Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PENDAHULUAN
Pada analisis regresi terdapat dua jenis variabel yaitu variabel bebas (variable
independent) dan variabel tak bebas (variable dependent). Variabel independent
adalah variabel yang nilainya dapat diamati namun tidak dapat dikendalikan,
sedangkan varibel dependent adalah variabel yang nilainya bergantung pada
variabel independent. Hubungan antara satu atau dua variabel dapat lebih mudah
dipahami dengan satu model yang disebut model regresi. Analisis regresi dapat
dikelompokkan menjadi analisis regresi linier dan regresi nonlinier. Data hasil
penelitian yang berupa data kualitatif dapat dianalisis dengan regresi nonlinier.
Salah satu model nonlinier yang dapat digunakan untuk menganalisis data kualitatif
adalah model regresi logistik. Model regresi logistik adalah model matematika
yang menggambarkan hubungan antara satu atau lebih variabel independent dengan
variabel dependent yang dikotomi yang variabelnya dianggap hanya mempunyai
dua nilai yang mungkin, yaitu 0 atau 1, dimana kondisi ini dapat diartikan
sebagai solusi atau gagal pada analisis regresi logistik univariat tunggal dan model
regresi logistik multivariat (ganda).
Dunia kedokteran belum dapat menemukan cara pasti untuk mencegah total
terjadinya segala jenis maag . Mereka berpendapat bahwa banyak orang bahkan
nyawa yang dapat diselamatkan jika ada cara efektif untuk pencegahan dini setiap
jenis maag. Dari berbagai kesulitan di atas harapan dari penelitian ini adalah
mensimulasikan penderita maag sehingga bisa diketahui pola hidup penderita maag
yang menyebabkan penyakit maag. Analisis regresi logistik digunakan untuk
analisis data respon kategorik (nominal/ ordinal) dengan variabel-variabel bebas
kontinu dan kategorik. Perbedaan nilai probabilitas pada setiap kelas akan
menghasilkan nilai odds rasio. Nilai odds rasio dapat menginformasikan besarnya
pengaruh salah satu variabel bebas terhadap terjadinya perubahan kelas. Dalam
penelitian ini adalah orang yang pernah dan tidak pernah maag.
1.2 Rumusan Masalah
1.3 Tujuan
TINJAUAN PUSTAKA
Regresi linier seperti yang kita ketahui tidak dapat menyelesaikan kasus
dimana variabel dependent bersifat dikotomi dan polikotomi (Felix Kasim. 2008)
contoh : sukses atau Gagal; terpilih atau tidak terpilih; lulus atau tidak lulus;
melakukan pembelian atau tidak; mendapat promosi atau tidak, dan lain-lain.
Regresi logistik umumnya melibatkan berbagai macam variabel prediktor baik
numerik ataupun kategorik, termasuk variabel dummy (Agresti, 1990). Pada regresi
linier, variabel prediktor yang digunakan biasanya numerik, tetapi jika kita
melibatkan campuran antara numerik maupun kategorik kita dapat menggunakan
regresi logistik.
Analisis regresi logistik adalah metode regresi yang menggambarkan
hubungan antara beberapa variabel independen (explanatory) dengan sebuah
variabel respon dikotomus atau biner. Variabel respon (Y) pada metode regresi
logistik dikatakan biner karena terdiri atas dua kategori yaitu 0 dan 1.( Buana, Indira
Swa & Mahendrawathi & Iriawan Nur, 2010: 245 )
Analisis regresi logistik biner bertujuan untuk memperoleh hubungan antara
Xi dan Pi (probabilitas kejadian yang diakibatkan oleh xi). Berapapun nilai x bila
disubtitusikan ke dalam fungsi logistik hasilnya akan berkisar antara 0 dan 1.
Regresi logistik membentuk persamaan atau fungsi dengan pendekatan
maximum likelihood, yang memaksimalkan peluang pengklasifikasian objek yang
diamati menjadi kategori yang sesuai kemudian mengubahnya menjadi koefisien
regresi yang sederhana. Dua nilai yang biasa digunakan sebagai variabel dependen
yang diprediksi adalah 0 dan 1 (ex. 1=berhasil, 0=gagal).
Regresi logistik menghasilkan rasio peluang (odds ratios) antara keberhasilan
atau kegagalan suatu dari analisis. Dapat kita contohkan dengan seorang tokoh yang
ingin menjadi presiden, akan lebih baik peluangnya jika menjadi ketua partai politik
tertentu. Disini odds ratio yang dimaksud adalah seberapa besar peluang tokoh
tersebut dengan mempertimbangkan variabel prediktor yang ada.
Regresi logistik akan membentuk variabel prediktor/respon (log (p/(1-p))
yang merupakan kombinasi linier dari variabel independen. Nilai variabel prediktor
ini kemudian ditransformasikan menjadi probabilitas dengan fungsi logit.
