TUGAS TUTORIAL BIOSTATISTIK

LABORATORY BIOSTATISTIC 9
General Linear Model: Logistic and Poisson Regression
Dosen Pengampu: Prof. dr. Siswanto Agung Wilopo, SU., MSc., Sc.D

Nama : Atikah Nuramalina 

NIM : 20/466050/PKU/18677 
Minat : Keselamatan dan Kesehatan Kerja 

DEPARTEMEN KESEHATAN DAN KESELAMATAN KERJA

PROGRAM PASCASARJANA ILMU KESEHATAN MASYARAKAT
FAKULTAS KEDOKTERAN, KESEHATAN MASYARAKAT DAN KEPERAWATAN
UNIVERSITAS GADJAH MADA
2021
 General Linear Model:
Logistic and Poisson Regression
Homework 1
Diarrhea and fever as risk factors for anemia among children under age five living in urban slum areas of Indonesia
Richard D. Semba, Saskia de Pee, Michelle O. Ricks, Mayang Sari, Martin W. Bloem

Critical appraisal from published article

1. Please re-arrange the table 2 and 3 so that reader can easily read the OR and its’ confidence interval as
well as comparing models. Please write models in the column! See an example an article on breastfeeding
on the module 1 table number 5.
Dalam membuat tabel yang lebih sederhana berikut disajikan data diare berdasarkan model dengan
mencantumkan odds ratio dan confidence interval 95%:
Table 2. Univariate and multivariate logistic regression models of current diarrhea as a risk
factor for anemia
Variable Model 1 Model 2 Model 3
OR (CI 95%) OR (CI 95%) OR (CI 95%)
curent diarrhea 1.33 ' (1.21,1.46) 1.12 ' (1.02,1.23) 1.20 ' (1.07,1.35)
Child age category (months)  
  6 - 11 - 5.02 ' (4.56, 5.52) 4.79 ' (4.28, 5.36)
  12 - 23 - 3.27 ' (3.00, 3.56) 3.32 ' (2.91, 3.57)
  24 - 35 - 2.07 ' (1.90, 2.25) 2.03 ' (1.83, 2.24)
  36 - 47 - 1.33 ' (1.22, 1.46) 1.32 ' (1.17, 1.45)
  48 - 59 - 1.00 ''' (-) 1.00 ''' (-)
Male gender - 1.17 ' (1.12,1.23) 1.17 ' (1.11,1.24)
HAZ <-2 - 1.31 ' (1.24,1.37) 1.38 ' (1.30,1.46)
Mother Age
  ≤ 24 - 1.21 ' (1.13, 1.29) 1.23 ' (1.14, 1.33)
  25 - 28 - 1.18 ' (1.10, 1.26) 1.17 ' (1.08, 1.26)
  29 - 32 - 1.06 '' (0.98, 1.13) 1.07 '' (0.99, 1.16)
  33+ - 1.00 ''' (-) 1.00 ''' (-)
Mother's Educatuin (years)
  0 - 1.65 ' (1.46, 1.87) 1.66 ' (1.43, 1.91)
  1-6 - 1.44 ' (1.36,1.53) 1.38 ' (1.29,1.48)
  7-9 - 1.23 ' (1.15,1.31) 1.20 ' (1.11,1.29)
  10+ - 1.00 ''' (-) 1.00 ''' (-)
Weekly per capita household - - 0.99 '' (0.99, 1.01)
expenditure (US $)
Confidence Interval 95%
Odds Ratio (95% Confidence Interval)
HAZ, height for age Z score
' p value < 0.005
'' p value > 0.005
''' p value -

Dalam membuat tabel yang lebih sederhana berikut disajikan data demam berdasarkan model dengan
mencantumkan odds ratio dan confidence interval 95%:
Table 3. Univariate and multivariate logistic regression models of current fever as a risk
factor for anemia
Variable Model 1 Model 2 Model 3
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 3

