LAPORAN PRAKTIKUM MANAJEMEN KESEHATAN

MASYARAKAT

ANALISIS REGRESI LOGISTIK

DISUSUN OLEH :

NAMA : SINDI AMANAH

NIM : 2000029128

GOLONGAN : 3

PROGRAM STUDI KESEHATAN MASYARAAKAT

FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS AHMAD DAHLAN YOGYAKARTA
2022
 PRAKTIKUM

ANALISIS REGRESI LOGISTIK

A. Latar Belakang
Metode analisis multivariable merupakan metode analisis beberapa variabel bebas
terhadap variabel terikat. Variabel yang diikutkan dalam analisis multivariabel harus
memenuhi syarat nilai p-value < 0,25 dari hasil seleksi uji bivariate. Analisis
multivariable menggunakan uji regresi linier berganda dengan metode enter, yaitu dengan
memasukkan semua variabel bebas dengan serentak satu langkah. Berdasarkan analisis
korelasi (pearson correlation) menggambarkan bahwa semua variabel independen
memiliki signifikansi yang kuat dengan p-value lebih kecil dari p-alpha (p-value < p-
alpha = 0,05. Berdasarkan nilai koefisien korelasinya (R) seluruh variabel memiliki
korelasi yang kuat dengan koefisiensi korelasi (R≥0,25) (Margarethy I. dkk, 2020).
Analisis multivariable ini digunakan untuk melihat besar hubungan antara variabel bebas
dan variabel terikat secara bersamaan dan dikontrol variabel luar, analisis multivariable
menggunakan analisis regresi logistic (Marela G. dkk, 2017).
Tujuan dari regresi logistik adalah pembuatan sebuah model regresi untuk
memprediksi besar variabel dependen yang berupa sebuah variabel binary dengan
menggunakan data variabel independen yang sudah diketahui besarnya. Adapun data
yang digunakan pada regresi logistik adalah data kuantitatif. Jika data adalah kualitatif
(pada umumnya adalah data jenis kategori atau nominal), maka data tersebut akan
diperlakukan sebagai binary variable (Santoso S., 2018). Variabel biner merupakan
variabel yang hanya memiliki dua kategori, yaitu kategori 0 atau 1 yang masing-
masing menyatakan kejadian gagal atau sukses. Berbeda dengan regresi linier, regresi
logistik tidak mengasumsikan hubungan linier antara variabel indepeden dan variabel
dependen. Penerapan analissi regresi logistik telah banyak dikembangkan oleh para
peneliti untuk menyelesaikan masalah di berbagai sektor (Ketaren dan Sianturi, 2017)
(Dwicahyani, A. R., & Muttaqin, B. I. A. 2019).
Model regresi logistic memungkinkan membentuk hubungan antara variabel
kriteria/dependen binari dan satu atau lebih variabel prediktor/independen melalui proses
transformasi probabilitas perolehan skor binari ke nilai logit atau log odds. Karena itu,
regresi logistik ini memodelkan probabilitas logit yang tertransformasikan sebagai suatu
hubungan linier dengan variabel predictor (Hadjar I., 2018).

B. Tujuan
Untuk menganalisis hubungan antara usia, jumlah anak yang dimiliki, dan status
kepesertaan Jaminan Kesehatan Nasional (JKN) dengan kesertaan Keluarga Berencana
(KB).

C. Kasus
Seorang peneliti ingin menganalisis hubungan antara usia, jumlah anak yang
dimiliki, dan status kepesertaan Jaminan Kesehatan Nasional (JKN) dengan kesertaan
Keluarga Berencana (KB).
D. Rumusan Masalah
Apakah terdapat hubungan antara usia, jumlah anak yang dimiliki, dan status
kepesertaan Jaminan Kesehatan Nasional (JKN) dengan kesertaan Keluarga Berencana
(KB)?

