Binary Logistic Regression Modelling: Measuring the Probability of

Relapse Cases among Drug Addict

(Pemodelan Logistik Regresi Biner: Mengukur

Probabilitas Kasus Relaps di kalangan Pecandu Narkoba)

Tugas Probabilitas

Nama kelompok

-Triyatno (41618010029)

-Rizky Arya Pratama (41618010031)

Abstrak:

Selama bertahun-tahun Malaysia menghadapi masalah kecanduan narkoba. Kasus yang

paling serius adalah fenomena relaps pecandu narkoba yang dirawat (pecandu narkoba yang
telah menjalani program rehabilitasi di Rehabilitasi Ketergantungan Narkotika Center,
PUSPEN). Dengan demikian, tujuan utama dari penelitian ini adalah untuk menemukan faktor
paling signifikan yang berkontribusi terhadap kekambuhan terjadi. Analisis regresi logistik biner
digunakan untuk memodelkan hubungan antara variabel independent (prediktor) dan variabel
dependen. Variabel dependen adalah status pecandu narkoba baik kambuh, (Ya dikodekan
sebagai 1) atau tidak, (Tidak diberi kode 0). Sedangkan prediktor yang terlibat adalah usia, usia
saat pertama kali menggunakan obat, riwayat keluarga, Pendidikan tingkat, krisis keluarga,
dukungan masyarakat dan motivasi diri. Total sampel adalah 200 dimana data disediakan oleh
AADK (Badan Antidrug Nasional). Temuan penelitian ini mengungkapkan bahwa usia dan
motivasi diri secara statistic signifikan terhadap kasus kekambuhan ..

Saat ini, kecanduan narkoba atau penyalahgunaan narkoba menjadi masalah kesehatan
dan sosial paling serius di Malaysia ([1]). Dr Sapora Sipon, dosen Universiti Sains Islam
Malaysia (USIM) dalam artikelnya, ‘Bersepadu Tangani Penyiaran Dadah 'pada 2 Agustus 2008
Utusan Malaysia, menyatakan bahwa ancaman narkoba melibatkan semua kalangan orang yang
menganggur, pelajar, orang tidak berpendidikan atau orang pintar. Narkoba tidak tahu apa-apa.
Orang harus mengelola penggunaan obat secara bijaksana sebagai obat. Individu yang berteman
dengan narkoba secara langsung memberikan konsekuensi negatif bagi mereka keluarga, agama
dan negara. Karena itu ia sangat mendesak sektor pemerintah, organisasi non-pemerintah (LSM),
sukarelawan dan anggota masyarakat bersama-sama menghabiskan upaya yang kuat untuk
mengatasi masalah narkoba ini.

Sisa dari makalah ini disusun sebagai berikut: Bagian 2 adalah metodologi yang
menggambarkan teori logistic regresi. Hasil dan interpretasi dari output dibahas dalam Bagian 3.
Sedangkan Bagian 4 adalah kesimpulan dan rekomendasi.
METODOLOGI

Analisis regresi logistik pertama kali diusulkan pada 1970-an sebagai metode alternatif
untuk mengatasi keterbatasan regresi biasa kuadrat (OLS) dalam menangani hasil dikotomis. Itu
menjadi tersedia dalam statistic paket pada awal 1980-an ([10]). Variabel x dapat kategorikal
atau kontinu, atau campuran kategorikal dan terus menerus sedangkan Y selalu kategoris.
Misalnya variabel hasil adalah ada atau tidaknya, ya atau tidak, gunakan atau tidak digunakan,
kegagalan penerus. Perhatikan bahwa respons yang dinyatakan hanya memiliki dua kategori.
Variabel hasil akan dikodekan dengan nilai 0 dan 1 untuk mewakili probabilitas bahwa peristiwa
itu akan terjadi. Biasanya, 1 dikodekan ke positif acara seperti kehadiran, ya, gunakan, sukses
dan sebagainya. Probabilitas keberhasilan dilambangkan sebagai p sementara untuk kegagalan
dilambangkan sebagai (1-p). Jenis variabel ini disebut Bernoulli (atau variabel biner). Variabel
independen sering disebut sebagai kovariat ([11]). Dalam setiap masalah regresi kuantitas kunci
adalah nilai rata-rata dari variabel hasil, mengingat nilai variabel bebas. Kuantitas ini disebut
mean bersyarat dan ditulis sebagai

E (Y|x) = β 0+ β i+ xi

di mana Y adalah variabel hasil dan i x nilai variabel independen i. Model regresi logistik,
memprediksi logit Y dari X. Logit adalah logaritma natural (ln) dari odds Y. Model logistik
ganda diberikan oleh

π
logit ( π ¿ log ( 1−π )= β + β x +…β + β x 0 i i 0 2 2

Karena itu, probabilitas keberhasilan adalah

eβ + β x
0 i ❑ +…+ βk xk
π (x) = β 0+ β i x ❑+ …+ β k xk ❑

1+ ¿e ¿

Dibandingkan dengan model regresi sederhana, metode yang paling umum digunakan untuk
memperkirakan parameter a model regresi logistik adalah metode Maximum likelihood (ML)
dan bukan metode Ordinary least square (OLS), ([12]). Metode ini dirancang untuk
memaksimalkan kemungkinan mendapatkan data yang diberikan parameternya perkiraan.
Interpretasi E diberikan menggunakan rasio odds (untuk prediktor kategori) atau deltap (untuk
prediktor kontinu), ([13]). Dalam makalah ini rasio odds akan digunakan.

