makalah regresi logistik biner

REGRESI LOGISTIK DAN PENERAPANNYA DALAM BIDANG KESEHATAN

(Studi Kasus Maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP UNLAM Banjarmasin)

Untuk Memenuhi Tugas Mata Kuliah Ekonometrika (ABKC1508 )

Dosen Pembimbing :

Drs. H. Karim, M.Si. & Rizki Amalia, M.Pd.

Oleh :

Kelompok 8

Atika Izni (A1C113004)

Fatmah (A1C113043)

Adelina Tri Lestari (A1C113064)

Maulida Herliana (A1C112221)

DEPERTEMEN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS LAMBUNG MANGKURAT

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

PROGRAM STUDI PENDIDIKAN MATEMATIKA

BANJARMASIN

2015

KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat, Inayah,

Taufik dan Hidayah–Nya sehingga penulis dapat menyelesaikan penyusunan makalah ini.

Semoga makalah ini dapat dipergunakan sebagai salah satu acuan, petunjuk maupun

pedoman bagi pembaca.

Penyusunan makalah ini ditujukan untuk memenuhi tugas mata kuliah Pendidikan

Ekonometrika yang dibimbing oleh Drs. H. Karim, M.Si. & Rizki Amalia, M.Pd.

Akhirnya, penulis mengucapkan rasa syukur yang tidak terhingga kepada Allah SWT, yang

telah memberikan nikmat kesehatan sehingga penulis dapat menyelesaikan penulisan

makalah dengan judul “Faktor-Faktor yang Mempengaruhi Resiko Penyebab Maag pada

Mahasiswa Pendidikan Matematika Angkatan 2013 Fkip Unlam Banjarmasin dengan

Menggunakan Pendekatan Regresi Logistik”. Penulis juga menyadari bahwa makalah ini

belum sempurna, baik dari segi teknik penyajian maupun dari segi materi, oleh karena itu,

untuk kesempurnaan makalah ini, kritik dan saran dari para pembaca dan pemakai sangat

penulis harapkan.

Banjarmasin, Desember 2015

Penulis

i

DAFTAR ISI

KATA PENGANTAR..............................................................................................i

DAFTAR ISI...........................................................................................................ii

BAB I PENDAHULUAN........................................................................................4

1.1 Latar Belakang...........................................................................................4

1.2 Masalah atau Topik Bahasan.....................................................................7

1.3 Tujuan Penulisan............................................................................................1

BAB II ISI................................................................................................................2

2.1 REGRESI LOGISTIK....................................................................................2

2.2 Pengertian Maag.............................................................................................4

2.3 Jenis penyakit maag yang dilihat berdasarkan tingkat keparahan..................5

2.4 Gejala Maag...................................................................................................5

2.5 Faktor-faktor Resiko Penyebab Maag.......................................................6

2.6 Cara Pencegahan Maag..................................................................................6

2.7 Sumber Data...................................................................................................7

2.8 Contoh Analisis Regresi Logistik dengan menggunakan SPSS.....................7

2.8.1 Variabel Penelitian..................................................................................7

2.8.2 Kerangka Pemikiran................................................................................9

2.8.3 (Hasil Masukan Data Berupa Pengkodean 1 dan 0).............................11

2.8.4 (Hasil Masukan Data Berupa Pengkodean Ya dan Tidak)...................13

2.8.5 Tabel......................................................................................................16

2.8.6 Regresi Logistik Biner Dengan SPSS 22..............................................18

2.8.7 Hasil Analisis Data Regresi Logistik Binr dengan SPSS 22.................20

2.9 Soal Latihan dan Pembahasan......................................................................29

BAB III PENUTUP...............................................................................................33

3.1 Kesimpulan..............................................................................................33

3.2 Saran........................................................................................................34

DAFTAR PUSTAKA............................................................................................35

ii

BAB I

PENDAHULUAN

1.1 Latar Belakang

Perkembangan dunia yang semakin pesat diikuti pula dengan berbagai

permasalahan kompleks yang mulai bermunculan. Hal tersebut memberikan

motivasi yang berarti dalam mengembangkan ilmu pengetahuan guna

memberi solusi real terhadap masalah-masalah real yang ada dalam kehidupan

sehari-hari.