E. Hipotesis
Ha : Terdapat pengaruh antara usia, jumlah anak yang dimiliki, dan status kepesertaan
Jaminan Kesehatan Nasional (JKN) dengan kesertaan Keluarga Berencana (KB) ?
H0 : Tidak terdapat pengaruh antara usia, jumlah anak yang dimiliki, dan status
kepesertaan Jaminan Kesehatan Nasional (JKN) dengan kesertaan Keluarga Berencana
(KB) ?

F. Variabel
Variabel Dependen : Kesertaan Keluarga Berencana (KB)
Variabel Independen : Usia, Jumlah anak yang dimiliki, dan Status Kepesertaan
Jaminan Kesehatan Nasional (JKN)

G. Jenis data
Variabel Dependen : Kategorik
Variabel Independen : Kategorik

H. Uji Statistik
Uji Parametrik : Uji Regresi Logistik

I. Hasil

 Usia Responden * Penggunaan Kontrasepsi

Crosstab

Penggunaan Kontrasepsi

Iya Tidak Total

Usia Responden >35 Count 32 14 46

Expected Count 27.6 18.4 46.0

% within Penggunaan 35.6% 23.3% 30.7%

Kontrasepsi

% of Total 21.3% 9.3% 30.7%

<=35 Count 58 46 104

 Expected Count 62.4 41.6 104.0

% within Penggunaan 64.4% 76.7% 69.3%

Kontrasepsi

% of Total 38.7% 30.7% 69.3%

Total Count 90 60 150

Expected Count 90.0 60.0 150.0

% within Penggunaan 100.0% 100.0% 100.0%

Kontrasepsi

% of Total 60.0% 40.0% 100.0%

Chi-Square Tests

Asymp. Sig. Exact Sig. (2- Exact Sig. (1-

Value df (2-sided) sided) sided)

Pearson Chi-Square 2.529a 1 .112

Continuity Correctionb 1.987 1 .159
Likelihood Ratio 2.582 1 .108
Fisher's Exact Test .148 .078
Linear-by-Linear 2.512 1 .113
Association
N of Valid Cases 150

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 18,40.
b. Computed only for a 2x2 table
Risk Estimate

95% Confidence
Interval

Value Lower Upper

Odds Ratio for Usia 1.813 .867 3.791

Responden (>35 / <=35)
For cohort Penggunaan 1.247 .965 1.612
Kontrasepsi = Iya
For cohort Penggunaan .688 .423 1.120
Kontrasepsi = Tidak
N of Valid Cases 150

 Jumlah Anak * Penggunaan Kontrasepsi

Crosstab

Penggunaan Kontrasepsi

Iya Tidak Total

Jumlah Anak >2 Count 33 5 38

Expected Count 22.8 15.2 38.0

% within Penggunaan 36.7% 8.3% 25.3%

Kontrasepsi

% of Total 22.0% 3.3% 25.3%

<=2 Count 57 55 112

Expected Count 67.2 44.8 112.0

% within Penggunaan 63.3% 91.7% 74.7%

Kontrasepsi

% of Total 38.0% 36.7% 74.7%

Total Count 90 60 150

Expected Count 90.0 60.0 150.0

 % within Penggunaan 100.0% 100.0% 100.0%
Kontrasepsi

% of Total 60.0% 40.0% 100.0%

Chi-Square Tests

Asymp. Sig. Exact Sig. (2- Exact Sig. (1-

Value df (2-sided) sided) sided)

Pearson Chi-Square 15.278a 1 .000

Continuity Correctionb 13.817 1 .000
Likelihood Ratio 17.082 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear 15.177 1 .000
Association
N of Valid Cases 150

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 15,20.
b. Computed only for a 2x2 table

Risk Estimate

95% Confidence
Interval

Value Lower Upper

Odds Ratio for Jumlah 6.368 2.317 17.501

Anak (>2 / <=2)
For cohort Penggunaan 1.706 1.369 2.126
Kontrasepsi = Iya
For cohort Penggunaan .268 .116 .620
Kontrasepsi = Tidak
N of Valid Cases 150

