Persamaannya adalah:
• (regresi logistik sederhana)
• (regresi logistik berganda)
Bila nilai Z dimasukkan pada fungsi Z, rumus fungsi Z
adalah:
• f(Z) =
Aplikasi Model Regresi Logistik
• Contoh: suatu studi follow-up dilakukan selama 9 tahun. Dalam studi
ini dipelajari mengenai hubungan antara kejadian Penyakit Jantung
Koroner (PJK) dengan tinggi rendahnya kadar Katekolamin (kat)
dalam darah.
• Maka pemberian kode nilai variabel adalah sebagai berikut:
– Untuk variabel PJK 1 = timbul PJK
0 = tidak ada PJK
– Untuk variabel Kat 1 = kadar katekolamin darah tinggi
0 = kadar katekolamin darah rendah
Pertanyaan:
1. Berapa peluang mereka yang kadar katekolaminnya tinggi mempunyai
resiko untuk terjadi PJK?
2. Berapa peluang mereka yang kadar katekolaminnya rendah mempunyai
resiko untuk terjadi PJK?
3. Bandingkan resiko terjadinya jantung koroner antara mereka yang kadar
katekolaminnya tinggi dengan yang kadar katekolaminnya rendah?
• Jawaban:
• Dengan model regresi logistik, maka pada soal
tersebut bentuk modelnya adalah:
f(Z) =
• Nilai f(Z) dapat diganti dengan P(X), maka
rumusnya:
P(X) =
Bila Z = α + β1Kat, maka modelnya
menjadi:
P(X) =
• DALAM SOAL TERSEBUT BAGAIMANA BILA
NILAI α β DIKETAHUI ???
– MISAL α = -3,911 & β = 0,652
– MAKA: P(X) =
• MAKA: P(X) =
Dari model tersebut maka kita coba jawab pertanyaan diatas:
a. Besar resiko terjadinya PJK pada mereka yang kadar katekolaminnya tinggi
Karena kadar katekolaminnya tinggi diberi angka 1, maka masukkan nilai Kat=1 pada model diatas,
hasilnya:
P(X) = = 0,037 0,04 4%
Jadi, mereka dengan kadar katekolamin tinggi dalam darah mempunyai resiko untuk terjadinya PJK sebesar
4%
b. besar resiko terjadinya PJK pada mereka yang kadar katekolaminnya rendah
Karena kadar katekolaminnya tinggi diberi angka 1, maka kadar katekolamin rendah nilainya Kat=0 pada
model diatas, hasilnya:
= = 1,947 2,0
Nilai tersebut diatas sesungguhnya adalah nilai resiko relatif (RR) yang diperoleh secara direct
(langsung). Arti dari angka tersebut adalah mereka yang kadar katekolaminnya tinggi mempunyai
resiko terjadi PJK 2 kali lebih tinggi dibandingkan mereka yang kadar katekolaminnya rendah.
Model regresi logistik dapat digunakan pada data yang dikumpulkan melalui rancangan kohort,
kasus-kontrol, atau kros-seksional. Namun pada 2 rancangan terakhir (kasus-kontrol dan kros-
seksional) parameternya dicari melalui estimasi OR (Oods Ratio) yang merupakan perhitungan
eksponensial beta (β) dari persamaan garis regresi logistik. Jadi nilai OR dapat dihitung dari nilai RR
dengan cara indirek.
OR=
Kelas A