OR (CI 95%) OR(CI 95%) OR(CI 95%)

curent fever 1.60 ' (1.37,1.88) 1.52 ' (1.28,1.79) 1.44 ' (1.18, 1.75)
Child age category (months)  
  6 - 11 - 4.96 ' (4.50, 5.47) 4.82 ' (4.29, 5.41)
  12 - 23 - 3.27 ' (3.00, 3.52) 3.32 ' (2.91, 3.57)
  24 - 35 - 2.07 ' (1.89, 2.26) 2.03 ' (1.89, 2.25)
  36 - 47 - 1.32 ' (1.15, 1.45) 1.30 ' (1.21, 1.45)
  46 - 59 - 1.00 ''' (-) 1.00 ''' (-)
Male gender - 1.18 ' (1.12,1.23) 1.18 ' (1.12,1.23)
HAZ <-2 - 1.30 ' (1.24,1.37) 1.30 ' (1.24,1.37)
Mother Age
  ≤ 24 - 4.96 ' (1.13, 1.29) 1.24 ' (1.14, 1.34)
  25 - 28 - 1.17 ' (1.09, 1.25) 1.17 ' (1.08, 1.26)
  29 - 32 - 1.04 '' (0.98, 1.12) 1.07 '' (0.99, 1.16)
  33+ - 1.00 ''' (-) 1.00 ''' (-)
Mother's Educatuin (years)
  0 - 1.62 ' (1.43, 1.83) 1.42 ' (1.41, 1.89)
  1-6 - 1.44 ' (1.36,1.52) 1.38 ' (1.29,1.47)
  7-9 - 1.23 ' (1.15,1.31) 1.20 ' (1.11,1.29)
  10+ - 1.00 ''' (-) 1.00 ''' (-)
Weekly per capita household - - 0.99 '' (0.99, 1.01)
expenditure (US $)
Confidence Interval 95%
Odds Ratio (95% Confidence Interval)
HAZ, height for age Z score
' p value < 0.005
'' p value > 0.005
''' p value -

2. Please re-write the models (1 to 3) from table 2 and 3 into regression coefficient its’ SE of the original
coefficient
Dalam membuat tabel yang lebih sederhana berikut disajikan data diare berdasarkan model dengan
mencantumkan odds ratio dan coefficient regression 95%:
Univariate and multivariate logistic regression models of current diarrhea as a risk factor
for anemia
Variable Model 1 Model 2 Model 3
OR (Coef Reg) OR(Coeff Reg) OR(Coeff Reg)
curent diarrhea 1.33 (.28517894) 1.12 (.11332869) 1.20 (.18232156)
Child age category  
(months)
  6 - 11 - 5.02 (1.6134299) 4.79 (1.5665304)
  12 - 23 - 3.27 (1.18479) 3.32 (1.1999648)
  24 - 35 - 2.07 (.72754861) 2.03 (.70803579)
  36 - 47 - 1.33 (.28517894) 1.32 (.27763174)
  46 - 59 - 1.00 (0) 1.00 (0)
Male gender - 1.17 (.15700375) 1.17 (.15700375)
HAZ <-2 - 1.31 (.27002714) 1.38 ' (.3220835)
Mother Age
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 4

  ≤ 24 - 1.21 (.19062036) 1.23 (.20701417)

  25 - 28 - 1.18 (.16551444) 1.17 (.15700375)
  29 - 32 - 1.06 (.05826891) 1.07 (.06765865)
  33+ - 1.00 (0) 1.00 (0)
Mother's Educatuin (years)
  0 - 1.65 (.50077529) 1.66 (.5068176)
  1-6 - 1.44 (.36464311) 1.38 (.3220835)
  7-9 - 1.23 (.20701417) 1.20 (.18232156)
  10+ - 1.00 (0) 1.00 (0)
Weekly per capita - - 0.99 (-.01005034)
household expenditure (US
$)
Confidence Interval 95%
Odds Ratio (Coefficient Regression)
HAZ, height for age Z score

