Propensity Score Stratification Analysis using Logistic Regression for Observational

Studies in Diabetes Mellitus Cases

Abstrak— Studi observasional merupakan dasar dari penelitian epidemiologi untuk

menggambarkan kesimpulan dari efek atau pengobatan respons. Secara umum, uji coba secara
acak adalah diperlukan untuk memenuhi asumsi independensi untuk meminimalkan efek bias.
Namun dalam sebuah studi observasional, khususnya di bidang kedokteran, pengacakan tidak
dapat diterapkan karena mengakibatkan estimasi efek pengobatan yang meragukan. Skor
kecenderungan adalah probabilitas bersyarat untuk mendapatkan perlakuan tertentu yang
melibatkan kovariat yang diamati. Metode ini digunakan untuk mengurangi bias dalam Estimasi
dampak pengobatan pada data observasi untuk faktor perancu mereka. Jika pengobatannya biner,
maka model regresi logistik merupakan salah satu estimasi skor kecenderungan karena
kemudahan dalam hal estimasi dan interpretasi. Dalam analisis observasional Studi, stratifikasi
skor kecenderungan (PSS) telah terbukti menjadi salah satu metode untuk sesuaikan kovariat
yang tidak seimbang untuk tujuan inferensi kausal. Data yang digunakan dalam Penelitian ini
merupakan rekam medis pasien DM di RS X tentang faktor-faktor yang mempengaruhi
mempengaruhi jenis diabetes mellitus. Dalam penelitian ini PSS digunakan pada diabetes melitus
kasus untuk mengurangi bias karena faktor perancu, sehingga dapat diketahui faktor-faktor
tersebut mempengaruhi tipe diabetes mellitus dengan obesitas sebagai faktor perancu. Hasil dari
Dari analisis PSS diketahui bahwa variabel yang berpengaruh langsung terhadap jenis DM
adalah obesitas, umur, jenis kelamin dan variabel tidak berpengaruh langsung terhadap jenis DM
secara genetic variabel, aktivitas olah raga dan pola makan pasien DM.

Keywords: observational studies, confounding, propensity score stratification, diabetes melitus

