REGRESI LOGISTIK
Dr.APRININGSIH, S.K.M.,M.K.M.
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
Persamaan Regresi Logistik:
1 1
P(Y ) (logitY )
1 Exp 1 Exp ( a b1 x1 ..... bk xk )
OR Exp (b )
Exponensia l (b )
e (b )
X1
X2 y
X3
Mis judul penelitian:
Faktor-faktor yang berhubungan dengan kejadian BBLR di Kab X
tahun 2006
Jenis Regresi logistik
2. Regresi Logistik Model Faktor Risiko
Model dengan tujuan mengetahui hubungan satu/beberapa variabel
independen dengan kejadian variabel dependen dengan mengontrol
beberapa variabel confounding
x1 y
X2
X3
X4
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
2. Memasukkan secara bersamaan seluruh var indep ke model multivariat. Variabel yang p
valuenya besar dikeluarkan dari model multivariat. Ketentuannya : variabel yg p valuenya <
0,05 yang dapat tetap di model. Variabel yg p valuenya > 0,05 dikeluarkan dari model satu
persatu dimulai dari variabel yg p valuenya terbesar. Bila var yg dikeluarkan tsb
mengakibatkan perubahan besar koefisien (nilai OR) variabel2 yg masih ada (berubah > 10
%), maka var tsb dimasukkan kembali dlm model. Pemilihan variabel dng metode ENTER
3. Identifikasi liniearitas untuk variabel independen yg berbentuk numerik; untuk memastikan
apakah variabel tsb tetap berbentuk numerik atau lebih baik dlm bentuk katagorik.
4. Uji interaksi sesama variabel indpenden yg secara substansi diduga ada interaksi
Model Faktor Risiko
Langkah Pemodelan
1. Melakukan analisis bivariat antara masing2 variabel konfounding dng dependen, bila
hasil p value < 0,25 maka var tsb dpt masuk multivariat, atau walaupun p value > 0,25
boleh masuk multivariat kalau secara substansi merupakan variabel yg sangat penting
(langkah ini bisa diabaikan)
2. Lakukan pemodelan lengkap, mencakup: var utama, var konfounding dan var
interaksi.
3. Langkah pertama, lakukan penilaian interaksi dng cara melihat nilai p. Bilai p value >
0,05 var interaksi dikeluarkan dari model secara bertahap dimulai dari p value
terbesar.
4. Lakukan penilaian konfounding dng cara mengeluarkan var konfounding satu persatu
dimulai dari p value terbesar. Bila setelah dikeluarkan diperoleh selisih OR var Utama
lebih besar dari 10 %, maka varibel tsb dinyatakan sbg konfounding dan var tsb
berarti harus tetap berada dalam model
Logistik Model prediksi
Suatu penelitian ingin mengetahui hubungan antara UMUR IBU (age) ,
RAS (race), MENDERITA HIPERTENSI (ht), ADA KELAINAN UTERUS (ui)
,PERIKSA HAMIL (ftv),merok, prematur dengan BBLR (low).
Umur(age)
Ras(race) BBLR(low)
Hipertensi(ht)
Uterus(ui)
Anc(ftv)
Merokok(smoke)
Prematur(ptl)
Seleksi bivariat
1. umur Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 2.760 1 .097
Block 2.760 1 .097
Model 2.760 1 .097
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
age -.051 .032 2.635 1 .105 .950 .893 1.011
1 Const
.385 .732 .276 1 .599 1.469
ant
a. Variable(s) entered on step 1: age.
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Stea race 4.922 2 .085
p1 race(1) .845 .463 3.323 1 .068 2.328 .939 5.772
race(2) .636 .348 3.345 1 .067 1.889 .955 3.736
Constant -1.155 .239 23.330 1 .000 .315
a. Variable(s) entered on step 1: race.
