049 1,268 0,260
Usia 0,045 7,050 0,008
Gender 0,091 0,032 0,857
IMT 2,243 19,964 0,000 Berikutnya untuk mengetahui
BP 0,478 0,134 0,715
variabel bebas yang signifikan secara
TC -0,001 0,820 0,365
LDL -0,024 5,890 0,015 individu dan layak masuk ke dalam
HDL -0,012 0,497 0,481 model digunakan uji Parsial
TCH 0,202 2,890 0,027
LTG 0,603 1,207 0,089 menggunakan uji Wald. Hipotesisnya
Menggunakan variabel terikat yaitu:
kategori ke tiga yaitu kategori kadar gula ∶ =0
darah tinggi sebagai pembanding di ∶ ≠ 0 , = 1, 2, 3, . . . 9
dapatkan model regresi logistik sebagai Tabel 3. Uji Parsial
berikut: Variabel Chi- Sig Keterangan
( ) = 0,369 + 0,045 Square
+
Intersep 7,551 0,023 Tolak
2,243 − 0,024 + 0,202 Usia 10,889 0,004 Tolak
Gender 5,757 0,056 Terima
( ) = 4,049 + 0,045 + IMT 21,270 0,000 Tolak
BP 4,252 0,119 Terima
2,243 − 0,024 + 0,202 TC 2,471 0,291 Terima
Selanjutnya dilakukan uji LDL 0,346 0,041 Tolak
HDL 5,138 0,077 Terima
signifikansi model secara simultan TCH 2,009 0,035 Tolak
LTG 4,382 0,112 Terima
menggunkana uji G atau likelihood ratio Berdasarkan Tabel 3 diketahui bahwa
test dengan hipotesis sebagai berikut: dengan = 0,05 dari sembilan faktor
∶ = =⋯= = 0 didapatkan empat faktor yang
:∃ ≠0 berpengaruh secara signifikan terhadap
Hasil pengujian diperoleh nilai kadar gula darah penderita diabetes
signifikansi atau p-value sebesar 0,000 mellitus yaitu usia, IMT, LDL dan TCH.
dengan selang kepercayaan 95% Uji Kebaikan Model
didapatkan keputusan tolak . Tabel Selanjutnya akan dilakukan uji kebaikan
likelihood ratio test tersaji dalam Tabel 2 model menggunakan uji Pearson dengan
berikut: hipotesis sebagai berikut:
: model layak digunakan atau
model sesuai

5
 Analisis Regresi Logistik .... (Leila Anggi Gusniar)

: model tidak layak digunakan Tabel 6. Uji Odds Ratio

atau model tidak sesuai Kadar Variabel Sig Odds
glukosa Ratio
Tabel 4. Uji Kebaikan Model Rendah Usia 0,007 0,869
Chi- Df Sig IMT 0,029 9,585
Square LDL 0,038 1,014
TCH 0,018 4,420
Pearson 175,386 188 0,736
Normal Usia 0,019 0,969
Deviance 142,483 188 0,994
IMT 0,000 9,226
Berdasarkan Tabel 4 diketahui bahwa LDL 0,048 0,999
nilai signifikansi baik Pearson maupun TCH 0,039 1,599
Berdasarkan Tabel 6 diketahui bahwa
Deviance lebih besar dari = 0,05
semakin bertambahnya usia pada
artinya diterima dan model sesuai.
penderita kadar gula darah rendah maka
Koefisien Determinasi
peluang seseorang menderita diabetes
Nilai koefisien determinasi dapat
mellitus lebih kecil 0,869 kali dibanding
diketahui dari nilai Mc Fadden, Cox and
penderita kadar gula darah tinggi.
Snell dan Nagelkerke seperti pada Tabel
Sedangkan pada penderita kadar gula
5 berikut ini.
darah normal maka peluang seseorang
Tabel 5. Koefisien Determinasi
menderita diabetes mellitus lebih kecil
Cox and Snell 0,330
Nagelkerke 0,393 0,969 kali dibanding penderita kadar
McFadden 0,219 gula darah tinggi. Uji odd ratio untuk
Berdasarkan Tabel 5 diketahui bahwa
IMT adalah semakin bertambahnya berat
nilai Cox and Snell sebesar 0,33, nilai
badan pada penderita kadar gula darah
Nagelkerke sebesar 0,393 dan nilai Mc
rendah maka peluang seseorang
Fadden sebesar 0,219. Artinya variabel
menderita diabetes mellitus lebih besar
bebas nya mampu menjelaskan variabel
9,585 kali dibanding penderita kadar
terikat sebesar 31,4%.
gula darah tinggi. Sedangkan pada
Odds Ratio
penderita kadar gula darah normal maka
Apabila model telah diuji dan hasil
peluang seseorang menderita diabetes
modelnya baik serta signifikansinya
mellitus lebih besar 9,226 kali dibanding
nyata maka data tersebut dapat
penderita kadar gula darah tinggi. Uji
diinterpretasikan dengan menggunakan
odd ratio untuk LDL adalah semakin
uji odds ratio seperti pada tabel 6 berikut
tinggi kadar LDL pada penderita kadar
ini:
gula darah rendah maka peluang
seseorang menderita diabetes mellitus

