Regresi Logistik

Iwan Ariawan
Biostatistika - FKMUI

Regresi Logistik
Persamaan dengan memanfaatkan fungsi
logistik untuk menghubungkan variabel
dependen kategori dan variabel independen
campuran (kategori & kontinyu)
Logit(Y) = a + b 1x1 + b2x2 + . + bkxk

Logit = log odds

Manfaat

Model prediksi penelitian kohort

Faktor risiko kohort, kasus-kontrol, potong
lintang

Fungsi logistik
p( y 1 | x)

1
1 e

( a b1 x1 b2 x2 ... bk xk )

Dapat dihitung probabilitas y=1 (kejadian

terjadi) pada kombinasi nilai x tertentu
Ingat: hanya berlaku untuk kohort

Contoh
Penelitian

tentang hubungan antara kadar

estrogen dengan depresi pada wanita pramenopause
Variables in the Equation

Step
a
1

ESTR3(1)
HOLMES3(1)
Constant

B
1.543
1.247
-1.905

S.E.
.584
.580
.569

Wald
6.980
4.622
11.223

a. Variable(s) entered on step 1: ESTR3, HOLMES3.

df
1
1
1

Sig.
.008
.032
.001

Exp(B)
4.680
3.480
.149

Contoh
Variables in the Equation
Step
a
1

ESTR3(1)
HOLMES3(1)
Constant

B
1.543
1.247
-1.905

S.E.
.584
.580
.569

Wald
6.980
4.622
11.223

df
1
1
1

Sig.
.008
.032
.001

Exp(B)
4.680
3.480
.149

a. Variable(s) entered on step 1: ESTR3, HOLMES3.

Logit(depresi) = -1,905 + 1,543 ESTR + 1,247 HOLMES

p( y 1 | x)

1
1 e

( 1, 905 1, 543 ESTR 1, 247 HOLMES )

Contoh

Misalkan ada 1 orang dengan kadar estrogen

rendah (ESTR=1) dan stress psikososial rendah
(HOLMES=0)

p( y 1 | x)

1 e
p ( y 1 | x) 0,59

1
( 1, 905 1, 543*11, 247*0 )

Orang dengan kadar estrogen rendah

(ESTR=1) dan stress psikososial rendah
(HOLMES=0) Probabilitas depresi = 0,59

Contoh
Variables in the Equation
Step
a
1

ESTR3(1)
HOLMES3(1)
Constant

B
1.543
1.247
-1.905

S.E.
.584
.580
.569

Wald
6.980
4.622
11.223

df
1
1
1

Sig.
.008
.032
.001

a. Variable(s) entered on step 1: ESTR3, HOLMES3.

ODDS RATIO

Model

prediksi hanya digunakan pada

penelitian kohort
Pada penelitian lain Rasio odds

Exp(B)
4.680
3.480
.149

Interpretasi Rasio Odds

Rasio

odds yg diperoleh dari analisis regresi

logistik adalah rasio odds terkontrol (adjusted
odds ratio) oleh confounder yg diikutsertakan
dalam model.
Adjusted berarti dalam kondisi variabel
confounder lainnya sama, OR yg terkait
variabel independen utama adalah OR yg
sudah tidak dipengaruhi variabel confounder
lainnya

Contoh
Variables in the Equation
Step
a
1

ESTR3(1)
HOLMES3(1)
Constant

B
1.543
1.247
-1.905

S.E.
.584
.580
.569

Wald
6.980
4.622
11.223

df
1
1
1

Sig.
.008
.032
.001

Exp(B)
4.680
3.480
.149

a. Variable(s) entered on step 1: ESTR3, HOLMES3.

OR untuk estrogen = 4,6 berarti jika ada 2 orang wanita pramenopause yg tingkat stress psikososialnya sama tetapi
kadar estrogennya berbeda wanita dg kadar estrogen
rendah memiliki odds untuk terjadinya depresi sebesar 4,6 kali
dibanding wanita yg kadar estrogennya normal/tinggi

Contoh
Variables in the Equation
Step
a
1

ESTR3(1)
HOLMES3(1)
Constant

B
1.543
1.247
-1.905

S.E.
.584
.580
.569

Wald
6.980
4.622
11.223

df
1
1
1

Sig.
.008
.032
.001

Exp(B)
4.680
3.480
.149

a. Variable(s) entered on step 1: ESTR3, HOLMES3.

Uji statistik dengan H0 bk=0 atau tidak ada efek

Interaksi pada Regresi Logistik

Interaksi atau modifikasi efek (effect modifier)
adalah heterogenitas efek dari satu pajanan
pada tingkat pajanan lain di populasi asal (base
population).
Modifikasi efek merupakan konsep yang penting
dalam analisis karena pada saat analisis kita
harus menentukan apakah akan melaporkan
efek bersama (yang terkontrol confounder) atau
efek yang terpisah untuk masing-masing strata.

Interaksi pada Regresi Logistik

Pada analisis regresi logistik, jika kita
menemukan adanya interaksi antar variabel
pajanan dengan variabel lainnya, maka nilai
rasio odds harus dilaporkan secara terpisah
menurut strata dari variabel tersebut.
Nilai rasio odds yang tertera pada variabel
pajanan menjadi tidak berlaku dan nilai rasio
odds untuk masing-masing strata (pada SPSS)
harus dihitung secara manual.

Contoh

Misalkan satu persamaan regresi logistik dilakukan untuk

menilai keberhasilan proyek imunisasi hepatitis B pada
bayi umur 0-7 hari, di mana variabel dependen adalah
imunisasi HepB pada bayi umur 0-7 hari (HEPB) dan
pajanan adalah daerah proyek atau bukan (PROJ) serta
tahun survei (TAHUN).

Logit(HEPB) = a + b1PROJ + b2TAHUN + b3PROJ*TAHUN

Jika tidak ada interaksi antara PROJ dan TAHUN, maka

rasio odds untuk daerah proyek (jika kode daerah
proyek=1 dan non proyek=0) adalah eb1.

Contoh
Logit(HEPB) = a + b1PROJ + b2TAHUN + b3PROJ*TAHUN

Namun karena adanya interaksi maka rasio odds untuk

daerah proyek bergantung pada tahun survei.
Misalkan kode untuk tahun survei awal (2002) adalah 0
dan kode untuk survei akhir (2003) adalah 1, maka rasio
odds dihitung berdasarkaan rumus e(b1 + b3*TAHUN).
Maka rasio odds untuk daerah proyek adalah:

Untuk tahun 2002, OR = e(b1 + b3*0) = eb1

Untuk tahun 2003, OR = e(b1 + b3*1) = eb1+b3

Contoh

Rasio odds untuk daerah proyek:

e(1,185+0,658*TAHUN), sehingga:
Untuk tahun 2002, OR = e(1,185+0,658*0) = 3,27
Untuk tahun 2003, OR = e(1,185+0,658*1) = e1,843 = 5,27