1 / 18

REGRESI LOGISTIK

REGRESI LOGISTIK. DEWI GAYATRI, M.Kes. Buatlah model regresi logistik berdasarkan hasil diatas. Hitunglah OR adjusted dari masing-masing variabel dependen diatas Estimiasilah OR dari masing-masing variabel dependen. MODEL LOGISTIK. Regresi logistik sederhana Z= α + ß 1 X 1

loyal
Télécharger la présentation

REGRESI LOGISTIK

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. REGRESI LOGISTIK DEWI GAYATRI, M.Kes.

  2. Buatlah model regresi logistik berdasarkan hasil diatas. Hitunglah OR adjusted dari masing-masing variabel dependen diatas Estimiasilah OR dari masing-masing variabel dependen

  3. MODEL LOGISTIK Regresi logistik sederhana Z=α + ß1X1 Regresi logistik berganda Z = α + ß1X1 + ß2X2 + … + ß1X1 f (z) = 1 1 + e – (α + ß1X1 + ß2X2 + … + ß1X1 )

  4. Diskusikalnlah dalam kelompok Penggunaan regresi linier dan regresi logistik Jelaskanlah rumus fungsi logistik Bagaimanakah bentuk model regresi logistik sederhana dengan berganda

  5. PENGGUNAAN Apabila variabel outcome binary/dikotomus Contoh: 0 : bila outcome tak terjadi, misal: tidak sakit 1 : bila outcome terjadi, misal: sakit

  6. Grafik dari f(z) Bentuk S mencerminkan efek satu atau lebih faktor risiko dalam menyebabkan suatu penyakit Logistic function 1 f (z) = 1 + e –z 1/2 ∞ 0 ∞

  7. Fungsi logistik 1 f (z) = 1 + e –z Nilai z berkisar antara – ∞ dan +∞ 1 1 f (– ∞)= = = 0 1 + e –(∞) 1 + e∞ 1 1 f (+∞)= = = 0 1 + e –(+∞) 1 + e -∞

  8. Model regresi logistik sederhana Regresi logistik sederhana Z=α + ß1X1 MIsal: Y : 1 : PJK (Penyakit Jantung Koroner) 0 : Non OJK X1: Tingkat katekolamin: 1 : Kat. Tinggi 0 : Kat. Rendah

  9. Bila….. α= -3,911 ß = katekolamin = 0,652 Maka modelnya adalah Z= α + ß1X1 PJK = -3,911 + 0,652 katekolamin

  10. Fungsi logistik 1 f (z) = 1 + e –z Bila katekolamin tinggi maka peluang individu untuk mengalami PJK adalah 4% 1 PPJK = = 0,037 = 4% 1 + e –(-3,911+0,652.1) Bila katekolamin rendah maka peluang individu untuk mengalami PJK adalah 2% 1 PPJK == 0,01962 = 2% 1 + e –(-3,911+0,652.0)

  11. Lanjutan OR ECG = e ß ECG = e 0,342 = 1,41 OR Umur= e ß umur = e 0,029 = 1,03 OR setiap umur meningkat 10 th=e 10(ß umur) = e 10(0,029) = 1,34 Estimasi OR: e (ß+z ½.seß) Kisaran nilai OR 0-~ dimana kurang dari 1 merupakan faktor penghambat/pencegah sedangkan lebih dari 1 merupakan faktor risiko

  12. Misal: Y:1: PJK (Penyakit Jantung Koroner) 0: Non PJK X1: Tingkat Katekolamin: 1: kat. Tinggi 0: Kat. Rendah X2: Umur: dinyatakan dalam tahun X3: ECG: 1: abnormal 0: normal

  13. Persamaan Z = α + ßkatekolamin + ßumur + ßECG Misal α = -3,911 ßkatekolamin = 0,652 ßumur = 0,029 ßECG = 0,342 ZPJK = -3,911 + 0,652 Katekolamin + 0,029 umur + 0,342 ECG

  14. Bila diketahui Katekolamin: 1, umur = 40, dan ECG=0 Maka P1(X)= 0,1090=11% Bila diketahui Katekolamin: 0, umur = 40, dan ECG=0 Maka P0(X)= 0,06=6% Interpretasi Individu dengan kadar katekolamin tinggi memiliki risiko PJK sebesar 11% sedangkan individu dengan kadar katekolamin rendah memiliki risiko PJK sebesar 6% selama dalam periode follw up (umur 40 tahun dan ECG-nya normal)

  15. Alokasi RR (Risiko Relatif) untuk desain Kohor P1(X)= 0,1090 = 1,8167 P0(X)= 0,0600 OR (Odds Ratio) OR katekolamin = e ßkatekolamin = e 0,652 = 1,919 = 1,92 Interpretasi: Risiko orang/individu dengan katekolamin tinggi untuk terjadi PJK sebesar 1,92 kali dibanding individu dengan katekolamin rendah pada umur dan ECG yang sama/setelah dikontrol oleh umur dan ECG

  16. Fungsi Logistik 1 f(z) = 1 + e –(α+ß1X1+ß2X2+…..+ß1X1) 1 F(z) = 1 + e –(- 3,911+0,652 katekolamin + 1,029 umur + 0,342 ECG)

  17. 1,92 : kat. Tinggi f. risiko 1 kat. Rendah 1 : kat. Tinggi f. proteksi = 0,52 1,92 kat. Rendah Ind. Yang memiliki kat. Rendah mencegah untuk terkena PJK seb. 0,52 x dibandingkan dengan ind. Yang memiliki kat. tinggi

  18. ß katekolamin = 0,652 Se ß = 0,487 Estimasi OR 95% CI e (ß+z ½ α.SE) e (0,652 + 1,96. 0,487) 0,74; 4,98 H0 gagal ditolak 0,74 1,92 4,98

More Related