3. konsep multivariat, confounding, & interaksi (+stata)

8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)

1/55

Multivariat analisis

(Konfounding & Interaksi)

BESRAL:

Departemen Biostatistika

FKM UI 2013

1


2/55

Uji Statistik BivariatUnivariat Deskripsi satu variabel (mean atau proporsi)

Uji BivariatDeskripsi uji hubungan antara 2 variabel

Jenis uji sangat tergantung pada jenis data/variabel:

1.Uji Chi-square (uji beda proporsi) atau Reg. logistik sederhana

2.Uji-T dan 3.Uji-Anova (uji beda mean),

4.Uji korelasi atau Regresi linier sederhana

Var Dependen

Independen Kategorik Numerik

Kategorik 1.Chi-square/Regresi logistiksederhana

2.t-test-paired(sebelum-sesudah)

2.t-test-independen(jika 2 kategori)

3.Anova (jika >2 kategori)

Numerik t-test (jika 2 kategori)

Anova (>2 kategori)

4.Korelasi /Regresi Linier

sederhana 2


3/55

Uji Statistik Bivariat:

Uji statistik bivariat hanya akurat bilasubjek yang ingin dibandingkan adalah

homogen, yaitu pada studi eksperimen di

laboratorium, dimana variabel perancutidak ada lagi.

Misalnya: subjek adalah tikus satu-ibu satu-

bapak. Subjek sudah homogen. Yang berbedahanyalah: satu kelompok dapat perlakuan

(intervensi), yang satu lagi tidak dapat

perlakukan (kontrol)3


4/55

Uji Statistik Multivariat:

Pada penelitian survei di masyarakat, tidak

mungkin subjeknya homogen (umurnya sama,pendidikan sama, pengetahuan sama, pekerjaan sama,

sosek sama, jumlah anak sama, status gizi sama,

penyakitnya sama), yang berbeda hanyalahvariabel yang ingin kita uji (misalnya ANEMIA

dan TIDAK Anemia), untuk mengetahui efeknya

terhadap BBLR.

Karena tidak homogen, maka kita harus

mengontrol (pada saat analisis data) semua

variabel yang berpengaruh melalui analisis

multivariat 4


5/55

Contoh

Suatu penelitian bertujuan untuk

mengetahui hubungan Intervensi Fe,

status gizi, dan sosial ekonomi

dengan kejadian BBLR

5

Intervensi Fe

BBLRSt.Gizi Ibu

Sosek


6/55

Hasil Uji Bivariat

Ibu dengan st.gizi kurang memiliki risiko 4 kali

lebih besar untuk melahirkan bayi BBLR

dibanding itu st.gizi baik

Ibu dengan sosek rendah memiliki risiko 5 kali

lebih besar untuk melahirkan bayi BBLR

dibanding itu sosek tinggi 6

Normal BBLR

n % n % OR p-value

Status Gizi

Baik 40 67 20 33

Kurang 19 32 41 68 4,30 0,000

Sosek

Tinggi 40 69 18 31

Rendah 19 31 43 69 5,00 0,000


7/55

Hasil Uji Bivariat

Hasil uji Bivariat, tidak logis dan tidak bisa dipercaya.???:

Intervensi pemberian Fe malah meningkatkan risiko BBLR.

Risiko BBLR pada ibu yang tidak mendapat intervensi Fe

0,4 kali lebih rendah dibandingkan dengan ibu yang

mendapat intervensi Fe (tdk masuk akal).

7

Normal BBLR

n % n % OR p-valueIntervensi Fe

Ya 23 38.0 37 62.0

Tidak 36 60.0 24 40.0 0,41 0,014


8/55

Hasil Uji Multivariat

8

Intervensi Fe

BBLRSt.Gizi Ibu

Sosek

Simpulan Hasil uji Multivariat:

Tidak intervensi Fe, Gizi kurang, dan Sosek rendah merupakan

faktor risiko BBLR. Risiko BBLR pada yang tidak mendapat Fe

sebesar 6,7 kali lebih tinggi, pada yang kurang gizi 10,7 kali lebih

tinggi, dan pada sosek rendah 8 kali lebih tinggi

(OR sudah dikontrol oleh variabel confounding)