Fenomena seperti ini memotivasi analisis statistik untuk berkembang

dalam menjawab permasalahan-permasalahan real yang ada. Analisis

statistik diharapkan menjadi salah satu alternatif dalam mengambil keputusan

yang rasional ilmiah berdasarkan data historis yang ada. Dengan analisis

statistik, kemungkinan untuk melakukan prediksi-prediksi dengan tingkat

konfidensi (kepercayaan) yang sangat tinggi. Selain itu, analisis statistik dapat

mengolah data yang ada untuk digunakan sebagai bahan pengambilan keputusan-

keputusan yang strategis. Oleh karena itu, analisis statistik merupakan metode

yang patut diperhitungkan untuk mengambil keputusan maupun kebijakan yang

akurat.

Banyaknya ilmu-ilmu yang dikembangkan dalam ilmu-ilmu statistik

terapan dalam kehidupan sehari-hari menyebabkan penemuan-penemuan baru

untuk menganalisis suatu masalah, salah satunya adalah analisis regresi. Analisis

regresi merupakan alat yang memanfaatkan hubungan dua atau lebih variabel

sehingga salah satu variabel bisa diramalkan dari variabel lainnya.

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

3

4

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).

Untuk menentukan persamaan regresi logistik yang akan digunakan untuk

memprediksi nilai variabel dependent harus dicari estimasi parameter pada model

regresi logistik. Ada beberapa metode yang dapat digunakan untuk mengestimasi

parameter model regresi logistik, yaitu maximum likelihood methods,

nonit-erative weighted least squares methods dan discriminant functionanalysis.

Salah satu metode yang lebih umum dan digunakan pada sebagian besar paket

program komputer yang menganalisis regresi logistik adalah maximum likelihood.

Metode maximum likelihood merupakan metode untuk menentukan parameter

yang memberikan nilai maksimum pada fungsi likelihood.

Analisis regresi logistik banyak dimanfaatkan pada penelitian yang

mempunyai dua kemungkinan “sukses” atau “gagal” seperti pada penelitian di

bidang biologi, elektronik, dunia kesehatan dan masih banyak lagi penerapan

dibidang lain. Sebagai contoh pada bidang kesehatan adalah terjadinya salah satu

penyakit yang sebagian besar manusia pernah mengalaminya yakni Maag. Yang

disebut dengan Maag atau radang lambung atau tukak lambung adalah gejala

penyakit yang menyerang lambung dikarenakan terjadi luka atau peradangan pada

lambung yang menyebabkan sakit, mulas, dan perih pada perut. sejumlah faktor

yang menjadi penyebab dari maag disebabkan oleh beberapa faktor antara lain

Makan Tidak Teratur, Perokok Aktif, Stress, Kurang Istirahat, Efek samping

obat-obatan tertentu, Sering makan pedas/asam/minum kopi. Oleh karena itu

penting bagi setiap orang untuk melakukan pencegahan dini terhadap penyakit

maag terutama jenis maag kronis yakni maag yang sudah parah intensitasnya di

bandingkan maag biasa dan jenis magh yang lebih parah dari maag konis yakni

https://id.wikipedia.org/wiki/Perut

https://id.wikipedia.org/wiki/Mulas

https://id.wikipedia.org/wiki/Lambung

https://id.wikipedia.org/wiki/Peradangan


https://id.wikipedia.org/wiki/Penyakit

5

Kanker lambung, kanker lambung terjadi akibat mikroorganisme yang merugikan,

yaitu Helycobacter pylori. Meskipun banyak ahli yang berpendapat bahwa

biasanya setiap orang sudah berada di tahap maag ringan. Maag ringan masih

tergolong tahap ringan, jika dilakukan pemeriksaan akan terlihat asam lambung

berlebih di bagian dinding. Sedangkan Maag sedang adalah Maag yang sudah

menyebabkan nyeri, sakit dan mual yang menyakitkan.

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 Masalah atau Topik Bahasan

Berdasarkan latar belakang diatas maka penulis tertarik untuk

mengangkat permasalahan tentang terapan statistik, terutama lebih terfokus

pada regresi logistik dan penerapannya dalam bidang kesehatan, maka dalam

makalah ini dirumuskan permasalahannya sebagai berikut:

1. Bagaimana pendekatan analisis regresi logistik pada kasus sakit maag pada

mahasiswa pendidikan matematika FKIP UNLAM?

2. Berdasarkan model regresi logistik, variabel-variabel apa saja yang

berpengaruh terhadap sakit maag pada mahasiswa pendidikan matematika

FKIP UNLAM?

