ANALISIS

REGRESI GANDA LOGISTIK

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

Conditional, LR (likelihood ratio),

Wald