I. PENDAHULUAN
Perhatian terhadap penyakit tidak menular saat ini semakin meningkat. Dari sepuluh
penyebab utama kematian, dua di antaranya adalah penyakit tidak menular. Diabetes
melitus (DM) merupakan penyakit tidak menular dengan prevalensi tinggi. International
Diabetes Federation (IDF) menyatakan angka penderita diabetes melitus mencapai 382 juta
orang di dunia pada tahun 2013. Diperkirakan 592 juta pada tahun 2035. Di Indonesia,
penderita diabetes melitus telah mencapai 8,4 juta pada tahun 2000 dan diperkirakan
menjadi sekitar 21,3 juta pada tahun 2030. Saking tingginya jumlah pasien, menjadikan
Indonesia menempati urutan keempat setelah United Serikat, India dan Cina [1].
Berdasarkan hasil Riset Kesehatan Dasar Indonesia (RISKESDAS) tahun 2013, terjadi
peningkatan Prevalensi diabetes melitus Indonesia tahun 2007 sebesar 1,1% menjadi 2,1%
pada tahun 2013. Hasil analisis Gambaran prevalensi Diabetes Mellitus berdasarkan
diagnosis dokter dan gejala meningkat dengan usia. Dimulai dengan penurunan usia ≥ 65
tahun. Prevalensi diabetes pada wanita adalah 1,7% sedangkan pada pria memiliki 1,4%.
Berdasarkan wilayahnya prevalensi di perkotaan (2,0%) lebih tinggi dibandingkan di
perdesaan 1,0% [2].
Diabetes melitus (DM) merupakan kelainan metabolisme kronis akibat produksi
pankreas yang tidak cukup insulin atau tubuh tidak dapat menggunakan insulin yang
diproduksi secara efektif. Insulin adalah hormon yang mengatur kadar glukosa darah.
Diabetes mellitus diklasifikasikan ke dalam diabetes tipe 1, yang dikenal sebagai diabetes
yang tidak bergantung pada masa kanak-kanak atau insulindependen, yang ditandai dengan
kurangnya produksi insulin. Diabetes tipe 2, dikenal sebagai diabetes yang tidak
bergantung pada insulin atau onset dewasa, yang disebabkan oleh ketidakmampuan tubuh
untuk menggunakan insulin efektif yang kemudian menyebabkan kelebihan berat badan
dan kurangnya aktivitas fisik [3].
Peningkatan jumlah penderita diabetes lebih banyak disebabkan oleh interaksi antar
factor kerentanan genetik dan paparan lingkungan, seperti perubahan gaya hidup dan
aktivitas fisik sering menyebabkan obesitas. Ini merupakan faktor risiko timbulnya DM
[4]. Oleh karena itu, diabetes melitus tipe 2 adalah sering juga disebut gaya hidup diabetes
karena penyebabnya bukan hanya karena faktor keturunan, tetapi juga faktor Lingkungan
termasuk usia, obesitas, resistensi insulin, makanan, aktivitas fisik, dan peran yang tidak
sehat dalam kejadian tersebut diabetes [5].
Penelitian tentang kejadian diabetes melitus (DM) telah banyak dilakukan. Sebagai
contoh Wicaksono [4] menyelidiki faktor-faktor yang berhubungan dengan terjadinya
diabetes melitus (DM) tipe II menggunakan analisis deskriptif dan regresi logistik.
Trisnawati dkk. [6] mempelajari faktor risiko DM tipe 2 pasien rawat jalan menggunakan
uji McNemar dan regresi logistik dan Indriyani et al. [7] mempelajari efek dari Latihan
fisik untuk menurunkan kadar gula darah pasien DM tipe 2 menggunakan uji t dengan uji t
satu desain penelitian kelompok pretest-posttest.
Penelitian di atas sebagian besar menggunakan analisis deskriptif dan regresi logistik
tanpa mempertimbangkan kemungkinan kombinasi yang kuat dari faktor-faktor yang
mempengaruhi diabetes mellitus (DM). Padahal, seperti yang dijelaskan sebelumnya
bahwa kombinasi dari faktor-faktor tersebut menyebabkan adanya variabel perancu yang
menyebabkannya mendapatkan kesimpulan yang tidak akurat.
Beberapa penelitian sebelumnya telah mencoba membahas faktor perancu secara acak,
tetapi dalam kasus kesehatan sektor, itu tidak bisa dilakukan. Namun bagaimana variabel
perancu dimasukkan dalam faktor-faktor yang diteliti. Karena itu, kami membutuhkan
metode yang dapat menangani efek bias yang disebabkan oleh faktor perancu ini. Salah
satu metode itu dapat menangani perancu adalah metode skor kecenderungan. itu pertama
kali diperkenalkan oleh Rosenbaum dan Rubin di 1983. Skor kecenderungan didefinisikan
sebagai probabilitas bersyarat untuk menerima intervensi berdasarkan itu karakteristik
sebelum intervensi [8]. Metode ini merupakan penyesuaian statistik yang dapat digunakan
untuk menganalisis data dari rancangan penelitian non eksperimental dimana rancangan
memberikan perlakuan melalui pengacakan untuk kelompok perlakuan atau kontrol tidak
memungkinkan. Peneliti dapat menggunakan skor kecenderungan untuk statistik
menyeimbangkan atau menyamakan kelompok subjek penelitian untuk mengurangi bias
akibat pemberian perlakuan yang ada tidak acak.
Salah satu metode skor kecenderungan yang terbukti dapat mengurangi bias akibat
efek perancu adalah metode stratifikasi skor kecenderungan. Metode ini berfokus pada
pembagian kelas/strata berdasarkan nilai perkiraan skor kecenderungan. Pembagian
kelas/strata bertujuan untuk menyeimbangkan Distribusi antara kelompok perlakuan dan
kontrol sehingga perkiraan efek pengobatan rata-rata lebih akurat.
Beberapa penelitian tentang model yang digunakan untuk mengestimasi nilai skor
kecenderungan antara lain McCaffrey et al. [9] yang menggunakan model dorongan umum,
McCandless et al. [10] menggunakan Bayesian, dan Littnerova et al. [11] menggunakan
regresi logistik untuk memperkirakan skor kecenderungan. Dari semua penelitian tersebut,
diestimasi dengan regresi logistic lebih sederhana dan mudah dalam interpretasinya,
khususnya untuk data kategori yang digunakan.
 Berdasarkan uraian diatas maka tujuan penelitian dalam penelitian ini adalah untuk
mendapatkan estimasi rata-rata pengaruh perlakuan dan model regresi logistik biner
berdasarkan skor kecenderungan yang menunjukkan faktor-faktor tersebut mempengaruhi
jenis DM pada pasien yang dirawat di rumah sakit distrik X setelah dikontrol dengan
perancu variabel status pasien obesitas.
II. TEORI
2.1 Model Regresi Logistik
Menurut Hosmer & Lemeshow [12] model logistik biner adalah logaritma rasio odds
terjadinya keberhasilan (π) dan kemungkinan terjadinya gagal (1−π). Bentuk spesifik dari
logistic model regresi dengan variabel p prediktor dinyatakan dalam persamaan (2.1)

