Logistic Regression Pengertian Regresi Logistik: Suatu model matematik yang digunakan untuk mempelajari hubungan satu atau beberapa variabel independen dengan satu variabel dependen yang bersifat dikotomi (binary). Variabel bianry : adalah variabel yang hanya memiliki dua nilai, misalnya (sakit / sehat), (merokok/ tdk merokok), (BBLR/ normal) dll Variabel Independen (prediktor) sebaiknya kategorik, agar mudah untuk menginterpretasikan hasil analisisnya. Bila variabel prediktor 3 kategori atau lebih, maka dibuat dua kategori. Caranya ; dummy variabel, kategori ulang sesuai logika biologik. Pengertian Regresi Logistik ............................
Analisis regresi ganda logistik adalah alat statistik
yang sangat kuat untuk menganalisis hubungan antara paparan dan penyakit dengan serentak mengontrol pengaruh sejumlah faktor perancu potensial. Tujuan analisis regresi ganda logistik yaitu menemukan model regresi yang paling sesuai, paling irit, sekaligus masuk akal secara biologik, untuk menggambarkan hubungan antara variabel dependen dan satu set variabel prediktor dalam populasi. Pengertian Regresi Logistik ............................
Manfaat analisis regresi logistik:
1. Meramalkan terjadinya variabel dependen pada individu berdasarkan nilai-nilai sejumlah variabel prediktor yang ada pada individu tersebut. 2. Mengukur hubungan antara veriabel respon dan prediktor, setelah mengontrol pengaruh prediktor (kovariat) lainnya. Keistimewaan Regresi Logistik Ganda
(a) Kemampuan kengkonversi koefisien regresi (bi)
menjadi rasio odds (OR). OR = exp [bi] (b) Kemampuan menaksir probabilitas individu untuk sakit (mengalami event) berdasarkan nilai-nilai sejumlah variabel prediktor, dengan rumus sebagai berikut : Macam Regresi logistik :
1. Regresi logistik sederhana
Untuk mempelajari hubungan antara satu variabel prediktor dengan satu variabel dependen dikotomus. 2. Regresi logistik ganda (Multiple Regression Logistic) Untuk mempelajari hubungan antara beberapa variabel prediktor dengan satu varibel dependen dikotomus. Model Regresi Ganda Logistik
Ln (p/(1-p) = logodd (logit). Logaritme natural dari odds.
Odds : rasio probabilitas suatu peristiwa untuk terjadi dan probabilitas suatu peristiwa untuk tidak terjadi a = Konstanta ( intersep) b1 , b2 , .... bk = koefisien regresi variabel prediktor (slope) X1, X 2 ....Xk = variabel prediktor yg pengaruhnya akan diteliti. p = probabilitas untuk terjadinya “peristiwa” dari variabel dependen yg dikotomus. Membangun Model Regresi Ganda Logistik
Pembangunan model regresi ganda logistik hendaknya
tidak terjebak oleh penggunaan veriabel prediktor yang terlalu banyak. Pemilihan variabel sebaiknya dilakukan dengan cara- cara yang lebih purposif, dan tidak terpaku pada pendekatan yang sifatnya deterministik menurut kamaknaan statistik. MEMBANGUN MODEL REGRESI GANDA LOGISTIK .......................
Makin banyak variabel yang dimasukkan dalam model
hanya akan meningfkatkan kesesuaian garis regresi dengan hubungan antara variabel dependen dan sejumpan variabel prediktor pada data sampel, tetapi belum tentu menggambarkan hubungan tersebut pada tingkat populasi. Hal itu disebabkan karena, bertambahnya variabel prediktor (baik yang relevan maupun tidak relevan) hanya akan menaikkan nilai taksiran kesalahan baku, sehingga membuat model tersebut sangat tegantung kepada data pengamatan sampel. Kesimpulannya, model tersebut tidak merefleksikan / meggambarkan hubungan variabel respon dan variabel- variabel prediktor dalam populasi yang sesungguhnya. PROSEDUR PEMILIHAN VARIABEL
Agar diperoleh model regresi yang baik adalah
sebagai berikut :
1. Melakukan analisis univariate untuk menyaring
variabel-variabel yang penting. 2. Memasukkan dan/ atau mengeluarkan variabel- variabel dalam model multivariate 3. Memasukkan dan memeriksa kemungkinan ada interaksi variabel dalam model. Melakukan analisis univariate untuk penyaringan awal : Uji statistik yang dipakai adalah : chi-quadrat Jika ada variabel prediktor lebih dari dua kategori,
maka dibuat menjadi dua kategori terlebih dahulu.
Perlu diingat bahwa dalam melakukan recode harus mempunyai alasan biologik. Mickey dan Greenland : variabel variabel yang
mempunyai nilai p= 0,25 dan memiliki kemaknaan
biologik hendaknya dipertimbangkan untuk dimasukkan ke dalam model multivariate. Univariate ........
Batasan P= 0,25, untuk mengantisipasi kemungkinan
variabel yang secara terselubung sesungguhnya penting untuk dimasukkan dalam model. “Terselubung” kemungkinan variabel variabel secara kolektif dapat menjadi prediktor penting, walaupun secara sendiri sendiri merupakan prediktor lemah. Memasukkan / mengeluarkan variabel dalam model regresi :
Beberapa Metode : 1. Enter 2. Stepwise 3. Forward 4. Backward
UPAYA MENYELESAIKAN MASALAH PERILAKU KESEHATAN MASYARAKAT KHUSUSNYA DALAM MEMILIH PENGOBATAN TRADISIONAL SANGKAL PUTUNG DI DESA BLAYU KECAMATAN WAJAK KABUPATEN MALANG DENGAN MENGGUNAKAN PENDEKATAN SOSIAL BUDAYA