Professional Documents
Culture Documents
Windhu Purnomo
FKM Unair
2006
Model:
1
Kapan menggunakan
Regresi Logistik?
Variabel tergantung (dependent var)
berbentuk kategorikal:
biner (nominal dikotomik: 0 dan 1), atau
(multinomial)
Variabel bebas (dependent var) sembarang
(nominal, ordinal, interval/rasio)
Var bebas bisa:
hanya satu (reglog sederhana/simple logreg)
lebih dari satu (reglog ganda/multiple logreg)
Prediksi
Odds
di mana:
Jadi:
1
p = Pr (Yi = 1 | X ) = − (α + β1 x1,i +...+ β k x k ,i )
1+ e
2
Model regresi logistik:
Wald test
Wald test digunakan sebagai uji signifikansi untuk
setiap β.
Digunakan statistik z:
3
Contoh kasus:
Contoh kasus:
4
Output dari SPSS:
Dependent Variable Encoding
Internal
Original Value Value
(-) 0
(+) 1
Parameter coding
Frequency (1) (2)
Kebiasaan Perokok 23 1.000
merokok
Bukan perokok 17 .000
p<0,05
Konstanta = β 0 = α (semua parameter
masuk ke dalam model regresi)
5
Model yg terbentuk:
α=-2,015 (p=0,007<0,05)
β1=3,573 (p=0,000<0,05)
Maka, terbentuk model:
1
p = Pr (Yi = 1 | X ) = − (α + β1 x1,i +...+ β k x k ,i )
1+ e
1
p = Pr (CaParu ) =
1 + e −(− 2, 015+3,573.Merokok )
Hasil prediksi:
Mereka yang Merokok mempunyai
kemungkinan untuk menderita Ca Paru
sebesar:
1
p = Pr (CaParu ) = − ( − 2 , 015+ 3, 573.1)
= 0,826 = 82,6%
1+ e
6
Arti Odds Ratio (eβ):
OR = 35,625
artinya: Risiko seseorang untuk
mendapatkan Ca Paru pada yang
mempunyai kebiasaan merokok
adalah sebesar 35,625 kali
dibandingkan mereka yang tidak
mempunyai kebiasaan merokok.