Penyederhanaan bentuk persamaan di atas, kemudian digunakan transformasi logit dari

bentuk di bawah ini.

Dengan  x adalah probabilitas keberhasilan, 1 x adalah kemungkinan

kejadian gagal,  m adalah parameter fungsi linier dengan variabel prediktor m = 1,2, ...,
p.
2.2 Propensity Score
Analisis skor kecenderungan dikenalkan oleh Rosenbaum dan Rubin 1983 dalam jurnal
berjudul "peran sentral dari skor kecenderungan dalam studi observasi untuk efek kausal ".
Analisis skor kecenderungan adalah metode statistik yang inovatif dan berguna untuk
mengevaluasi efek pengobatan saat berkembang pesat menggunakan data observasi [13].
Rosenbaum dan Rubin [8] mendefinisikan skor kecenderungan untuk observasi i (i = 1, ...,
n) sebagai probabilitas bersyarat dari perlakuan tertentu (Zi = 1) versus non-perlakuan (Zi
= 0) berdasarkan karakteristik kovariat xi yang diamati.
Menurut Guo & Fraser [13] nilai skor kecenderungan didefinisikan sebagai berikut.

Menurut Littnerova et al. [11] skor kecenderungan menggunakan model regresi logistik,
respon Variabel adalah biner tempat perlakuan dan unit kontrol dengan model berikut.
Dengan 0 adalah konstanta, 1 2,,,    p koefisien regresi dan 1 2,,, hal x x x adalah
variabel kovariat.
 Menurut Cochran & Rubin (1973) dalam Pan & Bai [14] ukuran bias dikurangi untuk
masing-masing kovariat dapat menggunakan persamaan (2.11)

Dan

dengan PBR adalah Persen Pengurangan Bias, B adalah selisih rata-rata kelompok
perlakuan dan kelompok kontrol kelompok untuk setiap kovariat, p x 1  p  dan p x 0 
p  adalah proporsi kovariat untuk kelompok perlakuan dan kelompok kontrol, B sebelum
PS dan Bafter PS mewakili perbedaan antara pengobatan rata-rata dan kelompok kontrol
sebelum skor kecenderungan dan setelah skor kecenderungan.
2.3 Propensity Score Stratification
Propensity Score Stratification (PSS) adalah prosedur pengklasifikasian mata pelajaran
ke dalam kelas-kelas berdasarkan perkiraan skor kecenderungan. Subjek diurutkan
berdasarkan perkiraan skor kecenderungan (Austin, 2011). Cochrane (1968) menunjukkan
bahwa lima sub-kelas cukup untuk mengurangi 90% bias dengan satu kovariat. [15].
Imbens [16] menyatakan seluruh bias di bawah unconfounded terkait dengan skor
kecenderungan, itu menunjukkan bahwa di bawah normalitas digunakan 5 perubahan strata
sebagian besar bias dengan semua kovariat.
Menurut Yanovitzky, Zanutto, dan Hornik [17] langkah-langkah umum analisis skor
kecenderungan adalah dijelaskan sebagai berikut
1. Pilih kovariat sebagai pembaur untuk estimasi skor kecenderungan. Proses pemilihan
dapat mengacaukan berdasarkan teori dan bukti empiris tentang hubungan antar
variabel.
2. Nilai perkiraan skor kecenderungan.
3. Bagilah strata berdasarkan skor kecenderungan.
4. Periksa keseimbangan kovariat antara kelompok perlakuan dan non-pengobatan.
5. Hitung efek perancu.