Variables in the Equation B S.E. Wald df Sig. Exp(B)

Tdk.Intervensi.Fe 1.91 0.72 7.09 1 0.008 6.7

Gizi.kurang 2.38 0.64 13.82 1 0.000 10.7

Sosek.rendah 2.09 0.51 17.02 1 0.000 8.1


9/55

Perbandingan hasil uji

Bivariat vs Uji Multivariat

9

Intervensi Fe

BBLRSt.Gizi Ibu

Sosek

(OR pd multivariat sudah dikontrol oleh pengaruh confounding)

(Catatan: pada tahap ini uji interaksi belum dilakukan)

Normal BBLR Bivariat Multivariat

Intervensi Fe n % n % OR Sig OR Sig

Ya 23 38.0 37 62.0

Tidak 36 60.0 24 40.0 0,41 0.014 6.7 0.000St.Gizi

Baik 40 67 20 33

Kurang 19 32 41 68 4,30 0.000 10.7 0.000

Sosek

Tinggi 40 69 18 31

Rendah 19 31 43 69 5,00 0.000 8.1 0.000


10/55

Apa yang dimaksuddengan

Konfounding..???

10


11/55


12/55

Karakteristik Confounder

1. Berhubungan dengan paparan/faktor resiko yang diteliti

(causally atau non-causally associated)

2. Berhubungan dengan penyakit/outcome (causallyassociated)

3. Bukan merupakan konsekuensi dari paparan (tidak terletak

diantara E & D / bukan variabel antara)

Exposure Disease

Confounder

12


13/55

Arah Confounding

1. PositifOverestimate (risk value menjauhi Null value jika tidak dikontrol)

2. Negatif

Underestimate (risk value mendekati Null value jika tdk dikontrol)kurang beresiko atau kurang proteksi

3. Cross overasosiasi berubah arah: negatif positif (sebaliknya)

OR/RR

21.71.310.50.30.1

Null

valueCF controlled

CF not controlled CF not controlled

CF controlled

13


14/55

Upaya Mengontrol Confounding

Pada tahap Design

1. Restriksi (pada experimental & observational study)membatasi obyek penelitian pada level confounder yang sama

(confounder tidak bervariasi) antara group EnE dan DnD

Kelemahan: efek modifikasi tidak dapat dievaluasi, generalizability?

2. Matching(pada experimental & observational study)

Type: a). Full matching, b). partial matching

Method: a). Frequency/marginal matching, b). Individual matching

Problem: Over matching

3. Randomisasi (hanya pada experimental study)

subyek penelitian ditempatkan secara random pada group2 yangdiperbandingkan (E & NE)

Pada tahap Analisa Data

1. Analisis Stratifikasi

2. Analisis Multivariat 14


15/55

Eksistensi Confounding

Confounding = bias estimasi efek pajananterhadap penyakit akibat perbandingan tidak

seimbang antara kelompok terpajan dengan

kelompok tidak terpajan

Terjadi akibat adanya perbedaan risikoterjadinya penyakit pada kelompok terpajan

dengan kelompok tidak terpajan

Risiko terjadinya penyakit berbeda meskipunpajanan dihilangkan pada kelompok terpajan

15


16/55

Syarat Confounding (C)

1. C merupakan faktor risiko D

2. C memiliki asosiasi dengan E

3. C bukan variabel antara

E D

C

16


17/55

Contoh Confounding

Intervensi Fe BBLR

St.Gizi Ibu

17


18/55

Contoh confounding

Hubungan Intervensi Fe dg BBLR

Intervensi Fe BBLR

Hasil analisis: OR = 0,44Intervensi Fe berisiko terjadinya BBLR. .Lho kok bisa?

Lesson learn:

Jangan percaya pada Analisis bivariat, karena masih kasar 18

Intervensi Fe Normal BBLR TotalYa 24 36 60

Tidak 36 24 60

OR= (24 x 24) / (36 x 36) = 0,44

Variables in the Equation

-.811 .373 4.735 1 .030 .444

.405 .264 2.367 1 .124 1.500

Tdk.Intervensi.Fe

Constant

Step

1a

B S.E. Wald df Sig. Exp(B)

Variable(s) entered on step 1: Tdk.Intervensi.Fe.a.


