Regresi Logistik

Kelompok :
 Regresi Logistik
Regresi Logistik
Model matematis menganalisis hubungan antara satu/beberapa
variabel independen yang bersifat kontinyu/ binary/ dikotom dengan satu
variabel dependen yang bresifat binary/binomial/dikotom dan
menghasilkan persamaan prediktif.

model logistik

Regresi logistik sederhana

Z=α + ß1X1
Regresi logistik berganda
Z = α + ß1X1 + ß2X2 + … + ß1X1
f (z) = 1
1 + e – (α + ß1X1 + ß2X2 + … + ß1X1 )
 Tahap-Tahap Penyelesaian

1. Masukkan Ketekunan,
Kegigihan dan Ketepatan
Waktu pada kolom Name.
 Tahap-Tahap Penyelesaian

2. Selanjutnya pada Values

Ketepatan Waktu, ubah
Values Label. Value “0”
dengan label “lulus tidak
tepat waktu” kemudian, klik
Add. Dan Value “1” dengan
label “lulus tepat waktu” klik
Add. Kemudian klik Ok
 Tahap-Tahap Penyelesaian

3. Kemudian buka Data View.

Dan masukkan data.
 Tahap-Tahap Penyelesaian

4. Klik Analyze Regression

Binnary Logistic
 Tahap-Tahap Penyelesaian

5. Masukkan Ketepatan Waktu

pada kotak Dependent. Dan
Ketekunan dan Kegigihan
pada kotak Covariates,
Kemudian klik Options.
 Tahap-Tahap Penyelesaian

6. Setelah klik Options. Klik

semua kolom yang ada pada
Statistics and Plots. Kemudian
klik Continue dan Ok.
Hasilnya...
Hasilnya...
Hasilnya...
Hasilnya...
CONTOH PERHITUNGAN MANUAL :
Apabila variabel outcome binary/dikotomus
Contoh:

0 : bila outcome tak terjadi, misal: tidak sakit

1 : bila outcome terjadi, misal: sakit

Bentuk S mencerminkan efek satu atau lebih faktor risiko dalam menyebabkan suatu penyakit
MODEL REGRESI LOGISTIK SEDERHANA : FUNGSI LOGISTIK
Regresi logistik sederhana
Z=α + ß1X1 1
f (z) =
MIsal: 1 + e –z
Y : 1 : PJK (Penyakit Jantung Koroner)
Bila katekolamin tinggi maka peluang individu
0 : Non OJK untuk mengalami PJK adalah 4%
X1: Tingkat katekolamin: 1 : Kat. Tinggi
0 : Kat. Rendah 1
PPJK = = 0,037 = 4%
1+e –(-3,911+0,652.1)
JIKA :
α= -3,911 ß = katekolamin = 0,652 Bila katekolamin rendah maka peluang individu
ECG/EKG (elektrokardiogram) = 0,524 untuk mengalami PJK adalah 2%
Umur = 0,044
1
PPJK = = 0,01962 = 2%
Maka modelnya adalah 1+e –(-3,911+0,652.0)

Z= α + ß1X1
PJK = -3,911 + 0,652 katekolamin
OR ECG = e ß ECG = e 0,342 = 1,41
OR Umur= e ß umur = e 0,029 = 1,03
OR setiap umur meningkat 10 th=e 10(ß umur) =
e 10(0,029) = 1,34

Kisaran nilai OR 0-~ dimana kurang dari 1 merupakan faktor penghambat/pencegah sedangkan
lebih dari 1 merupakan faktor risiko
Misal: Bila diketahui Katekolamin: 1, umur =
Y:1: PJK (Penyakit Jantung Koroner) 40, dan ECG=0
0: Non PJK Maka P1(X)= 0,1090=11%
X1: Tingkat Katekolamin: 1: kat. Tinggi Bila diketahui Katekolamin: 0, umur =
0: Kat. Rendah 40, dan ECG=0
X2: Umur: dinyatakan dalam tahun Maka P0(X)= 0,06=6%
X3: ECG: 1: abnormal
0: normal Interpretasi
Individu dengan kadar katekolamin
PERSAMAAN tinggi memiliki risiko PJK sebesar 11%
Z = α + ßkatekolamin + ßumur + ßECG sedangkan individu dengan kadar
Misal α = -3,911 ßkatekolamin = 0,652 katekolamin rendah memiliki risiko PJK
ßumur = 0,029 ßECG = 0,342 sebesar 6% selama dalam periode follw
up (umur 40 tahun dan ECG-nya
normal)
ZPJK = -3,911 + 0,652 Katekolamin + 0,029 umur + 0,342 ECG

OR katekolamin = e ßkatekolamin = e 0,652 = 1,919 = 1,92

Interpretasi:
Risiko orang/individu dengan katekolamin tinggi untuk terjadi PJK sebesar 1,92 kali dibanding
individu dengan katekolamin rendah pada umur dan ECG yang sama/setelah dikontrol oleh umur
dan ECG
Thank You
Insert the Sub Title of Your Presentation