6
 Analisis Regresi Logistik .... (Leila Anggi Gusniar)

lebih besar 1,014 kali dibanding KESIMPULAN DAN SARAN

penderita kadar gula darah tinggi. Kesimpulan
Sedangkan pada penderita kadar gula dari hasil penelitian didapatkan faktor-
darah normal maka peluang seseorang faktor yang secara signifikan
menderita diabetes mellitus lebih kecil mempengaruhi kadar gula darah
0,999 kali dibanding penderita kadar penderita diabetes mellitus adalah usia,
gula darah tinggi. Uji odd ratio untuk jenis kelamin, low density lipoprotein
TCH adalah semakin tinggi kadar TCH (LDL) dan thyrocalcitonin hormone
pada penderita kadar gula darah rendah (TCH) dengan model regresi logistik
maka peluang seseorang menderita multinomial terbaik adalah ( )=
diabetes mellitus lebih besar 4,420 kali 0,369 + 0,045 + 2,243 −
dibanding penderita kadar gula darah 0,024 + 0,202 dan ( )=
tinggi. Sedangkan pada penderita kadar 4,049 + 0,045 + 2,243 −
gula darah normal maka peluang 0,024 + 0,202
seseorang menderita diabetes mellitus Saran
lebih besar 1,599 kali dibanding Penelitian ini terbatas pada cara
penderita kadar gula darah tinggi. mengestimasi parameter menggunakan
Pemodelan Regresi Logistik metode maksimum likelihood, padahal
Multinomial masih ada beberapa metode seperti
Setelah melakukan uji-uji tersebut maka noniterative weighted least squares dan
akan dibentuk model logit terbaik regresi discriminant function analysis. Untuk
logistik multinomial pada kasus diabetes penelitian selanjutnya dapat digunakan
mellitus yaitu: metode lain seperti NN ( Neural
Logit 1 Networks), Fungsi Radial Basis, model
( )
( ) = ln[ ] CART dan yang lainnya yang
( )
memungkinkan memberikan hasil yang
( ) = 0,369 + 0,045 +
lebih baik.
2,243 − 0,024 + 0,202
Logit 2 Pencegahan faktor risiko yang
( ) mempengaruhi kadar gula darah dapat
( ) = ln[ ]
( )
dilakukan dengan melakukan aktivitas
( ) = 4,049 + 0,045 +
fisik secara teratur, penerapan pola
2,243 − 0,024 + 0,202
makan gizi seimbang dengan banyak

7
 Analisis Regresi Logistik .... (Leila Anggi Gusniar)

mengkonsumsi sayuran dan buah-

buahan, menghindari rokok serta
minuman keras.

DAFTAR PUSTAKA
Agresti, Alan. (2002). Categorical Data
Analysis. New York: John Willey &
Sons
Graha, Chairinniza. (2010). 100
Questions and Answers: Kolesterol.
Jakarta: Elex Media Komputido
Gunardi. (1999). Metode Statistics.
Yogyakarta: FMIPA Universitas Gadjah
Mada.
Hosmer, D.W., dan Lemeshow, S.
(1989). Applied Logistic Regression.
John Wiley & Sons Inc., New York.
Misnadiarly. (2006). Diabetes Mellitus
Gangren, Ulcer, Infeksi. Jakarta: Pustaka
Populer Obor