Sebuah pengamatan dilakukan untuk mengetahui apakah pasien yang menjalani operasi

dengan anestesi umum mengalami sakit tenggorokan pada saat bangun tidur atau tidak dengan
sampel yang diambil sebanyak 35 pasien. Dimana faktor yang akan diteliti adalah lama operasi
(dalam menit) dan jenis perangkat atau alat yang digunakan untuk mengamankan jalan napas
(laryngeal mask airway dan trachea tube). Data disajikan sebagai berikut:
Tabel 1. Data Pasien yang Menjalani Operasi dengan Anestesi Umum
No. Y X1 X2 No. Y X1 X2
1 0 45 0 21 1 60 0
2 0 15 0 22 0 61 0
3 1 40 0 23 1 65 0
4 1 83 1 24 0 15 1
5 1 90 1 25 0 20 1
6 1 25 1 26 1 45 0
7 1 35 0 27 0 15 1
8 1 65 0 28 1 25 0
9 1 95 0 29 0 15 1
10 1 35 0 30 1 30 0
11 1 75 0 31 1 40 0
12 1 45 1 32 0 15 1
13 0 50 1 33 1 135 1
14 1 75 1 34 0 20 1
15 0 30 0 35 0 40 1
16 1 25 0
17 0 20 1
18 1 60 1
19 1 70 1
20 1 30 0

Keterangan:
Y : pasien mengalami sakit tenggorokan (0 = tidak; 1 = ya)
X1 : lama operasi (dalam menit)
X2 : alat pernapasan (0 = laryngeal mask airway; 1 = trachea tube)

Sebelum melakukan pengujian hipotesis dan memperoleh model dari data diatas maka akan
dilakukan pengolahan data dengan bantuan aplikasi SPSS dengan langkah sebagai berikut:
1. Masukkan data dengan nama variabel dan values-nya masing-masing.

2. Klik Analyze  Regression  Binary Logistic…

3. Masukkan variabel terikat/dependen (Y) ke dalam kolom Dependent dan variabel
bebas/independen (X) ke dalam kolom Covariates.

4. Jika pada variabel bebas/independen (X) terdapat variabel dengan skala data kualitatif
maka klik Categorical, kemudian masukkan variabel dengan skala data kualitatif tersebut
pada kolom Categorical Covariates sebagai contoh pada kasus ini adalah variabel X2 yaitu
alat pernapasan dan Reference Category yaitu First kemudian klik Continue.
Note: jika tidak ada variabel X yang berkategori maka lewatkan langkah ini
 5. Klik Option sehingga muncul kotak dialog untuk Options dan beri centang (√) pada
Classification Plots dan Hosmer-Lemeshow godness-of-fit kemudian Continue.

6. Setelah semua dilakukan klik OK.

Analisis dan Pembahasan

Analisis Deskriptif
1. Variabel Sakit tenggorokan
Tabel 2. Frekuensi Variabel Sakit Tengggorokan

Frekuensi Persen
Sakit Tidak 13 37.14
Tenggorokan
Ya 22 62.86
Total 35 100.00

Berdasarkan Tabel 2, diperoleh bahwa dari 35 sampel yang digunakan yang tidak
sakit tenggorokan sebanyak 37,14 % atau 13 sampel dan yang sakit tenggorokan sebanyak
62,86 % atau 22 sampel. Artinya sampel yang memiliki sakit tenggorokan lebih banyak
dari pada yang tidak sakit tenggorokan.

2. Variabel Lama Operasi

Tabel 3. Deskriptif Lama Operasi
Rata-
N Minimum Maksimum
Rata
lama_operasi 35 15 135 45,97
Valid N 35

Berdasarkan Tabel 3, diketahui bahwa dari 35 sampel lama operasi minimum

adalah 15 menit dan terlama 135 menit dimana rata-rata lama operasi adalah 45,97 menit.

3. Alat Pernapasan
Tabel 4. Frekuensi Alat pernapasan

Frekuensi Persen
Laryngeal Mask
Alat 18 51.43
Airway
Pernapasan
Tracheal Tube 17 48.57
Total 35 100.00

Berdasarkan Tabel 4, diperoleh bahwa dari 35 sampel yang menggunakan alat bantu
pernapasan laryngeal mask airway sebanyak 51,43 % atau 18 sampel dan yang
menggunakan alat bantu pernapasan tracheal tube sebanyak 48,57 % atau 17 sampel. Dari
 35 sampel tersebut, yang menggunakan alat bantu pernapasan laryngeal mask airway dan
tracheal tube hampir sama banyaknya, hanya selisih 1.

