Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

REGRESI LOGISTIK DEWI GAYATRI, M.Kes.. Buatlah model regresi logistik berdasarkan hasil diatas. Hitunglah OR adjusted dari masing-masing variabel dependen.

Presentasi serupa


Presentasi berjudul: "REGRESI LOGISTIK DEWI GAYATRI, M.Kes.. Buatlah model regresi logistik berdasarkan hasil diatas. Hitunglah OR adjusted dari masing-masing variabel dependen."— Transcript presentasi:

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 + ß 1 X 1 Regresi logistik berganda Z = α + ß 1 X 1 + ß 2 X 2 + … + ß 1 X 1 f (z) = 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 0∞∞ Logistic function 1/2 1 f (z) = 1 + e –z

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

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

9 Bila….. α= -3,911 ß = katekolamin = 0,652 Maka modelnya adalah Z= α + ß 1 X 1 PJK = -3, ,652 katekolamin

10 Fungsi logistik 1 f (z) = 1 + e –z Bila katekolamin tinggi maka peluang individu untuk mengalami PJK adalah 4% 1 P PJK = = 0,037 = 4% 1 + e –(-3,911+0,652.1) Bila katekolamin rendah maka peluang individu untuk mengalami PJK adalah 2% 1 P PJK = = 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 X 1 : Tingkat Katekolamin: 1: kat. Tinggi 0: Kat. Rendah X 2 : Umur: dinyatakan dalam tahun X 3 : ECG: 1: abnormal 0: normal

13 Persamaan Z = α + ß katekolamin + ß umur + ß ECG Misal α = -3,911 ß katekolamin = 0,652 ß umur = 0,029 ß ECG = 0,342 Z PJK = -3, ,652 Katekolamin + 0,029 umur + 0,342 ECG

14 Bila diketahui Katekolamin: 1, umur = 40, dan ECG=0 Maka P 1(X) = 0,1090=11% Bila diketahui Katekolamin: 0, umur = 40, dan ECG=0 Maka P 0(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 P 1(X) = 0,1090 = 1,8167 P 0(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, ,96. 0,487) 0,74; 4,98 H 0 gagal ditolak 0,741,924,98


Download ppt "REGRESI LOGISTIK DEWI GAYATRI, M.Kes.. Buatlah model regresi logistik berdasarkan hasil diatas. Hitunglah OR adjusted dari masing-masing variabel dependen."

Presentasi serupa


Iklan oleh Google