REGRESI LOGISTIK (LOGISTIC REGRESSION)

REGRESI LOGISTIK
Adalah regresi parametrik yang digunakan untuk Y berskala kategorik dan X berskala bebas.
Biner Regresi Logistik Multinomial
Y berskala nominal dengan 2 kategori Y berskala nominal dengan lebih dari 2 kategori

Ordinal

Y berskala ordinal

REGRESI LOGISTIK
Jika pada regresi linier variabel prediktor digunakan untuk memprediksi nilai variabel respon, maka pada regresi logistik variabel prediktor digunakan untuk memprediksi peluang munculnya kategori variabel respon.
1

(x)

0,5

0 x

REGRESI LOGISTIK
Jika variabel prediktor SEMUANYA kontinyu dan berdistribusi normal, maka dapat menggunakan analisis diskriminan. Jika terdapat variabel prediktor berjenis kategorik, maka menggunakan analisis fungsi logit pada regresi logistik biner.

ASUMSI REGRESI LOGISTIK

(Spring, 2010)
Meaningful coding. Untuk regresi logistik biner dan multinomial, variabel respon dikode 0 untuk kasus yang paling jarang terjadi. Sedangkan untuk regresi logistik ordinal kode 0 untuk tingkatan paling rendah Adanya linearitas antara fungsi logit dan variabel prediktor. Pengamatan dilakukan secara independen (misalnya, dengan teknik random sampling) Menyertakan semua variabel yang relevan dalam model Menyingkirkan semua variabel yang tidak relevan, atau memastikan tidak ada multikolinieritas antar variabel prediktor. Variabel prediktor memiliki error dan data missing serendah mungkin bahkan tidak ada. Tidak ada outlier Sampel berukuran besar

REGRESI LOGISTIK BINER (BINARY LOGISTIC REGRESSION)

Regresi Logistik Biner

Salah satu bentuk regresi logistik dimana variabel respon dalam bentuk biner / dichotomy / dua kategori. Juga sering disebut sebagai regresi logistik Binomial (Binomial Logistic Regression)

MODEL REGRESI LOGISTIK BINER

Regresi linier: = 0 + 1 1 + + Regresi Logistik:
=
=
0 + 1 1 ++ 1+
0 + 1 1 ++

Fungsi peluang setiap kategori

1 +

Fungsi di-ln-kan

= 1

= 0 + 1 1 + + =

= logit

REGRESI LOGISTIK MULTINOMIAL (MULTINOMIAL LOGISTIC REGRESSION)

REGRESI LOGISTIK MULTINOMIAL

Salah satu bentuk regresi logistik dimana variabel respon dalam bentuk MULTINOMIAL / polychotomy / lebih dari dua kategori.

MODEL REGRESI LOGISTIK MULTINOMIAL

Model tidak jauh berbeda dengan model regresi logistik biner.
=
=
0 + 1 1 ++ 1+
0 + 1 1 ++

Fungsi peluang setiap kategori

1 +

Fungsi di-ln-kan

= 1

= 0 + 1 1 + + =

= logit

REGRESI LOGISTIK ORDINAL (ORDINAL LOGISTIC REGRESSION)

REGRESI LOGISTIK ORDINAL

Salah satu bentuk regresi logistik dimana variabel respon dalam bentuk ordinal, yaitu kategorik dengan memiliki tingkatan. PERLU DIPERHATIKAN: Pada saat membuat model regresi logistik ordinal, diasumsikan bahwa hubungan antara variabel independen dengan logit adalah sama untuk semua logit. Ini berarti bahwa hasil model berupa sebuah garis paralel untuk setiap kategori variabel respon. Untuk membuktikannya dapat menggunakan Test of parallel lines, dimana uji tersebut digunakan untuk membuktikan terpenuhinya asumsi bahwa setiap kategori memiliki hubungan antara variabel independen dengan logit yang sama untuk semua persamaan logit. Jika tidak terpenuhi maka data cukup dimodelkan dengan regresi logistik multinomial.

MODEL REGRESI LOGISTIK ORDINAL

= 1 + 2 + + ,
Kumulatif logit didefinisikan sebagai [ = ln
1

= 1, 2, ,

= ln

>

1 + 2 + + = ln =1 + =2 + + = 1, 2, ,

= 0 + ,

ODDS RATIO ()
Odds Ratio digunakan untuk memperkirakan berapa besar kemungkinan risiko variabelvariabel prediktor terhadap variabel respon.
a, b =
= = / = = = = / = =

= exp

ODDS RATIO ()
Untuk =1 berarti bahwa x = a memiliki risiko yang sama dengan x = b untuk menghasilkan Y = j. Bila 1<< berarti x = a memiliki risiko lebih tinggi kali daripada x = b, dan sebaliknya untuk 0<<1 untuk menghasilkan Y = j. Jika variabel prediktor berskala kontinyu maka interprestasi koefisien dugaan tergantung pada unit partikular dari variabel prediktor. Untuk variabel prediktor kontinyu diperlukan unit perubahan sebesar c, maka odds ratio diperoleh dengan exp(ci )

Langkah Analisis Regresi Logistik

1. Melakukan uji independensi antara variabel prediktor dengan variabel respon. Jika variabel prediktor kategorik menggunakan uji chi-square, jika kontinyu menggunakan korelasi (kendalls tau/spearman).

Langkah Analisis Regresi Logistik

Analisis regresi logistik secara individu
Analisis regresi logistik secara serentak Pengujian Parallel Line Test (Khusus Untuk Regresi Logistik ordinal, jika tidak memenuhi gunakan reg. log. multinomial) Interpretasi terhadap nilai odds ratio Uji kesesuaian model Interpretasi model secara serentak Menghitung ketepatan klasifikasi model

Yuk latihan..