Successfully reported this slideshow.

More Related Content

Related Books

Free with a 14 day trial from Scribd

See all

Bab 8 analisis regresi logistik sederhana dengan spss

  1. 1. Najmah, SKM, MPH. Faculty of Public Health, Sriwijaya University najem240783@yahoo.com
  2. 2. • Perbedaan Regresi Logistik Sederhana dan Berganda • Aplikasi Regresi Logistik Sederhana Pada SPPS Today’s Topics
  3. 3. Perbedaan Regresi Logistik Sederhana dan Berganda •Regresi logistik merupakan pendekatan model matematis untuk menganalisa hubungan antara satu atau beberapa variabel independen (kategori dan numerik) dengan variabel dependen kategorik yang bersifat dikotom/biner.
  4. 4. Perbedaan Regresi Logistik Sederhana dan Berganda •Variabel kategorik dikotom: variabel dengan dua nilai variasi atau kategori •Misal status patah tulang (1=patah tulang, 0= tidak patah tulang), status BBLR (0=BBLR, 1=normal), dan status PJK (0=tidak PJK, 1= PJK) dan sebagainya. •Regresi logistik sederhana untuk mengolah data dengan satu variabel independen atau faktor resiko. •Regresi logistik berganda untuk mengolah data lebih dari satu variabel independen atau faktor resiko.
  5. 5. Model regresi logistik dapat digunakan pada penelitian yang menggunakan metode potong lintang (cross sectional), kasus kontrol (case control), maupun kohort (cohort). Regresi logistik mengevaluasi efek dari satu faktor paparan atau lebih, dan biasa digunakan untuk: a. Membandingkan variabel outcome diantara 2 kategori dari variabel paparan atau perlakuan/perawatan. b. Membandingkan lebih dari dua kelompok paparan atau faktor resiko. c. Menganalisis efek variabel paparan baik kategori maupun kontinus (numerik).
  6. 6. Pertama, perhatikan rumus dasar Odds rasio Odds para kelompok terpapar = Odds pada kelompok tidak terpapar x OR variabel X Odds Rasio variabel X = Odds pada kelompok terpapar Odds pada kelompok tidak terpapar Kedua, Formula dasar pemodelan regresi logistik adalah Odd Rasio* = Baseline x paparan (Exposure) ................(1 paparan) Odd Rasio *= Baseline x paparan1 (Exposure1) x paparan2 (Exposure2) ..........(2 paparan) *OR outcome/penyakit/kondisi kesehatan
  7. 7. Odds Ratio tiap kelompok terdiri dari 2 model parameter : a.Baseline odds, nilai odds pada kelompok yang tidak terpapar. b.OR (odds ratio) outcome, menggambarkan efek paparan atau faktor resiko/variabel independen terhadap odd rasio penyakit. Grup paparan Odds outcome Odds outcome, pada regresi logistik Terpapar (group 1) Baseline odds x OR faktor paparan Baseline x faktor paparan/variabel independen Tidak terpapar (group 0) Baseline Odds Baseline
  8. 8. Aplikasi Regresi Logistik Sederhana (Aplikasi SPSS) STUDI KASUS 3: • Peneliti ingin mengetahui faktor-faktor yang mempengaruhi kejadian patah tulang pinggul pada lansia di Geelong, Australia? • Variabel independenya: 1)geometri pada tulang pinggul (Kepadatan tulang/Bone Mineral Density/BMD); 2) umur (current age); 3) berat badan (weight); 4) tinggi badan (height); 5) status minum alkohol(drink status); 6) status merokok (D1, smoking); 7) riwayat patah tulang pada keluarga (Hip_fracture_parents_spine_hip); 8). konsumsi kalsium dan vitamin D (Calcium_VitD2); 9) status menopause (F5xmenoadj), 10) penggunaan steroid/kortisteroid(Steroid2)
  9. 9. BUKA DATA : kasus_iii_hip_fracture1.sav SUMBER DATA: Najmah, Margaret Henry, Lyle Gurrin, Julie Pasco, 2009, STUDI GEELONG OSTEOPOROSIS STUDY /GOS, MELBOURNE, AUSTRALIA, Thesis: 2009, University of Melbourne
