Regresi logistik

1. Regresi Logistik
Farid AGUSHYBANA
Fakultas Kesehatan Masyarakat Universitas Diponegoro

2. 2
Pemanfaatan
• Meramalkan terjadinya variabel
respons.
• Mengukur hubungan variabel
independent dan dependent setelah
mengontrol pengaruh covariatnya.

3. 3
Asumsi dasar
• Tidak memerlukan asumsi distribusi
normal (terutama pada variabel
dependent)
• Sample cukup besar
• Variabel :
– Independent : nominal, ordinal,interval, rasio
– Dependent : nominal –dikotomi
ordinal (> 2)

4. 4

5. 5
Rumus dasar
)
...
( 2
2
1
1
1
1
k
k x
b
x
b
x
b
a
e
p 







6. 6
Langkah Pembentukan Model
• Analisis univariat pd masing-2
variabel.
• Pengamatan secara individual
variabel-2 dalam model multivariat.
• Memasukkan dan memeriksa
kemungkinan ada interaksi variabel.

7. 7
Analisis univariat pd masing-2
variabel.
• Uji statistik chi-square atau uji rasio
likelihood G.
• Bila kategori lebih dari 2 maka dibuat
variabe dummy.
• Untuk variabel continue:
– Taksiran koef regresi (b).
– Taksiran kesalahan baku (SE)
– Statistik uji rasio likelihood G
– Statistik uji Wald (b/SE).
• Bisa digunakan patokan seleksi pada
p<0,25.

8. 8
Pengamatan secara individual
variabel-2 dalam model multivariat.
• Memasukkan semua variabel secara
serentak (metode Enter).
• Memasukkan sekelompok variabel
biologi penting. (metode Stepwise).
–Seleksi maju (forward selection).
–Seleksi mundur (backward selection).
–Seleksi Stepwise.
Statistik G dan Statistik Wald

9. 9
Memeriksa Interaksi Variabel
• Gunakan metode Rasio Likelihood=
–Membandingkan log-likelihood tanpa
interaksi dengn model log likelihood dgn
interaksi.

10. 10
Latihan Kasus
Infark otot jantung MI 1 = sakit
0 = tidak sakit
Aktifitas fisik AF 1 >= 2500 kcal
0 < 2500 kcal
Kategori umur Umur 1 >= 55 th
0 < 55 th
Kebiasaan merokok Mrk 2 = rokok sigaret
>= 15 btg / hr
1 = rokok sigaret <
15 btg / hr
0 = tidak merokok

11. 11
Langkah-langkah penyelesaian
• Karena variabel kebiasaan merokok
memiliki kategori lebih dari 2 maka harus
dibuat variabel dummy sebanyak 2 (k-1).
Dimana kategori tidak merokok
merupakan variabel acuan.
Variabel asli Variabel dummy
MRK D1 D2
Tidak merokok 0 0
Merokok sigaret < 15 btg / hr 1 0
Merokok sigaret >= 15 btg / hr 0 1

12. 12
_cons -1.9146 .9954819 -1.92 0.054 -3.865709 .0365083
umur 2.013169 .9773984 2.06 0.039 .0975038 3.928835
Merokok sigaret >= 15 btg/hr 2.67343 1.315551 2.03 0.042 .0949968 5.251864
Merokok sigater < 15 btg/hr 2.478233 1.084134 2.29 0.022 .3533694 4.603097
mrk
af -2.243155 1.019025 -2.20 0.028 -4.240408 -.2459031
mi Coef. Std. Err. z P>|z| [95% Conf. Interval]
Log likelihood = -15.810109 Pseudo R2 = 0.5453
Prob > chi2 = 0.0000
LR chi2(4) = 37.93
Logistic regression Number of obs = 55

13. 13
_cons .1474007 .1467348 -1.92 0.054 .0209481 1.037183
umur 7.487009 7.317791 2.06 0.039 1.102416 50.84771
Merokok sigaret >= 15 btg/hr 14.48959 19.0618 2.03 0.042 1.099655 190.9218
Merokok sigater < 15 btg/hr 11.92019 12.92308 2.29 0.022 1.423857 99.7929
mrk
af .1061231 .1081421 -2.20 0.028 .0144017 .781998
mi Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]
Log likelihood = -15.810109 Pseudo R2 = 0.5453
Prob > chi2 = 0.0000
LR chi2(4) = 37.93
Logistic regression Number of obs = 55