19/55

Contoh confounding

Intervensi Fe dg BBLR (Dipisah menurut status Gizi)

Hasil analisis:Tidak mendapatintervensi Fe

berisikoterjadinyaBBLR,

baik pdkelompok gizibaik maupunpd gizi kurang.

Kelompok gizi baik

BBLR- BBLR + Jumlah

Fe + 6 2 8

Fe - 34 18 52

Jumlah 40 20 60

OR = (18*6)/(34*2) = 1,58

19

Kelompok gizi kurang

BBLR- BBLR + Jumlah

Fe + 18 34 8

Fe - 2 6 52

Jumlah 20 40 60

OR = (6*18)/(2*34) = 1,58


20/55

Contoh confounding

Hasil analisis: OR 4,0 Ibu dengan status gizikurang memiliki risiko 4 kali untuk melahirkan BBLR

St.Gizi ibu

BBLR

Variables in the Equation

1.386 .387 12.812 1 .000 4.000

-.693 .274 6.406 1 .011 .500

Gizi

Constant

Step

1a


Variable(s) entered on step 1: Gizi.a.

Hubungan status gizi dengan BBLRBBLR+ BBLR- Jumlah

Gizi kurang 40 20 60Gizi baik 20 40 60

Jumlah 60 60 120

OR = (40*40)/(20*20) = 4,00

20


21/55


22/55

Contoh confounding

Pada contoh diatas, status gizi merupakan confounder

karena st.gizi merubah hubungan Intervensi Fe dg BBLR,

hal ini dapat terjadi karena:

St.gizi kurang merupakan faktor risiko BBLR Distribusi Fe tidak seimbang pada ibu gizi kurang dan ibu gizi

baik, atau sebaliknya St.Gizi tidak imbang antara Fe + dengan

Fe -, Sehingga St. Gizi merubah hubungan Fe dengan BBLR

Intervensi Fe

St.Gizi Ibu

BBLR

Identifikasi Konfounder:Konfounder exist jika = Delta OR > 10%

22

%100*||

_

adjusted

adjustedcrude

OR

ORORORDelta


23/55


24/55

Interaksi

24


25/55

INTERAKSI

Interaksi = Efek modifikasi = Efek modifier

Pengertian:

Keberagaman/heterogenitas/variasi efek dari suatu faktor

resiko terhadap kemunculan penyakit/outcome, pada level

yang berbeda dari faktor resiko lain

Suatu situasi dimana 2 atau lebih faktor resiko saling

memodifikasi (besar dan/atau arah) efek nya terhadap

kejadian/outcome yang diteliti (Moyses S. & F. Javier N.,2000)

Efek modifikasi menunjukkan seberapa jauh efek faktor resiko

utama terhadap munculnya penyakit/outcome, dimodifikasi

oleh faktor resiko lain (modifier)25


26/55

Apakah efek intervensi Fe berbeda

menurut St.Gizi?

Jika ya, maka Fe berinteraksi denganSt.Gizi atau St. Gizi merupakan Efek

Modifier?

Identifikasi Interaksi:1.Apakah antar strata (sig vs tdk, proteksi vs

faktor risiko, risiko rendah vs tinggi) efek

St.Gizi baik dibanding St.Gizi kurang?

2. Apakah interaksi Fe dg St.Gizi signifikan?P-value < 0.05?

Ibu Anemia

St.Gizi Ibu

BBLR

26


27/55

Hasil analisis:

St.Gizi bukan efek modifier,

tdk berinteraksi dg intervensi Fe1. Hubungan Fe dg BBLR menurut status Gizi:

Simpulan:

St.Gizi bukan

variabel interaksikarena Risiko Fe -terhadap kejadianBBLR adalah sama(tidak berbeda)

baik pada kelompokgizi baik maupun pdgizi kurang(OR sama sama1,58)

