Latihan Regresi Logistik

Slides:



Advertisements
Presentasi serupa
ANALISIS KORELASI.
Advertisements

ANALISIS DATA Dr. Adi Setiawan.
ANALISIS DATA KATEGORI
UKURAN-UKURAN ASOSIASI
Analisis Data: Memeriksa Perbedaan
ANALISIS REGRESI TERAPAN
Jenis Statistik Berdasarkan Kegunaan
Regresi dengan Respon Biner
PENDUGA REGRESI (REGRESSION ESTIMATOR)
REGRESI LOGISTIK DEWI GAYATRI, M.Kes..
REGRESI LOGISTIK Mugi Wahidin, SKM, M.Epid Prodi Kesehatan Masyarakat
Regresi Linier Berganda
KORELASI & REGRESI LINIER
REGRESI.
Case Control Study (Penelitian kasus kontrol)
REGRESI Oleh : Herry Yulistiyono, MSi.
LOGISTIC REGRESSION Logistic regression adalah regressi dengan binary untuk variabel dependen. Variabel dependen bersifat dikotomi dengan mengambil nilai.
ANALISIS MULTIVARIAT.
Pengujian Hipotesis Hipotesis: Hupo (sementara/lemah kebenarannya) dan Thesis (pernyataan/teori) “Pernyataan sementara yang perlu diuji kebenarannya” Hipotesis:
Jenis Statistik Berdasarkan Kegunaan
BAB VII ANALISIS KORELASI DAN REGRESI LINIER SEDERHANA
ANALISIS REGRESI LINIER BERGANDA
Struktur Penelitian Eni Mahawati, M.Kes.
ANALISIS DATA KATEGORIK
ANALISIS REGRESI DAN KORELASI
ANALISIS DATA KATEGORIK
BESAR SAMPEL Z U L A E L A PRODI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUANN ALAM CLINICAL EPIDEMIOLOGY & BIOSTATISTICS UNIT (CE&BU), FAKULTAS.
REGRESI LOGISTIK BINER
STATISTIK II Pertemuan 14: Analisis Regresi dan Korelasi
ANALISIS REGRESI & KORELASI
STATISTIKA Pertemuan 10: Analisis Regresi dan Korelasi
Perhitungan Besar Sampel
MENDETEKSI PENGARUH NAMA : NURYADI.
Sutanto priyo hastono Dep. Biostatistik FKMUI
KORELASI.
ESTIMASI dan HIPOTESIS
Pertemuan Ke-10 REGRESI DUMMY
Analisis REGRESI.
REGRESI LOGISTIK BINER
ANALISIS DATA KATEGORIK
PERTEMUAN KE-14 STATISTIK DESKRIPTIF
Analisis Regresi dan Korelasi
REGRESI LOGIT ATAU REGRESI LOGISTIK.
DATA NON LINEAR DAN REGRESI LINEAR Gangga Anuraga, M.Si
REGRESI LOGISTIK MULTINOMIAL
REGRESI LOGISTIK BINER (DICHOTOMOUS INDEPENDENT VARIABLE)
BAHAYA MEROKOK.
REGRESI LOGISTIK ORDINAL
Gisely Vionalita SKM. M.Sc. Program Studi Kesehatan Masyarakat
REGRESI LINIER BERGANDA (MULTIPLE REGRESSION)
STATISTIKA Materi : Pengantar Statistika deskriptif
Analisis Regresi Asumsi dalam Analisis Regresi Membuat persamaan regresi Dosen: Febriyanto, SE, MM. www. Febriyanto79.wordpress.com U.
Korelasi Korelasi Product Moment digunakan untuk melukiskan hubungan antara 2 buah variabel yg sama-sama berjenis interval atau rasio. Rumus.
STATISTIK II Pertemuan 12: Analisis Regresi dan Korelasi
BAB 8 ANALISIS KORELASIONAL sCp.
Pekerja Sosial Dalam Pelayanan Penyakit Jantung
Besar Sampel Uji Hipotesis dua proporsi
UJI BEDA MEAN DUA SAMPEL
Variable Penelitian. Pengertian Variable dan Konsep  Ukuran atau ciri yang dimiliki oleh anggota – anggota suatu kelompok yang berbeda dengan yang dimiliki.
KORELASI & REGRESI LINIER
REGRESI.
KORELASI.
Uji Dua Sampel Berpasangan
Model Logit Untuk Respons Biner
REGRESI LINIER.
BAB VIII REGRESI &KORELASI BERGANDA
UKURAN ASOSIASI Suharyo.
CHAIRANISA ANWAR, SST. MKM
KORELASI.
Model untuk Respons Biner
Transcript presentasi:

Latihan Regresi Logistik

Suatu penelitian dilakukan untuk mengetahui pengaruh status sosial (SOC : 0, 1) terhadap penyakit cardiovascular (CVD : 0, 1), variabel lain yang juga diteliti adalah Status Merokok (SMK: 0, 1) dan Tekanan darah sistolik (SBP, variabel kontinu). Digunakan dua model dengan variabel dependen yang sama namun dengan sekumpulan variabel independen yang berbeda.

Variabel yang digunakan dan hasil estimasi koefisien regresi logistik adalah sebagai berikut:

Untuk setiap model, nyatakan bentuk model regresi logistik yang digunakan (nyatakan dalam term parameter populasi yang tidak diketahui dan variabel independen yang dipertimbangkan) Untuk setiap model, nyatakan bentuk model estimasi dalam term logit

3. Menggunakan model 1, hitung estimasi resiko untuk terjadinya penyakit cardiovascular(CVD=1) untuk status sosial tinggi(SOC=1), perokok (SMK=1) dengan SBP=150 4. menggunakan model 2, hitung estimasi resiko untuk terjadinya penyakit cardiovascular untuk dua orang berikut: Orang 1: SOC = 1, SMK =1, SBP = 150 Orang 2: SOC = 0, SMK = 1, SBP = 150

5. Bandingkan estimasi resiko yang didapat di no 3 dengan orang 1 di no 4. Mengapa kedua resiko tidak sama? 6. Gunakan hasil model 2, hitung rasio resiko yang membandingkan orang 1 dan orang 2. interpretasikan jawaban anda.

7. Untuk model 2, hitung dan interpretasikan estimasi Odds Ratio untuk effect SOC, dengan variabel SMK dan SBP tercontrol