Salah satu cara untuk menilai kualitas stratifikasi skor kecenderungan dengan cara
membandingkan variasi statistik seperti mean, median, varians, statistik uji-t, uji chi-square
atau Kolmogorov-Smirnov (KS) uji pada setiap kovariat [15]. Dalam penelitian ini, KS dan
 chi-square digunakan untuk menguji distribusi Perbedaan antara kelompok perlakuan dan
kelompok kontrol.

2.4 Diabetes Mellitus

Diabetes melitus merupakan penyakit metabolik yang merupakan kumpulan gejala yang
muncul pada diri seseorang karena kenaikan kadar glukosa darah di atas nilai normal.
Penyakit ini disebabkan oleh gangguan pada metabolisme glukosa akibat kekurangan
insulin baik secara absolut maupun relatif. Ada dua jenis diabetes melitus. DM tipe
pertama adalah tipe 1, yang biasanya didapat sejak kecil dan hasil dari kegagalan pankreas
untuk menghasilkan cukup insulin. Tipe DM yang kedua adalah tipe 2, yaitu biasanya
didapat orang dewasa dan kondisi di mana sel gagal merespon insulin. Menurut Poretsky
[18] Faktor yang mempengaruhi diabetes tipe 1 adalah genetik, autoimun, usia, ras dan
suku, jenis kelamin, dan faktor lingkungan seperti infeksi virus, pola makan / nutrisi, stres.
Selain itu, menurut Gungor, Faktor Hannon, Libman, Bacha, & Arslanian [19] yang
mempengaruhi diabetes tipe 2 adalah genetik, usia, jenis kelamin dan faktor lingkungan
seperti pola makan, obesitas, aktivitas olahraga.
III. METODOLOGI PENELITIAN
Metode yang digunakan dalam penelitian ini adalah metode propensity score
stratification (PSS) untuk mengetahui faktor-faktor tersebut mempengaruhi tipe diabetes
melitus (DM) dengan status obesitas pasien sebagai faktor perancu. Itu Data yang
digunakan adalah data sekunder dari rekam medik pasien (DM) di Rumah Sakit X tahun
2013. Jumlah Responden adalah 497 pasien. Pasien terdiri dari pasien DM tipe 1 (42
pasien) dan pasien dengan DM tipe 2 (455 pasien). Variabel respon adalah tipe DM dan
variabel prediktor adalah genetik, usia, jenis kelamin, kebiasaan makan, aktivitas olah raga
dan obesitas. Tahapan proses penelitian dapat dilihat pada Gambar 1 di bawah.
IV. HASIL DAN PEMBAHASAN
Deskriptif statistika merupakan tahap awal eksplorasi data untuk mendapatkan
gambaran umum Penelitian data. Karakteristik responden dapat dilihat dari deskriptif
masing-masing variabel yang ditunjukkan pada Tabel 2.

Berdasarkan tabel 2 dapat diketahui bahwa dari 82.49% penderita DM genetik, 81.49%
penderita DM kebiasaan makan (tidak bertemu) dan 81,09% pasien kurang aktif dalam
kegiatan olahraga. Selain itu, telah diketahui hal itu jumlah pasien wanita (54.93%) lebih
banyak dibandingkan pasien pria (45.07%). Dari tabel 2 dapat ditampilkan Selain itu,
sebagian besar penderita obesitas dan diabetes tipe 2 adalah diabetes genetik, jenis kelamin
perempuan, pola makan kebiasaan (tidak bertemu) dan pasien yang kurang aktif
berolahraga dalam kegiatan olahraga.
4.2 Propensity Score Stratification Analysis
4.2.1Pilih kovariat sebagai pembaur
Langkah pertama dalam analisis skor kecenderungan adalah memilih kovariat
sebagai variabel perancu. Itu Penentuan variabel perancu berdasarkan teori dan
dibuktikan dengan bukti empiris seperti hubungan antar variabel. Pengujian
hubungan antar variabel menggunakan uji chi-square. Berdasarkan penelitian yang
dilakukan oleh Betteng, dkk. [5] diketahui bahwa obesitas memiliki hubungan
dengan faktor genetik, disfungsi otak, kebiasaan diet selesai, aktivitas olah raga
kurang, emosional, faktor lingkungan, faktor sosial dan gaya hidup. Dengan
demikian hubungan ini akan dibuktikan dengan bukti empiris menggunakan uji chi
square. Hasil pengujian korelasi antara kovariat dengan variabel obesitas ditunjukkan
pada Meja 2.