Hasil uji didapatkan p value 0,087 berarti p value < 0,25, sehingga variabel ras
dapt lanjut ke multivariat. Dari output dapat diketahui juga nilai OR dummy,
terlihat ada dua nilai OR yaitu OR untuk race(1) 2,328 artinya ras kuliat hitam akan berisiko
bayinya bblr sebesar 2,3 kali lebih tinggi dibandingkan ras kulit putih. OR untuk race(2) besarnya 1,89
artinya ras kelompok lainnya mempunyai risiko bayinya bblr sebesar 1,89 kali lebi tinggi
dibandingkan ras kulit putih.
3. hipertensi
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 4.022 1 .045
Block 4.022 1 .045
Model 4.022 1 .045
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
ht 1.214 .608 3.979 1 .046 3.365 1.021 11.088
1 Constant -.877 .165 28.249 1 .000 .416
a. Variable(s) entered on step 1: ht.
Chi-square df Sig.
Step 1 Step 5.076 1 .024
Block 5.076 1 .024
Model 5.076 1 .024
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
ui .947 .417 5.162 1 .023 2.578 1.139 5.834
1 Constant -.947 .176 29.072 1 .000 .388
a. Variable(s) entered on step 1: ui.
Hasil p value 0,024 (p value < 0,25), maka variabel kelainan uterus dapat
lanjut ke multivariat
5. ANC
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step .773 1 .379
Block .773 1 .379
Model .773 1 .379
Hasil uji p value = 0,379 (p value > 0,25) sehingga secara statistik tidak
dapat lanjut ke multivariat, namun karena secara substansi variabel periksa
hamil sangat penting, maka variabel ini dapat dianalisis multivariat.
6. merokok
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 4.867 1 .027
Block 4.867 1 .027
Model 4.867 1 .027
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
smoke .704 .320 4.852 1 .028 2.022 1.081 3.783
1 Constant -1.087 .215 25.627 1 .000 .337
a. Variable(s) entered on step 1: smoke.
Chi-square df Sig.
Step 1 Step 6.779 1 .009
Block 6.779 1 .009
Model 6.779 1 .009
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
ptl .802 .317 6.391 1 .011 2.230 1.197 4.151
1 Constant -.964 .175 30.370 1 .000 .381
a. Variable(s) entered on step 1: ptl.
Hasil analisis didapatkan p value sebesar 0,009 berarti < 0,25 sehingga
variabel riwayat adanya prematur dapat masuk ke multivariat
Hasil seleksi bivariat
Setelah masing-masing variabel independen dilakukan analisis bivariat, hasilnya:
Variabel P value
Umur 0,097
Ras 0,082
Hipertensi 0,045
Kelainan uterus 0,024
Periksa hamil 0,379
Merokok 0,027
Prematur 0,009
Hasil seleksi bivariat semua variabel menghasilkan p value < 0,25, hanya periksa hamil yang p valuenya > 0,25.
namun variabel periksa hamil tetap dianalisis multivariat oleh karena secara substansi periksa hamil merupakan
variabel yang sangat penting berhubungan dengan kejadian bblr.
Pemodelan Multivariat
Variables in the Equation
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
age -.041 .036 1.249 1 .264 .960 .894 1.031
1 race 6.783 2 .034
race(1) 1.009 .502 4.034 1 .045 2.743 1.025 7.345
race(2) 1.003 .426 5.560 1 .018 2.727 1.185 6.280
smoke .964 .391 6.090 1 .014 2.622 1.219 5.639
ptl .630 .340 3.429 1 .064 1.877 .964 3.654
ht 1.361 .631 4.648 1 .031 3.902 1.132 13.451
ui .802 .458 3.066 1 .080 2.229 .909 5.468
ftv .009 .161 .003 1 .954 1.009 .736 1.384
Constant -1.183 .919 1.659 1 .198 .306
a. Variable(s) entered on step 1: age, race, smoke, ptl, ht, ui, ftv.
Dari hasil analisis terlihat ada 4 variabel yang p valuenya > 0,05 yaitu
age, ptl, ui dan ftv, yang terbesar adalah ftv, sehingga pemodelan
selanjutnya variabel ftv dikeluarkan dari model.
