Aplikasi Regresi Logistik

Praktikum Biostatistik Lanjut ISabtu, 20 Desember 2008

Model PrediksiTujuan: u/ mengetahui faktor-faktor yg berhubungan terhadap kinerja petugas UKGSCakupan SD UKGSCakupan sikat gigiCakupan selektifFrekuensi pembinaanUmur Masa kerjaSexPendidikanKinerja PetugasUKGS

Data

TahapanTahap 1: seleksi kandidat variabel independen (p0,250)Katagorik x2 Numerik pemeriksaan linieritas OR kuartilNumerik uji tTahap 2: regresi logistik gandaMetode estimasi: enterSecara bertahap dg signifikan parsial

Pemeriksaan Linieritas OR KuartilBila terdapat variabel independen dg tipe numerik (scr substansi tdk diperoleh nilai cut-off untuk mengelompokkan) Tujuan: mempermudah interpretasi OR hasil regresi logistikBila OR kuartil yg dihasilkan membentuk linier maka disarankan untuk tetap numerik, namun jika tidak menunjukkan linier mk disarankan untuk dikelompokkan.

Pemeriksaan Linieritas OR KuartilCarilah nilai statistik kuartil 1, 2 & 3 dr variabel numerikBuatlah variabel baru yg dikelompokkan bdskn nilai kuartil tsbLakukan regresi logistik sederhana variabel baru tsb terhdp variabel dependenBuatlah grafil line dg menggunakan OR yg dihasilkan regresi logistik tsb

1. Deskripsi kuartilContoh: umur & masa kerja

hilangkan tanda pd Display frequency tables klik button Statistics klik pd kotak Quartiles Continue OKPindahkan variabel numerik pd kotak Variable(s)

1. Deskripsi KuartilHasil output:

Umur 1:

2. Buat Variabel BaruPindahkan variabel UMUR tuliskan nama baru UMUR4 klik Change & klikOld and New Values tuliskan nilai kuartil & klik add Continue OK

3. Regresi Logistik SederhanaPindahkn variabel dependen k kotak Dependent & variabel baru pd kotak Covariate kilik CategoricalPindahkan VAR BARU ke kotak Categorical Covariates pilih FIRST klik button Change

3. Regresi Logistik SederhanaPada SPSS, yg harus diperhatikan adalah KODE, baik variabel DEPENDEN maupn INDEPENDEN.Kode sebaiknya konsisten atau jika kode Y (1 & 0) maka kode pd X sebaiknya menyertai.Contoh: Y=kejadian diare (1=ya, 0=tidak)X=cuci tangan dg sabun (1=tidak, 0=ya)Pada menu regresi logistik dihasilkan OR atau rasio odd X=1 terhadap X=0 untuk kejadian Y=1 Perhatikan kode pd X untuk pembanding indikator refference pd menu Categorical

3b. Hasil Regresi Logistik SederhanaTabel Categorical Variables Codings pembentukan variabel DUMMY untuk UMUR4UMUR(1) kelompok umur=2 dibandingkan umur=1UMUR(1) kelompok umur=3 dibandingkan umur=1UMUR(1) kelompok umur=4 dibandingkan umur=1 Tabel Variables in the Equation OR pd DUMMY UMUR4

4. Grafik GarisCopy tabel Variables in the EquationBuka prog EXCEL paste special & text OK

4. Grafik GarisBlok ketiga nilai OR klik Chart Wizard pilih LINE Next OKGrafik Line adanya patahan OR (tidak linier) UMUR4 tidak bisa NUMERIK tp KATEGORIK

Pemeriksaan Linieritas OR KuartilOR kuartal tdk menunjukkan adanya linieritas maka VAR NUMERIK dikelompokkanTetap 4 kelompok sesuai kuartal,atau dikelompokkan menjadi lebih sedikitUMUR dg 3 kelompokKelompok 1=kuartal 1; kelompok 2=kuartal 2 & 3; kelompok 3=kuartal4 Untuk lanjut pada seleksi indep var gunakan UMUR4 & MSKERJA4

Seleksi Kandidat Independen VarScreaning dg batasan p0,250Teknik Chi-SquarePendekatan bivariat antar variabel katagorik & proses belajarUji t bila independen numerikDianjurkan untuk regresi logistik sederhana pd penelitian anda

Chi-SquarePada SPSS: Analyze-Descriptive Statistics-CrosstabsPindahkan DEPENDEN pd kotak COLUMN & seluruh INDEPENDEN pd kotak ROW.Klik button STATISTICS klik CHI-SQUARE CONTINUE OK

Output Chi-SquarePerhatikan catatan kaki pd tabel CHI-SQUARE TESTS

Uji tPindahkan variabel independen numerik pd kotak Test Variable(s) & variabel dependen pd kotak Grouping Variable klik Define Groups & masukkan kode 1 0 continue & OK

Output Uji tTabel Group Statistics nilai rata-rata veriabel independen numerik antar kelompok dependen

Output Uji t Uji Homogenitas Varian Ho: varian numerik antar kelompok dependen adl homogen p> Ho gatol atau Ho diterima Kesimpuulan: Varian numerik antar kelompok dependen adl homogen Uji t (hasil berdasarkan Uji Levene)

Seleksi Kandidat Independen VarCakupan SD UKGS p=0,168 (CC)Cakupan sikat gigip=0,759 (CC)Cakupan selektifp=0,000 (CC)Frekuensi pembinaanp=0,026 (CC)Umurp=0,103 (homogen)Masa kerjap=0,806 (homogen)Sexp=0,000 (CC)Pendidikanp=0,034 (CC)

