Suatu model matematik yang digunakan untuk mempelajari hubungan satu atau beberapa
variabel independen dengan satu variabel dependen yang bersifat dikotomi (binary). Variabel
bianry : adalah variabel yang hanya memiliki dua nilai, misalnya (sakit / sehat), (merokok/ tdk
merokok), (BBLR/ normal) dll
Bila variabel prediktor 3 kategori atau lebih, maka dibuat dua kategori. Caranya ; dummy
variabel, kategori ulang sesuai logika biologik.
Analisis regresi ganda logistik adalah alat statistik yang sangat kuat untuk menganalisis hubungan
antara paparan dan penyakit dengan serentak mengontrol pengaruh sejumlah faktor perancu
potensial.
Tujuan analisis regresi ganda logistik yaitu menemukan model regresi yang paling sesuai, paling
irit, sekaligus masuk akal secara biologik, untuk menggambarkan hubungan antara variabel
dependen dan satu set variabel prediktor dalam populasi.
Manfaat analisis regresi ganda : (a) Meramalkan terjadinya variabel dependen pada individu
berdasarkan nilai-nilai sejumlah variabel prediktor yang ada pada individu tersebut.
Manfaat : (b) Mengukur hubungan antara veriabel respon dan prediktor, setelah mengontrol
pengaruh prediktor (kovariat) lainnya.
Keistimewaan
Regresi Logistik Ganda
(a) Kemampuan kengkonversi koefisien regresi (bi) menjadi rasio odds (OR). à OR = exp [bi]
(b) Kemampuan menaksir probabilitas individu untuk sakit (mengalami event) berdasarkan nilai-nilai
sejumlah variabel prediktor, dengan rumus sebagai berikut :
Macam Regresi logistik :
Untuk mempelajari hubungan antara satu variabel prediktor dengan satu variabel dependen
dikotomus.
Untuk mempelajari hubungan antara beberapa variabel prediktor dengan satu varibel
dependen dikotomus.
Odds : rasio probabilitas suatu peristiwa untuk terjadi dan probabilitas suatu peristiwa untuk tidak
terjadi
a = Konstanta ( intersep)
Pembangunan model regresi ganda logistik hendaknya tidak terjebak oleh penggunaan veriabel
prediktor yang terlalu banyak.
Pemilihan variabel sebaiknya dilakukan dengan cara-cara yang lebih purposif, dan tidak terpaku
pada pendekatan yang sifatnya deterministik menurut kamaknaan statistik.
Makin banyak variabel yang dimasukkan dalam model hanya akan meningfkatkan kesesuaian
garis regresi dengan hubungan antara variabel dependen dan sejumpan variabel prediktor pada
data sampel, tetapi belum tentu menggambarkan hubungan tersebut pada tingkat populasi.
Hal itu disebabkan karena, bertambahnya variabel prediktor (baik yang relevan maupun tidak
relevan) hanya akan menaikkan nilai taksiran kesalahan baku, sehingga membuat model tersebut
sangat tegantung kepada data pengamatan sampel.
Kesimpulannya, model tersebut tidak merefleksikan / meggambarkan hubungan variabel respon
dan variabel-variabel prediktor dalam populasi yang sesungguhnya.
Jika ada variabel prediktor lebih dari dua kategori, maka dibuat menjadi dua kategori terlebih
dahulu. Perlu diingat bahwa dalam melakukan recode harus mempunyai alasan biologik.
Mickey dan Greenland : variabel variabel yang mempunyai nilai p= 0,25 dan memiliki kemaknaan
biologik hendaknya dipertimbangkan untuk dimasukkan ke dalam model multivariate.
Beberapa Metode :
1. Enter
2. Stepwise
3. Forward
4. Backward
Sebuah studi Kohor prospektif, meneliti pengaruh aktifitas fisik (AF) terhadap kejadian infark otot
jantung (MI). Variabel lain yang diukur adalah umur dalam kategori (AGRP) dan kebiasaan
merokok
0 : tidak merokok
Varabel rancangan
Kebiasaan merokok
- Sebagai salah satu rancangan pengkodean variabel tersebut, maka variabel bukan perokok
sebagai variabel acuan (refference) à dengan kode D1=0 D2=0
Sehingga menjadi
- Variabel asli Variabel rancangan
- MRK D1 D2
- Tidak merokok 0 0
Menggunakan chi-square
AF p=0,000
AGRP p=0,000
D1 p=0,000
D2 p=0,052
Persamaan yg di dapat
1
P= _________________________________________
- [a + b1 (AF)+b2(AGRP)+b3(D1)+b4(D2)
1 +e
Berdasarkan persamaan tersebut diatas, berapa probabilitas untuk mengalami sakit pada individu dengan kriteria sebagai
berikut ?
1) Melakukan aktifitas fisik 2.000 kcal / hari
2) Berumur 35 tahun
Perhitungan
1
P = _________________________________________
- [-1,9146 – 2,2431(AF) + 2,0131 (AGRP) + 2,4782(D1) + 2,6734(D2)]
1 +e
Berdasarkan persamaan tersebut diatas, berapa probabilitas untuk mengalami sakit pada individu dengan kriteria sebagai
berikut ?
Berumur 35 tahun
AF = 0 tidak berisiko
1
P= _________________________________________
- [-1,9146 – 2,2431(0) + 2,0131 (0) + 2,4782(1) + 2,6734(0)]
1 +e
1
P= _________________________________________
- [-1,9146 – 2,2431(0) + 2,0131 (0) + 2,4782(1) + 2,6734(0)]
1 +e
= 0,64 à 64%
Individu yang berumur 35 tahun dan hanya melakukan aktifitas fisik sebesar 2.000 kcal / hari, serta
membunyai kebiasaan merokok 5 batang per hari, maka memiliki probabilitas untuk terkena MI sebesar
64%.