MAKALAH

ANALISA REGRESI LOGISTIK

Makalah ini disusun untuk memenuhi tugas mata kuliah Analisa Data

Dosen Pengampu:

Dr. Marsidi, ST., MT

Disusun Oleh :

1. Nanda safitri : 20100109

2. Nur hidayah : 20100032
3. Natasya dwi febrianti : 20100001
4. Natalia Desi : 20100012
5. Neta juli yanti : 20100028
6. Nia Mairanda : 20100021

PROGRAM STUDI ILMU KEPERAWATAN

FAKULTAS KEPERAWATAN

INSTITUT CITRA INTERNASIONAL

TAHUN 2023
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT atas rahmat dan karunia -NYA kami dapat
menyelesaikan makalah yang berjudul analisis regresi logistik. Makalah ini disusun untuk
memenuhi tugas mata kuliah Analisa Data. Makalah ini bertujuan untuk menambah
pengetahuan,wawasan para pembaca dan penulis. Dan tidak lupa ucapan terimakasih kepada
dosen pengampu mata kuliah DR.Marsidi., ST.,MT. dan semua pihak yang telah membantu
menyelesaikan makalah ini.

Oleh karena itu, kami dengan rendah hati menerima saran dan kritik dari pembaca agar
kami dapat memperbaiki karya ilmiah ini. Kami berharap semoga makalah yang kami susun ini
memberikan manfaat dan juga inspirasi untuk pembaca.

Pangkal pinang, 02 desember 2023

Kelompok 5
 DAFTAR ISI

KATA PENGANTAR........................................................................i

DAFTAR Isi................................................................ii

BAB I

REGRESI LOGISTIK KERANGKA KONSEP PREDIKTIF.....................1

 Tujuan.........................................1
 Pengantar.....................................1
 Latihan/Kasus...............................1
 Langkah-langkah dengan SPSS.........2
 Interpretasi Hasil..................................5

DAFTAR Pustaka.......................................6
 BAB I

PENDAHULUAN

Berdasarkan variabel terikatnya, regresi logistic diklasifikasikan menjadi regresi logistic

dikotom, regresi logistic multinominal, dan regresi logistic ordinal. Berdaarkan kerangka
konsepnya, regresi logistic diklasifikasikan menjadi prediktif dan e.

Pada makalah ini kami hanya membahas regresi logistic (dikotom) dengan kerangka
konsep prediktif.

Tujuan dari pembuatan makalah ini yaitu :

1. Mampu melakukan prosedur regresi logistic dengan SPSS

2. Mampu melakukan interpretasi yang benar.
 BAB II
PEMBAHASAN

A. Regresi Logistik Kerangka Konsep Prediktif

KASUS
Tujuan penelitian adalah untuk mengatahui faktor-faktor yang dapat dijadikan sebagai
predictor terjadinya syok pada pasien anak demam berdarah. Variabel yang diteliti adalah
jenis kelamin, status gizi, trombositopenia, hemokonsentrasi, dan hepatomegaly pada saat
masuk perawatan. Desain penelitian yang digunakan adalah kohort. Data disimpan dalam
file dengan nama regresi_logistik.

TABEL 12.1 Variabel, skala, dan koding

Nomor Variabel Skala Pengukuran Koding dan kategori Variabel

1. Jenis kelamin Kategorik 1. Perempuan

2. Laki-laki

2. Status gizi Kategorik 1. Baik

2. Kurang

3. Trombositopenia Kategorik 1. Ya
2. Tidak

4. Hepatomegali Kategorik 1. Ya
2. Tidak

5. Hemokonsentrasi Kategorik 1. Ya
2. Tidak

6. Syok Kategorik 1. Ya
2. Tidak

7. Syok Kategorik 0. Tidak

1. Ya

Keterangan :
Pada data di atas terdapat dua variabel syok dengan kode yang berbeda kode 1 dan 2 akan
digunakan untuk analisis bivariate sementara variabel syok dengan kode 1 dan 0 akan
digunakan untut analisis multivariat.
Pertanyaan :
1. Uji hipotesis apa yang akan dilakukan pada analisis bivariate? Bagaimana analisis
bivariate tersebut?
2. Parameter kekuatan hubungan apa yang di lakukan?
3. Lakukanlah analisis bivariate dengan menggunakan SPSS
4. Analisis multivariate apa yang akan digunakan?
5. Variabel apa saja yang dimasukkan ke dalam analisis multivariate?
6. Lakukan analisis multivariate dengan menggunakan SPSS!
7. Setelah dilakukan analisis multivariate:
a. Variabel apa saja yang berpengaruh terhadap syok? Bagaimana kekuatan
hubungannya?
b. Apa persamaan yang di peroleh?
c. Bagaimana aplikasi dari persaaam yang di peroleh untuk memprediksi
probabilitas syok pada pasien?
8. Bagaimana kualitas persamaan yang diperoleh baik dari segi diskriminasi maupun dari
segi kalibrasi?