27

Kelompok gizi baik

BBLR- BBLR + Jumlah

Fe + 6 2 8

Fe - 34 18 52Jumlah 40 20 60

OR = (18*6)/(34*2) = 1,58

Kelompok gizi kurang

BBLR- BBLR + JumlahFe + 18 34 8

Fe - 2 6 52

Jumlah 20 40 60

OR = (6*18)/(2*34) = 1,58


28/55


29/55

Simpulan:

OR Intervensi Fe berubah 10% atau lebih, dari 0.44 (OR Crude)

menjadi 1.59 (OR adjusted) setelah dikontrol oleh St.Gizi

St.Gizi merupakan konfounding dalam hubungan

Intervensi Fe dengan kejadian BBLR

29



Gizi.kurang 1.735 0.613 8.006 1 0.005 5.67Constant -1.099 0.609 3.253 1 0.071 0.33

Variable(s) entered on step 1: Tdk.Intervensi.Fe, Gizi.kurang.

B S.E. Wald df Sig. Exp(B)Tdk.Intervensi.Fe -0.811 0.373 4.735 1 0.030 0.44Constant 0.405 0.264 2.367 1 0.124 1.50

Variable(s) entered on step 1: Tdk.Intervensi.Fe.

St Gi i BBLR


30/55

St.Gizi

Sosek

BBLR

1. Hubungan St. Gizi dg BBLR menurut Sosek:

Simpulan:

Status Giziberinteraksi dengan

Sosek (sosekmemodifikasi efekdari St.Gizi denganBBLR) Risiko St.Gizikurang terhadap

kejadian BBLRadalah berbedaantara Sosek Tinggi(OR = 1,05) dgSosek Rendah (OR =

8,18)

Interaksi St.Gizi dg Sosek

30

Kelompok Sosek Tinggi:

BBLR - BBLR + Total

Gizi Baik 27 11 38

Gizi Kurang 14 6 20

OR=(27*6/11*14) =1.05

Kelompok Sosek rendah:

BBLR - BBLR + TotalGizi Baik 13 9 22

Gizi Kurang 6 34 40

OR=(13*34/9*6) = 8.18


31/55

Interaksi St.Gizi dg Sosek

2. Signifikansi interaksi St. Gizi dg Sosek < 0,05:

St.Gizi

Sosek

BBLR

Simpulan:

St.Gizi berinteraksi dengan Sosek, karena nilai-p (sig)

variabel interaksi


32/55

Jika ada interaksi (efek modifier), maka

harus dilaporkan efek(nilai OR) yang

terpisah untuk masing-masing strata

32

Ada Interaksi?

YA

Tidak

Laporkan OR

masing-masing

strata

Lakukan ujikonfounding

Ada Confounding?

YA

Tidak

Laporkan OR

adjusted

Laporkan OR

crude

Mulai


33/55

Interaksi pada Regresi Logistik

Interaksi atau modifikasi efek (effect modifier)

adalah heterogenitas efek dari satu pajanan

pada tingkat pajanan lain

Modifikasi efek merupakan konsep yang penting

dalam tahpa analisis: apakah akan melaporkan

efek bersama (yang terkontrol confounder) atau

efek yang terpisah untuk masing-masing strata.

33


34/55

Interaksi pada Regresi Logistik

Pada analisis regresi logistik, jika kita

menemukan adanya interaksi antar variabel

pajanan dengan variabel lainnya, maka nilai

odds rasio harus dilaporkan secara terpisahmenurut strata dari variabel tersebut.

Nilai rasio odds yang tertera pada variabel

pajanan menjadi tidak berlaku dan nilai odds

rasio untuk masing-masing strata harus dihitung

secara manual.

