Nilai OR ditunjukkan dengan nilai “Estimate” yaitu 4,016. Artinya: Subjek yang merokok memiliki
kejadian resiko kejadian hipertensi 4,01 kali lipat dibandingkan dengan yang tidak merokok.
Nilai Asymp. Sig (2-Sided) menunjukkan nilai p value atau signifikansi nilai OR. Nilai 0,026 < 0,05
maka pada taraf kepercayaan 95%, OR dinyatakan signifikan atau bermakna yang berarti dapat
mewakili keseluruhan populasi.
Nilai Common Odds Ratio Lower Bound dan Upper Bound menunjukkan batas atas dan batas bawah
OR, yang artinya: setidaknya orang yang merokok sekurang-kurangnya memiliki resiko hipertensi
sebesar 1,184 kali dan paling besar 13,622 kali terjadi hipertensi.
REGRESI LOGISTIK
Pertanyaan penelitian
1. Bagaimanakah pengaruh kebiasaan merokok terhadap kejadian hipertensi?
2. Berapa besar kemungkinan terjadi hipertensi jika memiliki kebiasaan merokok?
Langkah-langkah analisis data
1. Buka program SPSS dan memasukkan data ke SPSS.
2. Pada menu, klik Analyze, Regression, Binary Logistic.
3. Masukan variabel “hipertensi” pada kotak dependent dan “merokok” pada kotak Covariate.
4. Klik Categorical, masukkan variabel “Senam yoga” pada kotak Categorical covariates. Lalu
klik Continue.
5. Klik Options, centang CI For Exp (B) dan beri nilai 95 %. Lalu klik Continue.
6. Klik tombol “Continue” dan kemudian “OK”.
Hasil Analisis
Nilai p value = 0,026 < 0,05 maka: terbukti terdapat hubungan antara kebiasaan merokok terhadap
kejadian hipertensi
Model yang terbentuk:
α = -2,329 (p=0,012 < 0,05)
β1 = 1,390 (p=0,026 < 0,05)
maka, terbentuk model:
1
p=Pr ( Y i=1| X )= −(α +β 1 x 1,i + …+ β k x k,i )
1+e
1
p=Pr (Hipertensi)= −(−2,329+ 1,390. merokok)
1+ e
Hasil prediksi
Probabilitas orang yang merokok dengan kejadian hipertensi
1
p=Pr ( Hipertensi )= − (−2,329+ 1,390.1 )
=28 ,1 %
1+ e
Probabilitas orang yang tidak merokok dengan kejadian hipertensi
1
p=Pr ( Hipertensi )= − (−2,329+ 1,390.0 )
=8 , 9 %
1+ e
Meroko
No Hipertensi k
1 1 1
2 1 1
3 1 1
4 1 1
5 2 1
6 2 1
7 2 2
8 2 2
9 1 1
10 1 1
11 1 2
12 2 1
13 2 1
14 2 1
15 1 2
16 1 2
17 1 1
18 2 1
19 1 2
20 2 2
21 1 1
22 2 1
23 1 1
24 2 2
25 1 1
26 2 2
27 1 1
28 2 2
29 2 2
30 2 2
31 2 2
32 2 1
33 1 1
34 1 1
35 1 1
36 1 1
37 1 2
38 2 2
39 1 1
40 1 1
41 1 1
42 1 1
43 1 2
44 1 1
45 1 2
46 2 1
47 1 1
48 2 2
49 1 1
50 1 1
REGRESI LINEAR
Kasus: Pengaruh IMT dan umur terhadap risiko diabetes melitus
Metode penelitian
Penelitian kuantitatif ini menggunakan desain cross sectional study. Teknik yang digunakan dalam
pengambilan sampel pada penelitian ini yaitu menggunakan probability random sampling dengan
mengambil 40 sampel. Data didapatkan dengan melakukan wawancara menggunakan kuesioner
terstruktur. Variabel bebas yang digunakan adalah skor IMT dan umur sedangkan variabel
terikat/tergantung merupakan diabetes melitus dengan ketentuan katagori katagori “diabetes melitus”
jika plasma vena > 200 mg/dl, dan katagori “normal” jika plasma vena dibawah 200 mg/dl
(Balitbangkes, 2018). Selanjutnya variabel IMT dilakukan perhitungan menggunakan rumus 𝐼𝑀𝑇 =
𝐵𝐵/ 𝑇𝐵2 berdasarkan pengukuran Berat Badan (BB) dalam Kg, dan pengukuran Tinggi Badan (TB)
dalam meter. Data yang didapatkan merupakan simulasi untuk kepentingan analisis data.
Langkah-langkah analisis data
1. Buka program SPSS dan memasukkan data ke SPSS.
2. Pada menu, klik Analyze, Regression, Linear.
3. Masukkan variabel “IMT dan Umur” ke kotak independent dan variabel “diabetes” ke kotak
dependent.
4. Klik OK
R square = 0,742
Nilai ini mengandung arti bahwa pengaruh variabel bebas (IMt dan umur) (X) terhadap vatiabel
tertimbang/terikat (resiko diabetes melitus) (Y) adalah sebesar 74,2% sedangkan sisanya dipengaruhi
variabel lain diluar model.
Uji F
Nilai p-value = 0,001 < 0,05 menunjukkan bahwa ada model prediksi (sekurang-kurang nya ada satu
variabel bebas mempengaruhi variabel tergantung)
Uji T
IMT
H0 = Skor indeks massa tubuh (IMT) (X) tidak berpengaruh terhadap resiko diabetes mellitus (Y)
H1 = Skor indeks massa tubuh (IMT) (X) berpengaruh terhadap resiko diabetes mellitus (Y)
Nilai p value = 0,002 < 0,05
H0 ditolak maka dapat disimpulkan bahwa secara statistik Skor indeks massa tubuh (IMT) (X)
signifikan berpengaruh terhadap resiko diabetes mellitus (Y).
Umur
H0 = Umur (X) tidak berpengaruh terhadap resiko diabetes mellitus (Y)
H1 =Umur (X) berpengaruh terhadap resiko diabetes mellitus (Y)
Nilai p value = 0,002 < 0,05
H0 ditolak maka dapat disimpulkan bahwa secara statistik umur (X) signifikan berpengaruh terhadap
resiko diabetes mellitus (Y).