PRAKTIKUM

LOGISTIC REGRESSION
MODEL PREDIKSI
 DATA SET
• GUNAKAN DATA: Shap.dta
 SKENARIO
• Suatu studi kasus control yang bersifat “hospital-based” dan
multisenter dilaksanakan pada 155 Rumah Sakit. Tujuan dari studi
tersebut adalah menentukan faktor dominan dari terjadinya infark
miokard (MI). Seluruh kasus MI yang masuk ke Rumah Sakit tersebut
di-rekrut untuk dijadikan subjek penelitian. Kelompok kontrol
diseleksi dari pasien yang berkunjung ke RS tersebut untuk
pengobatan trauma, gangguan tulang dan sendi, dan gangguan
pencernaan. Seluruh subyek kontrol tidak menderita penyakit
jantung. Kriteria inklusi lainnya adalah wanita berusia 25-49 tahun.
Seluruh subjek penelitian di wawancara dengan pertanyaan
mengenai riwayat merokok dan penggunaan kontrasepsi oral.
Sebanyak 234 kasus MI dan 1742 subyek kontrol diikutkan dalam
studi ini.
 INFORMASI DATA
Variabel Deskripsi Kode
MI NO (KONTROL) 0
YES (KASUS) 1
OC NON USER 0
USER 1
SMK NO 0
1-24 BATANG/HARI 1
> 25 BATANG/HARI 2
AGE GROUP 25 – 29 TAHUN 1
30 – 34 TAHUN 2
35 – 39 TAHUN 3
40 – 44 TAHUN 4
45 – 49 TAHUN 5
AGEMID Mid Point 25 – 29 27
Mid Point 30 – 34 32
Mid Point 35 – 39 37
Mid Point 40 – 44 42
Mid Point 45 – 49 47
 Tugas

1. Lakukan analisis deskriptif dari masing-

masing variabel yaitu OC, SMK, AGEGROUP
terhadap MI
2. Berikan narasi dari hasil nomor 1
3. Buatlah tabel 1 untuk melihat hubungan
antara variabel OC, SMK, AGEGROUP
terhadap MI.
4. Interpretasikan hasil nomor 3 terkait
besarnya asosiasi (OR) masing-masing
variabel OC, SMK, AGEGROUP terhadap MI.
5. Carilah model regresi logistic yang paling cocok
atau fit untuk memprediksi terjadinya MI dari data
yang diberikan dan sebutkan factor apa saja yang
memprediksi MI (untuk variabel umur, gunakan
variabel agemid).
6. Gunakan model regresi logistic yang didapat dari
no 5 untuk menghitung:
– Probabilitas terkena MI bagi seorang wanita usia 27
tahun, bukan pengguna OC, dan bukan perokok
– Probabilitas terkena MI bagi seorang wanita usia 27
tahun, pengguna OC, dan bukan perokok.
– Probabilitas terkena MI bagi seorang wanita usia 37
tahun, pengguna OC dan merokok >25 batang per hari
 KETERANGAN
• Untuk analisis multivariat dengan
mengeluarkan nilai OR gunakan command
“logistic”
• Contoh: logistic mi oc age
• Untuk analisis multivariat dengan
mengeluarkan nilai koefisien B gunakan
command “logit”
• Contoh: logit mi oc age
 Lanjutan
• Jika ada variabel yang mempunyai kategori lebih dari
dua maka dilakukan dummy data untuk
memunculkan nilai OR atau koefisien masing-masing
kategori yaitu dengan menambahkan command i.
sebelum variabel.
• Contoh: variabel smk mempunyai 3 kategori maka
command yang digunakan untuk mengeluarkan nilai
OR masing-masing kategori
• Contoh: logistic mi oc i. smk
• Untuk variabel AGEMID tidak perlu di dummy
karena kita anggap data berbentuk numerik
 lanjutan
• Cara lain membuat dummy variabel
– Tabulate agegr, generate (age)
– Akan diddapat 5 var: age1 age2 age3 age4 age5
– Dalam analisis 1 var sbg referensi misal age1,
maka ditulis: logistic mi age2 age3 age4 age5