` Nama : POPI YULIA SANTISA

NIM : 1905073
Peminatan : AKK

TUGAS UJIAN AKHIR SEMESTER (UAS)

MATAKULIAH MANAJEMEN DATA

REGRESI LOGISTIK GANDA

A. Seleksi Bivariat
Seleksi bivariat digunakan untuk menentukan variabel independen mana yang akan
dijadikan kandidat untuk pemodelan multivariat. Seleksi bivariat dilakukan dengan uji
regresi logistik sederhana, yaitu satu variabel independen dihubungkan dengan satu variabel
dependen.
Dalam hal ini Saya akan melakukan seleksi bivariat kepada 6 variabel guna mencari
kandidat yaitu
1. Olahraga
2. Kawin
3. Status Gizi (Dummy)
4. Umur
5. Gula Darah
6. Jenis Kelamin
Variabel Olahraga
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 9.349 1 .002
Block 9.349 1 .002
Model 9.349 1 .002

Variabel Status Perkawinan

Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 9.814 1 .002
Block 9.814 1 .002
Model 9.814 1 .002

Variabel Status Gizi

Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 22.887 2 .000
Block 22.887 2 .000
Model 22.887 2 .000

Variabel Umur
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 34.142 1 .000
Block 34.142 1 .000
Model 34.142 1 .000

Variabel Gula Darah

Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step .576 1 .448
Block .576 1 .448
Model .576 1 .448

Variabel Jenis Kelamin

Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 12.661 1 .000
Block 12.661 1 .000
Model 12.661 1 .000
 Dari Hasil seleksi bivariat diatas di dapatkan rangkuman sebagai berikut:

Tabel 1
Seleksi Bivariat

No Variabel Pvalue Keterangan

1. Olahraga 0.002 Kandidat
2. Status Kawin 0.002 Kandidat
3. Status Gizi <0.001 Kandidat
4. Umur <0.001 Kandidat
5. Gula Darah 0.448 Bukan Kandidat
6. Jenis Kelamin <0.001 Kandidat

B. Pemodelan Multivariat
1. Pemodelan Multivariat I
Dalam pemodelan Multivariat saya memasukan 5 variabel kandidat Olahraga
Status kawin, Status gizi, Umur, Jenis kelamin. Berikut Hasil pemodelannya.

Variables in the Equation

95% C.I.for EXP(B)
B S.E. Wald Df Sig. Exp(B) Lower Upper
Step 1a kebiasaan olah raga .224 .379 .349 1 .555 1.251 .595 2.632
Status perkawinan .072 .249 .084 1 .772 1.075 .659 1.752
Status gizi 23.610 2 .000
Status gizi(1) -.129 .629 .042 1 .838 .879 .256 3.019
Status gizi(2) 1.418 .297 22.791 1 .000 4.129 2.307 7.390
Umur .069 .013 28.714 1 .000 1.071 1.044 1.098
Jenis kelamin .512 .352 2.121 1 .145 1.669 .838 3.327
Constant -5.304 .789 45.170 1 .000 .005
a. Variable(s) entered on step 1: kebiasaan olah raga, Status perkawinan , Status gizi, Umur , Jenis kelamin.

Hasil pemodelan multivariate I, diperoleh bahwa variabel kawin, mempuanyai Pvalue

terbesar = 0,772 (Pvalue>0,05) sehingga variabel kawin dikeluarkan dari pemodelan
multivariate

2. Pemodelan Multivariat II
Dalam pemodelan multivariate II ini saya memasukan 4 variabel kandidat
yaitu kebiasaan olahraga, status gizi, umur, jenis kelamin. Berikut hasil analisisnya
 Variables in the Equation
95% C.I.for EXP(B)
B S.E. Wald Df Sig. Exp(B) Lower Upper
Step 1 a
kebiasaan olah raga .207 .375 .305 1 .581 1.230 .590 2.567
Status gizi 23.596 2 .000
Status gizi(1) -.082 .607 .018 1 .893 .921 .280 3.027
Status gizi(2) 1.413 .297 22.712 1 .000 4.110 2.298 7.351
Umur .070 .012 34.125 1 .000 1.072 1.048 1.098
Jenis kelamin .542 .337 2.576 1 .108 1.719 .887 3.330
Constant -5.236 .750 48.714 1 .000 .005
a. Variable(s) entered on step 1: kebiasaan olah raga, Status gizi, Umur , Jenis kelamin.
Untuk mengetahui apakah variabel kawin benar-benar keluar atau merupakan
variabel confounding, maka dilakukan pemeriksaan confounding dengan melihat
perubahan OR apakah lebih atau kurang dari 10%. Apabila diperoleh perubahan OR
>10% maka variabel kawin dikatakan sebagai variabel confounding. Untuk
menghitung perubahan OR, dilakukan secara manual. Hasilnya adalah sebagai
berikut :

Tabel 2
Perubahan OR
Variabel OR Ada Kawin OR Tidak Ada Kawin Perubahan OR
Kebiasaan Olahraga 1.251 1.230 -1.67
Status Kawin 1.075 - -
Status Gizi - - -
Status Gizi 1 0.879 0.921 4.77
Status Gizi 2 4.129 4.110 -0.46
Umur 1.071 1.072 0.09
Jenis Kelamin 1.669 1.719 2.99

Berdasarkan Tabel 2 menunjukan tidak ada perubahan OR > 10% maka

variabel kawin tersebut bukan merupakan variabel confounding, sehingga untuk
selanjutnya variabel kawin dikeluarkan dari pemodelan multivariate.