Dalam membuat tabel yang lebih sederhana berikut disajikan data demam berdasarkan model dengan
mencantumkan odds ratio dan coefficient regression 95%:
Univariate and multivariate logistic regression models of current fever as a risk factor for
anemia
Variable Model 1 (OR(Coeff model 2 model 3
Reg)) (OR(Coeff Reg)) (OR(Coeff Reg))
curent fever 1.60 (.47000363) 1.52 (.41871033) 1.44 (.36464311)
Child age category (months)  
  6 - 11 - 4.96 (1.6014057) 4.82 (1.5727739)
  12 - 23 - 3.27 (1.18479) 3.32 (1.1999648)
  24 - 35 - 2.07 (.72754861) 2.03 (.70803579)
  36 - 47 - 1.32 (.27763174) 1.30 (.26236426)
  46 - 59 - 1.00 (0) 1.00 (0)
Male gender - 1.18 (.16551444) 1.18 (.16551444)
HAZ <-2 - 1.30 (.26236426) 1.30 (.26236426)
Mother Age
  ≤ 24 - 4.96 (1.6014057) 1.24 (.21511138)
  25 - 28 - 1.17 (.15700375) 1.17 (.15700375)
  29 - 32 - 1.04 (.03922071) 1.07 (.06765865)
  33+ - 1.00 (0) 1.00 (0)
Mother’s Educatuin (years)
  0 - 1.62 (.48242615) 1.42 (.35065687
  1-6 - 1.44 (.36464311) 1.38 (.3220835)
  7-9 - 1.23 (.20701417) 1.20 (.18232156)
  10+ - 1.00 (0) 1.00 (0)
Weekly per capita household - - 0.99 (-.01005034
expenditure (US $)
Confidence Interval 95%
Odds Ratio (Coefficient Regression)
HAZ, height for age Z score

3. Can you add descriptive presentations of this findings in the form of graphs?
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 5

Penyajian deskriptif berupa grafik dari regresi

model kasus diare
Logistic Regression Model of Current Diarrhea Logistic Regression Model of Mother Age

Logistic Regression Model Logistic Regression Model

of Current Diarrhea of Mother Age
1.35 Model 1 Model 2 Model 3
1.33
2.00
1.30

1.25 1.23
1.21 1.18
1.17
1.22 1.07
1.06 1.00
1.00
1.20 1.00
1.20

1.15
0.00 0.00 0.00 0.00
0.00
1.10 ≤ 24 25-28 29-32 33+
Model 1 Model 2 Model 3 Mother age

Logistic Regression Model of Child Age Logistic Regression Model of Mother’s Education
Category (Months) (Years)

Logistic Regression Model Logistic Regression Model

of Child Age Category (Months) of Mother's Education (Years)
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
6.00 2.00

5.02
5.00 4.79

4.00 1.23
1.21 1.18
1.17
3.32
3.27 1.07
1.06
1.00
1.00
3.00 1.00

2.07
2.03
2.00
1.33
1.32
1.00
1.00
1.00

0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

0.00 0.00
6-11 12-23 24-35 36-47 48-59 ≤ 24 25-28 29-32 33+
Child age Category (months) Mother age

Logistic Regression Model of Male Gender Logistic Regression Model of Weekly per Capita
Household Expenditure (US $)
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 6

Logistic Regression Model Logistic Regression Model

of Male Gender of Weekly per capita household
1.40
expenditure (US $)
1.17 1.17 1.20
1.20
0.99
1.00
1.00
0.80
0.80

0.60 0.60

0.40 0.40

0.20 0.20
0.00 0.00 0.00
0.00 0.00
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3

Logistic Regression Model of HAZ<2

Logistic Regression Model

of HAZ < -2
1.60
1.38
1.40 1.31

1.20

1.00

0.80

0.60

0.40

0.20
0.00
0.00
Model 1 Model 2 Model 3

Penyajian deskriptif berupa grafik dari regresi

model kasus demam
Logistic Regression Model of Current Fever Logistic Regression Model of Mother Age
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 7