Estimasi Kemungkinan Maksimum

Metode yang paling umum digunakan untuk memperkirakan parameter model regresi
logistik adalah metode Estimasi Kemungkinan maksimum (MLE) ([14]; [13]; [15]; [16]; [12];
[17]). Metode ini dirancang untuk dimaksimalkan kemungkinan memperoleh data mengingat
estimasi parameternya. Hipotesis nol menyatakan bahwa semua koefisien bs sama dengan nol.
Penolakan hipotesis nol menunjukkan bahwa setidaknya satu b tidak sama dengan nol ([13]).
MLE biasanya menggunakan berbagai metode Newton-Raphson yang dimodifikasi ([18]).
Menurut [19], fungsi densitas probabilitas adalah

yang memunculkan kemungkinan log:

Kemungkinan log ini dapat dengan mudah diperkirakan oleh perangkat lunak modern.
Kemiringan kemungkinan dengan hormat untuk estimasi koefisien adalah

Persiapan data

Dalam penelitian ini, data diperoleh dari Agensi Anti-Dadah Kebangsaan (AADK) yang
melibatkan 200 set data individual. Ada tujuh prediktor dalam penelitian ini. Prediktornya adalah
usia, usia saat pertama kali menggunakan narkoba, keluarga sejarah, tingkat pendidikan, krisis
keluarga, dukungan dari keluarga dan motivasi diri. Status pecandu narkoba juga mereka adalah
pecandu hardcore atau bukan adalah variabel dependen. Detail variabel disajikan pada Tabel 1

TABEL 1). Variabel dependen dan Independen

Variabel bebas Deskripsi variabel

Usia Usia saat ini

Usia pertama kali memakai riwayat keluarga Usia awal saat mulai minum obat
narkoba
Apakah orang tua, saudara kandung atau saudara
Tingkat Pendidikan mereka menggunakan narkoba?

• Ya - 1

• Tidak - 0

Krisis keluarga Pendidikan Malaysia resmi mereka

• Atas -1 (Diploma ke atas)

 • Lebih rendah - 0 (sekolah dasar hingga SPM)

Motivasi diri Apakah mereka menghadapi krisis keluarga?

• Ya - 1

• Tidak - 0

Apakah mereka memiliki motivasi diri untuk

berhenti minum obat?

• Ya - 1

• Tidak - 0

Deskripsi variabel
Variabel tak bebas
Apakah mereka kambuh? (menjadi pecandu
Status pecandu narkoba. narkoba atau tidak?)

• Ya - 1 (pecandu hardcore)

• Tidak - 0 (bukan pecandu hardcore)

KESIMPULAN

Regresi logistik digunakan dalam penelitian ini untuk menemukan prediktor paling signifikan
terhadap kekambuhan terjadi. Ada dua prediktor yang mempengaruhi kekambuhan terjadi yaitu usia dan
motivasi diri. Secara keseluruhan, semakin tua pecandu narkoba, peluang pecandu narkoba untuk kambuh
meningkat sebesar 1,472 kali dibandingkan dengan yang lebih muda. Motivasi diri akan mengurangi
kemungkinan kambuh sebesar 0,327 kali dibandingkan dengan yang tidak memiliki motivasi diri untuk
berhenti minum obat. Untuk studi selanjutnya, ada beberapa aspek yang bisa diperbaiki. Pertama,
persiapan data; data individual dapat dikumpulkan dengan menggunakan metode wawancara atau
kuesioner alih-alih diperoleh langsung dari Agensi Anti Dadah Kebangsaan (AADK) untuk memastikan
validitas data. Kedua, dari tujuh prediktor yang terlibat (usia, usia saat menggunakan narkoba, riwayat
keluarga, tingkat pendidikan, keluarga krisis, dukungan masyarakat dan motivasi diri), hanya dua yang
berkontribusi terhadap kasus kekambuhan terjadi. Dengan demikian, penelitian ini dapat diselidiki lebih
lanjut dengan menggunakan prediktor lain seperti pengaruh teman lama, dukungan dari keluarga, stres
kerja, efektivitas program rehabilitasi, kemudahan mendapatkan obat dan lain-lain

Sumber : https://aip.scitation.org/doi/pdf/10.1063/1.4887691?class=pdf, diakses pada tanggal 8 juli

2019,