uji or dan regresi logistik sederhana

Uji OR dan Regresi Logistik Sederhana

Pada kesempatan ini, kita akan mencoba melakukan analisa data pada penelitian case

control study dimana analisis univariat menggunakan nilai odds ratio dan analisis

multivariat menggunakan Regresi Logistik Sederhana. Untuk file latihannya, silahkan di

download dulu file latihannya pada link yang saya sediakan supaya ada keseragaman.

Moon maaf, file latihannya tidak dapat saya muat dalam postingan antarmuka karena

terlalu besar datanya dimana jumlah sampel yang digunakan adalah 129 sampel

berdasarkan hasil perhitungan besar sampel pada penelitian case control study dengan

perbandingan kasus dan kontrol adalah 1 : 2 yaitu 1 sampel pada kasus dan 2 sampel pada

kontrol. Ok, kita lanjut langkah-langkah analisis datanya menggunakan program IBM

SPSS v20. Yang belum punya silahkan download terlebih dahulu.

Data yang saya buat berdasarkan hasil temuan lapangan dan bukan rekayasa karena

merupakan data pada penelitian tentang analisis faktor yang berisiko terhadap kematian

neonatal.

Download file latihan OR dan Regresi Logistik Sederhana

Download IBM SPSS v20

Sudah download file latihannya kan. Berikut adalah langkah2 analisis datanya

menggunakan SPSS

Langkah 1 ; Entri Data 1. Open aplikasi progam SPSS

2. Pertama-tama kita akan membuat susunan variabel pada jendela variabel view di SPSS

tampilan awal jendela data view (masih kosong)

Susunan variabelnya adalah sama tampilannya pada file yang telah didownload dan

dibuka di excel. Namun sebelumnya adalah kita harus mendeskripsikan variabel tersebut

pada aplikasi SPSS. Berikut adalah penjelasan dari tiap variabelnya.

Variabel pertama : Nama : Sts

Type : Numeric

Width : default

Decimals : 0 (Nol)

https://docs.google.com/open?id=0B7SXToSRuczeeEY3S0g2emxjbDg

http://lentera-pena.blogspot.com/2012/05/download-ibm-spss-20-full.html

http://2.bp.blogspot.com/-ac-GJaqukHU/T7gHqVFwbuI/AAAAAAAAAYE/AXUMI3PE6H8/s1600/2.PNG

http://2.bp.blogspot.com/-ac-GJaqukHU/T7gHqVFwbuI/AAAAAAAAAYE/AXUMI3PE6H8/s1600/2.PNG

Label : Status Kematian Neonatal

Values : 1 = Mati, 2 = Hidup atau 1 = Kasus, 2 = Kontrol

Missing ; none

Columns ; default

Align ; default

Measure ; ordinal

Role ; default

Variabel kedua : Nama : Asfi

Type : Numeric

Width : default

Decimals ; 0 (Nol)

Label : Asfiksia neonatorum

Values ; 1 = APGAR < 7, 2 = APGAR 7 ke atas

Missing ; none

Columns ; default

Align ; default

Measure ; ordinal

Role ; default

Variabel ketiga : Nama : BL

Type : numeric

Width ; default

Decimals ; 0

Label : Berat Lahir

Values ; 1 = BBLR, 2 = Normal

Missing ; none

Columns ; default

Align ; default

Measure ; ordinal

Role ; default

Variabel keempat : Nama ; Umr

Type ; numeric

Width ;default

Decimals ; 0

Label ; Umur ibu

Values; 1 = <20 dan >35 th, 2 = 20 - 35 th

Missing ; none

Columns ; default

Align ; default

Measure ; ordinal

Role ; default

Variabel kelima : Nama : Par

Type : numeric

Width ; default

Decimals ; 0

Label : Paritas

Values ; 1 = >2x, 2 = Max 2x

Missing ; none

Columns ; default

Align ; default

Measure ; ordinal

Role ; default

Variabel keenam : Nama ; ANC

Type ; numeric

Width ; default

Decimals ; 0

Label ; Pelayanan Antenatal

Values ; 1 = Tdk teratur, 2 = Teratur

Missing ; none

Columns ; default

Align ; default

Measure ; scale

Role ; default

Tampilan data variabelnya di SPSS adalah sebagai berikut.

