UNIVERSITAS INDONESIA

REGRESI LOgistik
Disusun sebagai salah satu tugas mata kuliah Biostatistik

FAKULTAS ILMU KEPERAWATAN PROGRAM MAGISTER ILMU KEPERAWATAN KEKHUSUSAN KEPERAWATAN KOMUNITAS DEPOK MEI 2012

baik dan buruk. Maka untuk mengetahui estimasi tekanan darah berdasarkan umur. dan lainnya (Sabri.d ∞ *0 ≤ E (Y/x) ≤∞+. nilai E(Y/x) akan selalu berada dalam 0 dan 1 *0 ≤ E (Y/x) ≤ 1+. E(Y/x) adalah nilai Y yang diharapkan berdasarkan nilai x. digunakan bila ingin mempelajari hubungan antara beberapa variabel independen dengan satu variabel dependen yang bersifat dikotomi. yaitu: (1) Regresi Logistik Sederhana. sedangkan regresi logistik digunakan pada data yang dependennya berbentuk kategori yang dikotom. Regresi logistik terbagi menjadi dua. Oleh karena itu pada regresi logistik dependennya adalah dikotom. Regresi linier digunakan apabila variabel dependennya numerik. Pada regresi logistik. misalnya sehat dan sakit. Misalnya Y variabel tekanan darah dan x variabel umur. maka untuk mengetahui estimasi kejadian BBLR berdasarkan umur. puas dan tidak puas. dihitung proporsi kejadian BBLR pada tiap kelompok umur. merokok dan tidak merokok. dengan Y sebagai dependen dan x sebagai independen. (2) Regresi logistik ganda. Pada regresi linier nilai E(Y/x) akan berkisar antara 0 s. KONSEP REGRESI LOGISTIK Analisis regresi logistik adalah salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan satu atau beberapa variabel independen dengan sebuah variabel dependen kategori yang bersifat dikotom/binary. Perbedaan antara regresi linier dan regresi logistik terletak pada jenis variabel dependennya. yaitu variabel yang mempunyai dua nilai variasi. maka variabel dependen dihitung bukan dengan mean namun menggunakan proporsi. dihitung rata-rata (mean) tekanan darah pada masing-masing nilai umur. apa hubungan/pengaruh dari satu atau lebih variabel exposure (E) terhadap disease atau outcome (D). Pada regresi linier kita ingin mengestimasi nilai mean variabel dependen berdasarkan setiap nilai variabel independennya. 2010). (c) Mengetahui variabel independen (x) mana . Pada penelitian dengan analisis regresi logistik umumnya mempunyai pertanyaan. (b) Menggambarkan hubungan kuantitatif antara variabel independen (x) dengan variabel dependen (y) setelah dikontrol variabel lain. digunakan bila ingin mempelajari hubungan antara satu variabel independen dengan satu variabel dependen yang bersifat dikotomi. Pada regresi logistik dapat pula diperlakukan hal tersebut namun ada sedikit perbedaan dalam menghitung rata-rata variabel dependennya (Y).1. Fungsi dari regresi logistic ganda ini adalah: (a) Menetapkan model matematik yang paling baik untuk menggambarkan hubungan variabel independen dengan variabel dependen. Nilai tersebut disebut sebagai mean kondisional yang dinyatakan dengan E(Y/x). Seperti pada data diatas variabel Y kejadian BBLR dan x variabel umur.

A. . (Misalnya probabilitas kejadian BBLR pada umur ibu tertentu) Nilai Z : nilai indeks variabel independen. Tujuan dari analisis regresi logistik adalah untuk mendapatkan model yang paling baik (fit) dan sederhana (parsinomy) yang dapat menggambarkan hubungan variabel independen dengan variabel dependen. maka f (Z) =0 dan pada saat nilai Z = maka f (Z) =1 . Jadi nilai f (Z) akan berkisar 0 dan 1 berapapun nilai Z. Nilai Z bervariasi antara Bila nilai Z mendekati maka: sampai dengan Bila nilai Z mendekati maka: 2. Fungsi Logistik dapat digambarkan sebagai berikut: (Sumber : Riyanto. 2009) Pada saat nilai Z = - . 2. Fungsi Regresi Logistik:   F(Z) : probabilitas kejadian suatu penyakit berdasarkan faktor resiko tertentu. (d) Mengetahui adanya interaksi pada dua atau lebih variabel independen terhadap variabel dependen.. FUNGSI REGRESI LOGISTIK 1.yang penting (dominan) dalam memprediksi variabel dependen.

