Regresi Logistik

Analisis regresi logistik digunakan untuk menjelaskan hubungan antara variabel dependent
dengan variabel independent yang berupa data berskala interval dan atau kategorik (Hosmer
dan emeshow, 1989)
Berdasarkan banyaknya variabel dependent regresi logistik dibedakan atas :
1. Regresi Logistik biner : variabel dependent merupakan variabel dikotomus (2 macam
kategori)
2. Regresi Logistik multinomial : variabel dependent adalah variabel dengan lebih dari 2
kategori.
Secara umum persamaan regresi logistik dinyatakan pada persamaan berikut :
exp⁡(𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ + 𝛽𝑘 𝑥𝑘 )
𝜋(𝑥) =
1 + exp⁡(𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ + 𝛽𝑘 𝑥𝑘 )
Dengan : 𝜋(𝑥) : peluang kejadian sukses
𝛽 : koefisien regresi (parameter)
𝜋(𝑥) merupakan fungsi non-linear, sehingga dilakukan trasformasi ke dalam bentuk logit untuk
memperoleh fungsi yang linier. Dengan melakukan transformasi logit 𝜋(𝑥), maka di dapat
persamaan yang lebih sederhana, yaitu :
𝜋(𝑥)
𝑔(𝑥) = 𝑙𝑛 = (𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ + 𝛽𝑘 𝑥𝑘 )
1 − 𝜋(𝑥)
Variabel buatan (dummy variable)
Variabel kualitatif biasanya menunjukkan kehadiran atau ketidakhadiran dari suatu atribut,
seperti mutu baik atau jelek, jenis kelamin laki-laki atau perempuan, tempat tinggal didesa atau
dikota dan lain-lain, maka metode untuk mengkuantitasikan atribut tersebut adalah dengan
jalan membangun variabel buatan (dummy variabel) yang mengambil nila 0 dan 1 dimana nilai
1 menunjukkan kehadiran variabel tersebut sedangkan 0 menunjukkan ketidakhadiran variabel
tersebut. Ketika variabel bebas merupakan data yang berskala kategorik, maka dummy variable
untuk dimasukkan ke dalam persamaan regresi.
Misalkan pendapatan dari seseorang akan berpotensi menjadi variabel bebas dalam model
untuk membeli (y), jika terdapat tiga tingkatan pendapatan High, Medium, dan Low maka
terdapat dua variabel dummy pendapatan(1) dan pendapatan(2) didefinisikan :
Pendapatan Pendapatan(1) Pendapatan(2)
High 1 0
Medium 0 0
Low 0 1
Anggap pendapatan merupakan satu-satunya variabel bebas, maka hubungan dapat dimodelkan
sebagai :
𝑦 ≈ 𝛽0 + 𝛽1 𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛(1) + 𝛽2 𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛(2)
Kecocokan Model Regresi Logistik
Kecocokan model regresi logistik dengan data percobaan dapat diukur rumusan berikut :
𝐽𝑢𝑚𝑙𝑎ℎ⁡𝑦𝑎𝑛𝑔⁡𝑏𝑒𝑛𝑎𝑟⁡(𝑜𝑏𝑠𝑒𝑟𝑣𝑒𝑑 = 𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑)
𝑃𝑒𝑟𝑐𝑒𝑛𝑡𝑎𝑔𝑒⁡𝑐𝑜𝑟𝑟𝑒𝑐𝑡 = ⁡
𝐽𝑢𝑚𝑙𝑎ℎ⁡𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑠𝑖

Pengujian koefisien persamaan regresi logistik

Setelah mengetahui kecocokan model regresi logistik, maka selanjutkan akan diuji variabel
mana saja yang berpengaruh secara signifikan sehingga bisa dimasukkan kedalam model.
𝐻0 ∶ ⁡⁡ 𝛽𝑗 = 0⁡ (variabel bebas ke-j tidak mempunyai pengaruh secara sigifikan)

𝐻0 ∶ ⁡⁡ 𝛽𝑗 ≠ 0 (variabel bebas ke-j mempunyai pengaruh secara sigifikan)