tampilan variabel pada jendela variabel view

3. Masuk ke jendela Data View sehingga pada tabel menu bagian kolom terlihat nama-

nama variabel yang telah dibuat, seperti berikut

http://4.bp.blogspot.com/-zcdZ85sAuO0/T7hP70IenZI/AAAAAAAAAYY/s5N53i62SHs/s1600/1.PNG

http://4.bp.blogspot.com/-zcdZ85sAuO0/T7hP70IenZI/AAAAAAAAAYY/s5N53i62SHs/s1600/1.PNG

tampilan varibel pada jendela Variabel view

4. Buka file latihan yang telah di download menggunakan excel atau program sejenisnya

tampilan dan blok data di excel

5. Masukkan data yang telah di download dengan cara meng copy kolom datanya tidak

termasuk nama variabel dan kolom nomor di excel. Jadi di blok datanya kemudian paste

ke dalam jendela data view sesuai urutannya dimulai dari kolom Sts baris 1. Hasilnya

seperti ini

http://3.bp.blogspot.com/-1TOnuP4EbQY/T7hRRuUifGI/AAAAAAAAAYg/xdgsUuCO99w/s1600/2.PNG

http://1.bp.blogspot.com/-vfKbb5acc5U/T7hRoSOKUUI/AAAAAAAAAYo/D1iynbFXTDg/s1600/3.PNG

http://3.bp.blogspot.com/-1TOnuP4EbQY/T7hRRuUifGI/AAAAAAAAAYg/xdgsUuCO99w/s1600/2.PNG

http://1.bp.blogspot.com/-vfKbb5acc5U/T7hRoSOKUUI/AAAAAAAAAYo/D1iynbFXTDg/s1600/3.PNG

tampilan data yg telah di entri pada jendela Variabel view

Simpan file dengan nama Master Data.sav

Langkah 2 ; Analisis Bivariat uji OR 6. Setelah data dimasukkan, pilih menu bar Analyze -> Descriptive Statistics ->

Crosstabs.., sehingga muncul jendela Crosstabs

7. Masukkan variabel Status Kematian Neonatal pada kolom menu Columns(s) dan

variabel sisanya di kolom menu Row(s)

http://1.bp.blogspot.com/-A98SuAborOU/T7hSeH-nl3I/AAAAAAAAAYw/wdZYBrA_F-w/s1600/4.PNG

http://1.bp.blogspot.com/-A98SuAborOU/T7hSeH-nl3I/AAAAAAAAAYw/wdZYBrA_F-w/s1600/4.PNG

http://1.bp.blogspot.com/-NnwH5uK33jU/T7hVhwoElRI/AAAAAAAAAZM/rBxypOUnrk8/s1600/5.PNG

8. Pilih menu Statistics.. untuk memilih jenis analisis statistiknya sehingga muncul menu

crosstabs;statistics 9. Beri centang menu Risk lalu Continue

10. Kembali pada menu Crosstabs, lalu pilih Cells.. untuk memilih tampilan sel pada

tabel hasil analisis

11. Beri centang Observed, Expexted pada menu Counts; Row, Column, Total pada

menu Percentages. Lalu Continue

http://1.bp.blogspot.com/-5YZoesCuoDM/T7hY1_X2PaI/AAAAAAAAAZk/PS6k9XpNUaU/s1600/6.PNG

http://2.bp.blogspot.com/-XFMW8nwwYR8/T7hWZ6QEWnI/AAAAAAAAAZU/WpW1ximYcGA/s1600/8.PNG

12. Kembali ke menu Crosstabs, pilih OK

Berikut adalah hasil analisis datanya untuk uji bivariat dengan Odds Ratio (OR)

Crosstabs

Asfiksia Neonatorum * Status Kematian Neonatal

Crosstab

Status Kematian Neonatal Total

Mati Hidup

Asfiksia Neonatorum

APGAR <7

Count 38 4 42

Expected Count 14,0 28,0 42,0

% within Asfiksia Neonatorum 90,5% 9,5% 100,0%

% within Status Kematian Neonatal 88,4% 4,7% 32,6%

% of Total 29,5% 3,1% 32,6%

APGAR 7 Lebih

Count 5 82 87




% of Total 3,9% 63,6% 67,4%

Total

Count 43 86 129




% of Total 33,3% 66,7% 100,0%

http://2.bp.blogspot.com/-BqBA4qD-sOM/T7hXav13YEI/AAAAAAAAAZc/CUrh4Zr93ZI/s1600/10.PNG

Risk Estimate

Value 95% Confidence Interval

Lower Upper

Odds Ratio for Asfiksia Neonatorum (APGAR <7 / APGAR 7 Lebih)