34


35/55

OR untuk st.gizimenurut sosek adalah:

e(0,051+2,052*sosek), sehingga: Pada sosek=0 (tinggi), OR = e(0,051+2,052*0)= e(0,051)= 1,05

Pada sosek=1 (rendah), OR = e(0,051+2,052*1)= e(2,103)= 8,18

Pada sosek tinggi tidak ada pengaruh St.gizi pada BBLR,

Pada sosek rendag, st.gizi kurang berisiko 8 kali lebih besar utk BBLR

Logit (BBLR) = a + b1Gizi + b2Sosek+ b3Gizi*sosekMaka OR untuk st.giziadalah:Pada sosek=0 (tinggi), OR = e(b1 + b3*0)= eb1

Pada sosek=1 (rendah), OR = e(b1 + b3*1)= eb1+b3

Perhitungan OR interaksi

35


Gizi.kurang 0.051 0.605 0.007 1 0.933 1.05

Sosek.rendah 0.530 0.562 0.890 1 0.346 1.70

Gizi by Sosek 2.052 0.866 5.611 1 0.018 7.78

Constant -0.898 0.358 6.302 1 0.012 0.41

Variable(s) entered on step 1: Gizi.kurang, Sosek.rendah, Gizi.kurang * Sosek.rendah .


36/55

OR untuk Sosekmenurut sosek adalah:

e(0,051+2,052*sosek), sehingga: Pada gizi=0 (baik), OR = e(0,53+2,052*0)= e(0,53)= 1,7

Pada gizi=1 (kurang), OR = e(0,53+2,052*1)= e(2,103)= 13, 2

Pada gizi baik, Risiko sosek rendah untuk BBLR 1,7 kali,

Pada gizi kurang, Risiko sosek rendah untuk BBLR 13 kali

Logit (BBLR) = a + b1Gizi + b2Sosek+ b3Gizi*sosekMaka OR untuk Sosekadalah:Pada gizi =0 (baik), OR = e(b2 + b3*0)= eb2

Pada gizi=1 (kurang), OR = e(b2 + b3*1)= eb2+b3

Perhitungan OR interaksi

36


Gizi.kurang 0.051 0.605 0.007 1 0.933 1.05

Sosek.rendah 0.530 0.562 0.890 1 0.346 1.70Gizi by Sosek 2.052 0.866 5.611 1 0.018 7.78

Constant -0.898 0.358 6.302 1 0.012 0.41

Variable(s) entered on step 1: Gizi.kurang, Sosek.rendah, Gizi.kurang * Sosek.rendah .


37/55

Pengujian Interaksi Pada Regresi LogistikGanda

Interaksi harus diuji terlebih dahulu (pada MODEL

Faktor risiko)

Interaksi diuji terakhir (pada MODEL prediksi ataudeterminan)

Adanya Interaksi antar 2 variabel independen

ditunjukan dengan nilai Sig. < 0.05

Jika ada interaksi,variabel interaksi harus masukdalam model dan laporkan OR menurut kelompok

(strata) dari var interaksi

37

Pengujian Interaksi


38/55

Pengujian Confounding Pada RegresiLogistik Ganda

Adanya Konfounderdideteksi dg melihat perubahan

nilai Exp(B) atau OR sebesar > 10%

Absolut ( OR CrudeOR Adjusted ) * 100% >10%konfounder

OR Adjusted

Perubahan OR diidentifikasi dari:

Variabel independent utama saja (dan interaksinya, jika ada

interaksi) dalam pemodelan faktor resiko, atau

Semua variabel independen lain, dalam pemodelan prediksi

Jika ada confounder, maka variabel konfounder harus

masuk ke dalam model

38

Pengujian Confounding

Bi i t (C d An l i )


39/55

39

Bivariat (Crude Analysis)Normal BBLR

n % n % OR p-value

Status Gizi

Baik 40 66.7 20 33.3

Kurang 20 33.3 40 66.7 4,00 0,000

Sosek

Tinggi 41 68.3 17 28.3

Rendah 19 31.7 43 71.7 5,46 0,000

Intervensi FeYa 24 40.0 36 60.0

Tidak 36 60.0 24 40.0 0,44 0,022

Tugas:

Tulis interpretasinya masing-masingvariabel, apa arti OR crude?

Multivariat (Adjusted) tanpa Interaksi


40/55

40

Multivariat (Adjusted) tanpa Interaksi

Tugas:

1.Tulis interpretasi masing-masing variabel

2.Bandingkan OR crude dg adjusted3.Apakah ada konfounding?