3. Bagaimana peramalan untuk sakit maag pada mahasiswa pendidikan

matematika FKIP UNLAM? 4. Bagaimana caranya agar sakit maag pada mahasiswa pendidikan matematika?

6

1.3 Tujuan Penulisan

Adapun tujuan dari penelitian ini adalah sebagai berikut:

1. Memperoleh model regresi logistik untuk sakit maag pada mahasiswa

pendidikan matmatika FKIP UNLAM.

2. Mengetahui variabel-variabel yang mempengaruhi sakit maag pada mahasiswa

pendidikan matmatika FKIP UNLAM.

3. Mengetahui peluang terjadinya sakit maag pada mahasiswa pendidikan

matmatika FKIP UNLAM..

4. Mengetahui cara agar sakit maag pada mahasiswa pendidikan matematika

FKIP UNLAM dapat dicegah.

7

BAB II

ISI

2.1 REGRESI LOGISTIKRegresi 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

8

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

Persamaan Regresi Logistik

Regresi logistik menghasilkan rasio peluang yang dinyatakan dengan

transformasi fungsi logaritma (log), dengan demikian fungsi transformasi log

ataupun ln diperlukan untuk p-value, dengan demikian dapat dinyatakan bahwa

logit(p) merupakan log dari peluang (odds ratio) atau likelihood ratio dengan

kemungkinan terbesar nilai peluang adalah 1, dengan demikian persamaan regresi

logistik menjadi:

Logit (p) = log (p/1-p) = ln (p/1-p)

dimana p bernilai antara 0-1.

Model yang digunakan pada regresi logistik adalah:

Log (P / 1 – p) = β0 + β1X1 + β2X2 + …. + βkXk

Dimana p adalah kemungkinan bahwa Y = 1, dan X1, X2, X3 adalah

variabel independen, dan b adalah koefisien regresi

9

2.2 Pengertian Maag

Maag atau radang lambung atau tukak lambung adalah gejala penyakit yang

menyerang lambung dikarenakan terjadi luka atau peradangan pada lambung yang

menyebabkan sakit, mulas, dan perih pada perut. (wikipedia., 2015)

Secara garis besar, ada 2 jenis penyakit maag, yakni:

1. Gastritis Akut

Penyakit maag akut adalah inflamasi (reaksi tubuh terhadap mikroorganisme

dan benda asing yg ditandai oleh panas, bengkak, nyeri, dan gangguan fungsi

organ tubuh) akut dari lambung, dan biasanya terbatas hanya pada muklosa.

Penyakit maag akut dapat terjadi tanpa diketahui penyebabnya.

2. Gastritis Kronis

Lambung penderita penyakit maag kronis mungkin mengalami inflamasi

(reaksi tubuh terhadap mikroorganisme dan benda asing yg ditandai oleh panas,

bengkak, nyeri, dan gangguan fungsi organ tubuh) kronis dari tipe gangguan

tertentu, yang menyebabkan gastritis dari tipe yang spesifik yaitu gastritis kronis.

2.3 Jenis penyakit maag yang dilihat berdasarkan tingkat keparahan1. 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

https://id.wikipedia.org/wiki/Mulas


https://id.wikipedia.org/wiki/Peradangan


https://id.wikipedia.org/wiki/Penyakit

10

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.

2.5 Faktor-faktor Resiko Penyebab Maag

1. Makan tidak teratur

2. Perokok aktif

3. Stres

4. Kurang istirahat

5. Efek samping obat-obatan tertentu

6. Sering makan pedas/asam/minum kopi. (penyebabmaag.com, 2015)

11

2.6 Cara Pencegahan Maag

1. Makan teratur.

2. Mengunyah makanan sebanyak 32 kali agar makanan lebih lembut ketika

masuk lambung.

3. Menghindari makanan penyebab maag.

Kurangi makan-makanan yang dapat melukai lambung seperti cuka, kopi,

pedas atau beberapa makanan yang dapat membuat lambung memproduksi asam

lambung secera berlebihan.

4. Mengonsumsi susu kedelai

Dari berbagai studi ilmiah bahwa kandungan serat yang cukup tinggi dan baik

dari kedelai terbukti dapat mengatasi berbagai masalah pencernaan seperti maag,

radang saluran cerna, kembung dan lain-lain.

5. Hindari stres

Stress dapat menyebabkan kambuhnya penyakit maag. Oleh karena itu

usahakan untuk selalu berpikir positif dan menjauhkan stres dari pikiran Anda.

