REGRESI LOGISTIK

Prepared by Miftahul Jannah

 ANALISIS REGRESI

 Analisis regresi yang bertujuan untuk memprediksi besaran

variable dependen berdasarkan variable independen akan
menghasilkan estimasi persamaan regresi dengan rumus
umum: y= a + b x
 Analisis regresi linier dan logistik dapat digunakan untuk:
 Memprediksi besaran variabel dependen berdasarkan
variabel independen
 Mengetahui faktor determinan dari variabel dependen
 ANALISIS REGRESI

 Perbedaan regresi linier dan regresi logistik:

Regresi Linier  yang diprediksi : nilai mean
Regresi Logistik  yang diprediksi : proporsi
kejadian
 REGRESI LOGISTIK

 Yaitu model matematis untuk menganalisis

hubungan antara satu atau beberapa variabel
independen yang bersifat kontinu maupun binary
dengan satu variabel dependen yang bersifat
binary/binomial atau dikotom (sehat/sakit,
hidup/mati)
 REGRESI LOGISTIK
 Regresi Logistik:
 Sederhana (simple) : hanya satu variabel independen
 Ganda (multiple) : lebih dari satu variabel independen
REGRESI LOGISTIK SEDERHANA
 REGRESI LOGISTIK
 Analisis hubungan satu variabel independent yang berdifat
kontinu maupun binary dengan satu variabel dependen
yang bersifat binary/binomial atau dikotom.
 Cth:
Status vaksinasi campak Status campak
• 1 = memperoleh
• 1 = tidak menderita
vaksinasi campak
• 0 = tidak memperoleh campak
vaksinasi • 0 = menderita
campak
No. Status vaksinasi campak Kejadian campak No.
1 tidak memperoleh vaksinasi campak Menderita campak 16
2 tidak memperoleh vaksinasi campak Menderita campak 17
3 tidak memperoleh vaksinasi campak Menderita campak 18
4 tidak memperoleh vaksinasi campak Menderita campak 19
5 tidak memperoleh vaksinasi campak Menderita campak 20
6 tidak memperoleh vaksinasi campak Menderita campak 21
7 tidak memperoleh vaksinasi campak Menderita campak 22
8 tidak memperoleh vaksinasi campak Tidak menderita campak 23
9 tidak memperoleh vaksinasi campak Menderita campak 24
10 tidak memperoleh vaksinasi campak Menderita campak 25
11 tidak memperoleh vaksinasi campak Tidak menderita campak
26
12 Memperoleh vaksinasi campak Tidak menderita campak
27
13 Memperoleh vaksinasi campak Tidak menderita campak
28
14 Memperoleh vaksinasi campak Tidak menderita campak
29
15 Memperoleh vaksinasi campak Tidak menderita campak
30
Status vaksinasi campak
Memperoleh vaksinasi campak
Memperoleh vaksinasi campak
Memperoleh vaksinasi campak
Memperoleh vaksinasi campak
Memperoleh vaksinasi campak
tidak memperoleh vaksinasi campak
tidak memperoleh vaksinasi campak
tidak memperoleh vaksinasi campak
tidak memperoleh vaksinasi campak
tidak memperoleh vaksinasi campak
tidak memperoleh vaksinasi campak
tidak memperoleh vaksinasi campak
Memperoleh vaksinasi campak
Memperoleh vaksinasi campak
Memperoleh vaksinasi campak
Kejadian campak
Tidak menderita campak
Tidak menderita campak
Tidak menderita campak
Tidak menderita campak
Tidak menderita campak
Menderita campak
Menderita campak
Menderita campak
Menderita campak
Tidak menderita campak
Tidak menderita campak
Tidak menderita campak
Menderita campak
Menderita campak
Tidak menderita campak
 vak_cam * cam_cros Crosstabulation
Untuk melihat
cam_cros
pengaruh vaksin
Tdk
campak terhadap Menderita menderita
kekebalan penyakit campak campak Total
vak_cam Memperoleh 2 10 12
campak dapat vaksinasi campak 16,7% 83,3% 100,0%
divisualisasikan dengan tidak memperoleh 13 5 18
tabulasi silang ataupun vaksinasi campak
72,2% 27,8% 100,0%
diagram batang, sbb:
Total 15 15 30
50,0% 50,0% 100,0%
  Pada contoh data sebelumnya, kita dapat menghitung:
 Fungsi Logistik  Proporsi subyek yang menderita campak (risiko)
pada kelompok yang memperoleh vaksinasi
campak?
 Proporsi subyek yang menderita campak (risiko)
pada kelompok yang tidak memperoleh vaksinasi
campak?
 Perbandingan risiko pada kelompok yang
memperoleh vaksinasi campak dengan risiko pada
kelompok yang tidak memperoleh vaksinasi
campak?
 Probabilitas orang yang memperoleh vaksinasi campak untuk menderita campak

 Probabilitas orang yang tidak memperoleh vaksinasi campak

 