 JKN * Penggunaan Kontrasepsi

Crosstab

Penggunaan Kontrasepsi

Iya Tidak Total

JKN Bukan Peserta Count 80 23 103

Expected Count 61.8 41.2 103.0

% within Penggunaan 88.9% 38.3% 68.7%

Kontrasepsi

% of Total 53.3% 15.3% 68.7%

Peserta Count 10 37 47

Expected Count 28.2 18.8 47.0

% within Penggunaan 11.1% 61.7% 31.3%

Kontrasepsi

% of Total 6.7% 24.7% 31.3%

Total Count 90 60 150

Expected Count 90.0 60.0 150.0

% within Penggunaan 100.0% 100.0% 100.0%

Kontrasepsi

% of Total 60.0% 40.0% 100.0%

Chi-Square Tests

Asymp. Sig. Exact Sig. (2- Exact Sig. (1-

Value df (2-sided) sided) sided)

Pearson Chi-Square 42.765a 1 .000

Continuity Correctionb 40.447 1 .000
Likelihood Ratio 43.852 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear 42.480 1 .000
Association
N of Valid Cases 150

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 18,80.
b. Computed only for a 2x2 table

Risk Estimate

95% Confidence
Interval

Value Lower Upper

Odds Ratio for JKN 12.870 5.565 29.765

(Bukan Peserta /
Peserta)
For cohort Penggunaan 3.650 2.086 6.388
Kontrasepsi = Iya
For cohort Penggunaan .284 .192 .419
Kontrasepsi = Tidak
N of Valid Cases 150

 Dependent Variabel Encoding

Dependent Variable
Encoding

Origin
al
Value Internal Value

Tidak 0
Ya 1

 Categorical Numerik Coding

Categorical Variables Codings

Parameter
coding

Frequency (1)

JKN Bukan Peserta 103 1.000

Peserta 47 .000
Jumlah Anak >2 38 1.000
<=2 112 .000
Usia Responden >35 46 1.000

<=35 104 .000

 Numerik in the Equation

Variables in the Equation

95% C.I.for
EXP(B)

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

Step 1a Usia(1) .171 .461 .137 1 .711 1.186 .481 2.930

JumlahAnak(1) 1.886 .594 10.067 1 .002 6.593 2.056 21.139

KepesertaanJKN(1 2.555 .463 30.450 1 .000 12.866 5.193 31.879

)

Constant -1.733 .417 17.320 1 .000 .177

a. Variable(s) entered on step 1: Usia, JumlahAnak, KepesertaanJKN.

 Hosmer – Lemeshow Test
Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 1.423 4 .840

 Area Under the Curve

Area Under the Curve
Test Result Variable(s):Predicted probability

Asymptotic 95% Confidence

Asymptotic Interval

Area Std. Errora Sig.b Lower Bound Upper Bound

.809 .037 .000 .737 .882

The test result variable(s): Predicted probability has at least one tie
between the positive actual state group and the negative actual state
group. Statistics may be biased.
a. Under the nonparametric assumption
b. Null hypothesis: true area = 0.5

Dummy tabel
 Tabel Hasil Uji Resgresi Logistik

Penggunaan
Kontrasepsi (KB) P– Adjust OR
Variabel Crude OR P – Value
Iya Tidak Value (95% CI)
N (%) N (%)
Usia 1,813 (0,867- 0,159 1,186 (0,481- 0,711
>35 32 (21,3) 14 (9,3) 3,791) 2,930)
≤35 58 (38,7) 46 (30,7)
Jumlah Anak 6,368 (2,317- 0,000 6,593 (2,056- 0,002
>2 33 (22,0) 5 (3,3) 17,501) 21,139)
≤2 57 (38,0) 55 (36,7)
Status 12,870 0,000 12,866 (5,193- 0,000
Kepesertaan (5,565- 31,879)
JKN 29,765)
Bukan Peserta 80 (53,3) 23 (15,3)
Peserta 10 (6,7) 37 (24,7)

