REGRESI LOGISTIK

Windhu Purnomo
FKM Unair
2006

Model:

Regresi linear Regresi logistik

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

Model regresi logistik:

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:

eβ (antilog dari β): estimasi dari Odds

Ratio (OR) dari terjadinya outcome

α (atau β0) = konstanta

β1, …, βk = koefisien regresi
parameter-parameter ini diestimasi
melalui maximum likelihood
(lihat lagi kuliah ttg Regresi Linear)

Wald test
Wald test digunakan sebagai uji signifikansi untuk
setiap β.
Digunakan statistik z:

3
 Contoh kasus:

Apakah ada hubungan antara

kejadian Ca Paru dgn Kebiasaan
merokok?

Berapa besar kemungkinan
seseorang untuk menderita Ca Paru
bila mereka mempunyai kebiasaan
merokok?

Contoh kasus:

Kejadian Ca Paru Total

(+) (-)
Kebiasaan Perokok
19 4 23
merokok
82.6% 17.4% 100.0%
Bukan
2 15 17
perokok
11.8% 88.2% 100.0%
Total 21 19 40
100.0%

4
 Output dari SPSS:
Dependent Variable Encoding

Internal
Original Value Value
(-) 0
(+) 1

Categorical Variables Codings

Parameter coding
Frequency (1) (2)
Kebiasaan Perokok 23 1.000
merokok
Bukan perokok 17 .000

Output dari SPSS:

Koefisien regresi = β 1 eβ=e3,573=Odds Ratio = OR

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step merokok(1) 3.573 .932 14.686 1 .000 35.625
a
1
Constant -2.015 .753 7.164 1 .007 .133
a. Variable(s) entered on step 1: merokok.

p<0,05
Konstanta = β 0 = α (semua parameter
masuk ke dalam model regresi)

Karena β 1 signifikan (p<0,05), maka:

terbukti ada hubungan antara Ca Paru dgn merokok

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

Mereka yang tidak merokok mempunyai

kemungkinan untuk menderita Ca Paru
sebesar:
1
p = Pr(CaParu) = − ( − 2 , 015+ 3, 573.0 )
= 0,118 = 11,8%
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.