Logistic Regression Model Logistic Regression Model

of Current Fever Variable: Mother Age
1.65 Model Model 1 Model 2 Model 3
1.60 6.00
1.60
4.96
5.00
1.55
1.52
4.00
1.50
3.00
1.45 1.44
2.00
1.24 1.17
1.17 1.07
1.04 1.00
1.00
1.40 1.00
0.00
0.00 0.00
0.00 0.00
0.00 0.00
0.00
1.35 0.00
Model 1 Model 2 Model 3 Mother age

Logistic Regression Model of Child Age Logistic Regression Model of Mother’s Education
Category (Months) (Years)

Logistic Regression Model Logistic Regression Model

of Child Age Category (Months) of Mother's Education (Years)
Model 1 Model 2 Model 3 Model Model 1 Model 2 Model 3
6.00 6.00

4.96
4.82 4.96
5.00 5.00

4.00 4.00
3.32
3.27
3.00 3.00
2.07
2.03
2.00
2.00
1.33
1.30
1.00
1.00 1.24 1.17
1.17
1.00 1.07
1.04 1.00
1.00
1.00
0.00 0.00 0.00 0.00 0.00
0.00 0.00
0.00 0.00
0.00 0.00
0.00 0.00
0.00
6-11 12-23 24-35 36-47 48-59 0.00
Child age Category (months) Mother age

Logistic Regression Model of Male Gender Logistic Regression Model of Weekly per Capita
Household Expenditure (US $)
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 8

Logistic Regression Model Logistic Regression Model

of Male Gender of Weekly per capita household
1.40
expenditure (US $)
1.18 1.18 1.20
1.20
0.99
1.00
1.00
0.80
0.80

0.60 0.60

0.40 0.40

0.20 0.20
0.00 0.00 0.00
0.00 0.00
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3

Logistic Regression Model of HAZ<2

Logistic Regression Model

of HAZ < -2
1.40 1.30 1.30

1.20

1.00

0.80

0.60

0.40

0.20
0.00
0.00
Model 1 Model 2 Model 3
 Homework 2
framingham.dta

1. Do analysis on the prevalent chd (mi,ap,ci) for the first period of examination

Melihat variabel prevchd di periode pertama

Command: tab prevchd if period==1
Sebelum menganalisis variabel prevalent chd
(Myocardial Infarction  mi, Angina Pectoris  ap,
Coronary Insufficiency  ci) pada periode pertama, kita
perlu mengetahui data deskriptif yang terdapat pada
variebel tersebut. Di command tab kita dapat menemui
frequency pada numlabel 0 (free of coronary heart
disease) sebanyak 4,240 dan numlabel 1 (prevalent
coronary heart disease) sebanyak 194.

Command: proportion prevchd if period==1

pada command proportion kita dapat
melihat 95% confidence interval pada num
label 0 sebesar 0.9498136 - 0.9618891
dan 1 sebesar 0.0381109 - 0.0501864.
CI pada numlabel 1 lebih bermakna daripada
0 karena CI 0 hampir mendekati 1.

2. Which variables are determining the prevalent of chd?

Melihat variabel yang menentukan prevchd di periode pertama
Command: logit prevchd sex totchol age sysbp bmi bpmeds if period==1
Hasil identifikasi pada periode pertama,
terdapat beberapa variabel yang tidak dapat
didapatkan disebabkan hanya terlihat pada
seluruh periode, variabel tersebut adalah
diabp, diabetes dan hdlc.
Disamping merupakan 6 variabel yang akan
kita lihat manakah yang merupakan penentu
dari prevchd berdasarkan coef regression.
Interpretasi:
Tampak jumlah pengamatan yaitu 4,304.
Uji rasio likelihood menghasilkan statistik
penguji sebesar 212.61 yang berdistribusi
chi-kuadrat dengan derajat bebas 6.
Nilai p = 0.0000 dimana terdapat pengaruh
dari variabel independen terhadap dependen.
Pada variabel sex, nilai p menunjukkan
adanya signifikansi. Coefficient regression
menunjukkan penurunan -1.024699 pada prevchd pada peningkatan 1unit sex.
Pada variabel totchol, nilai p tidak menunjukkan adanya signifikansi. Coefficient regression menunjukkan
peningkatan 0.0006649 pada prevchd pada peningkatan 1unit totchol.
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 10