Marilah kita jawab pertanyaan di atas satu demi satu.

1. Uji hipotesis apa yang akan dilakukan pada analisis bivariate ?

Uji hipotesis untuk analisis bivariate adalah uji chi square atau uji fisher karena semua
analisis biavriat yang dilakukan termasuk kedalam analisis komparatif kategorik tidak
berpasangan.

2. Parameter kekuatan hubungan apa yang di lakukan?

pada kohort, parameter kekuatan hubungan yang digunakan adalah nilai odds rasio
(OR) dan risiko relative (RR). Parameter kekuatan hubungan yang dapat langsung
dihasilkan oleh perangkat lunak adalah QR. Tentang cara menghitung RR melalui
analisis regresi logistic.

3. Lakukanlah analisis bivariate dengan menggunakan SPSS!

lakukan analisis chi square dan carilah nilai QR-nya untuk variabel sebagaimana dapat
dilihat pada bab 6 dan bab 10. Apakah hasil yang anda peroleh sama dengan tabel
berikut.

TAMBAHKAN TABEL 12.2

 Untuk jenis kelamin, pembandingnya adalah permempuan, artinya kita
membandingkan laki-laki terhadap perempuan. Untuk gizi, pembandingnya adalah
gizi kurang, artinya kita membandingkan pasien gizi baik terhadap gizi kurang. Pada
umumnya, yang dijadikan sebagai pembanding adalah kategori yang dianggap tidak
berisiko.

4. Analisis multivariate apa yang akan digunakan?

Analisis multivariate yang akan digunakan adalah regresi logistic karena variabel
terikatnya adalah variabel kategorik dikotom.

5. Variabel apa saja yang dimasukkan ke dalam analisis multivariate?

Variabel yang akan dimasukkan kedalam analisis regresi logistic adalah variabel yang
pada analisis bivariat mempunyai nilai p < 0,25. Variabel tersebut adalah jenis
kelamin, status gizi, hepatomegaly, hemokonsentrasi, dan trombositopenia.

6. Lakukan analisis multivariate dengan menggunakan SPSS!

Lakukanlah langkah-langkah berikut:
 Klik Analiyze, Regression, Binary logistic
 Masukkan variabel syok (untuk analisis multivariate: syok_reg) ke dalam
Dependent Variabel
 Masukkan semua variabel independen kedalam covariate.
 Pilih metode Backward LR pada pilihan metode.

TAMBAHKAN GAMBAR 12.1

 Aktifkan kotak options
 Pilih CI for exp (B)
 Pilih Hosmer-Lameshow goodness-of-fit.

TAMBAHKAN GAMBAR 12.2

 Klik Continue
 Aktifkan kotak Save. pilih Probabilities.

TAMBAHKAN GAMBAR 12.3

 Klik Continue
 Aktifkan kotak Categorical
 TAMBAHKAN GAMBAR 12.4

 Pindahkan semua variabel kategorik dari cavariates ke categorical cavariates.

 Pada saat pemasukan data, kode 2 dirancang menjadi pembanding/reference.
Akibatnya, yang menjadi pembanding, pada penelitian ini adalah last. Dengan
demikian tidak perlu merubah apapun pada Reference Category.

TAMBAHKAN GAMBAR 12.5

 klik Continue
 Perhatikan pada masing-masing variabel saat ini telah ada variabel saat ini telah
ada tulisan (cat) setelah nama variabel.

TAMBAHKAN GAMBAR 12.6

  Proses sudah selesai . klik OK.

Interpretasi Hasil

Pada output, periksalah : Dependent Variabel Encoding, Categorical Variable coding,

Variable in thw Equation, dan Hosmer and Lameshow test.

TAMBAHKAN GAMBAR 12.7

Interpretasi Hasil

Dependent Variabele Encoding dan Categorical Variables Coding dilihat untuk

memeriksa kembali apakah sistem pengkodean sudah benar. Pada Dependent Variable
Encoding, tidak syok diberi kode 0, sementara syok diberi kode 1. Hal ini sudah benar
karena pada regresi logistic, kategori yang akan diprediksikan harus diberi kode 1

TAMBAHKAN GAMBAR 12.8

Interpretasi Hasil

Pada Categorical Variables Codings, laki-laki, status gizi kurang, tidak

hemokonsentasi, tidak trombositopenia, dan tidak hepatomegalidiberi kode 0 perhatikan
bahwa pada saat mengisi data, kategori tersbut mempunyai kode 2 akan tetapi, pada saat
analisis regresi logistic, kode tersebut diganti oleh perangkat lunak menjadi 0. Kategori
perempuan, status gizi baik, hemokonsentasi, trombositopenia, dan hepatomegaly diberi
kode 1 dan saat analisis multivariate kodenya tetap 1.