3. Pemodelan Multivariat III

Dalam pemodelan multivariate III ini saya akan meengeluarkan Pvalue
terbesar berikutnya yaitu pada variabel kebiasaan olahraga dengan Pvalue = 0.581
 dan memasukan 3 variabel kandidat berikutnya yaitu status gizi, umur, jenis kelamin.
Hasil analisisnya sebagai berikut:

Variables in the Equation

95% C.I.for EXP(B)
B S.E. Wald Df Sig. Exp(B) Lower Upper
Step 1a Status gizi 24.362 2 .000
Status gizi(1) -.099 .605 .027 1 .870 .906 .277 2.964
Status gizi(2) 1.428 .296 23.345 1 .000 4.171 2.337 7.445
Umur .070 .012 34.375 1 .000 1.073 1.048 1.098
Jenis kelamin .650 .276 5.529 1 .019 1.915 1.114 3.293
Constant -5.266 .748 49.620 1 .000 .005
a. Variable(s) entered on step 1: Status gizi, Umur , Jenis kelamin.
Untuk mengetahui apakah variabel olahraga benar-benar keluar atau
merupakan variabel confounding, maka dilakukan pemeriksaan confounding dengan
melihat perubahan OR apakah lebih atau kurang dari 10%. Apabila diperoleh
perubahan OR >10% maka variabel olahraga dikatakan sebagai variabel
confounding. Untuk menghitung perubahan OR, dilakukan secara manual. Hasilnya
adalah sebagai berikut :

Tabel 3
Perubahan OR
Variabel OR Ada Olahraga OR Tidak Ada Olahraga Perubahan OR
Kebiasaan Olahraga 1.230 - -
Status Gizi - - -
Status Gizi 1 0.921 0.906 -1.62
Status Gizi 2 4.110 4.171 1.48
Umur 1.072 1.073 0.09
Jenis Kelamin 1.719 1.915 11.40

Berdasarkan Tabel 3 terdapat perubah OR>10% pada variable Jenis Kelamin,

sehingga dapat dikatakan bahwa variabel olahraga merupakan variabel confounding
terhadap variabel jenis kelamin, jadi untuk analisis berikutnya variabel olahraga
dimasukan kembali kedalam pemodelan multivariate

4. Pemodelan Multivariat IV
Dalam pemodelan multivariate IV ini, saya akan meengeluarkan Pvalue
terbesar berikutnya yaitu pada variabel jenis kelamin dengan Pvalue = 0.019 dan
 memasukan 3 variabel kandidat berikutnya yaitu : variabel kebiasaan olahraga, status
gizi, dan umur. Hasil analisisnya sebagai berikut:

Variables in the Equation

95% C.I.for EXP(B)
B S.E. Wald Df Sig. Exp(B) Lower Upper
Step 1a Status gizi 25.032 2 .000
Status gizi(1) .076 .597 .016 1 .899 1.079 .335 3.476
Status gizi(2) 1.461 .295 24.596 1 .000 4.312 2.420 7.681
Umur .069 .012 34.180 1 .000 1.072 1.047 1.097
kebiasaan olah raga .547 .306 3.189 1 .074 1.728 .948 3.149
Constant -4.665 .644 52.495 1 .000 .009
a. Variable(s) entered on step 1: Status gizi, Umur , kebiasaan olah raga.

Untuk mengetahui apakah variabel jenis kelamin benar-benar keluar atau

merupakan variabel confounding, maka dilakukan pemeriksaan confounding dengan
melihat perubahan OR apakah lebih atau kurang dari 10%. Apabila diperoleh
perubahan OR >10% maka variabel olahraga dikatakan sebagai variabel
confounding. Untuk menghitung perubahan OR, dilakukan secara manual. Hasilnya
adalah sebagai berikut
Tabel 4
Perubahan OR
Variabel OR Ada Jenis OR Tidak Ada Perubahan OR
Kelamin Jenis Kelamin
Status Gizi - - -
Status Gizi 1 0.921 1.079 17.15
Status Gizi 2 4.110 4.312 4.91
Umur 1.072 1.072 0
Kebiasaan Olahraga 1.230 1.728 40.87
Jenis Kelamin 1.719 - -

