Logistik Ganda
Konfounding
Konfounding adalah kondisi bias dalam mengestimasi
efek pajanan/eksposure terhadap kejadian
penyakit/masalah kesehatan.
Satu variabel dikatakan konfounding jika variabel
tersebut merupakan faktor resiko terjadinya penyakit dan
memiliki hubungan dengan exposure (variabel
independen) tapi bukan merupakan hasil dari variabel
independen.
Misal
Merokok Penyakit jantung
Umur
Mengontrol Konfounding
Pada tahap design
1.Restriksi (pada eksperimental dan observasional study)
membatasi objek penelitian pada level konfonder yang sama
2.Matching (pada eksperimental san observasional study)
disamakan
3.Randomisasi (eksperimental studi) subyek penelitian ditempatkan
secara random pada grup-grup yang diperbandingkan.
2.Analisis multivariat
Interaksi = Efek modifikasi
Regresi Logistik:
Model matematis untuk menganalisis hubungan
antara satu atau beberapa variabel independent
yang berjenis katagorik atau numerik dengan satu
variabel dependent yang berjenis katagorik
dichotom (sehat/sakit, hidup/mati)
Regresi Logistik:
- Sederhana hanya satu variabel independen
- Ganda/multiple lebih dari satu variabel
independen
REGRESI LOGISTIK
1 1
P(Y ) (log itY )
1 Exp 1 Exp ( a b1 x1 ..... bk xk )
OR Exp (b )
Exponensial (b )
e (b )
X1
y
X2
X3
x1 y
X2
X3
X4
Mis judul penelitian:
Analisis hubungan Berat Badan dengan Tekanan darah di Kab X th 2008
A. Model Prediksi
Langkah Pemodelan
1. Seleksi bivariat; variabel independen p value < 0,25 atau walaupun > 0,25
boleh masuk multivariat kalau secara substansi merupakan variabel yg
sangat penting
Umur
Pendidikan
Hb
Hipertensi BBLR
Merokok
BB ibu
Langkah Analisis Seleksi Bivariat
Hasil uji didapatkan p value = 0,263 (p value < 0,25) berarti variabel
umur tidak masuk dalam multivariat
2. Pendidikan
Hasil uji p value = 0,006 (p value < 0,25) maka variabel Hb lanjut
ke dalam model multivariat
4. Hipertensi
Hasil uji didapatkan p value 0,000 berarti p value < 0,25, sehingga variabel
hipertensi dapat lanjut ke multivariat.
5. Merokok
Hasil uji didapatkan p value 0,005 berarti p value < 0,25, sehingga variabel
merokok dapat lanjut ke multivariat.
6. Berat Badan Ibu
Hasil uji didapatkan p value 0,047 berarti p value < 0,25, sehingga variabel
berat badan ibu dapat lanjut ke multivariat.
Hasil seleksi bivariat
Setelah masing-masing variabel independen dilakukan analisis bivariat,
hasilnya:
Variabel P value
Umur 0,263
Pendidikan 0,012
Hb 0,006
Hipertensi 0,000
Merokok 0,005
Berat badan Ibu 0,047
Hasil seleksi bivariat terdapat 5 variabel yang menghasilkan p value < 0,25, hanya variabel
umur yang p valuenya > 0,25. sehingga variabel umur tidak masuk dalam analisis
multivariat.
Pemodelan Multivariat
Selanjutnya dilakukan analisis multivariat dari
kelima variabel tersebut dengan kejadian
BBLR
Langkah-langkahnya:
Pilih ‘Analyze’ ‘Regression’ ‘Binary logistic’
Muncul menu dialog yang berisi kotak dependen
dan covariat. Pada dependen masukan variabel
BBLR pada covariat masukan variabel
independen yaitu pendidikan, hipertensi, Hb,
rokok, berat badan ibu1
Klik Option, pilih ‘CI for exp(B)’
Klik ‘OK’
Pemodelan lengkap
Pekerjaan Eksklusive
umur
Sikap