 Orang yang memperoleh vaksin campak mempunyai risiko …… kali untuk menderita campak
dibandingkan dengan orang yang tidak memperoleh vaksin campak
 Aplikasi Regresi Logistik
 Aplikasi pada desain studi Cohort
 Dapat menghitung Resiko Individu (probabilitas)
 Menghitung Resiko Relatif (RR)

 Aplikasi pada desain studi Cross-Sectional

 Dapat menghitung Resiko Individu (probabilitas)
 Menghitung Prevalence Ratio (PR)

 Aplikasi pada desain studi Case-control

 Tdk bisa menghitung resiko individu
 Hanya bisa menghitung Odds Ratio (OR)
 Dari contoh data di atas, bila dianalisis dengan uji regresi logistik memperoleh
hasil sbb:
Variables in the Equation
a
Step 1
VAK_CAM(1) Constant
B -2,565 ,956
S.E. ,936 ,526
Wald 7,502 3,297
df 1 1
Sig. ,006 ,069
Exp(B) ,077 2,600
95,0% C.I.for Lower ,012
EXP(B) Upper ,482
a. Variable(s) entered on step 1: VAK_CAM.
 Diketahui:  F(z) =
 

 α = 0.956 dan β = -2,565

 P(x=1) =
 Exp(B) = 0.08
 95% CI = 0.01-0.48 = = = 0,17 = 17%
 Persamaan:  Probabilitas orang yang menerima
 Z = 0.956 + -2.565 vaksin campak untuk menderita
Vak_Cam campak sebesar 0,17 atau 17%
 P(x=0) =
     Risiko relatif (RR) = = 0,24

= =  Protektif (Bersifat melindungi)

  Orang yang menerima vaksin
= 0,72 = 72%
mempunyai risiko 0.24 kali lebih kecil
 Probabilitas orang yang tidak untuk menderita campak dibandingkan
menerima vaksin campak untuk dengan orang yang tidak menerima
menderita campak sebesar 0,72 vaksin campak
atau 72%
 Risiko (OR) = 0.077 (eβ)
 Orang yang menerima vaksin
mempunyai kecenderungan
0.077 kali lebih kecil untuk
menderita campak
dibandingkan dengan orang
yang tidak menerima vaksin
 Interpretasi:
 Mereka yang memperoleh vaksin
campak mempunyai kecenderungan
0.077 kali lebih kecil untuk
menderita campak dibandingkan
dengan mereka yang tidak
memperoleh vaksin campak, dan
secara statistik protektif tersebut
bermakna (95% CI: 0.01-0.48).
 No Ca_Paru Smoke

1 1 1
Latihan Soal 2
3
1
0
0
0
4 1 1
 Contoh: 5
6
1
0
1
0
 Hubungan kebiasaan merokok 7
8
0
1
0
1
dgn kejadian Ca_Paru 9 0 0
10 1 1
 Ca_paru: 11 0 0
12 1 1
 0 = Tidak menderita Ca Paru 13 0 0
14 1 1
 1 = Menderita Ca Paru 15 1 0
16 1 1
 Smoke (x): 17 0 1
18 0 1
 0 = Tidak merokok
 1 = merokok
  Pertanyaan:
Variables in the Equation
 Berapa % kemungkinan orang
a
Step 1 yang merokok untuk menderita
SMOK(1) Constant
B 2.485 -1.099
Ca_Paru?
S.E. 1.137 .816  Berapa % kemungkinan orang
Wald 4.780 1.810 yang tidak merokok untuk
df 1 1
Sig. .029 .178
menderita Ca_Paru?
Exp(B) 12.000 .333  Berapa risiko orang yang merokok
95.0% C.I.for Lower 1.294 untuk menderita Ca_Paru,
EXP(B) Upper 111.319
dibandingkan dengan orang yang
a. Variable(s) entered on step 1: SMOK.
tidak merokok?
REGRESI LOGISTIK GANDA
 REGRESI LOGISTIK GANDA
 Tujuan :  Mengetahui factor determinan:
 Mengetahui  R 2

 = Besar pengaruh semua variable independen secara

factor
simultan terhadap variable dependen
determinan
 Memprediksi Model Summary
variable  
-2 Log Cox & Snell Nagelkerke
dependen Step likelihood R Square R Square
berdasarkan 1 48.951 .435 .582
berbagai variable
independen  Memrediksi suatu kejadian berdasarkan karakteristik tertentu
 Contoh:
 Berapa % kemungkinan ibu hamil akan menderita anemi bila berpengetahuan kurang,
berumur < 20 tahun, dan tk. konsumsi Fe kurang?
 Fungsi Logistik:
 Confidence
Nilai a Nilai b Variables in the Equation P value Odd ratio
interval
95.0% C.I.for
EXP(B)
Exp
B S.E. Wald df Sig. (B) Lower Upper
Step
a
KAT_UM_R 2.488 2 .288
1 KAT_UM_R(1) 1.194 .988 1.459 1 .227 3.299 .476 22.871
KAT_UM_R(2) 1.544 1.050 2.163 1 .141 4.684 .598 36.657
KAT_FE(1) 1.849 .868 4.538 1 .033 6.354 1.159 34.827
KAT_PENG(1) 2.377 .775 9.399 1 .002 10.771 2.357 49.228
Constant -2.866 .772 13.787 1 .000 .057
a. Variable(s) entered on step 1: KAT_UM_R, KAT_FE, KAT_PENG.