Dapat digunakan uji wald atau nilai p-value, jika p-value kurang dari tingkat signifikansi (𝛼)
maka 𝐻0 ditolak artinya variabel bebas ke-j mempunyai pengaruh yang signifikan terhadap
variabel tak bebas.
Langkah-langkah untuk mencari persamaan regresi logistik biner dalam SPSS
1. Pada variable view ganti measure data kategorik dengan nominal atau ordinal.
2. Pilih menu Analyze → Regression → Binary Logistic
3. Masukkan variabel yang akan dicari persamaan regresi logistik
Masukkan peubah tak bebas (y) sebagai dependent variable dan peubah-peubah bebas
(xi) sebagai independent variable
4. Untuk peubah bebas yang bersifat kategorik, maka pada toolbar Categorical masukkan
peubah bebas kategorik kedalam Categorical Covariates.Klik Continiu
5. Pada toolbar Option, checklist Iteration history, untuk Classification cutoff pada
kondisi default 0.5 merupakan peluang suatu observasi untuk masuk ke salah satu
kelompok sebelum karakteristik variabel penjelasnya diketahui. Klik Continue
6. Klik OK
Contoh :
Berikut data 18 orang wanita dengan keterangan umur, tingkat pendapatan (low, medium,
high), dan status (M-menikah; S untuk single) yang diwawancai mengenai pembelian kosmetik
merk tertentu. Pembelian yang dijelaskan dengan angka 1 sebagai membeli dan 0 sebagai tidak
membeli.
Pembelian Umur Pendapatan Status
1 40 Medium M
0 35 Low M
1 38 High S
1 36 High M
0 38 Medium M
0 27 Medium S
1 32 Medium S
0 33 Low S
1 35 High S
1 24 Medium S
 0 25 Medium M
0 38 High S
1 26 High M
1 38 Medium M
1 28 High S
1 30 Medium S
0 33 Low M
1 35 High M

Cari persamaan regresi logstik untuk memprediksi kecendrungan membeli kosmetik tertentu
dari seorang wanita.

Dari tabel Categorical Variables Codings dapat dilihat terdapat dua variabel bebas kategorik yaitu
pendapatan dan status, maka terdapat tiga variabel dummy yang akan dimasukkan ke dalam model
regresi logistik.
 Perhatikan Classification Table, diperoleh nilai overall percentage 77,8 artinya kecocokan model
dan data baik.
 Perhatikan Output yang diperoleh, pada tabel Variables in the Equation diperoleh nilai koefisien
regresi logistik, sehingga diperoleh model regresi logistik sebagai berikut :

exp⁡(0,042 + 0,018⁡𝑈𝑚𝑢𝑟 + 1,239⁡𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛(1) − 21,721⁡𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛(2) − 0,176⁡𝑆𝑡𝑎𝑡𝑢𝑠(1))

𝜋̂ =
1 + exp⁡(0,042 + 0,018⁡𝑈𝑚𝑢𝑟 + 1,239⁡𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛(1) − 21,721⁡𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛(2) − 0,176⁡𝑆𝑡𝑎𝑡𝑢𝑠(1))

 Pengujian koefisien persamaan regresi.

𝐻0 ∶ ⁡⁡ 𝛽0 = 0⁡ (koefisien 𝛽0 dapat diabaikan )
𝐻0 ∶ ⁡⁡ 𝛽0 ≠ 0
Perhatikan tabel Variables in the Equation, nilai p-value adalah 0,882 jika dibandingkan dengan
nilai tingkat signifikansi 𝛼 = 0,05 maka p-value > 𝛼 maka 𝐻0 tidak ditolak, sehingga
koefisien 𝛽0 dapat diabaikan. Lakukan hal yang sama untuk 𝛽𝑗 , dimana j>0.
Soal latihan :
1. Berikut data mengenai studi Y= apakah pasien setelah operasi dengan bius total mengalami sakit
tenggorokan ketika siuman (1=ya) sebagai fungsi dari D = durasi operasi (dalam menit) dan T =
tipe alat yang digunakan untuk keamanan jalannya pernafasan (0=laryngeal mask airway,
1=tracheal tube)
Pasien D T Y Pasien D T Y Pasien D T Y
1 45,00 0 0 13 50,00 1 0 25 20,00 1 0
2 15,00 0 0 14 75,00 1 1 46 45,00 0 1
3 40,00 0 1 15 30,00 0 0 27 15,00 1 0
4 83,00 1 1 16 25,00 0 1 28 25,00 0 1
5 90,00 1 1 17 20,00 1 0 29 15,00 1 0
6 25,00 1 1 18 60,00 1 1 30 30,00 0 1
7 35,00 0 1 19 70,00 1 1 31 40,00 0 1
8 65,00 0 1 20 30,00 0 1 32 15,00 1 0
9 95,00 0 1 21 60,00 0 1 33 135,00 1 1
10 35,00 0 1 22 61,00 0 0 34 20,00 1 0
11 75,00 0 1 23 65,00 0 1 35 40,00 1 0
12 45,00 1 1 24 15,00 1 0

Carilah persamaan regresi untuk memprediksi keadaan pasien pasca operasi dengan bius total.
exp⁡(−3,076+0,069⁡𝐷)
(Jawaban : 𝜋
̂= , sedangkan variabel dummy T(1) tidak signifikan atau
1+exp⁡(−3,076+0,069⁡𝐷)
H0 tidak ditolak.)