155,800 39,594 613,059

For cohort Status Kematian Neonatal = Mati

15,743 6,684 37,077

For cohort Status Kematian Neonatal = Hidup

,101 ,040 ,257

N of Valid Cases 129

Berat Lahir * Status Kematian Neonatal

Crosstab


Mati Hidup

Berat Lahir

BBLR

Count 25 6 31


% within Berat Lahir 80,6% 19,4% 100,0%


% of Total 19,4% 4,7% 24,0%

Normal

Count 18 80 98




% of Total 14,0% 62,0% 76,0%

Total

Count 43 86 129




% of Total 33,3% 66,7% 100,0%

Risk Estimate


Lower Upper

Odds Ratio for Berat Lahir (BBLR / Normal)

18,519 6,629 51,731


4,391 2,795 6,897


,237 ,115 ,489


Umur Ibu * Status Kematian Neonatal

Crosstab


Mati Hidup

Umur Ibu

<20 dan >35 Th

Count 15 17 32


% within Umur Ibu 46,9% 53,1% 100,0%


% of Total 11,6% 13,2% 24,8%

20-35 Th

Count 28 69 97


% within Umur Ibu 28,9% 71,1% 100,0%


% of Total 21,7% 53,5% 75,2%

Total

Count 43 86 129


% within Umur Ibu 33,3% 66,7% 100,0%


% of Total 33,3% 66,7% 100,0%

Risk Estimate


Lower Upper

Odds Ratio for Umur Ibu (<20 dan >35 Th / 20-35 Th)

2,174 ,956 4,945


1,624 1,001 2,633


,747 ,527 1,059


Paritas * Status Kematian Neonatal

Crosstab


Mati Hidup

Paritas

>2x

Count 15 31 46


% within Paritas 32,6% 67,4% 100,0%


% of Total 11,6% 24,0% 35,7%

1-2x

Count 28 55 83


% within Paritas 33,7% 66,3% 100,0%


% of Total 21,7% 42,6% 64,3%

Total

Count 43 86 129


% within Paritas 33,3% 66,7% 100,0%


% of Total 33,3% 66,7% 100,0%

Risk Estimate


Lower Upper

Odds Ratio for Paritas (>2x / 1-2x)

,950 ,442 2,045


,967 ,579 1,615


1,017 ,790 1,310


Pelayanan Antenatal * Status Kematian Neonatal

Crosstab


Mati Hidup

Pelayanan Antenatal

Tdk teratur

Count 38 39 77


% within Pelayanan Antenatal 49,4% 50,6% 100,0%


% of Total 29,5% 30,2% 59,7%

Teratur

Count 5 47 52




% of Total 3,9% 36,4% 40,3%

Total

Count 43 86 129




% of Total 33,3% 66,7% 100,0%

Risk Estimate


Lower Upper

Odds Ratio for Pelayanan Antenatal (Tdk teratur / Teratur)

9,159 3,288 25,514


5,132 2,164 12,171


,560 ,442 ,711


Langkah 3 ; Analisis multivariat dengan Regresi Logistic Sederhana

13. Kembali ke file Master Data.sav, pilih Analyze -> Regressions -> Binary Logistic

sehingga muncul menu Logistic Regession

14. Pilih variabel Status Kematian Neonatal dan masukkan ke kolom Dependent:

sedangkan variabel lainnya di kolom Covariates: seperti pada tampilan berikut

15. Methode yang digunakan adalah Enter diartikan kita akan melihat pengaruh dari

masing-masing terhadap var dependen kemudian menganalisis secara bersamaan.

16. Masih di menu Logistic Regression, pilih menu Option untuk menentukan jenis

analisis multivariatnya sehingga muncul menu Logistic Regression:option

17. Beri centang Hosmer-Lemeshow goodness-of-fit, Correlations of estimates,

Iteration history, CI for exp(B) 95%, dan Include constant in model, lalu Continue

18. Kembali ke menu Logistic Regression, pilih OK

Hasil olah Regres Logistik Sederhana adalah sebagai berikut

http://4.bp.blogspot.com/-jOc48_J_LX8/T7hd4dRznCI/AAAAAAAAAaM/s6eB6pDiXNk/s1600/12.PNG

http://3.bp.blogspot.com/-8MREJGBq08k/T7he4NpV0sI/AAAAAAAAAaU/8Avzf_UPrOE/s1600/13.PNG

Logistic Regression

Case Processing Summary

Unweighted Casesa N Percent

Selected Cases

Included in Analysis 129 100,0

Missing Cases 0 ,0

Total 129 100,0 Unselected Cases 0 ,0 Total 129 100,0

a. If weight is in effect, see classification table for the total number of cases.