Berdasarkan Tabel 4 terdapat perubah OR>10% pada variable olahraga,

sehingga dapat dikatakan bahwa variabel jenis kelamin merupakan variabel
confounding terhadap variabel jenis olahraga, jadi untuk analisis berikutnya variabel
olahraga dimasukan kembali kedalam pemodelan multivariate.
 Setelah variabel olahraga di masukan kembali kedalam permodelan sehingga
tidak ada lagi variabel yang mempunyai Pvalue >0.05 tahapan berikutnya memeriksa
apakah adanya kemungkinan variabel interaksi antar variabel independen
C. Pemeriksaan Interaksi
Dalam hal ini saya melakukan pemeriksaan interaksi antar variabel Status gizi dan
umur untuk melihat adanya interaksi atau tidak. Berikut hasil analisis nya:

Variables in the Equation

95% C.I.for EXP(B)
B S.E. Wald Df Sig. Exp(B) Lower Upper
Step 1a Status gizi 3.323 2 .190
Status gizi(1) -2.860 3.494 .670 1 .413 .057 .000 53.951
Status gizi(2) 1.727 1.164 2.203 1 .138 5.625 .575 55.056
Umur .069 .016 19.925 1 .000 1.072 1.040 1.105
kebiasaan olah raga .201 .375 .287 1 .592 1.222 .586 2.549
Jenis kelamin .541 .337 2.584 1 .108 1.719 .888 3.326
Status gizi * Umur .845 2 .656
Status gizi(1) by Umur .046 .057 .651 1 .420 1.047 .936 1.172
Status gizi(2) by Umur -.008 .026 .090 1 .764 .992 .944 1.043
Constant -5.209 .886 34.565 1 .000 .005
a. Variable(s) entered on step 1: Status gizi, Umur , kebiasaan olah raga, Jenis kelamin, Status gizi * Umur .

Pada model SPSS, terdapat variabel interaksi (P>0,05), sehingga pemodelan terakhir
ada variabel interaksi.
Pemodelan Akhir Multivariat
Variables in the Equation
95% C.I.for EXP(B)
B S.E. Wald Df Sig. Exp(B) Lower Upper
Step 1a kebiasaan olah raga .207 .375 .305 1 .581 1.230 .590 2.567
Status gizi 23.596 2 .000
Status gizi(1) -.082 .607 .018 1 .893 .921 .280 3.027
Status gizi(2) 1.413 .297 22.712 1 .000 4.110 2.298 7.351
Umur .070 .012 34.125 1 .000 1.072 1.048 1.098
Jenis kelamin .542 .337 2.576 1 .108 1.719 .887 3.330
Constant -5.236 .750 48.714 1 .000 .005
a. Variable(s) entered on step 1: kebiasaan olah raga, Status gizi, Umur , Jenis kelamin.

Omnibus Tests of Model Coefficients

Chi-square df Sig.
Step 1 Step 72.300 5 .000
Block 72.300 5 .000
Model 72.300 5 .000
\
Model Summary
Cox & Snell R Nagelkerke R
Step -2 Log likelihood Square Square
1 326.138a .214 .291
a. Estimation terminated at iteration number 5 because
parameter estimates changed by less than .001.

D. Omnibus Tes
Pada analisi multivariate di atas diperoleh Pvalue=0.000 artinya model multivariate
layak di gunakan.
E. Nagelkerke R Square
Pada kasus diatas diperoleh Nagelerke R Square =0.291 artinya variabel independen
(olahraga, status gizi, umur, dan jenis kelamin) dapat menjelaskan varibel dependen
(hipertensi) sebesar 29,1% sisanya dijelaskan oleh variabel yang tidak di teliti.
F. Interpretasi Analisis Multivariat
1. Varibel paling dominan berhubungan denga hipertensi adalah Umur dimana mereka
yang berumu > 35 tahun beresiko 4 kali mengalami kejadian hipertensi dibandingkan
yang berumur < 35 tahun setelah di kontrol oleh variabel olahraga,status gizi, dan
jenis kelamin.
2. Variabel status gizi berhubungan dengan hipertensi pada mereka yang bergizi baik
beresiko 1 kali mengalami kejadian hipertensi dari pada yang berstatus gizi kurang.
Sedangkan pada pada mereka gizi lebih/obesitas lebih beresiko 4kali mengalami
kejadian hipertensi disbanding mereka yang bergizi kurang setelah di kontrol denga
variabel kebiasaan olahraga ,umur dan jenis kelamin.
3. Variabel confounding adalah olahraga dan jenis kelamin
4. Variabel yang tidak berhubungan adalah variabel gula darah dan status perkawinan.
5. Model multivariate sudah layak untuk di gunakan dengan Pvalue Omnibus Tes
<0001
6. Nilai Nagelkerke R Square =0,291 artinya variabel independen (olahraga, status gizi,
umur, dan jenis kelamin) dapat menjelaskan varibel dependen (hipertensi) sebesar
29,1% sisanya dijelaskan oleh variabel yang tidak di teliti.