0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
10 tayangan40 halaman
Analisis ini membahas regresi logistik dan linier untuk memprediksi probabilitas kejadian syok pada pasien dan nilai bersih kreatinin berdasarkan beberapa variabel. Regresi logistik menunjukkan hepatomegali, perdarahan dan hematokrit berpengaruh terhadap syok. Sedangkan untuk regresi linier, hanya kadar kreatinin serum yang berpengaruh terhadap nilai bersih kreatinin.
Analisis ini membahas regresi logistik dan linier untuk memprediksi probabilitas kejadian syok pada pasien dan nilai bersih kreatinin berdasarkan beberapa variabel. Regresi logistik menunjukkan hepatomegali, perdarahan dan hematokrit berpengaruh terhadap syok. Sedangkan untuk regresi linier, hanya kadar kreatinin serum yang berpengaruh terhadap nilai bersih kreatinin.
Analisis ini membahas regresi logistik dan linier untuk memprediksi probabilitas kejadian syok pada pasien dan nilai bersih kreatinin berdasarkan beberapa variabel. Regresi logistik menunjukkan hepatomegali, perdarahan dan hematokrit berpengaruh terhadap syok. Sedangkan untuk regresi linier, hanya kadar kreatinin serum yang berpengaruh terhadap nilai bersih kreatinin.
Pengertian Analisis Multivariat Analisis multivariat adalah analisis yang variabel indepen dennya lebih dari dua.
Analisis multivariate dibagi dua:
• Regresi logistik: variabel dependennya adalah variabel kategorik • Regresi linear: variabel dependennya adalah variabel numerik Uji Logistik KASUS
Seorang pasien DBD dirawat. Ia
berjenis kelamin laki-laki, gizi kurang, tidak mengalami trombositopenia, tidak mengalami hepatomegali, dan tidak mengalami hemokonsentrasi. Berapakah probabilitas pasien untuk mengalami syok? Chi Square Sebelum melakukan analisis multivariate, lakukan analisis bivariate terlebih dahulu. Analisis bivariate yang digunakan adalah Chi Square karena variabel dependen dan independen dari data tersebut adalah variabel kategorik dan data tidak berpasangan.
Chi Square digunakan untuk mengetahui ada atau tidaknya hubungan
antara variabel dependen dan independen. klik analyze > descriptive statistics > crosstabs. • Masukan variable dependen (syok) ke bagian coloumn, dan masukkan variable i ndependen (jenis kelamin, perdarahan, hepatomegali, trombosit, dan hematokrit) ke bagian row. Kemudian klik statistics, centang pada chi square. Lalu klik continue. Selanjutnya klik cells. Pada baian “counts”, centang observed dan centang expected. Pada bagian “percentages” centang row. Pada bagian non integer weight pilih round cell counts. Kemudian klik continue > OK. • Lalu identifikasi mana yg bisa masuk ke anali sis multivariat, syaratnya harus kurang dari 0, 25 (nilai signifikansinya). Variabel yang dapat dilakukan analisis multivariat adalah perdarah an, trombosit, hepatomegali, hematokrit. Sed angkan yang tidak dapat dilakukan analisis multivariat adalah jenis kelamin karena sig. n ya 0,752. Multivariat klik analyze > regression > binary logistic • Masukan variabel syok (untuk analisis multivariat : syok_reg) ke dalam dependent variable • Masukan semua variaben indepeden ke dalam covariate. • Pilih metode backward LR (untuk mengurutkan nilai sig. dari yang tertinggi ke yang terendah) pada pilihan metode. • Kemudian klik option. • Centang hosmer-lameshow goodness-of-fit dan centang Cl for exp (B) • Klik continue • Klik save, centang probabilities. Klik continue. • Klik categorical, pindahkan semua variabel kategorik dari Covariates ke categorical