Aryanti R. Bamahry
2018
ANALISIS MULTIVARIAT
• Bila variabel
REGRESI dependen/tergantungnya
LOGISTIK VARIABEL KATEGORIK
• Bila variabel
REGRESI dependen/tergantungnya
LINIER VARIABEL NUMERIK
LANGKAH-LANGKAL ANALISIS
MULTIVARIAT
1. Menyeleksi variabel-variabel yang akan
dimasukkan ke dlm analisis multivariat.
variabel yg pd analisis bivariat memiliki
nilai p < 0,25.
2. Melakukan analisis multivariat, dibagi 3
metode (enter, forward dan backward)
manual otomatis
METODE FORWARD METODE BACKWARD
• Software secara otomatis • Software secara otomatis
akan memasukkan akan memasukkan variabel
variabel yang paling yang terseleksi untuk
berpengaruh kemudian dimasukkan ke dlm analisis
memasukkan variabel multivariat.
berikutnya yang ukuran • Secara bertahap, variabel yg
kekuatannya lebih rendah tidak berpengaruh akan
dari variabel pertama. dikeluarkan dari analisis.
• Proses akan berhenti • Proses akan berhenti
ketika tidak ada lagi sampai tidak ada lagi
variabel yg dpt variabel yg dpt dikeluarkan
dimasukkan ke dlm dari analisis.
analisis.
Contoh kasus :
• Variabel tergantung suatu penelitian : variabel Z
• Variabel bebasnya : variabel A, B, C, D, E, F, G,
H.
Langkah 1 A A, B, C, D, E A, B, C, D, E
Langkah 2 A, B A, B, C, D A, B, C, D
Langkah 3 A, B, C A, B, C A, B, C
logistik
• y = konstanta + a1x1 + a2x2 +….+ a1x1
• a = nilai koefisien tiap variabel
• x = nilai variabel bebas
Regresi •
•
y = konstanta + a1x1 + a2x2 +….+ a1x1
y = nilai dari variabel tergantung
linier •
•
a = nilai koefisien tiap variabel
x = nilai variabel bebas
4. Menilai kualitas dari rumus yang diperoleh dari
analisis multivariat
kemampuan diskriminasi dan kalibrasi
Variabel syok dgn kode 1 dan 2 akan digunakan untuk analisis bivariat
Variabel syok_reg dgn kode 1 dan 0 untuk analisis multivariat
Pertanyaan :
1. Uji hipotesis apa yg akan digunakan pada analisis
bivariat ?
2. Parameter kekuatan hubungan apa yang akan
digunakan ?
3. Lakukan analisis bivariat dgn menggunakan SPSS.
4. Analisis multivariat apa yang akan digunakan ?
5. Variabel apa saja yg akan dimasukkan ke dlm
analisis mulivariat ?
6. Variabel apa saja yg berpengaruh terhadap syok ?
Bagaimana kekuatan hubungannya ?
7. Bagaimana aplikasi dari persamaan yg diperoleh
untuk memprediksi probabilitas syok pada pasien ?
8. Bagaimana kualitas persamaan yg diperoleh baik
dari segi diskriminasi maupun kalibrasi ?
Jawaban :
1. Uji Chi-square
2. Nilai RO karena desain case control
3. Hasil analisis chi square (terlampir)
4. Regresi logistik karena variabel kategorik
5. Variabel yg nilai p < 0,25 perdarahan,
hepatomegali,hematokrit, trombosit
6. Hasil analisis regresi logistik (terlampir)
7. Interpretasi hasil regresi logistik :
Variabel yg berpengaruh terhadap syok :
hepatomegali (OR = 3,43), perdarahan
(RO = 3,28) dan hematokrit (OR = 3,11)
8. Hasil hosmer and lameshow test
Nilai Kalibrasi :
Chi square df Sig
1 3.301 6 .770
2 2.840 4 .585
Nilai Diskriminasi :
Asymp 95%
Confidence Interval
Area Std.Errora Asymp. Sig.b
Lower Upper
bound bound
.740 .051 .000 .639 .840
Propabilitas :
p = 1/(1 + e-y)
P = 1 /(1 + 2,7 -3,016)
= 1 / (1 + 0,05)
= 1/ 1,05
= 0,952 = 95,2%
• y = konstanta + a1x1 + a2x2 +….+ a1x1
• = - 2,306 + 3,142 (perdarahan) + 2,180 (hepatomegali)
•
Contoh :
DBD, perdarahan +, hepatomegal i(-)
= - 2,306 + 3,142 (perdarahan) + 2,180 (hepatomegali)
= - 2,306 + 3,142 (1) + 2,180 (0)
= 0,836
Propabilitas :
p = 1/(1 + e-y)
P = 1 /(1 + 2,7 -0,836)
= 1 / (1 + 2,29)
= 1/ 3,29
= 0,303 = 30,3 %
• y = konstanta + a1x1 + a2x2 +….+ a1x1
• = - 2,306 + 3,142 (perdarahan) + 2,180 (hepatomegali)
•
Contoh :
DBD, perdarahan (-), hepatomegali (-)
= - 2,306 + 3,142 (perdarahan) + 2,180 (hepatomegali)
= - 2,306 + 3,142 (0) + 2,180 (0)
= -2,306
Propabilitas :
p = 1/(1 + e-y)
P = 1 /(1 + 2,7 2,306)
= 1 / (1 + 9,87)
= 1/ 10,87
= 0,091 = 9,1 %
Nilai kalibrasi : 0,814 p > 0,05
baik