Z= -2.866 + b1 Kat_um + b2 Kat_Fe + bi Kat_peng

 Categorical Variables Codings

Parameter coding
Frequency (1) (2)
Kategori umur Ibu Hamil < 20 Th 11 1.000 .000
>35 Th 15 .000 1.000
20-35 Th 35 .000 .000
Kategori Tk. Pengetahuan Kurang 28 1.000
Baik 33 .000
Kategori Tk. Konsumsi Kurang (< 60%) 26 1.000
Tablet Fe Cukup (>=60%) 35 .000
   Berapa % kemungkinan ibu hamil akan menderita anemi bila berpengetahuan kurang, berumur <
1)
20 tahun, dan tk konsumsi Fe kurang?
 Z = -2,866 + 2,377 x1 + 1,194 x1 + 1,849 x1 = 2,544
 P (x1=1, x2=1, x3=1) = = = 0,93 = 93 %
2) Berapa % kemungkinan ibu hamil akan menderita anemi bila berpengetahuan kurang, berumur <
20 tahun, dan tk konsumsi Fe cukup?
 Z = -2,866 + 2,377 x1 + 1,194 x1 + 1,849 x 0 = 0,705
 P (x1=1, x2=1, x3=0) = = = 0,51 = 51 %
   Berapa % kemungkinan ibu hamil akan menderita anemi bila berpengetahuan baik, berumur < 20
3)
tahun, dan tk konsumsi Fe cukup?
 Z = -2,866 + 2,377 x 0 + 1,194 x 1 + 1,849 x 0 = -1,672
 P (x1=0, x2=1, x3=0) = = = 0,16 = 16 %
4)  Berapa % kemungkinan ibu hamil akan menderita anemi bila berpengetahuan baik, berumur < 20
tahun, dan tk konsumsi Fe cukup?
 Z = -2,866 + 2,377 x 0 + 1,194 x 1 + 1,849 x 0 = -2,866
 P (x1=0, x2=0, x3=0) = = = 0,054 = 5,4 %
 Besar risiko suatu kejadian dgn karakteristik tertentu?

Variables in the Equation

95.0% C.I.for
EXP(B)
Exp
B S.E. Wald df Sig. (B) Lower Upper
Step
a
KAT_UM_R 2.488 2 .288
1 KAT_UM_R(1) 1.194 .988 1.459 1 .227 3.299 .476 22.871
KAT_UM_R(2) 1.544 1.050 2.163 1 .141 4.684 .598 36.657
KAT_FE(1) 1.849 .868 4.538 1 .033 6.354 1.159 34.827
KAT_PENG(1) 2.377 .775 9.399 1 .002 10.771 2.357 49.228
Constant -2.866 .772 13.787 1 .000 .057
a. Variable(s) entered on step 1: KAT_UM_R, KAT_FE, KAT_PENG.
1) Berapa risiko ibu hamil yg memiliki pengetahuan kurang untuk menderita anemi, bila dibandingkan
dgn ibu hamil yg memiliki pengetahuan baik?
 OR = eB = 10.7
 Artinya: Ibu hamil yg memiliki pengetahuan kurang memiliki risiko 10.7 kali lebih besar untuk menderita
anemi, bila dibandingkan dgn ibu hamil yg memiliki pengetahuan baik.

2) Berapa risiko ibu hamil yg memiliki tk. Konsumsi Fe kurang untuk menderita anemi, bila dibandingkan
dgn ibu hamil yg memiliki tingkat konsumsi Fe baik?
 OR = eB = 6.3
 Artinya: Ibu hamil yg memiliki tk. Konsumsi Fe kurang memiliki risiko 6.3 kali lebih besar untuk
menderita anemi, bila dibandingkan dgn ibu hamil yg memiliki tk. Konsumsi Fe baik.
 Faktor apa yang paling dominan berpengaruh terhadap kejadian anemi pada ibu hamil?
Variables in the Equation

95.0% C.I.for
EXP(B)
Exp
B S.E. Wald df Sig. (B) Lower Upper
Step
a
KAT_UM_R 2.488 2 .288
1 KAT_UM_R(1) 1.194 .988 1.459 1 .227 3.299 .476 22.871
KAT_UM_R(2) 1.544 1.050 2.163 1 .141 4.684 .598 36.657
KAT_FE(1) 1.849 .868 4.538 1 .033 6.354 1.159 34.827
KAT_PENG(1) 2.377 .775 9.399 1 .002 10.771 2.357 49.228
Constant -2.866 .772 13.787 1 .000 .057
a. Variable(s) entered on step 1: KAT_UM_R, KAT_FE, KAT_PENG.

 Faktor yang berasosiasi paling kuat (eB)

 Pengetahuan
TERIMAKASIH