REGRESI LOGISTIK

Suatu metode statistika yang dapat digunakan untuk mengetahui hubungan antara peubah respon dan beberapa peubah penjelas adalah regresi linear. Dalam regresi linear klasik, peubah respon harus bersifat kuantitatif dengan skala pengukuran minimal adalah interval dan peubah penjelas adalah fixed. Peubah respon juga diasumsikan berdistribusi normal dan mempunyai ragam yang homogen.

Bila peubah respon bukan lagi peubah kuantitatif melainkan berupa peubah kategorik yang hanya terdiri dari beberapa nilai maka regresi linear klasik tidak dapat digunakan. Adapun model regresi yang sering digunakan untuk menganalisis peubah respon berskala biner adalah REGRESI LOGISTIK.

Model regresi logistik termasuk dalam model linear terampat (Generalized Linear Models/GLM). GLM merupakan suatu metode yang dapat digunakan untuk memecahkan masalah peubah respon tidak lagi kontinu melainkan kategorik (misalnya biner), dengan menggunakan fungsi penghubung (link function) logit tertentu sehingga diperoleh suatu model yang mampu menganalisa hubungan antara peubah respon kategorik dengan satu atau beberapa peubah penjelas.

Contoh Aplikasi
Ingin diketahui faktor-faktor yang mempengaruhi resiko ibu melahirkan bayi dengan berat kurang normal/ dibawah standar (bblr/berat bayi lahir rendah). Ada 4 faktor yang dicurigai menyebabkan berat bayi lahir rendah, yaitu: 1. Usia Ibu, 2. Berat ibu hamil, 3. Hipirtensi dan 4. Anemia

Angka di kolom sig menunjukan signifikan atau tidak pengaruh sebuah variabel, sebuah variabel berpengaruh terhadap Berat Bayi Lahir Rendah (BBLR) jika nilainya < 0.05. Terlihat bahwa yang berpengaruh signifikan terhadap BBLR adalah Anemia.

Kolom Exp (B) menunjukan nilai Odd Rasio (OR) yang menjelaskan bentuk pengaruh dari variabel Independen terhadap variabel Dependen. Nilai 14.819 menunjukan bahwa ibu yang anemia lebih beresiko 14.819 kali melahirkan anak yang Berat Bayi Lahir Rendah (BBLR) jika dibandingkan dengan ibu yang tidak anamia.

Artikel HATI-HATI DLM ANALISA REGRESI LOGISTIK Klik