Model tanpa FTV
Variables in the Equation
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
age -.040 .036 1.275 1 .259 .960 .896 1.030
1 race 6.781 2 .034
race(1) 1.009 .503 4.035 1 .045 2.744 1.025 7.347
race(2) 1.002 .425 5.562 1 .018 2.723 1.184 6.262
smoke .963 .390 6.086 1 .014 2.620 1.219 5.632
ptl .629 .340 3.423 1 .064 1.875 .963 3.651
ht 1.358 .629 4.663 1 .031 3.889 1.134 13.341
ui .800 .457 3.063 1 .080 2.226 .908 5.454
Constant -1.184 .919 1.661 1 .197 .306
a. Variable(s) entered on step 1: age, race, smoke, ptl, ht, ui.
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
race 7.968 2 .019
1 race(1) 1.088 .501 4.723 1 .030 2.968 1.113 7.916
race(2) 1.059 .418 6.422 1 .011 2.883 1.271 6.538
smoke .991 .387 6.569 1 .010 2.694 1.263 5.747
ptl .576 .334 2.975 1 .085 1.779 .925 3.422
ht 1.364 .633 4.640 1 .031 3.912 1.131 13.537
ui .855 .451 3.585 1 .058 2.350 .970 5.692
Constant -2.146 .386 30.917 1 .000 .117
a. Variable(s) entered on step 1: race, smoke, ptl, ht, ui.
Age 0.960 -
Race(1) 2.743 2.968 8,2 %
Race(2) 2.727 2.883 5,7 %
Smoke 2.622 2.694 2,7 %
Ptl 1.877 1.779 5,2 %
Ht 3.902 3.912 0.3 %
ui 2.229 2.350 5,4 %
ftv 1.009
Setelah umur keluar, perubahan nilai OR nya tidak ada yang > 10%, berarti
Variabel umur dikeluarkan dari model
Selanjutnya variabel variabel prematur dicoba dikeluarkan
Model tanpa prematur
Variables in the Equation
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
race 8.245 2 .016
1 race(1) 1.064 .499 4.545 1 .033 2.897 1.090 7.704
race(2) 1.083 .413 6.877 1 .009 2.955 1.315 6.640
smoke 1.094 .380 8.299 1 .004 2.986 1.419 6.286
ht 1.359 .630 4.660 1 .031 3.894 1.133 13.379
ui 1.006 .438 5.262 1 .022 2.734 1.158 6.458
Constant -2.092 .380 30.307 1 .000 .123
a. Variable(s) entered on step 1: race, smoke, ht, ui.
Age 0.960 -
Race(1) 2.743 2.897 5,6 %
Race(2) 2.727 2.955 8,3 %
Smoke 2.622 2.986 13,8 %
Ptl 1.877 - -
Ht 3.902 3.894 0.2 %
ui 2.229 2.734 22,6 %
ftv 1.009 -
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
race 7.968 2 .019
1 race(1) 1.088 .501 4.723 1 .030 2.968 1.113 7.916
race(2) 1.059 .418 6.422 1 .011 2.883 1.271 6.538
smoke .991 .387 6.569 1 .010 2.694 1.263 5.747
ptl .576 .334 2.975 1 .085 1.779 .925 3.422
ht 1.364 .633 4.640 1 .031 3.912 1.131 13.537
ui .855 .451 3.585 1 .058 2.350 .970 5.692
Constant -2.146 .386 30.917 1 .000 .117
a. Variable(s) entered on step 1: race, smoke, ptl, ht, ui.
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
race 8.286 2 .016
1 race(1) 1.062 .500 4.513 1 .034 2.894 1.086 7.712
race(2) 1.085 .411 6.949 1 .008 2.958 1.321 6.626
smoke .996 .382 6.794 1 .009 2.707 1.280 5.726
ht 1.221 .629 3.764 1 .052 3.390 .988 11.640
ptl .696 .325 4.596 1 .032 2.007 1.062 3.793
Constant -2.025 .372 29.586 1 .000 .132
a. Variable(s) entered on step 1: race, smoke, ht, ptl.
