MENGGUNAKAN SPSS
Indri Mulyasari
REGRESI LOGISTIK
• Jika variabel terikat berskala nominal
• Terdapat 2 jenis :
1. Regresi logistik sederhana:
jika hanya ada satu variabel bebas dengan skala data
rasio/interval atau nominal (dummy), sedang skala data
variabel terikat adalah: nominal
2. Regresi logistik berganda:
jika hanya dua atau lebih variabel bebas dengan skala
data rasio/interval atau nominal (dummy), sedang skala
data variabel terikat adalah: nominal
Model Matematis Regresi Logistik
Rumus:
1
f (Z) = ----------------
-z
1+ e
Dimana:
• X = paparan, faktor resiko, variabel bebas
• f (z ) = probabilitas resiko terjadinya outcome yang diamati
• Berapapun nilai z f ( Z ) = berharga antara 0 dan 1
Regresi Logistik Model Prediktif:
• untuk memperoleh model atau kumpulan variabel bebas yg
dianggap terbaik untuk memprediksi kejadian variabel
dependen (outcome ).
• difokuskan pada pertimbangan nilai statistik biasanya dengan
metode stepwise dan nilai koefisien regresi b harus significant
(melalui Uji Wald, p < 0,05).
(1)
Output:
(2)
Output:
Signifikan (p<0,05)
MENGGUNAKAN METODE BACKWARD
Chi-square Df Sig.
Step 1 Step 24.618 5 .000
Block 24.618 5 .000
Model 24.618 5 .000
Step 2a Step -.007 1 .932
Block 24.611 4 .000
Model 24.611 4 .000
Step 3a Step -.031 1 .861
Block 24.580 3 .000
Model 24.580 3 .000
a. A negative Chi-squares value indicates that the Chi-
squares value has decreased from the previous
step.
Variables in the Equation
95.0% C.I.for
EXP(B
)
p = probabilitas
e = bilangan natural = 2.7
y = persamaan
• contoh:
seorang penderita DBD dirawat dengan pendarahan, mengalami
hepatomegali, hematokrit >42%. Berapakah probabilitas pasien
untuk mengalami syok?
Jawab:
y = -2,675+1.189 (1) + 1.233 (1) + 1.137 (1)
y = 0.884
p= 1/ (1+e-y)
p= 1/ (1+2.7-(0.884))
p= 0.706
dengan demikian, probabilitas pasien untuk menderita syok
adalah 70.6%
• Stunting = 2 asi eksklusif + 1
= 2 (0) + 1
=1
Asi eksklusif = 0
Tidak asi eksklusif = 1
p= 1/ (1+2.7-(1))
P= 0.7299
P=72,99%