Analisis Regresi Logistik Biner

1. Analisis Regresi Logistik dengan Satu Variabel Prediktor
Pembentukan model regresi logistik dengan satu variabel prediktor atau univariat
bertujuan untuk mengetahui variabel prediktor mana yang berpengaruh secara individu
terhadap variabel respon, sebelum dilakukan pemodelan antara variabel respon dengan
variabel-variabel prediktor secara bersama-sama. Untuk itu, perlu dilakukan pengujian
signifikansi parameter sebagai koefisien dari variabel prediktor pada masing-masing model
univariat.
a. Sakit Tenggorokan (Y) dan Lama Operasi (X1)
Variables in the Equation

B S.E. Wald df Sig. Exp(B)

lama_operasi .070 .027 6.964 1 .008 1.073

Step 1a
Constant -2.214 .999 4.912 1 .027 .109

a. Variable(s) entered on step 1: lama_operasi.

Hipotesis
H0 : 𝛽1 = 0 (Lama operasi (X1) tidak berpengaruh secara signifikan terhadap sakit
tenggorokan pada pasien setelah operasi)
H1 : 𝛽1 ≠ 0 (Lama operasi (X1) berpengaruh secara signifikan terhadap sakit
tenggorokan pada pasien setelah operasi)
Taraf Signifikansi (α) = 5% = 0,05
Statistik Uji
𝛽̂𝑗
𝑊𝑎𝑙𝑑 (𝑊 ) =
𝑆𝐸𝛽̂𝑗

Daerah Penolakan
H0 ditolak jika |𝑊 | > 𝑍𝛼⁄2 = 𝑍0.025 = 1.96 atau Sig. < α

Keputusan
Karena |𝑊 |(6,964) > 𝑍0,025(1.96) dan Sig. (0.008) < 0.05 maka H0 ditolak.
Kesimpulan
 Lama operasi (X1) berpengaruh secara signifikan terhadap sakit tenggorokan pada
pasien setelah operasi.

b. Sakit Tenggorokan (Y) dan Alat Pernapasan (X2)

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

alat_napas(1) 1.371 .747 3.369 1 .066 3.937
Step 1a
Constant -.118 .486 .059 1 .808 .889

a. Variable(s) entered on step 1: alat_napas.

Hipotesis
H0 : 𝛽2 = 0 (Alat Pernapasan (X2) tidak berpengaruh secara signifikan terhadap sakit
tenggorokan (Y) pada pasien setelah operasi)
H1 : 𝛽2 ≠ 0 (Alat Pernapasan (X2) berpengaruh secara signifikan terhadap sakit
tenggorokan (Y) pada pasien setelah operasi)
Taraf Signifikansi (α) = 5% = 0,05
Statistik Uji
𝛽̂𝑗
𝑊𝑎𝑙𝑑 (𝑊 ) =
𝑆𝐸𝛽̂𝑗

Daerah Penolakan
H0 ditolak jika |𝑊 | > 𝑍𝛼⁄2 = 𝑍0.025 = 1.96
Keputusan
Karena |𝑊 |(3.369) > 𝑍0,025(1.96) maka H0 ditolak.
Kesimpulan
Alat Pernapasan (X2) berpengaruh secara signifikan terhadap sakit tenggorokan (Y)
pada pasien setelah operasi.

2. Regresi Logistik lebih dari satu variabel prediktor

 Meskipun dari pemodelan regresi logistik univariat telah diketahui bahwa variabel X1 dan
X2 berpengaruh secara signifikan terhadap variabel respon, namun belum diketahui bagaimana
hubungan diantara kedua variabel prediktor tersebut. Karena jika ternyata hubungannya sangat
erat, maka dimungkinkan salah satu variabel akan menjadi tidak signifikan lagi pengaruhnya
terhadap variabel respon dikarenakan telah terwakili oleh variabel yang lain. Oleh karena itu, perlu
dilakukan pemodelan regresi logistik dengan memasukkan variabel X 1 dan X2 secara bersama-
sama untuk memeriksa ada atau tidaknya kasus multikolinieritas (ada hubungan antar variabel
prediktor).
Model Summary

Step -2 Log likelihood Cox & Snell R Nagelkerke R

Square Square

1 30.138a .368 .502

a. Estimation terminated at iteration number 5 because

parameter estimates changed by less than .001.

Hipotesis
H0 : 𝜷 = 𝟎 (Lama operasi (X1) dan alat pernapasan (X2) tidak berpengaruh secara
signifikan terhadap sakit tenggorokan (Y) pada pasien setelah operasi)
H1 : 𝜷 ≠ 𝟎 (Minimal ada satu variabel prediktor yaitu lama operasi (X1) dan alat
pernapasan (X2) yang berpengaruh secara signifikan terhadap sakit
tenggorokan (Y) pada pasien setelah operasi)
Taraf Signifikansi (α) = 5% = 0,05
Statistik Uji
n
G Likelihood Ratio Test   2 y i ln ˆπx i   1  y i ln 1  ˆπx i  
 i 1
 n1ln n1   n0ln n0   nln n

Daerah Penolakan
2 2
H0 ditolak jika 𝐺 > 𝜒(𝛼;𝑣) = 𝜒(0,05;2) = 19,675
Keputusan
2
Karena G(30.138) >𝜒(0.05;2) (5.991) maka H0 ditolak.
Kesimpulan
 Minimal ada satu variabel prediktor yaitu lama operasi (X1) dan alat pernapasan (X2)
yang berpengaruh secara signifikan terhadap sakit tenggorokan (Y) pada pasien setelah
operasi.
Dan untuk mengetahui variabel prediktor mana yang berpengaruh maka dilakukan pengujian
signifikansi parameter secara parsial sebagai berikut:
Variables in the Equation

B S.E. Wald df Sig. Exp(B)

lama_operasi .069 .026 6.761 1 .009 1.071

Step 1a alat_napas(1) 1.659 .923 3.231 1 .072 5.254

Constant -3.076 1.246 6.100 1 .014 .046

a. Variable(s) entered on step 1: lama_operasi, alat_napas.