Gizi.kurang 2.38 0.64 13.83 1 0.000 10.79Sosek.rendah 2.28 0.52 19.16 1 0.000 9.80


Constant -3.43 0.82 17.58 1 0.000 0.03

Variable(s) entered on step 1: Gizi.kurang, Sosek.rendah, Tdk.Intervensi.Fe.

Model Interaksi St Gizi dg Sosek setelah


41/55

41

Model Interaksi St.Gizi dg Sosek, setelah

dikontrol oleh intervensi Fe

TUGAS:

1. Apakah ada interaksi?

2. Hitung OR masing-masing strata

3. Tulis interpretasi hasil ..


Gizi.kurang 1.29 0.75 2.98 1 0.084 3.65

Sosek.rendah 1.25 0.63 3.95 1 0.047 3.49

Tdk.Intervensi.Fe 2.58 0.88 8.50 1 0.004 13.14Gizi by Sosek 2.66 1.03 6.65 1 0.010 14.36


42/55

42

Menghitung OR interaksi

dg STATA

Menghitung OR interaksi & 95% CI pd


43/55

43


SPSS dilakukan secara manual



44/55

44

1.Buat Model Interaksi antara St.Gizi dg Soseklogistic bblr gizi_kurang##sosek_rendah2a. lincom untuk menghitung OR St.Gizi pada sosek rendah (pembanding gizi baik)lincom 1.gizi_kurang + 1.gizi_kurang#1.sosek_rendah

2b. lincom untuk menghitung OR Sosek pd Gizi kurang (pembanding sosek baik)lincom 1.sosek_rendah + 1.sosek_rendah#1.gizi_kurang

1.Buat Model Interaksi antara St.Gizi dg Sosek, sbb:Menghitung OR interaksi & 95% CI pd

STATA command (syntax)

1.Buat Model Interaksi antara Smoke dg Racelogistic low race##smoke

2a.Lincom utk OR smoke (pembanding tdk merokok)Lincome 1.smoke + 1.smoke#1.race *OR smoke pd ras putihLincome 1.smoke + 1.smoke#2.race *OR smoke pd ras hitam

Lincome 1.smoke + 1.smoke#3.race *OR smoke pd ras lain2b.Lincom utk OR race (pembanding ras putih)Lincome 2.race + 2.race#0.smoke *OR ras hitam pd non-smokerLincome 3.race + 3.race#0.smoke *OR ras lainnya pd non-smokerLincome 2.race + 2.race#1.smoke *OR ras hitam pd smokerLincome 3.race + 3.race#1.smoke *OR ras lainnya pd smoker


45/55

45

logistic bblr gizi_kurang##sosek_rendah

Logistic regression Number of obs = 120LR chi2(3) = 32.61Prob > chi2 = 0.0000

Log likelihood = -66.873051 Pseudo R2 = 0.1960

bblr Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]

1.gizi_kurang 1.05 0.64 0.08 0.933 0.32 3.441.sosek_rendah 1.70 0.96 0.94 0.346 0.56 5.11

gizi_kurang#sosek_rendah 7.78 6.74 2.37 0.018 1.42 42.49

1.Buat Model Interaksi antara St.Gizi dg Sosek, sbb:

OR INTERAKSI:1. OR St.Gizi (St.gizi=1 dibanding St.gizi=0) untuk terjadinya BBLR,

pada Sosek Tinggi (Sosek=0) adalah 1.05 (sesuai output)

2. OR St.Gizi(St.gizi=1 dibanding St.gizi=0) untuk BBLR, pada Sosek

Rendah (Sosek=1) harus dihitung ulang dg perintah lincom

2 li t k hit OR St Gi i d k d h


46/55

46

lincom 1.gizi_kurang + 1.gizi_kurang#1.sosek_rendah( 1) [bblr]1.gizi_kurang + [bblr]1.gizi_kurang#1.sosek_rendah = 0

2. lincom untuk menghitung OR St.Gizi pada sosek rendah:

OR INTERAKSI:

1. OR St.Gizi(St.gizi=1 dibanding St.gizi=0) untuk BBLR,

pada Sosek Tinggi (Sosek=0) adalah 1.05 (output sebelumnya)