6. Hindari rokok

Asam lambung bias meningkat akibat rokok dan juga dapat menjadi

penghambat kesembuhan luka yang ada dalam lambung.

2.7 Sumber Data

Data yang digunakan dalam penelitian ini berasal dari data variable respon

pernah maag dan tidak pernah maag yang mempunyai karakteristik responden

adalah Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP UNLAM

Banjarmasin.

2.8 Contoh Analisis Regresi Logistik dengan menggunakan SPSS

2.8.1 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah sebagai berikut.

1. Variabel respon, terdiri dari dua kategori yaitu :

1) Orang yang pernah sakit maag (diberi kode 1)

2) Orang yang tidak pernah sakit maag (diberi kode 0)

12

2. Variabel prediktor, terdiri dari 6 variabel yang diduga mempunyai pengaruh

terhadap variabel respon yaitu :

1) Makan Tidak Teratur atau Teratur (X1) terdiri dari dua kategori sebagai

berikut.

1. Tidak Teratur, dengan kode 1.

2. Teratur, dengan kode 0

2) Perokok Aktif atau Tidak (X2)

1. Perokok aktif, dengan kode 1.

2. Tidak aktif (pasif), dengan kode 0.

3) Stress atau Tidak (X3)

1. Stress, dengan kode 1.

2. Tidak stress, dengan kode 0.

4) Kurang Istirahat atau tidak (X4)

1. Kurang istirahat, dengan kode 1.

2. Tidak, dengan kode 0.

5) Efek samping obat-obatan tertentu atau tidak (X5)

1. Efek samping obat-obatan tertentu, dengan kode 1.


6) Sering makan pedas, asam, minum kopi atau Tidak (X6)

1. Sering makan pedas/asam/minum kopi, dengan kode 1.


13

2.8.2 Kerangka Pemikiran

INPUT

OUTPUT

Gambar 1.1

PELUANG SAKIT MAAG

PROSES REGRESI LOGISTIK

Sering makan

pedas/asam/ minum kopi

Efek samping

obat-obatan tertentu

Kurang IstirahatStress

Perokok Aktif

Makan Tidak

Teratur

14

Sesuai dengan yang ditujukkan gambar 1.1 terdapat 6 input pada kasus ini,

yaitu. Keenam input tersebut kemudian akan diproses sedemikian rupa

menggunakan regresi logistik, sehingga akan menghasilkan sebuah nilai yang

merupakan besaran peluag bagi seorang mahasiswa pendidikan matematika

angkatan 2013 FKIP UNLAM untuk mengalami sakit maag.

Berikut cuplikan tampilan data Faktor-faktor yang mempengaruhi maag dan

data sakit maag Mahasiswa Pendididkan Matematika Angkatan 2013 FKIP

UNLAM Banjarmasin :