Pada variabel age, nilai p menunjukkan adanya signifikansi. Coefficient regression menunjukkan
peningkatan 0.024699 pada prevchd pada peningkatan 1unit age.
Pada variabel sysbp, nilai p menunjukkan adanya signifikansi. Coefficient regression menunjukkan
peningkatan 0.0090987 pada prevchd pada peningkatan 1unit sysbp.
Pada variabel bmi, nilai p tidak menunjukkan adanya signifikansi. Coefficient regression menunjukkan
peningkatan 0.0229806 pada prevchd pada peningkatan 1unit bmi.
Pada variabel bpmeds, nilai p menunjukkan adanya signifikansi. Coefficient regression menunjukkan
peningkatan 0.7477772 pada prevchd pada peningkatan 1unit bpmeds.
Pada _cons, nilai yang diharapkan dari prevchd sebesar -9.434738 saat seluruh variabel nilainya 0.

Command: logit prevchd sex totchol age sysbp bmi bpmeds if period==1, or nolog
Disamping merupakan 6 variabel yang akan kita lihat manakah yang merupakan penentu dari prevchd
berdasarkan odds ratio.
Interpretasi:
Tampak jumlah pengamatan yaitu 4,304. Uji rasio likelihood menghasilkan statistik penguji sebesar
212.61 yang berdistribusi chi-kuadrat dengan derajat bebas 6.
Nilai p = 0.0000 dimana terdapat pengaruh dari variabel independen terhadap dependen.
Pada variabel sex, nilai p menunjukkan adanya signifikansi. Penurunan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio <1 yakni 0.3589046.
Pada variabel totchol, nilai p tidak menunjukkan adanya signifikansi. Peningkatan resiko prevchd
disebabkan variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.000665.
Pada variabel age, nilai p menunjukkan adanya signifikansi. Peningkatan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.112729.
Pada variabel sysbp, nilai p menunjukkan adanya signifikansi. Peningkatan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.00914.
Pada variabel bmi, nilai p tidak menunjukkan adanya signifikansi. Peningkatan resiko prevchd
disebabkan variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.023247.
Pada variabel bpmeds, nilai p menunjukkan adanya signifikansi. Peningkatan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio >1 yakni 2.1123.
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 11

Melihat variabel yang menentukan prevchd di seluruh periode

Command: logit prevchd sex totchol age sysbp diabp bmi diabetes hdlc
Hasil identifikasi pada seluruh periode,
terdapat 8 variabel yang akan kita lihat
manakah yang merupakan penentu dari
prevchd berdasarkan coef regression.
Interpretasi:
Tampak jumlah pengamatan yaitu 3,014.
Uji rasio likelihood menghasilkan statistik
penguji sebesar 196.30 yang berdistribusi
chi-kuadrat dengan derajat bebas 8.
Nilai p = 0.0000 dimana terdapat pengaruh
dari variabel independen terhadap dependen.
Pada variabel sex, nilai p menunjukkan
adanya signifikansi. Coefficient regression
menunjukkan penurunan -0.6604503 pada
prevchd pada peningkatan 1unit sex.
Pada variabel totchol, nilai p menunjukkan
adanya signifikansi. Coefficient regression
menunjukkan peningkatan 0.0054995 pada prevchd pada peningkatan 1unit totchol.
Pada variabel age, nilai p menunjukkan adanya signifikansi. Coefficient regression menunjukkan
peningkatan 0.0625726 pada prevchd pada peningkatan 1unit age.
Pada variabel sysbp, nilai p menunjukkan adanya signifikansi. Coefficient regression menunjukkan
peningkatan 0.0096823 pada prevchd pada peningkatan 1unit sysbp.
Pada variabel diabp, nilai p tidak menunjukkan adanya signifikansi. Coefficient regression menunjukkan
penurunan -0.00685 pada prevchd pada peningkatan 1unit diabp.
Pada variabel bmi, nilai p tidak menunjukkan adanya signifikansi. Coefficient regression menunjukkan
peningkatan 0.0080123 pada prevchd pada peningkatan 1unit bmi.
Pada variabel diabetes, nilai p menunjukkan adanya signifikansi. Coefficient regression menunjukkan
peningkatan 0.724797 pada prevchd pada peningkatan 1unit diabetes.
Pada variabel hdlc, nilai p menunjukkan adanya signifikansi. Coefficient regression menunjukkan
penurunan -0.0193236 pada prevchd pada peningkatan 1unit hdlc.
Pada _cons, nilai yang diharapkan dari prevchd sebesar -6.532959 saat seluruh variabel nilainya 0.