2. OR St.Gizi(St.gizi=1 dibanding St.gizi=0) untuk BBLR,

pada Sosek Rendah (Sosek=1) adalah = 8.19 (CI: 2.4327.58)

bblr Odds Ratio Std. Err. z P>z [95% Conf. Interval]

(1) 8.19 5.07 3.39 0.001 2.43 27.58

1 B M d l I k i S k d S Gi i bb


47/55

47

logistic bblr gizi_kurang##sosek_rendah

Logistic regression Number of obs = 120

LR chi2(3) = 32.61Prob > chi2 = 0.0000


bblr Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]

1.gizi_kurang 1.05 0.64 0.08 0.933 0.32 3.44

1.sosek_rendah 1.70 0.96 0.94 0.346 0.56 5.11gizi_kurang#sosek_rendah 7.78 6.74 2.37 0.018 1.42 42.49

1.Buat Model Interaksi antara Sosek dg St.Gizi, sbb:

OR INTERAKSI:1. OR Sosek(Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,

pada Gizi_baik (St.Gizi=0) adalah 1.70 (sesuai output)

2. OR Sosek(Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,

pada Gizi_kurang (St.Gizi=1) harus dihitung ulang dg perintah lincom

2 li t k hit OR S k d Gi i k


48/55

48

lincom 1.sosek_rendah + 1.sosek_rendah#1.gizi_kurang( 1) [bblr]1.sosek_rendah + [bblr]1.gizi_kurang#1.sosek_rendah = 0

2. lincom untuk menghitung OR Sosek pd Gizi kurang:

OR INTERAKSI:


pada Gizi_baik (St.Gizi=0) adalah 1.70 (output sebelumnya)


pada Gizi_kurang (St.Gizi=1) adalah = 13.22 (CI: 3.6348.10)

bblr Odds Ratio Std. Err. z P>z [95% Conf. Interval]

(1) 13.22 8.71 3.92 0.000 3.63 48.10


49/55

49

Menghitung OR interaksi

lebih 2 kategori

Ras: 1. Putih, 2.Hitam,3.Lainnya

BBLRRokokRas: 1. Putih, 2.Hitam,

3.Lainnya BBLR

Rokok

Model-1 Model-2

Risiko perokok untuk BBLR Efek Ras untuk BBLR

1 B t M d l I t k i t S k d R bb


50/55

50

logistic low race##smoke

Logistic regression Number of obs = 189

LR chi2(5) = 17.85Prob > chi2 = 0.0031


1.Buat Model Interaksi antara Smoke dg Race, sbb:

2.Lincom utk OR smokeLincome 1.smoke + 1.smoke#1.race *OR smoke pd ras putihLincome 1.smoke + 1.smoke#2.race *OR smoke pd ras hitamLincome 1.smoke + 1.smoke#3.race *OR smoke pd ras lain

*OR smokepd rasputih

3 OR k d tih 5 75


51/55

51

3. OR smoke: a. pd ras putih = 5.75

b. pd ras hitam = 3.3

c. pd ras lain = 1.25

1 B t M d l I t k i t R d S k bb


52/55

52

logistic low race##smoke

1.Buat Model Interaksi antara Race dg Smoke, sbb:

2.Lincom utk OR race (pembanding ras putih)Lincome 2.race + 2.race#0.smoke *OR ras hitam pd non-smokerLincome 3.race + 3.race#0.smoke *OR ras lainnya pd non-smoker

Lincome 2.race + 2.race#1.smoke *OR ras hitam pd smokerLincome 3.race + 3.race#1.smoke *OR ras lainnya pd smoker

Nilai OR HASIL ANALISIS STATA


53/55

53

Nilai OR HASIL ANALISIS STATA

Nil i OR HASIL ANALISIS SPSS & M E l


54/55

54

Nilai OR HASIL ANALISIS SPSS & MsExcel


55/55

Terima Kasih

Jika ada pertanyaan silakan

email ke:

besral@yahoo com

Atau sms ke

0858 8098 4413
mailto:[email protected]:[email protected]:[email protected]

3. konsep multivariat, confounding, & interaksi (+stata)

Documents