Regresi Logistik GandaKandidat variabel independen (p0,250): Cakupan SD UKGS, Cakupan selektif, Frekuensi pembinaan, Umur, Sex, Pendidikan.Regresi Logistik keenam var independen tsb terhadap KINERJA2.Estimasi EnterPengeluaran dg sign parsial >0,100 & scr bertahap, dimulai dg sign terbesar

Regresi Logistik GandaPd SPSS: Analyze-Regression-Binary LogisticPindahkan variabel DEPENDEN k kotak Dependent & KANDIDAT k kotak Covariate Method: ENTERkilik Categorical

Regresi Logistik GandaPd button CATEGORICAL:Pindahkan KANDIDAT KATEGORIK ke kotak Categorical Covariates pilih FIRST klik button Change Continue OKPerhatikan kode & pembanding yg akan digunakan pd value label

Regresi Logistik GandaHasil model1 tidak menhasilkan model yg baik shg dicoba untuk mengeluarkan Cakupan selektifTabel

Analyze Regression Binary logisticKeluarkan Cakupan selektif OKTabel disamping menujukkan risiko + dan (sbg pembanding)

Regresi Logistik GandaHasil model2 Output (Block 1)Model dg 5 kandidat signifikan Kemampuan prediksi= 67,4%Masih ada kandidat yg memiliki signifikan parsial >0,100 masa kerja & pendidikanMasa kerja ada dummy 1 & 2

Regresi Logistik GandaLanjutan: (model3)Analyze Regression Binary LogisticPendidikan dikeluarkan klik button OPTIONKlik CI for exp(B) selang estimasi OR

Regresi Logistik GandaHasil model 4Signifikan model = 0,000Kemampuan prediksi=72,1% (> dibandingkan model seblmnya)Signifikan parsial masihada >0,100tp pd dummy

Interpretasi Regresi logistikPerhatikan signifikan model pd tabel Omnibus Tests of Model Coefficients sig bila p0,10 maka variabel tsb tetap dalam modelPerhatikan kemampuan prediksi model pd tabel Classification Table (Overall Percentage)

Interpretasi Regresi logistikPersamaan Logit pd tabel Variable in the Equation:Logit (kinerja=baik)= -2,168 +1,595*caksdgr +2,093*binagrp -1,429*mskerja4(1) -0,449*mskerja4(2) -0,615*mskerja4(3) +2,132*sexRR pd frekuensi pembinaan 2x/th dibandingkan

Interpretasi Regresi logistikOR & estimasi selang pd tabel Variable in the Equation:OR pd frekuensi pembinaan 2x/th dibandingkan

Uji InteraksiHeterogenitas efek dari suatu paparan terhadap outcomeInteraksi disebut juga modifikasi efekAsumsi: bila efek x terhadap y tergantung nilai z (varibel independen lain)Uji hipotesis koefisien var. multiplikasiHo = 3 = 0 Bila P value hasil uji wald < alphaMaka disimpulkan interaksi ada

Uji InteraksiTentukan variabel yang secara substansif berinteraksiMasukkan dalam model regresiLihat p-value uji model tsbbila p-value < 0.05 - ada interaksi

Uji KonfoundingKonfounding suatu distorsi dalam menaksir pengaruh paparan terhadap penyakit sebagai akibat tercampurnya pengaruh sebuah atau beberapa variabel luar Variabel luar (extranous variabel) konfounderAsumsi: Secara substantif variabel tsb berhubungan dengan pajanan dan penyakit Pertimbangan statistik atas adanya hubungan variabel dengan Pajanan dan penyakit

Uji KonfoundingTahapan:Hitung taksiran kasar (crude estimate) efek pajanan thd outcomeHitung taksiran efek pajanan thd penyakit setelah mengontrol variabel luar yang diduga sbg konfounder (adjusted estimate)Bandingkan kedua taksiran, identifikasi beda kedua taksiranIdentifikasi konfounding dgn melihat ukuran selisih/beda kedua taksiran yaitu nilai beda > 10 %.

Uji Interaksi & KonfoundingAsumsi interaksi & konfounding setelah diperoleh model fitInteraksi antara cakupan SD UKGS & frekuensi pembinaanKonfounding: sexSex

Uji InteraksiSPSS:

Uji KonfoundingPerhitungan rasio ORRatio OR = ORcrude ORadjs ORadjsORcaksdukgs = 4,172 4,460 * 100% = 6,46%4,460ORpembinaan= 5,337 - 8,563 * 100% = 37,67%8,563Bila rasio OR 10% konfounding

KesimpulanFaktor-faktor yg berhubungan terhdp Kinerja baik adalah cakupan SD UKGS, frekuensi pembinaan & jenis kelamin petugas.Model di atas fit dg p=0,000 (omnibus table) & signifikan parsial

KesimpulanPersamaan model:Logit(Y|kinerja baik) = -3,059 + 1,495*caksd + 2,147*binaan + 2,190*sexModel tidak menunjukkan adanya interaksi antara cakupan SD UKGS dg Frekuensi PembinaanVariabel sex merupakan konfounderInterpretasi OR:Cakupan SD UKGS 80% berpeluang untuk petugas dg kinerja baik sebesar 4,46x (CI: 1,26-15,77) lebih dibandingkan Cakupan SD UKGS

KesimpulanFrekuensi pembinaan 2x/th berpeluang untuk petugas dg kinerja baik sebesar 8,56x (CI: 2,39-30,63) lebih dibandingkan Frekuensi pembinaan