Dependent Variable Encoding

Original Value Internal Value

Mati 0 Hidup 1

Block 0: Beginning Block

Iteration Historya,b,c

Iteration -2 Log likelihood Coefficients

Constant

Step 0

1 164,241 ,667

2 164,221 ,693

3 164,221 ,693

a. Constant is included in the model. b. Initial -2 Log Likelihood: 164,221 c. Estimation terminated at iteration number 3 because parameter estimates changed by less than ,001.

Classification Table

a,b

Observed Predicted

Status Kematian Neonatal Percentage Correct Mati Hidup

Step 0 Status Kematian Neonatal

Mati 0 43 ,0

Hidup 0 86 100,0

Overall Percentage 66,7

a. Constant is included in the model. b. The cut value is ,500

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step 0 Constant ,693 ,187 13,773 1 ,000 2,000

Variables not in the Equation

Score df Sig.

Step 0 Variables

Asfi 91,507 1 ,000

BL 41,103 1 ,000

UMR 3,512 1 ,061

Par ,017 1 ,897

ANC 22,053 1 ,000

Overall Statistics 94,163 5 ,000

Block 1: Method = Enter

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients

Constant Asfi BL UMR Par ANC

Step 1

1 69,794 -5,656 3,001 ,666 -,120 ,035 ,198

2 58,885 -8,320 3,971 1,346 -,304 ,079 ,488

3 57,138 -9,793 4,425 1,791 -,510 ,104 ,798

4 57,022 -10,222 4,571 1,919 -,604 ,103 ,935

5 57,021 -10,257 4,585 1,929 -,614 ,102 ,950

6 57,021 -10,258 4,585 1,929 -,614 ,102 ,950

a. Method: Enter b. Constant is included in the model. c. Initial -2 Log Likelihood: 164,221 d. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1

Step 107,199 5 ,000

Block 107,199 5 ,000

Model 107,199 5 ,000

Model Summary

Step -2 Log likelihood Cox & Snell R Square

Nagelkerke R Square

1 57,021a ,564 ,784

a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.

Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 6,854 7 ,444

Contingency Table for Hosmer and Lemeshow Test

Status Kematian Neonatal = Mati Status Kematian Neonatal = Hidup Total

Observed Expected Observed Expected

Step 1

1 15 14,688 0 ,312 15

2 11 11,181 1 ,819 12

3 11 11,412 3 2,588 14

4 3 2,490 5 5,510 8

5 1 ,904 12 12,096 13

6 1 1,075 16 15,925 17

7 0 ,444 14 13,556 14

8 0 ,661 26 25,339 26

9 1 ,145 9 9,855 10

Classification Table

a

Observed Predicted

Status Kematian Neonatal Percentage Correct Mati Hidup

Step 1 Status Kematian Neonatal

Mati 38 5 88,4

Hidup 4 82 95,3

Overall Percentage 93,0

a. The cut value is ,500

Variables in the Equation

B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)

Lower Upper

Step 1a

Asfi 4,585 ,892 26,403 1 ,000 97,988 17,048 563,215

BL 1,929 ,831 5,389 1 ,020 6,882 1,350 35,073

UMR -,614 ,950 ,418 1 ,518 ,541 ,084 3,484

Par ,102 ,782 ,017 1 ,896 1,107 ,239 5,128

ANC ,950 ,891 1,138 1 ,286 2,586 ,451 14,813

Constant -10,258 2,666 14,806 1 ,000 ,000 a. Variable(s) entered on step 1: Asfi, BL, UMR, Par, ANC.

Correlation Matrix

Constant Asfi BL UMR Par ANC

Step 1

Constant 1,000 -,201 -,619 -,368 -,453 -,234

Asfi -,201 1,000 -,004 -,519 ,174 -,213

BL -,619 -,004 1,000 ,103 -,026 ,069

UMR -,368 -,519 ,103 1,000 -,042 -,014

Par -,453 ,174 -,026 -,042 1,000 -,201

ANC -,234 -,213 ,069 -,014 -,201 1,000

Sebelum download, harap tinggalkan email konfirmasi atau like di facebook atau

follow my tweet Semoga bermanfaat dan ikuti kami selalu di lentera pena.

uji or dan regresi logistik sederhana

Documents