  10. 10. Karakteristik/ outcome (patah tulang, n= 44, tidak patah tulang, n= 454) OR 95 % CI P Value Penggunaan hormon steroid/kortikosteroid, n (%) Ya Status merokok, n (%) Ya Status menopause , n (%) Ya Penggunaan kalsium/multivitamin D , n (%) Ya Terapi hormon , n (%) Physical Activity n, (%) Riwayat keluarga , n (%) Ya Status minum alkohol , n (%) Ya OR 95 % CI P Value Tinggi badan ,cm Usia saat ini, tahun Berat badan, kg Kadar mineral tulang, g/cm2 Tabel 44. Analisis Regresi Logistik Sederhana
  11. 11. Langkah-langkah uji regresi linear sederhana,aplikasi SPSS : Variabel Status Merokok (D1) • Langkah 1: Pada menu bar pilih Analyze-Regression-Binary Logistic.
  12. 12. Langkah 2 : Masukkan variabel hip fracture status (status patah tulang) pada dependent variabel, dan masukkan status merokok (D1) variabel independen ke dalam covariate.
  13. 13. Langkah 3 : Klik Option dan ketik 95 % Derajat Kepercayaan
  14. 14. Langkah 4: Klik continue dan OK. **Identifikasi Data yang hilang dan pemberian kode variabel dependen oleh SPSS
  15. 15. **Nilai OR, 95 % Derajat Kepercayaan dan P value nilai variabel merokok
  16. 16. Output Status Minum Alkohol Output SPSS BMD (bone mineral density) Output SPSS Penggunaan Kortiksteroid/Steroid
  17. 17. Exercise! Coba anda lakukan latihan untuk variabel lainnya dengan langkah yang sama! Variabel independenya: 1) Geometri pada tulang pinggul (Kepadatan tulang/Bone Mineral Density/stdNNBMD); 2) umur (current age); 3) berat badan (weight); 4) tinggi badan (height); 5) status minum alkohol(drink status); 6) status merokok (D1, smoking); 7)riwayat patah tulang pada keluarga (Hip_fracture_parents_spine_hip); 8). konsumsi kalsium dan vitamin D (Calcium_VitD2); 9) status menopause (F5xmenoadj), 10) penggunaan steroid/kortisteroid (Steroid2)
  18. 18. Langkah 5: Menuliskan Laporan Tabel dan Interpretasi Karakteristik/ outcome (patah tulang, n= 44, tidak patah tulang, n= 454) OR 95 % CI P Value Penggunaan hormon steroid/kortikosteroid, n (%) Ya 0,587 0,175-1,966 0,388 Status merokok, n (%) Ya 1,464 0,781-2,746 0,234 Penggunaan kalsium/multivitamin D , n (%) Ya 0,383 0,134-1,099 0,074 Aktivitas fisik , n (%) Ya 4,946 2,110-11,589 0,001 Riwayat keluarga , n (%) Ya 0,333 0,044-2,504 0,286 Status minum alkohol, n (%) Ya 0,293 0,141-0,606 0,001 OR 95 % CI P Value Tinggi badan ,cm 1,009 0,960-1,060 0,715 Usia saat ini, tahun 1,076 1,028-1,127 0,002 Berat badan, kg 0,972 0,946-0,999 0,043 Kadar mineral tulang, g/cm2 0,457 0,314-0,665 0,001
  19. 19. Interpretasi untuk hasil numerik: • Setiap kenaikan ketebalan 1 g/cm2 kadar mineral tulang, akan menurunkan resiko patah tulang pinggul sebesar 0.45 kali. Dengan derajat kepercayaan 95%, di populasi setiap kenaikan ketebalan 1 g/cm2 kadar mineral tulang, akan menurunkan resiko patah tulang pinggul sebesar 0.31 kali hingga 0,67 kali. Nilai P 0.001 menunjukkan adanya hubungan adanya hubungan antara kadar mineral tulang dan kejadian patah tulang pinggul pada wanita di Geelong, Australia
  20. 20. Interpretasi untuk hasil numerik: • Perilaku merokok pada wanita dapat meningkatkan 1,5 kali resiko untuk patah tulang pinggul dibandingkan dengan lansia yang tidak merokok. Di populasi, dengan derajat kepercayaan 95%, perilaku merokok menurunkan 0.78 resiko patah tulang pinggul (22 % menurunkan resiko) dan meningkatkan resiko 2,7 untuk patah tulang dibandingkan wanita perokok. • Kesimpulan akhir dengan nilai signifikansi 0.23 menunjukkan tidak ada hubungan antara status merokok dan kejadian patah tulang pinggul pada wanita di Geelong Australia. • Coba Anda interpretasikan hasil lainnya!
  21. 21. thankyou Referensi

×