Hipotesis
Lama Operasi (X1):
H0 : 𝛽1 = 0 (Lama operasi (X1) tidak berpengaruh secara signifikan terhadap sakit
tenggorokan pada pasien setelah operasi)
H1 : 𝛽1 ≠ 0 (Lama operasi (X1) berpengaruh secara signifikan terhadap sakit
tenggorokan pada pasien setelah operasi)
Alat Pernapasan (X2):
H0 : 𝛽2 = 0 (Alat Pernapasan (X2) tidak berpengaruh secara signifikan terhadap sakit
tenggorokan (Y) pada pasien setelah operasi)
H1 : 𝛽2 ≠ 0 (X5 (Alat Pernapasan (X2) berpengaruh secara signifikan terhadap sakit
tenggorokan (Y) pada pasien setelah operasi)
Taraf Signifikansi (α) = 5% = 0,05
Statistik Uji
𝛽̂𝑗
𝑊𝑎𝑙𝑑 (𝑊 ) =
𝑆𝐸𝛽̂𝑗

Daerah Penolakan
H0 ditolak jika |𝑊 | > 𝑍𝛼⁄2 = 𝑍0,025 = 1,96
Keputusan
Lama Operasi (X1):
Karena |𝑊 |(6.761) > 𝑍0,025(1,96) maka H0 ditolak.
 Alat Pernapasan (X2):
Karena |𝑊 |(3.231) > 𝑍0,025(1,96) maka H0 ditolak.
Kesimpulan
Lama operasi (X1) berpengaruh secara signifikan terhadap sakit tenggorokan pada
pasien setelah operasi.
Alat Pernapasan (X2) berpengaruh secara signifikan terhadap sakit tenggorokan (Y)
pada pasien setelah operasi.
Berdasarkan uji hipotesis signifikansi parameter secara parsial diketahui bahwa kedua variabel
prediktor berpengaruh secara signifikan bersama-sama terhadap sakit tenggorokan pasien setelah
operasi.
3. Uji Kesesuaian Model

Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 5.285 6 .508

Hipotesis
H0 : Model sesuai (tidak terdapat perbedaan yang signifikan antara hasil pengamatan
dengan kemungkinan hasil prediksi model)
H1 : Model tidak sesuai (terdapat perbedaan yang signifikan antara hasil pengamatan
dengan kemungkinan hasil prediksi model)
Taraf Signifikansi (α) = 5% = 0,05
Statistik Uji
J o  m '  
2

Cˆ  
j j j

j 1 m j  j 1   j 

Daerah Penolakan

H0 ditolak jika Ĉ >  2 ,v    20.05, 2   5.991

Keputusan dan kesimpulan

2
Karena Ĉ (5.285) < 𝜒(0.05;2) (5.991) maka H0 gagal ditolak. Jadi dapat disimpulkan bahwa
model sesuai.
Sehingga diperoleh persamaan regresi logistik sebagai berikut:
 exp⁡(−3.076 + 0,069𝑋1 + 1.659𝑋2 (1))
𝜋̂(𝑋) =
1 + exp⁡(−3.076 + 0,069𝑋1 + 1.659𝑋2 (1))
telah sesuai untuk menjelaskan seberapa besar peluang pasien mengalami sakit tenggorokan
setelah operasi dengan anestesi umum berdasarkan lama operasi dan alat pernapasan pasien.
4. Interpretasi Model Regresi Logistik
Setelah mendapatkan model regresi logistik yang sesuai dan semua variabel prediktor
didalamnya telah berpengaruh secara signifikan terhadap variabel respon, maka langkah
selanjutnya adalah menginterpretasikan model tersebut. Jika model regresi logistik yang
terbaik ditulis dalam bentuk logit, maka menjadi:
𝑔̂(𝑋) = 0.046 + 1.071𝑋1 + 5.254𝑋2 (1)

Untuk variabel lama operasi (X1), semakin lama pasien menjalani operasi maka
kecenderungan pasien tersebut mengalami sakit tenggorokan setelah operasi akan meningkat.
Untuk variabel alat pernapasan (X2), kecenderungan pasien yang menggunakan alat bantu
pernapasan Tracheal Tube untuk mengalami sakit tenggorokan setelah operasi adalah 5.254
kalinya dibandingkan pasien yang menggunakan alat bantu pernapasan Laryngeal Mask
Airway.