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 + b1x1 + b2x2 + …. + bkxk
 Logit = log odds
 Manfaat
 Model prediksi  penelitian kohort
 Faktor risiko  kohort, kasus-kontrol, potong
lintang
Fungsi logistik

1
p( y  1 | x)   ( a  b1 x1  b2 x2 ...  bk xk )
1 e

•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 pra-
menopause
Variables in the Equation

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

Step
a
ESTR3(1) 1.543 .584 6.980 1 .008 4.680
1 HOLMES3(1) 1.247 .580 4.622 1 .032 3.480
Cons tant -1.905 .569 11.223 1 .001 .149
a. Variable(s ) entered on step 1: ESTR3, HOLMES3.
Contoh
Variables in the Equation

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

Step
a
ESTR3(1) 1.543 .584 6.980 1 .008 4.680
1 HOLMES3(1) 1.247 .580 4.622 1 .032 3.480
Cons tant -1.905 .569 11.223 1 .001 .149
a. Variable(s ) entered on step 1: ESTR3, HOLMES3.

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

1
p( y  1 | x)   ( 1, 9051, 543ESTR1, 247 HOLMES )
1 e
Contoh
 Misalkan ada 1 orang dengan kadar estrogen
rendah (ESTR=1) dan stress psikososial rendah
(HOLMES=0)
1
p ( y  1 | x)  ( 1, 9051, 543*11, 247*0 )
1 e
p( y  1 | x)  0,59
 Orang dengan kadar estrogen rendah
(ESTR=1) dan stress psikososial rendah
(HOLMES=0)  Probabilitas depresi = 0,59
Contoh
Variables in the Equation

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

Step
a
ESTR3(1) 1.543 .584 6.980 1 .008 4.680
1 HOLMES3(1) 1.247 .580 4.622 1 .032 3.480
Cons tant -1.905 .569 11.223 1 .001 .149
a. Variable(s ) entered on step 1: ESTR3, HOLMES3.

ODDS RATIO

 Model prediksi hanya digunakan pada

penelitian kohort
 Pada penelitian lain  Rasio odds
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

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

Step
a
ESTR3(1) 1.543 .584 6.980 1 .008 4.680
1 HOLMES3(1) 1.247 .580 4.622 1 .032 3.480
Cons tant -1.905 .569 11.223 1 .001 .149
a. Variable(s ) entered on step 1: ESTR3, HOLMES3.

 OR untuk estrogen = 4,6 berarti jika ada 2 orang wanita

pra-menopause 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

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

Step
a
ESTR3(1) 1.543 .584 6.980 1 .008 4.680
1 HOLMES3(1) 1.247 .580 4.622 1 .032 3.480
Cons tant -1.905 .569 11.223 1 .001 .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*PROJ +
b3*PROJ*TAHUN).

 Maka rasio odds untuk daerah proyek adalah:

 Untuk tahun 2002, OR = e(b1*1 + b3*1*0) = eb1
 Untuk tahun 2003, OR = e(b1*1 + b3*1*1) = eb1+b3
Contoh

 Rasio odds untuk daerah proyek:

 e(1,185*PROJ+0,658*PROJ*TAHUN), sehingga:
 Untuk tahun 2002, OR = e(1,185*1+0,658*1*0) = 3,27

 Untuk tahun 2003, OR = e(1,185*1+0,658*1*1) = e1,843 = 5,27