Berdasarkan Tabel 2 dapat dilihat bahwa genetik, pola makan dan aktivitas
olahraga aktif berpengaruh signifikan untuk variabel obesitas. Sedangkan umur dan
jenis kelamin berpengaruh tidak signifikan terhadap obesitas. Berdasarkan itu Hasil
penelitian, sehingga menjadi bukti bahwa variabel obesitas merupakan variabel yang
paling banyak berhubungan dengan variabel lain. Oleh karena itu, variabel obesitas
dipilih sebagai variabel perancu Z dengan parameter .
4.2.2Memperkirakan Skor Kecenderungan
Dalam penelitian ini skor kecenderungan diestimasi dengan regresi logistik. Ada
lima variabel nantinya Diperkirakan, variabelnya adalah genetik, umur, jenis
kelamin, kebiasaan makan dan aktivitas olahraga. Hasil dari parameter ditunjukkan
pada Tabel 3.
 Berdasarkan Tabel 3 dapat dilihat bahwa variabel berpengaruh signifikan
terhadap obesitas pada signifikansi tingkat (α = 0,1%) adalah variabel genetik dengan
p-value = 0,000 dan aktivitas olahraga dengan p-value = 0,0011, sedangkan variabel
kebiasaan makan signifikan pada α = 20%. Hal tersebut menandakan status penderita
obesitas DM ditentukan oleh faktor genetik, kebiasaan makan, dan aktivitas olahraga
penderita DM.
Dari parameter estimasi yang ditunjukkan pada Tabel 3, dapat diperoleh nilai skor
kecenderungan di bawah

Persamaan (2.7) menggambarkan bahwa setiap umur penderita DM meningkat

satu tahun, sehingga kemungkinan terjadinya obesitas akan meningkat 1.017 kali
lipat. Probabilitas seseorang yang menderita DM genetik menjadi obesitas adalah
10,79 kali lebih besar dari seseorang yang tidak memiliki riwayat genetik diabetes,
kemungkinan seorang wanita Mengalami obesitas 0,984 kali lebih besar daripada
laki-laki, kemungkinan seseorang melakukan diet sehat obesitas 0,168 kali lipat
dibandingkan dengan orang yang pola makannya tidak sehat dan probabilitas orang
yang aktif berolahraga mengalami obesitas 0,006 kali lipat dari orang yang jarang
berolahraga.
4.2.3Stratifikasi dan Seimbangkan Skor Kecenderungan
Setelah memperkirakan skor kecenderungan, langkah selanjutnya adalah
subklasifikasi ke dalam strata yang berbeda. Itu Pembentukan stratum ini bertujuan
untuk menyeimbangkan kelompok perlakuan dan kontrol sehingga perkiraan
perlakuan efek tidak bias. Jumlah strata skor kecenderungan seimbang tergantung
pada Jumlah pengamatan dalam kumpulan data. Tabel 4 menunjukkan pengujian
keseimbangan kovariat setelah stratifikasi berdasarkan kuintil dari skor
kecenderungan. Lima dari kovariat dimasukkan dalam model skor kecenderungan
Akhir digunakan untuk stratifikasi. Ketidakseimbangan awal diukur dengan uji chi-
square untuk data kategori (genetik, jenis kelamin, kebiasaan makan dan aktivitas
olahraga) dan uji Kolmogorov-Smirnov untuk data berkelanjutan (usia)
membandingkan kelompok obesitas dan tidak ada kelompok obesitas.
 Berdasarkan Tabel 4 dapat ditunjukkan bahwa setelah dilakukan pengujian
dengan menggunakan uji chi-square untuk data kategorik kovariat seperti genetik,
jenis kelamin, kebiasaan makan dan aktivitas olahraga menunjukkan obesitas dan
tidak ada obesitas memiliki keseimbangan di semua strata. Begitu pula untuk
kovariat umur yang diuji dengan uji KolmogorovSmirnov (KS). Neraca pengujian
kovariat didukung oleh Gambar 2. Gambar 2 merupakan gambar yang mana
menunjukkan keseimbangan antara obesitas dan tidak ada obesitas untuk data
kategori (jenis kelamin) dan data kontinu (usia). Agar analisis dapat dilanjutkan ke
tahap selanjutnya yaitu memperkirakan rata-rata pengaruh perlakuan atau pengaruh
rata-rata obesitas pada tipe DM. Pola keseimbangan dapat dilihat pada Gambar 2
berikut ini.
4.2.4Memperkirakan Efek Kausal
Skor kecenderungan adalah metode yang ideal untuk melihat pengaruh
pengobatan pada studi observasional. Ini Metode ini dapat mengurangi efek bias
karena perbedaan distribusi kovariat antara perlakuan dan control kelompok. Oleh
karena itu, sebelum efek pengobatan diperkirakan, kovariat antara pengobatan dan
control kelompok harus seimbang. Karena pada langkah sebelumnya telah diperoleh
strata dengan kovariat tadi seimbang, maka langkah selanjutnya adalah estimasi efek
pengobatan. Dalam kasus ini, perkiraan pengaruh obesitas pada tipe DM. Hasil
estimasi stratifikasi sebelum dan sesudah ditunjukkan pada Tabel 5.