Command: logit prevchd sex totchol age sysbp diabp bmi diabetes hdlc, or nolog
Disamping merupakan 8 variabel yang akan
kita lihat manakah yang merupakan penentu
dari prevchd berdasarkan odds ratio.
Interpretasi:
Tampak jumlah pengamatan yaitu 3,014.
Uji rasio likelihood menghasilkan statistik
penguji sebesar 196.30 yang berdistribusi
chi-kuadrat dengan derajat bebas 8.
Nilai p = 0.0000 dimana terdapat pengaruh
dari variabel independen terhadap dependen.
Pada variabel sex, nilai p menunjukkan
adanya signifikansi. Penurunan resiko
prevchd disebabkan variabel ini ditunjukkan
dengan Odds ratio <1 yakni 0.5166187.
Pada variabel totchol, nilai p menunjukkan adanya signifikansi. Peningkatan resiko prevchd disebabkan
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 12

variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.005515.

Pada variabel age, nilai p menunjukkan adanya signifikansi. Peningkatan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.064572.
Pada variabel sysbp, nilai p menunjukkan adanya signifikansi. Peningkatan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.009729.
Pada variabel diabp, nilai p tidak menunjukkan adanya signifikansi. Penurunan resiko prevchd
disebabkan variabel ini ditunjukkan dengan Odds ratio <1 yakni 0.9931734.
Pada variabel bmi, nilai p tidak menunjukkan adanya signifikansi. Peningkatan resiko prevchd
disebabkan variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.008045.
Pada variabel diabetes, nilai p menunjukkan adanya signifikansi. Penurunan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio >1 yakni 2.064312.
Pada variabel hdlc, nilai p menunjukkan adanya signifikansi. Peningkatan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio <1 yakni 0.0014547.

3. Do you think there are interactions among variables? Can you prove it?
Logistic regression pada variabel penentu prevchd di periode pertama
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 13

Command: logit prevchd i.sex##c.age if period==1, or nolog

Analisis interaksi antara variabel-variabel
independen dengan dependen dapat
menggunakan logit dan anova. Pada sesi
ini kita akan membahas mengenai hasil
analisis logit khususnya pada variabel sex
dan age. P>|z| menunjukkan tidak adanya
interaksi disebabkan 0.359 adalah angka
yang tidak signifikan.

Command: logit prevchd i.sex##i.bpmeds if period==1, or nolog

Pada sesi ini kita akan membahas mengenai
hasil analisis logit khususnya pada variabel
sex dan bpmeds. P>|z| menunjukkan tidak
adanya interaksi disebabkan 0.248 adalah
angka yang tidak signifikan.

Command: logit prevchd i.sex##c.sysbp if period==1, or nolog

Pada sesi ini kita akan membahas mengenai

hasil analisis logit khususnya pada variabel
sex dan sysbp. P>|z| menunjukkan adanya
interaksi disebabkan 0.000 adalah angka
yang tidak signifikan.
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 14

Anova pada variabel penentu prevchd di periode pertama

Command: anova prevchd sex##age if period==1
Analisis interaksi antara variabel-variabel
independen dengan dependen dapat
menggunakan logit dan anova. Pada sesi
ini kita akan membahas mengenai hasil
analisis anova khususnya pada variabel sex
dan age. P>|z| menunjukkan adanya interaksi
disebabkan 0.0001 adalah angka yang
signifikan.

