ANALISIS REGRESI LOGISTIK

BERGANDA

Dr. Ratih Sari Wardani, S.Si, M.Kes

Regresi Logistik Multivariat
 Model matematis untuk memprediksi variabel
dependen (dikotomi) dari beberapa variabel
independen yang bersifat kontinyu maupun
kategorik (biner)
 Tujuan
Untuk mendapatkan model yang paling baik/fitting
dan paling parsimonious/ sederhana yang dapat
menggambarkan hubungan antara satu variabel
dependen yang dikotom dan beberapa variabel
independen
Manfaat
 Manfaat analisis regresi ganda :
1. Meramalkan terjadinya variabel dependen pada individu
berdasarkan nilai-nilai sejumlah variabel independent
(prediktor) yang ada pada individu tersebut.
2. Mengukur hubungan antara veriabel terikat (respon) dan
bebas (prediktor), setelah mengontrol pengaruh prediktor
(kovariat) lainnya.
 Model Regresi Logistik Multivariat
 p 
ln    a  b1 x1  b2 x2  ...  bk xk
1 p 
Dimana :
Ln (p/(1-p) = logodd (logit). Logaritme natural dari odds.
Odds : rasio probabilitas suatu peristiwa untuk terjadi
dan probabilitas suatu peristiwa untuk tidak terjadi
a = Konstanta ( intersep)
b1 , b2 , .... bk = koefisien regresi variabel prediktor (slope)
X1, X 2 ....Xk = variabel prediktor/ independen yg pengaruhnya akan
diteliti.
p = probabilitas untuk terjadinya “peristiwa” dari variabel
dependen yg dikotomus
Pemodelan Pada Regresi Logistik

A. Pemodelan untuk menentukan faktor determinan/

model prediksi
 tujuan menentukan faktor determinan, semua variabel
independen diperlakukan sama penting/setara kedudukannya
(Hosmer dan Lemeshow, 2000).
 Pemodelan prediksi bertujuan untuk memperoleh sekumpulan
variabel prediktor yang dianggap paling baik untuk
memprediksi kejadian variabel dependen
B. Model Faktor Resiko

 bertujuan untuk mengestimasi secara sahih hubungan

antara satu variabel independen (variabel utama) dengan
satu variabel dependen, dengan mengontrol variabel
independen lainnya.
A. Model Prediksi
• tujuan menentukan faktor determinan/pemodelan
prediksi, problem utama dalam membangun model
adalah memilih kumpulan variabel independen yang
harus masuk ke dalam model.
• Adanya variabel didalam model dapat berdasarkan
substansi keilmuan atau berdasarkan pemilihan statistik.
Variabel dapat masuk ke dalam model jika terbukti
bahwa koefisien regresi () dinilai signifikan.
 Langkah-Langkah
1. Melakukan analisis regresi logistik univariat/regresi logistik
sederhana pada masing-masing variabel independen dengan
variabel dependen.
2. Mencari potensial covariat menggunakan regresi logistik univariat,
yaitu variabel yang secara substansi berpengaruh terhadap
variabel dependen dan signifikan (p-value <0,25) sesuai yang
direkomendasikan oleh Mickey dan Greenland.
3. Melakukan deteksi collinearities, untuk mengecek apakah antar
variabel independen terdapat korelasi. Dikatakan ada gejala
kolinieritas jika nilai r > 0,8.
 Langkah-Langkah
4. Melakukan analisis regresi logistik multivariat dengan semua
potensial covariat
5. Melakukan eliminasi variabel independen secara satu per satu
menggunakan uji statistik Wald. Eliminasi dimulai dari variabel
yang p-value nya paling besar, sampai semua variabel yang
masuk model signifikan semua (p<0,05).
6. Melakukan uji variabel interaksi yaitu melakukan regresi
logistik multivariat dengan semua variabel hasil langkah 5
ditambah dengan variabel interaksi yang mungkin (didasari
logika substantif) secara bersama. Kemudian mengeluarkan
variabel interaksi dimulai dari yang paling tidak signifikan
sampai didapat variabel yang signifikan semua.
 Contoh Aplikasi regresi logistik multivariat
Faktor yang berhubungan dengan Demam Typoid
Kerangka konsep:

Variabel independen Variabel dependen

Umur
Ekonomi
Pendidikan Demam Typoid
Jajan
Cuci tangan
 Variabel dependen:
Typoid : ( 0 ) ya ( reference=ref)
( 1 ) tidak
 Variabel independen :
1. Umur : numerik
2. ekonomi :
( 1 ) rendah (ref)dummy (ref.category: first)
( 2 ) sedang
( 3 ) tinggi
4. Pendidikan :
( 0 ) SD ( ref)  dummy ( ref. category: first)
( 1 ) SLTP
( 2 ) SLTA
( 3 ) Perguruan Tinggi
( 4 ) Lain-lain
5. jajan:
( 0 ) ya ( reference)
( 1 ) Tidak
6. Cuci tangan :
( 0 ) Kadang -Kadang ( reference)
( 1 ) Selalu
 Pemodelan Regresi Logistik Multivariat
 Langkah-langkah :
1). Mencari potensial covariat menggunakan regresi logistik univariat.
Jika p value nya < 0,25 maka masuk sebagai potensial covariat.
a) Umur-Thypoid
Langkah-langkah :
1. Klik analize  regression  binary logistic
2. Masukkan variabel Typoid ke kotak „dependent‟
3. Masukkan variabel umur ke kotak „covariates‟
4. Pilih metode : enter
5. Lalu klik OK
Hasilnya :
 p value (umur)=0,744 (>0,25) tidak masuk kandidat model

b) Ekonomi-Typoid
1. Klik analize  regression  binary logistic
2. Masukkan variabel Typoid ke kotak „dependent‟
3. Masukkan variabel ekonomi ke kotak „covariates‟
4. Pilih metode : enter
5. Klik categorical, masukkan variabel status ekonomi ke kotak „categorical covariates‟
6. Pada contras isi : indicator
7. Pada reference category pilih : first lalu klik change dan klik continue
8. klik OK
( Jika ada variable dummy maka yang digunakan
adalah signifikansi yang paling kecil)

Hasil uji Wald diperoleh p -value = 0,005 < 0,25

sehingga variabel status ekonomi masuk sebagai
kandidat model
b) Pendidikan-Typoid
1. Klik analize  regression  binary logistic
2. Masukkan variabel Typoid ke kotak „dependent‟
3. Masukkan variabel pendidikan ke kotak „covariates‟
4. Pilih metode : enter
5. Klik categorical, masukkan variabel pendidikan ke kotak „categorical covariates‟
6. Pada contras isi : indicator
7. Pada reference category pilih : first lalu klik change dan klik continue
8. klik OK

p –value pendidikan = 0,999 > 0,25 sehingga variabel

pendidikan tidak masuk sebagai kandidat model
d) jajan-Typoid
1. Klik analize  regression  binary logistic
2. Masukkan variabel Typoid ke kotak „dependent‟
3. Masukkan variabel jajan ke kotak „covariates‟
4. Pilih metode : enter
5. Ok

p value (jajan)=0,012 (<0,25) masuk kandidat model

e) Cuci tangan-Typoid
1. Klik analize  regression  binary logistic
2. Masukkan variabel Typoid ke kotak „dependent‟
3. Masukkan variabel cuci tangan ke kotak „covariates‟
4. Pilih metode : enter
5. Ok