Tabel 5 menunjukkan hasil estimasi pengaruh obesitas terhadap tipe DM sebelum

dan sesudah stratifikasi. Dari tabel 5 diperoleh hasil rata-rata pengaruh obesitas pada
tipe DM sebelumnya stratifikasi (tidak disesuaikan) adalah 16,859 dengan kesalahan
standar 0,3585 dan setelah stratifikasi (disesuaikan) pengaruh obesitas adalah 7,065
dengan kesalahan standar 0,516. Metode kecenderungan juga memberikan perkiraan
Interval kepercayaan 95% antara 2,570 dan 19,424. Interval kepercayaan ini
menunjukkan Perbedaan rata-rata antara kelompok perlakuan dan kelompok kontrol
obesitas signifikan atau dengan kata lain obesitas berpengaruh signifikan terhadap
tipe DM dengan pengaruh sebesar 7.065.
4.3 Analisis Faktor yang Mempengaruhi Jenis DM
 Setelah perkiraan efek pengobatan (obesitas) diketahui maka langkah selanjutnya
adalah Menentukan hubungan kovariat dengan tipe DM.

Berdasarkan Tabel 6 dapat diketahui bahwa variabel berpengaruh signifikan

terhadap jenis DM di PT taraf signifikansi α = 20% adalah variabel umur dengan p-
value = 0,106 dan jenis kelamin dengan p-value = 0,1301.
Berdasarkan tabel 6 diketahui bahwa tipe penderita DM dipengaruhi oleh umur
dan jenis kelamin penderita Variabel DM atau umur dan jenis kelamin merupakan
variabel yang berpengaruh langsung terhadap tipe penderita DM. Dari estimasi
parameter yang ditunjukkan pada Tabel 6, dapat diperoleh model regresi logistic
kovariat hubungan yang signifikan antara jenis DM seperti di bawah ini.

Persamaan (2.8) menggambarkan bahwa setiap bertambah usia 1 tahun pasien

DM, kemungkinan besar untuk jenis DM menurun sebesar 0,956 kali dan probabilitas
wanita menderita DM tipe 2 adalah 2.202 kali lebih besar dari laki-laki.
V. KESIMPULAN
Skor kecenderungan adalah metode yang baik untuk melihat pengaruh pengobatan pada
studi observasional, khususnya data dengan kovariat latar belakang yang berbeda.
Perbedaan kovariat dapat membuat kesimpulan yang tidak akurat. Stratifikasi skor
kecenderungan dapat menyeimbangkan kovariat antara kelompok perlakuan dan kontrol
sehingga dapat mengurangi bias karena efek perancu. Analisis stratifikasi skor
kecenderungan menunjukkan bahwa Variabel yang mempengaruhi obesitas adalah variabel
genetik, aktivitas olah raga dan pola makan pasien serta variabel pengaruh obesitas
terhadap tipe DM setelah stratifikasi adalah sebesar 7,065 dengan standar error 0,516. Di
Variabel yang berpengaruh langsung pada tipe penderita DM adalah obesitas, umur, jenis
kelamin dan variabel yang tidak berpengaruh langsung terhadap tipe penderita DM adalah
variabel genetik, aktivitas olah raga dan pola makan pasien DM dengan obesitas sebagai
faktor perancu jika dimodelkan dengan regresi logistik.