Command: anova prevchd sex##bpmeds if period==1

Pada sesi ini kita akan membahas mengenai
hasil analisis anova khususnya pada variabel
sex dan bpmeds. P>|z| menunjukkan adanya
interaksi disebabkan 0.9029 adalah angka
yang tidak signifikan.

Command: recode sysbp (min/129.5=1 "Normal")(130/139.5=2 "Pre-Hypertension")

(140/159.5=3 "Mild Hypertension")(160/179.5=4 "Moderate Hypertension")(180/max=5
"Severe Hypertension"),gen(sysbp_g)

Command: anova prevchd sex##sysbp_g if period==1

Pada sesi ini kita akan membahas mengenai

hasil analisis anova khususnya pada variabel
sex dan sysbp. P>|z| menunjukkan tidak
adanya interaksi disebabkan 0.1994 adalah
angka yang tidak signifikan.
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 15

Logistic regression pada variabel penentu prevchd di seluruh periode

Command: logit prevchd i.sex##c.age, or nolog
Analisis interaksi antara variabel-variabel
independen dengan dependen dapat
menggunakan logit dan anova. Pada sesi
ini kita akan membahas mengenai hasil
analisis logit khususnya pada variabel sex
dan age. P>|z| menunjukkan adanya interaksi
disebabkan 0.000 adalah angka yang
signifikan.

Command: logit prevchd i.sex##c.totchol, or nolog

Pada sesi ini kita akan membahas mengenai
hasil analisis logit khususnya pada variabel
sex dan totchol. P>|z| menunjukkan tidak
adanya interaksi disebabkan 0.260 adalah
angka yang tidak signifikan.

Command: logit prevchd i.sex##c.sysbp, or nolog

Pada sesi ini kita akan membahas mengenai

hasil analisis logit khususnya pada variabel
sex dan sysbp. P>|z| menunjukkan adanya
interaksi disebabkan 0.000 adalah angka
yang signifikan.
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 16

Command: logit prevchd i.sex##i.diabetes, or nolog

Pada sesi ini kita akan membahas mengenai
hasil analisis logit khususnya pada variabel
sex dan diabetes. P>|z| menunjukkan tidak
adanya interaksi disebabkan 0.083 adalah
angka yang tidak signifikan.

Command: logit prevchd i.sex##c.hdlc, or nolog

Pada sesi ini kita akan membahas mengenai
hasil analisis logit khususnya pada variabel
sex dan hdlc. P>|z| menunjukkan tidak
adanya interaksi disebabkan 0.197 adalah
angka yang tidak signifikan.

Anova pada variabel penentu prevchd di seluruh periode

Command: anova prevchd sex##age
Analisis interaksi antara variabel-variabel
independen dengan dependen dapat
menggunakan logit dan anova. Pada sesi
ini kita akan membahas mengenai hasil
analisis anova khususnya pada variabel sex
dan age. P>|z| menunjukkan adanya interaksi
disebabkan 0.0084 adalah angka yang
signifikan.

Command: anova prevchd sex##totchol

Pada sesi ini kita akan membahas mengenai
hasil analisis anova khususnya pada variabel
sex dan totchol. P>|z| menunjukkan tidak
adanya interaksi disebabkan 0.3578 adalah
angka yang tidak signifikan.
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 17

Command: anova prevchd sex##sysbp_g

Pada sesi ini kita akan membahas mengenai
hasil analisis anova khususnya pada variabel
sex dan sysbp. P>|z| menunjukkan adanya
interaksi disebabkan 0.0157 adalah angka
yang signifikan.

Command: anova prevchd sex##diabetes

Pada sesi ini kita akan membahas mengenai
hasil analisis anova khususnya pada variabel
sex dan age. P>|z| menunjukkan adanya
interaksi disebabkan 0.0002 adalah angka
yang signifikan.