covariates. • Klik continue. Maka akan muncul tampilan sebagai berikut • Perhatikan pada masing masing variabel tersebut yang telah ada tulisan (cat) setelah nama variabel. Kemudian klik OK. Maka hasil outputnya adalah sebagai berikut. Dependent variable encoding dan categorical variables coding dilihat untuk memeriksa kembali apakah sistem pengkodean sudah benar. Pada dependent variable encoding, tidak syok diberi kode 0, sementara syok diberi kode 1. Hal ini sudah benar karena pada regresi logistik, kategori yang akan diprediksikan harus diberi kode 1. • Oleh sistem dilakukan 2 step, yang pertama adalah semua variabel masuk (ada 4 variabel independen), ada 1 variabel yg signya lebih dari 0,25 yaitu variabel trombosit, maka otomatis dibawahnya (pada step 2) trombosit hilang, maka tersisa 3 variabel. • Urutan variabel yang paling berpengaruh terhadap syok adalah h epatomegali, perdarahan dan hematokrit (dilihat dari nilai exp.B). • Rumus untuk memprediksi nilai variabel terikat yaitu • y= konstanta + a1 x1+a2 x2+dst • (a=koefisien tiap variabel, x=nilai variabel) • Y= -2.675 + 1.189 (perdarahan) + 1.233 (hepatomegali) + 1.137 (hematokrit) • Y= -2.675 Untuk menghitung probabilitas • Probabilitas (P) = 1/(1+e-y) • P = syok • e = bilangan natural/ alami (sudah paten) > 2,7-y • contoh : • P = 1/ (1+2,72.675) = 0,065 • Maka dapat disimpulkan bahwa probabilitas nya adalah 6,5 % • Selanjutnya lihat pada hasil uji hosmer dan lemeshow test (lihat step 2 nya (sig. nya) > untuk menilai kualitas rumus. Uji Linear KASUS • Seorang peneliti ingin mengetahui cara me mprediksi nilai bersihan kreatinin dengan menggunakan variabel kreatin serum, berat badan, dan usia. Normalitas
Analyze Descriptive StatisticExplorePlots
ceklist kotak Normalitas ContinueOke. Syaratnya sebaran data harus normal. Pearson Data yang kami gunakan adalah numerik - numerik dan sebaran datanya normal maka lakukan uji Pearson, dengan buka Analyze CorrelateBivariate. •masukkan semua variabel dan aktifkan uji pearson dengan memberi tanda centang Pearson. Lihat hasil data pada output. Untuk variabel yang digunakan dalam analisis multivariat adalah variabel dengan signifikansi kurang dari 0,25. • variabel dengan signifikansi kurang dari 0,25. • Hasil interpretasi: • Variabel yang memenuhi syarat dalam analisis multivariat adalah variabel umur dengan nilai signifikansi 0.073 dan variabel kreatininin serum dengan nilai signifikansi 0,000. • Variabel yang tidak memenuhi syarat dalam analisis multivariat adalah variabel berat badan karena lebih dari 0,25. • Bersihan kreatinin merupakan variabel dependen. Multivariat • Pilih AnalyzeRegressionLinier. Pindahkan variabel bersihan kreatinin ke kotak Dependent dan masukkan variabel umur dan kreatinin serum ke kotak Independent (berat badan tidak di masukkan karena tidak memenuhi syaratlihat tabel uji bivariate yang uji pearso n >0,25). Pada bagian method, pilih Backward (nilai sign diurutkan dari yang tertinggi) Ok • Hasil interpretasi: • Berdasarkan tabel di atas, pada step pertama umur memiliki nilai signifikansi 0,307 lebih dari 0,25 sehingga, pada step kedua umur tidak lagi muncul karena tidak memenuhi syarat. • Jadi variabel yang dapat digunakan untuk memprediksi bersihan kreatinin adalah variabel kreatinin serum dengan korelasi sebesa r -0,963 dan arah hubungan negatif berarti berbanding terbalik. • Untuk memprediksi nilai bersihan kreatinin (y=k + a1x1+a2x2+ dst (k=konstanta, a=koefisien tiap variabel, x=nilai variabel)