Analisis Regresi Logistik Menggunakan Stata

1. Entri data ke Stata/ Open data

 2. Klik Statistics → Binary outcomes →logistic regression

3. Pada kotak dialog yang muncul, masukkan “y” sebagai dependent variable dan “d” serta “t” sebagai independent variables lalu klik OK

4. Langkah 2 dan 3 dapat diganti dengan sintaks yang mempunyai format umum sebagai berikut:

            logit var_dependen var_independen1 var_independen2 var_independen3….

Sehingga sintaks untuk data ini menjadi:

logit y t d

5. Maka akan diperoleh hasil sebagai berikut:

 Nah, mari kita interpretasi satu persatu

1. Overall Test

                Test ini dilakukan untuk mengetahui apakah secara bersama-sama variabel bebas berpengaruh signifikan terhadap variabel tidak bebas atau minimal ada satu variabel bebas yang berpengaruh signifikan terhadap variabel tak bebas. Uji ini mirip dengan uji F pada analisis regresi linier berganda. Nilai uji ini dapat dilihat pada LR chi2 atau bila menggunakan nilai p-value dapat dilihat pada item prob>chi2 atau bisa menggunakan nilai G². Dimana:

G²= -2 log likelihood = -30.138.

Nilai G² ini akan dibandingkan dengan nilai chisquare dengan derajat bebas sesuai jumlah variabel bebas.

Untuk lebih mudahnya, dapat langsung kita lihat dengan menggunakan nilai p-value, dimana nilai pob> chi2 menunjukkan angka 0.0003. Nilai ini lebih kecil dari tingkat signifikansi uji sebesar 0.05 sehingga kita dapat menolak hipotesis nol yang menyatakan bahwa tidak ada variabel bebas yang berpengaruh signifikan terhadap variabel tak bebas. Dengan demikian, maka dengan tingkat kepercayaan 95 persen dapat disimpulkan bahwa minimal terdapat satu variabel bebas yang berepengaruh signifikan terhadap variabel tak bebas.

4. Interpretasi

                Tidak seperti pada analisis regresi linier berganda/sederhana, interpretasi pada analisis regresi logistik tidak dapat langsung dibaca melalui nilai koefisiennya. Untuk dapat diinterpretasikan, terlebih dahulu nilai koefisien setiap variabel harus di-eksponensial-kan. Untuk variabel T, nilai exp(b) adalah 0.1903 sedangkan nilai exp(b) dari variabel D adalah 1.071. Agar tidak perlu mengeksponensialkan lagi, langkah run data ke 4 dapat diganti dengan sintaks yang mempunyai format umum:

                 logistic var_dependen var_independen1 var_independen2 var_independen3….

 Sehingga sintaks untuk data ini menjadi:

 logistic y t d

Maka akan muncul output sebagai berikut:  

 

Untuk mengetahui Goodness of Fit dari model yang terbentuk, dapat digunakan sintaks:

estat gof

Sehingga akan keluar hasil sebagai berikut:

 

 

 

Setelah diperoleh nilai exp(b) atau yang lebih dikenal dengan odds ratio, maka model akan siap diinterpretasi. Interpretasi antara variabel bebas kuantitatif akan berbeda dengan variabel bebas kualitatif. Untuk variabel bebas kuantitatif akan dibaca semakin besar atau semakin kecil (tergantung tanda) sedangkan untuk variabel kualitatif akan dibaca sebagai tingkat perbandingannya.

Untuk variabel D: semakin lama durasi operasi seseorang, maka peluang untuk mengalami sore throat setelah operasi akan semakin meningkat.

Untuk variabel T: kecenderungan seseorang yang memakai tracheal tube untuk mengalami sore throat adalah 0.1903 kali dibanding pasien yang menggunakan laryngeal mask airway.

 

download data model regresi logistik dalam m.excel