Interpretasi hasil

a. Variabel yang berpengaruh terhadap penggunaan kontrasepsi (KB) adalah usia, jumlah
anak yang dimiliki, dan status kepesertaan JKN. Kekuatan hubungan dapat dilihat dari
nilai OR (Exp B). kekuatan hubungan dari yang terbedar ke yang terkecil adalah status
kepesertaan JKN (OR = 12) dan terkecil adalah status kepesertaan JKN (OR = 12) dan
terkecil adalah usia (OR = 1).
b. Persamaan Regresi
y = b0+b1.1+b2.2+b3.3…+bp.p
= -1,733 + 0,171(usia) + 1,886 (jumlah anak) + 2,555 (status kepesertaan
JKN)
= -1,733 + 0, 171 (2) + 1,886 (2) + 2,555 (1)
= -1,733 + 0,342 + 3,772 + 2,555
= 4,936 (4,94)
c. Kualitas Persamaan Regresi
 Kalibrasi
 Nilai kalibrasi dapat dilihat Hosmer and Lemeshow Test. Nilai p pada Hosmer
and Lemeshow Test adalah sebesar 0,840 maka persamaan yang diperoleh
mempunyai kalibrasi yang baik. Karena p > 0,005 = kalibrasi baik
 Diskriminasi
Nilai diskriminasi dengan menilai Area Under the Curve (AUC). Nilai AUC
sebesar 80,9% yang termasuk dengan kategori kuat.

J. Pembahasan

K. Kesimpulan
Dari yang sudah dipaparkan dapat disimpulkan bahwasannya menganalisis
hubungan antara usia, jumlah anak yang dimiliki, dan status kepesertaan Jaminan
Kesehatan Nasional (JKN) dengan kesertaan Keluarga Berencana (KB). Dimana memiliki
variabel yang berpengaruh terhadap penggunaan kontrasepsi (KB) adalah usia, jumlah
anak yang dimiliki, dan status kepesertaan JKN. Kekuatan hubungan dapat dilihat dari
nilai OR (Exp B). kekuatan hubungan dari yang terbedar ke yang terkecil adalah status
kepesertaan JKN (OR = 12) dan terkecil adalah status kepesertaan JKN (OR = 12) dan
terkecil adalah usia (OR = 1). Dengan nilai kalibrasi yang dimana dapat dilihat di tabel
Hosmer and Lemeshow Test. Nilai p pada Hosmer and Lemeshow Test adalah sebesar
0,840 maka dapat diartikan bahwa persamaan yang diperoleh mempunyai kalibrasi yang
baik. Dimana karena nilai p-value > 0,005 = kalibrasi baik. Sedangkan nilai dari
diskriminasi sendiri yaitu dengan menilai Area Under the Curve (AUC). Dengan nilai
AUC sebesar 80,9% yang termasuk dengan kategori kuat.

L. Daftar Pustaka
Dwicahyani, A. R., & Muttaqin, B. I. A. (2019). Analisis segmentasi dan preferensi
konsumen terhadap pasar tradisional dan pasar modern menggunakan binary logistic
regression. Journal of Advances in Information and Industrial Technology, 1(1), 1-5.
Hadjar, I. (2018). Regresi Logistik: Menaksir Probabilitas Peristiwa Variabel
Binari. Phenomenon: Jurnal Pendidikan MIPA, 7(2), 137-163.
Ketaren, K. dan Sianturi, N. M. (2017). Decision Making Modelling with Logistic
Regression Approach. International Journal of Applied Engineering Research, Vol.12,
No., hal. 9067-9073.
Marela, G., Wahab, A., & Marchira, C. R. (2017). Bullying verbal menyebabkan depresi
remaja SMA Kota Yogyakarta. Berita Kedokteran Masyarakat, 33(1), 43-48.
Margarethy, I., Suryaningtyas, N. H., & Yahya, Y. (2020). Kejadian Diare Ditinjau Dari
Aspek Jumlah Penduduk dan Sanitasi Lingkungan (Analisis Kasus Diare di Kota
Palembang Tahun 2017). Medica Arteriana (Med-Art), 2(1), 10-16.
Santoso, S. (2018). Mahir statistik multivariat dengan SPSS. Elex Media Komputindo.
LAMPIRAN-LAMPIRAN