p value (cuci tangan)=0,057 (<0,25) masuk kandidat model

Kesimpulan

 Jadi dari 5 variabel yang masuk menjadi calon

kandidat model adalah variable :
 Ekonomi
 Jajan
 Cuci tangan
2). Melakukan deteksi collinearities, untuk mengecek apakah
antar variabel independen terdapat korelasi. Dikatakan ada
gejala kolinieritas jika nilai r > 0,8.
Langkah-langkah :
1. Klik analize, correlate, bivariate
2. Masukkan ke 3 variabel yaitu: ekonomi, jajan, dan cuci tangan ke
kotak “variables”.
3. Pada correlation coefficient pilih Spearman
4. Pada test of significance  pilih two tail
5. Klik pada Flag significant correlations
6. Klik OK
Tidak ada variabel yang mempunyai correlation coefficient ( r )
> 0,8 sehingga pada data ini tidak satupun antar variabel
independen berhubungan kolinier. Ke 3 variabel masuk menjadi
kandidat model
3). Membuat regresi logistik multivariate dengan semua
potensial covariat.
Langkah-langkah :
1. Klik analize  regression  binary logistic
2. Masukkan variabel Typoid ke kotak „dependent‟
3. Masukkan variabel ekonomi, jajan dan cuci tangan ke kotak
„covariates‟
4. Pilih metode : enter
5. Klik categorical, masukkan variabel ekonomi ke kotak
„categorical covariates‟
6. Pada contras isi : indicator
7. Klik pada variabel ekonomi, pada reference category pilih : first
lalu klik change dan klik continue
8. klik OK
4). Melakukan eliminasi variabel, dimulai dari yang
paling besar signifikansinya (paling tidak
signifikan) secara satu per satu. Keluarkan cuci
tangan kemudian dijalankan
Hasilnya :
semua variable sudah signifikan, sehingga didapat model
dengan variable ekonomi dan jajan yang mempengaruhi
Typoid
4. Melakukan uji variable interaksi
 Dalam pengujian interaksi tidak perlu semua variabel
diuji. Variabel-variabel yang secara
substansi/biologis berinteraksi saja yang kita uji.
 Dalam contoh ini kita akan menguji interaksi antara
1). variabel ekonomi dengan jajan.
Langkah-langkah :
Melakukan regresi logistik ganda dengan semua
variable hasil langkah 3 yaitu :
variable ekonomi, dan jajan ditambah dengan
variable interaksi yaitu : variable ekonomi * jajan
Langkah
1. Klik analize  regression  binary logistic
2. Masukkan variabel typoid ke kotak
„dependent‟
3. Masukkan variabel status ekonomi dan jajan
ke kotak „covariates‟
4. Pilih metode : enter
5. Klik categorical, masukkan variabel status
ekonomi ke „categorical covariates‟
6. Pada contras isi : indicator
7. Klik pada variabel ekonomi, pada reference
category pilih : first lalu klik change dan
klik continue
8. Masukkan variabel interaksi : ekonomi * jajan
ke kotak covariat dengan cara klik var
ekonomi sambil tekan kotak “ctrl”, lalu klik
var. jajan lepaskan
“ctrl” lalu klik kotak “ >a*b> ”
9. Klik OK
Hasil :
Ekonomi * jajan p value=1,000
Ekonomi (1) by jajan p value=0,999(yang dipakai)
Ekonomi (1) by jajan p value=1,000

Hasil ekonomi* jajan tidak signifikan

 Variabel ekonomi*jajan keluarkan dari model

Karena interaksi ekonomi * jajan tidak signifikan

model tetap dengan variable ekonomi dan jajan
yang mempengaruhi Typoid, yaitu :
Logit(Typoid)=0,054+-2,814 ekonomi(1)+0,360
ekonomi(2)+3,716 jajan
Interpretasi
 Faktor yang mempengaruhi kejadian Demam Typoid adalah
status ekonomi dan kebiasaan jajan.
 Besarnya pengaruh masing-masing faktor ditunjukkan oleh
besarnya OR (exp ).
 Nilai OR terbesar adalah yang paling berpengaruh
Pengaruh Kebiasaan Jajan terhadap kejadian Demam Thypoid

 Orang yang mempunyai kebiasaan jajan mempunyai peluang

41,100 kali terjadi Demam Thypoid dibanding yang tidak
mempunyai kebiasaan jajan setelah dikontrol oleh variabel
ekonomi

Pengaruh ekonomi terhadap kejadian Demam Thypoid

a. Orang yang mempunyai ekonomi tinggi mempunyai peluang

1,434 kali terjadi Demam Thypoid dibanding yang mempunyai
status ekonomi rendah setelah dikontrol oleh variabel kebiasaan
jajan
b. Orang yang mempunyai ekonomi sedang mempunyai peluang
0,060 kali terjadi Demam Typoid dibanding yang
mempunyai status ekonomi rendah setelah dikontrol oleh
variabel kebiasaan jajan