Asumsi-asumsi dalam regresi logistik:
Tidak mengasumsikan hubungan linier antar variabel dependen dan independent
Variabel dependen harus bersifat dikotomi (2 variabel)
Variabel independent tidak harus memiliki keragaman yang sama antar
kelompok variabel
Kategori dalam variabel independent harus terpisah satu sama lain atau bersifat
eksklusif
1. Maag ringan
Maag ringan masih tergolong tahap ringan dimana biasanya setiap orang sudah
berada di tahap ini, jika dilakukan pemeriksaan akan terlihat asam lambung berlebih
di bagian dinding.
2. Maag sedang
Maag pada tahap ini sudah menyebabkan nyeri, sakit dan mual yang
menyakitkan.
3. Maag kronis
Maag kronis adalah maag yang sudah parah intensitasnya di bandingkan maag
biasa.
4. Kanker lambung
Kanker lambung terjadi akibat mikroorganisme yang merugikan,
yaitu Helycobacter pylori. (penyebabmaag.com, 2015)
2.4 Gejala Maag
Ciri-ciri atau gejala yang biasa muncul pada sesorang yang mengalami maag:
1. Perut kembung, gejala penyakit maag yang biasanya sering muncul pada
seseorang adalah mengalami perut kembung. Perut kembung ini diakibatkan
oleh lambung yang didalamnya terdapat banyak gas.
2. Mual dan muntah, gejala yang selanjutnya sering terjadi pada penderita maag
adalah mual dan juga muntah. Jika seseorang mengalami hal seperti ini bias
jadi ini merupakan salahsatu ciri penyakit maag.
3. Perut merasakan sering lapar, jika seseorang tidak menjaga pola makan secera
teratur biasanya orang tersebut akan mudah merasakan lapar, ciri ini juga
merupakan salah satu dari penyakit maag.
4. Sering bersendawa, akibat gas yang dihasilkan lambung, seseorang menjadi
sering bersendawa. Seringnya sendawa ada kemungkinan bahwa seseorang
tersebut menderita penyakit maag.
5. Perasaan sakit pada bagian perut dan juga dada, dari banyaknya ciri-ciri sakit
maag yang biasanya muncul yang paling sering terjadi adalah penderita
merasakan rasa sakit atau perih pada bagian perut dan juga pada bagian dada.
METODE PENELITIAN
Data yang digunakan adalah data sekunder yang diperoleh dari peneliti
sebelumnya oleh Mahasiswa Pendidikan Matematika FKIP UNLAM
Banjarmasin
Analisis data pada penelitian ini menggunakan perangkat lunak SPSS versi
21. Dengan analisis data dilakukan sesuai prosedur dibawah ini:
1. Analisis deskriptif
2. Mengedintifikasi kelayakan model
3. Melakukan uji signifikan model
4. Uji simultan parameter model (Uji Likelihood Ratio)
5. Uji parsial parameter model (Uji Wald)
6. Melakukan uji kecocokan model (goodness of fit)
7. Interpretasi
8. Kesimpulan
9. Selesai
BAB IV
Tidak
26%
Ya
74%
Coefficients
2 87,163 1,147
3 87,163 1,150
4 87,163 1,150
Classification Tablea,b
Predicted
Sakit_Maag
Iteration Historya,b,c,d,e
Coefficients
Sering_Makan_P
Efek_Samping_ edas_atau_Asa
-2 Log Makan_Tidak Kurang_I Obat_obatan_Te m_atau_Minum_
Iteration likelihood Constant _Teratur Stress stirahat rtentu Kopi
Chi-square Df Sig.
Model Summary
1 5,012 6 ,542
2 ,875 4 ,928
3 ,041 2 ,980
4 ,025 2 ,988
5 ,000 0 .
Nilai AIC pada gambar diatas untuk model kedua sebesar 2877,969
sebagai perbandingan, model ini memiliki nilai AIC yang lebih kecil
dari pada model pertama pada lampiraan 14 sebesar 2884,986.
Artinya model kedua yang dibangun dengan 7 variabel prediktor ini
lebih baik dibanding model pertama yang menyertakan 4 variabel
prediktor, model lain bisa lebih baik dari model kedua jika memiliki
nilai AIC yang lebih kecil.
4.1.4 Analisis Dominan
K X1 X4 X5 X6 X9 X10 X11
4.2 Pembahasan
1.1. Kesimpulan
1.2. Saran
Agresti, A. (1990). Categorical data analysis. Canada: John Wiley and Sons,Inc
Azen, R., and Traxel N. (2009). Using dominance analysis to determine predictor
importance in logistic regression [jurnal]. Journal of Educational and Behavi
oral Statistics. 34:319347.doi: 10.3102/1076998609332754.
Bain, L. J., and Engelhardt. (1991). Modeling differential item functioning (DIF)
using multilevel logistic regression models: A Bayesian Prespective.
Univerrsity of Florida. Electronic Theses, Treatises and Dissertations
(ETDs). Paper 3939.
[BPS] Badan Pusat Statistik. (2016b). Sulteng dalam angka Provinsi Sulawesi
Tengah.
[BPS] Badan Pusat Statistik. (2016a). Persentase penduduk miskin maret 2016.
Diperoleh dari website Badan Pusat Statistik: https://www.bps.go.id/Brs/vie
w/id/1229. Diakses 20 Agustus 2016