Command: anova prevchd sex##hdlc

Pada sesi ini kita akan membahas mengenai

hasil analisis anova khususnya pada variabel
sex dan hdlc. P>|z| menunjukkan tidak
adanya interaksi disebabkan 0.7336 adalah
angka yang tidak signifikan.

4. Do similar analysis for the prevalent of stroke but consider the low prevalent.

Melihat prevstrk terendah di setiap periode

Command: tab prevstrk if period==1
Di command tab periode 1 kita dapat menemui
frequency pada numlabel 0 (free of stroke) sebanyak
4,402 dan numlabel 1 (prevalent stroke) sebanyak 32.
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 18

Periode ini adalah angka prevalensi terkecil sehingga kedepanakankita analisis lebih lanjut.

Command: tab prevstrk if period==2

Di command tab periode 2 kita dapat menemui
frequency pada numlabel 0 (free of stroke) sebanyak
3,879 dan numlabel 1 (prevalent stroke) sebanyak 51.

Command: tab prevstrk if period==3

Di command tab periode 3 kita dapat menemui
frequency pada numlabel 0 (free of stroke) sebanyak
3,194 dan numlabel 1 (prevalent stroke) sebanyak 69.

Command: proportion prevstrk if period==1

pada command proportion kita dapat
melihat 95% confidence interval pada num
label 0 sebesar 0.9898115 - 0.9948924
dan 1 sebesar 0.0051076 - 0.0101885.
CI pada numlabel 1 lebih bermakna daripada
0 karena CI 0 hampir mendekati 1.

Logistic regression pada variabel penentu prevstrk di periode pertama

Command: logit prevstrk sex totchol
age sysbp bmi glucose educ if
period==1, or nolog
disamping merupakan 7 variabel yang akan
kita lihat manakah yang merupakan penentu
dari prevchd berdasarkan odds ratio.
Interpretasi:
Tampak jumlah pengamatan yaitu 3,910.
Uji rasio likelihood menghasilkan statistik
penguji sebesar 30.12 yang berdistribusi
 T u g a s I n d i v i d u B i o s t a ti s ti k a | 19

chi-kuadrat dengan derajat bebas 7.

Nilai p = 0.0001 dimana terdapat pengaruh dari variabel independen terhadap dependen.
Pada variabel sex, totchol, bmi dan glucose, nilai p menunjukkan tidak adanya signifikansi.
Pada variabel age, nilai p menunjukkan adanya signifikansi. Peningkatan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.062005.
Pada variabel sysbp, nilai p menunjukkan adanya signifikansi. Peningkatan resiko prevchd disebabkan
variabel ini ditunjukkan dengan Odds ratio >1 yakni 1.021006.

Command: logit prevstrk i.sex##c.sysbp if period==1, or nolog

Pada sesi ini kita akan membahas mengenai
hasil analisis logit khususnya pada variabel
sex dan sysbp. P>|z| menunjukkan tidak
adanya interaksi disebabkan 0.543 adalah
angka yang tidak signifikan.

5. Report IRR for your analysis

Incidence rate prevchd dan prevstrk pada seluruh peiode
Command: ir death prevchd timechd
Berikut merupakan hasil analisis prevalent of
coronary heart disease
Interpretasi:
Incidence Rate Ratio sebesar 15.69127
95% CI melewati angka 1 yakni 14.27681
– 17.21908.
Nilai p = 0.0000 dimana terdapat pengaruh
dari variabel independen terhadap dependen.

Command: ir death prevstrk timestrk

Berikut merupakan hasil analisis prevalent of

stroke
Interpretasi:
Incidence Rate Ratio sebesar 14.03754
95% CI melewati angka 1 yakni 11.52364
– 16.94679.
Nilai p = 0.0000 dimana terdapat pengaruh
dari variabel independen terhadap dependen.
T u g a s I n d i v i d u B i o s t a ti s ti k a | 20