Variables in the Equation untuk melihat hasil akhir analisis multivariate. Model yang
diperoleh adalah sebagai berikut:

TAMBAHKAN GAMBAR 12.9

7. Interpretasi hasil registrasi logistic

Interpretasi Hasil
a. Variabel yang berpengaruh terhadap syok adalah jenis kelamin, status gizi,
trombositopenia, hepatomegaly, dan hemokonsentrasi. Kekuatan hubungan dapat
dilihat dari nilai OR (XPR). Kekuatan hubungan terbesar dan terkecil adalah
hemokonsentrasi (OR = 9,87) dan hepatomegaly (OR =3,90)
b. Persamaan didapatkan adalah
Y = konstanta + a1x1 + a2x2 + ………. + aixi
Y = -5,859 + 1,567 (sex) + 1,363 (gizi) + 1,848 (trombositopenia) + 1,360
(hepatopegali) + 2,289 (hemokonsentrasi)
 Nilai konstanta dan nilai koefisien untuk setiap variabel tersebut dapat dilihat pada
kolom B. nilai variabel bebas dapat dilihat pada Categorical Variable Coding.

Jenis kelamin bernilai 1 jika “ perempuan “ dan bernilai 0 jika “laki-laki”.

Trombositopenia bernilai 1 jika “ya” dan bernilai 0 jika “tidak”
Hepatomegaly bernilai 1 jika “ya” dan bernilai 0 jika “tidak”
Hemokonsentasi bernilai 1 jika “ya” dan bernilai 0 jika “tidak”
c. Aplikasi dari persamaan yang diperoleh adalah untuk memprediksi probilitas
seorang pasien untuk mengalami syok dengan menggunakan rumus:
P = 1/(1+exp(-y))
Di mana
p = probalitas untuk terjadinya suatu kejadian (misalnya penyakit)
y = konstanta + a1x1 + a2x2 + ………… + aixi
a = nilai koefisien tiap variabel
x = nilai variabel bebas

contoh 1

seorang pasien DBD di rawat, ia berjenis kelamin laki-laki, gizi kurang, tidak
mengalami trombositopenia, tidak mengalami hepatomegaly, dan tidak mengalami
hemokonsentrasi. Berapakah probabilitas pasien untuk mengalami syok ?

probalitas pasien untuk mengalami syok dapat dihitung denga persamaan berikut.

y = -5,859 + 1,567 (sex) + 1,363 (gizi) + 1,848 (trombositopenia) + 1,360

(hepatomegaly) + 2,289 (hemokonsentrasi)

y = -5,859 + 1,567 (0) + 1,363(0) + 1,848 (0) + 1,360 (0) + 2,289 (0)

y += -5,859

Dengan demikian, probabilitasnya adalah:

p = 1/(1+exp(-y)) = 1/(1+exp(5,859))=0,00285

Dengan demikian, probabilitas pasien untuk menderita syok adalah 0,29%.

8. Bagaimana kualitas persamaan yang diperoleh baik dari segi diskriminasi

maupun dari segi kalibrasi?

a. Menilai kualitas persamaan yang diperoleh berdasarkan parameter kalibrasi. Nilai

kalibrasi dapat dilihat dari Hosmer and Lameshow. Test, nilai pada Hosmer and Lameshow test
adalah sebesar 0,585.artinya persamaan yang diperoleh mempunyai kalibrasi yang baik.
b. Menilai kualitas persamaan yang diperoleh berdasarkan parameter diskriminasi .lihatlah
kembali data. Pada kolom terakhir, terdapat variabel baru yang bernama PRE _1 . Variabel
merupakan hasil dari perintah probability pada kotak Save pada saat melakukan analisis
multivariat. Variabel ini merupakan prediksi terjadinya syok pada masing-masing subjek
penelitian yang berguna untuk melihat nilai diskriminasi persamaan dengan metode
ROC.langkah - langkah sebagai berikut:

 Pilih Graph,pilih ROC

 Masukkan syok_reg (kode 1 dan 0) kedalam state variabel
 Masukkan angka 1 ke dalam value of state variabel
 Masukkan variabel PRE _1 kedalam test variabel
 Pilih semua kotak yang terdapat pada menu Display .

 Proses sudah selesai,klik OK.

 Pada output,diperoleh hasil sebagai berikut
Interpretasi Hasil:
Nilai diskriminasi dapat diketahui dengan melihat nilai Area Under the Curve
(AUC). Nilai ACC adalah sebesar 90,6%.apakah nilai AUC ini cukup
memuaskan? Memuaskan atau tidaknya nilai AUC, dapat ditentukan secara klinis
atau secara statistik. Secara klinis , peneliti yang menentukan berapa nilai AUC
minimal yang dianggap memuaskan yang nilainya akan sangat bervariasi
bergantung pada substansi yang diteliti. Apabila secara klinis peneliti tidak dapat
menentukan nilai AUC minimal yang memuaskan, maka penentuannya dapat
dilakukan secara statistik.