15

2.8.3 (Hasil Masukan Data Berupa Pengkodean 1 dan 0)No. NIM Y X1 X2 X3 X4 X5 X6

1. A1C113002 0 1 0 0 1 0 1

2. A1C113003 1 1 0 1 1 0 0

3. A1C113004 1 1 0 1 1 1 1

4. A1C113005 1 1 0 0 1 0 1

5. A1C113007 0 0 0 0 1 0 1

6. A1C113008 1 1 0 1 1 0 0

7. A1C113010 1 1 0 0 0 0 1

8. A1C113011 1 1 0 0 1 0 1

9. A1C113012 0 1 0 0 1 0 1

10. A1C113013 1 1 0 1 1 1 1

11. A1C113014 0 1 0 1 1 0 1

12. A1C113015 1 1 0 0 1 0 0

13. A1C113019 0 1 0 1 1 0 1

14. A1C113020 1 0 0 1 1 0 0

15. A1C113021 1 0 0 0 1 0 1

16. A1C113024 1 0 0 1 1 0 1

17. A1C113025 1 1 0 1 1 0 0

18. A1C113026 1 1 0 0 1 0 1

19. A1C113027 1 0 0 1 1 0 1

20. A1C113028 1 1 0 1 1 0 1

21. A1C113029 1 1 0 1 0 0 0

22. A1C113031 1 1 0 0 1 0 0

23. A1C113032 1 0 0 0 1 0 0

24. A1C113033 1 1 0 1 0 0 1

25. A1C113034 1 1 0 1 1 0 1

26. A1C113035 0 1 0 1 1 0 1

27. A1C113036 1 0 0 0 0 0 1

28. A1C113037 1 1 0 1 1 0 0

29. A1C113038 0 1 0 1 0 0 1

30. A1C113039 1 1 0 0 1 0 1

31. A1C113042 1 1 0 1 1 0 1

16

32. A1C113043 0 1 0 1 1 0 1

33. A1C113044 0 0 0 1 1 0 1

34. A1C113045 1 1 0 1 1 0 1

35. A1C113046 1 1 0 0 1 0 1

36. A1C113047 1 0 0 1 1 0 1

37. A1C113048 1 1 0 0 1 0 1

38. A1C113049 1 0 0 1 1 0 1

39. A1C113050 1 1 0 0 0 0 1

40. A1C113051 1 1 0 1 1 0 1

41. A1C113052 1 1 0 1 1 0 0

42. A1C113053 0 1 0 1 1 0 0

43. A1C113054 1 1 0 0 1 0 1

44. A1C113061 0 1 0 1 1 0 1

45. A1C113062 0 0 0 1 1 0 1

46. A1C113063 1 1 0 0 1 0 1

47. A1C113064 1 1 0 1 1 0 0

48. A1C113066 1 1 0 0 1 0 1

49. A1C113069 1 1 0 1 1 0 1

50. A1C113070 1 1 0 1 1 0 1

51. A1C113072 0 0 0 0 1 0 1

52. A1C113073 1 1 0 0 1 0 1

53. A1C113074 1 1 0 0 1 0 1

54. A1C113076 1 1 0 0 1 0 1

55. A1C113078 1 1 0 0 1 0 0

56. A1C113079 1 1 0 1 0 0 0

57. A1C113080 1 1 0 1 1 0 1

58. A1C113081 1 1 0 1 1 0 1

59. A1C113082 0 1 0 0 1 0 0

60. A1C113084 1 1 0 1 1 0 1

61. A1C113086 1 1 0 1 1 0 0

62. A1C113087 0 0 0 1 1 0 1

63. A1C113088 0 0 0 0 0 0 0

64. A1C113089 1 1 0 1 1 0 0

65. A1C113090 1 1 0 1 1 0 1

17

66. A1C113091 1 1 0 1 1 0 1

67. A1C113093 1 1 0 0 0 0 1

68. A1C113097 1 1 0 1 1 0 1

69. A1C113098 1 1 0 0 1 0 0

70. A1C113099 1 1 0 0 1 0 1

71. A1C113205 0 1 0 0 0 0 1

72. A1C113206 1 1 0 1 1 0 1

73. A1C113209 1 1 0 0 1 0 1

74. A1C113212 1 1 0 1 1 1 1

75. A1C113214 0 1 0 0 0 0 1

76. A1C113217 0 1 0 1 1 0 1

77. A1C113218 1 0 0 1 1 0 1

78. A1C113221 1 1 0 1 1 0 0

79. A1C113223 0 0 0 0 0 0 1

2.8.4 (Hasil Masukan Data Berupa Pengkodean Ya dan Tidak)No. NIM y X1 X2 X3 X4 X5 X6