Variabel X adalah variabel independen.3. MODEL REGRESI LOGISTIK a) Model logistik dikembangkan dari fungsi logistik dengan nilai Z merupakan penjumlahan linier konstanta (α) ditambah dengan β1 dan X1. Probabilitas yang selalu memiliki nilai 0 dan 1. b) Bentuk kurva logistik dianggap dapat digunakan secara luas pada analisa multivariabel pada penelitian epidemiologi. Seperti terlihat pada gambar kurva diatas. Sifat ini yang membuat fungsi logistik populer pada analisa data epidemiologi : a) Model logistik dapat digunakan untuk menggambarkan probabilitas sebagai resiko untuk terjadinya penyakit. kemudian f (Z) meningkat secara cepat dan kemudian peningkatannya kembali perlahan pada saat f (Z) mendekati 1. Bentuk kurva S menunjukkan efek Z pada resiko individu minimal pada nilai z kecil sampai satu batas ambang tercapai. maka rumus fungsi Z adalah: . Hasilnya adalah kurva berbentuk S. yang dikenal 3. Kita tidak mungkin memperoleh perkiraan resiko lebih besar dari 0 atau lebih besar dari 1. nilai f (Z) meningkat secara perlahan pada saat Z berubah dari -∞ kearah 0. Kemudian resiko meningkat pada jangkauan Z tertentu dan tetap tinggi saat resiko mendekati 1 dan nilai Z sudah cukup besar. ditambah β2 dan X2 dan seterusnya sampai βi dan Xi. b) Regresi logistik sederhana: c) Regresi logistik berganda d) Bila nilai Z dimasukkan pada fungsi Z. kita pasti akan memperoleh perkiraan resiko antara 0 dan 1. Kurva berbentuk S ini cocok untuk menggambarkan peningkatan resiko terjadinya keluaran pada penelitian epidemiologi. Jika Z dianggap sebagai indeks yang menggabungkan efek dari berbagai faktor resiko dan f (Z) merupakan resiko pada nilai Z tertentu. Jadi dengan menggunakan fungsi logistik.

Bandung: Nitra Media Press Sabri. L dan Hastono.4. Jakarta: Rajawali Press . Analisis Regresi Teori. REFERENSI Algifari. (2010). Yogyakarta: BPFE Hastono.  Kekurangan a) Ciri data awal (numerik) hilang karena dijadikan kategori. Fakultas Kesehatan Masyarakat Universitas Indonesia. (2009). Kasus dan Solusi. SP. c) Menentukan asumsi-asumsi yang lebih sedikit daripada regresi linier... Analisis Data Kesehatan. (2009). (2007). Jakarta Riyanto. b) Dapat memprediksi resiko terhadap suatu penyakit akibat dari suatu paparan pada desain kohort. KELEBIHAN DAN KEKURANGAN ANALISIS REGRESI LOGISTIK  Kelebihan a) Cocok digunakan pada bidang kesehatan khususnya bidang epidemiologi. Penerapan Analisis Multivariat Dalam Penelitian Kesehatan. b) Prediksi yang didapat tidak seakurat bila dibandingkan dengan regresi linier. AP. A.. 5. d) Dapat digunakan sebagai model prediksi dan faktor resiko terhadap suatu penyakit. Statistik Kesehatan. e) Dapat mengetahui pengaruh dari beberapa variabel independen terhadap variabel dependen. c) Pada desain cross sectional dan case control tidak dapat memprediksi faktor resiko yang akan terjadi.

Sign up to vote on this title
UsefulNot useful