Perubahan OR tanpa Uterus
Variabel OR ui ada OR ui tak ada perubahan OR
Age 0.960 -
Race(1) 2.743 2.894 5,5 %
Race(2) 2.727 2.958 8,4 %
Smoke 2.622 2.707 3,2 %
Ptl 1.877 2.007 6,9 %
Ht 3.902 3.390 13.1 %
ui 2.229 - -
ftv 1.009 - -
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
race 7.968 2 .019
1 race(1) 1.088 .501 4.723 1 .030 2.968 1.113 7.916
race(2) 1.059 .418 6.422 1 .011 2.883 1.271 6.538
smoke .991 .387 6.569 1 .010 2.694 1.263 5.747
ptl .576 .334 2.975 1 .085 1.779 .925 3.422
ht 1.364 .633 4.640 1 .031 3.912 1.131 13.537
ui .855 .451 3.585 1 .058 2.350 .970 5.692
Constant -2.146 .386 30.917 1 .000 .117
a. Variable(s) entered on step 1: race, smoke, ptl, ht, ui.
interpretasi
Interpretasi:
• Model regresi logistik hanya dapat digunakan untuk penelitian yang bersifat Kohort.
• Untuk penelitian yang bersifat cross sectional atau case control, interpretasi yang dapat dilakukan hanya
• menjelaskan nilai OR (Exp B) pada masing-masing variabel.
• Oleh karena analisisnya multivariat/ganda maka nilai OR-nya sudah terkontrol (adjusted) oleh variabel lain yang
ada pada model.
• Dari analisis multivariat ternyata variabel yang berhubungan bermakna dengan kejadian BBLR:
variabel ras, merokok dan hipertensi. Sedangkan variabel riwayat prematur dan kelainan uterus sebagai variabel
konfounding.
Hasil analisis didapatkan Odds Ratio (OR) dari variabel hipertensi adalah 3,9, artinya Ibu yang menderita hipertensi
akan melahirkan bayi BBLR sebesar 4 kali lebih tinggi dibandingkan ibu yang tidak menderita hipertensi setelah
dikontrol variabel race, merokok, prematur dan uterus. Secara sama dapat diinterpretasikan untuk variabel yang lain.
Uji interaksi
Block 2: Method = Enter Chi-
Omnibus Tests of Model Coefficients square df Sig.
Step Step
1 .000 1 .994
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
race 7.900 2 .019
1 race(1) 1.088 .502 4.692 1 .030 2.969 1.109 7.946
race(2) 1.059 .419 6.387 1 .011 2.883 1.268 6.555
smoke .990 .397 6.211 1 .013 2.692 1.236 5.865
ptl .576 .336 2.937 1 .087 1.779 .921 3.438
ht 1.360 .831 2.680 1 .102 3.896 .765 19.852
ui .854 .451 3.584 1 .058 2.350 .970 5.693
ht by smoke .010 1.283 .000 1 .994 1.010 .082 12.491
Constant -2.146 .386 30.875 1 .000 .117
a. Variable(s) entered on step 1: ht * smoke .
Uji interaksi didapatkan p value pada blok2 bagian step = 0,994, p value >0,05
berarti tidak ada interaksi.
Model terakhir
Variables in the Equation
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a
race 7.968 2 .019
1 race(1) 1.088 .501 4.723 1 .030 2.968 1.113 7.916
race(2) 1.059 .418 6.422 1 .011 2.883 1.271 6.538
smoke .991 .387 6.569 1 .010 2.694 1.263 5.747
ptl .576 .334 2.975 1 .085 1.779 .925 3.422
ht 1.364 .633 4.640 1 .031 3.912 1.131 13.537
ui .855 .451 3.585 1 .058 2.350 .970 5.692
Constant -2.146 .386 30.917 1 .000 .117
a. Variable(s) entered on step 1: race, smoke, ptl, ht, ui.
This Photo by Unknown Author is licensed under CC BY-SA
This Photo by Unknown Author is licensed under CC BY-SA