1. A1C113002 Tidak Ya Tidak Tidak Ya Tidak Ya

2. A1C113003 Ya Ya Tidak Ya Ya Tidak Tidak

3. A1C113004 Ya Ya Tidak Ya Ya Ya Ya

4. A1C113005 Ya Ya Tidak Tidak Ya Tidak Ya

5. A1C113007 Tidak Tidak Tidak Tidak Ya Tidak Ya


7. A1C113010 Ya Ya Tidak Tidak Tidak Tidak Ya


9. A1C113012 Tidak Ya Tidak Tidak Ya Tidak Ya


11. A1C113014 Tidak Ya Tidak Ya Ya Tidak Ya

12. A1C113015 Ya Ya Tidak Tidak Ya Tidak Tidak


14. A1C113020 Ya Tidak Tidak Ya Ya Tidak Tidak

15. A1C113021 Ya Tidak Tidak Tidak Ya Tidak Ya

18

16. A1C113024 Ya Tidak Tidak Ya Ya Tidak Ya




20. A1C113028 Ya Ya Tidak Ya Ya Tidak Ya

21. A1C113029 Ya Ya Tidak Ya Tidak Tidak Tidak


23. A1C113032 Ya Tidak Tidak Tidak Ya Tidak Tidak

24. A1C113033 Ya Ya Tidak Ya Tidak Tidak Ya



27. A1C113036 Ya Tidak Tidak Tidak Tidak Tidak Ya


29. A1C113038 Tidak Ya Tidak Ya Tidak Tidak Ya




33. A1C113044 Tidak Tidak Tidak Ya Ya Tidak Ya









42. A1C113053 Tidak Ya Tidak Ya Ya Tidak Tidak








19


51. A1C113072 Tidak Tidak Tidak Tidak Ya Tidak Ya





56. A1C113079 Ya Ya Tidak Ya Tidak Tidak Tidak



59. A1C113082 Tidak Ya Tidak Tidak Ya Tidak Tidak




63. A1C113088 Tidak Tidak Tidak Tidak Tidak Tidak Tidak








71. A1C113205 Tidak Ya Tidak Tidak Tidak Tidak Ya




75. A1C113214 Tidak Ya Tidak Tidak Tidak Tidak Ya




79. A1C113223 Tidak Tidak Tidak Tidak Tidak Tidak Ya

20

2.8.5 Tabel

Makan tidak teraturYa Tidak

Pernah maag Pernah maagCount % Count %

ya 50 79,4 9 56,2tidak 13 20,6 7 43,8

Perokok AktifYa Tidak


ya 0 0 % 59 74,6 %tidak 0 0 % 20 25,4 %

StresYa Tidak


ya 35 77,7 % 25 73,5 %tidak 10 22,3 % 9 26,5 %

Kurang istirahatYa Tidak


ya 52 77,6 % 7 58,3 %tidak 15 22,4 % 5 41,7 %

Efek samping obat-obatan tertentuYa Tidak


ya 3 100 % 56 73,6 %tidak 0 0 % 20 26,4 %

Sering makan pedas/asam/minum kopiYa Tidak

21


ya 17 28,8 % 17 85 %tidak 42 71,2 % 3 15 %

2.8.6 Regresi Logistik Biner Dengan SPSS 22

Langkah pertama Buka SPSS 22, kemudian isikan data seperti gambar di atas

22

Langkah ke dua, klik Analyze, Regression, lalu pilih Binary Logistics. Masukkan

variabel hasil tes tertulis ke dalam bagian Independent sedangkan variabel jenis kelas dan

nilai tes praktikum masukkan ke bagian Covariates. Berikut gambarannya:

Lalu, klik pada bagian Options dan centang seperti terlihat pada gambar di bawah

ini:

23

Lalu pada method pilih “ Backward : LR”klik Continue dan OK, maka akan dihasilkan output seperti berikut (langsung dengan penjelasannya

24

2.8.7 Hasil Analisis Data Regresi Logistik Binr dengan SPSS 22

Block 0: Beginning Block

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients

Constant

Step 0 1 87,347 1,038

2 87,163 1,147

3 87,163 1,150

4 87,163 1,150

a. Constant is included in the model.

b. Initial -2 Log Likelihood: 87,163

c. Estimation terminated at iteration number 4

because parameter estimates changed by less

than ,001.

Classification Tablea,b

Observed

Predicted

Sakit_Maag

Percentage

Correct

Tidak pernah

sakit maag

Pernah sakit

maag

Step 0 Sakit_Maag Tidak pernah sakit maag 0 19 ,0

Pernah sakit maag 0 60 100,0

Overall Percentage 75,9

a. Constant is included in the model.

b. The cut value is ,500

Variables in the Equation

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

Step 0 Constant 1,150 ,263 19,081 1 ,000 3,158

25

Block 1: Method = Backward Stepwise (Likelihood Ratio)

Iteration Historya,b,c,d,e

Iteration -2 Log likelihood

Coefficients

Constant

Makan_Tidak_Te

ratur Stress Kurang_Istirahat

Efek_Samping_O

bat_obatan_Terte

ntu

Sering_Makan_P

edas_atau_Asam

_atau_Minum_Ko

pi

Step 1 1 80,234 ,093 ,878 -,176 ,794 ,890 -,479

2 78,932 ,193 1,072 -,268 1,015 1,870 -,747

3 78,756 ,226 1,092 -,283 1,043 2,902 -,801

4 78,698 ,227 1,092 -,283 1,044 3,917 -,802

5 78,677 ,227 1,092 -,283 1,044 4,922 -,802

6 78,669 ,227 1,092 -,283 1,044 5,924 -,802

7 78,666 ,227 1,092 -,283 1,044 6,925 -,802

8 78,665 ,227 1,092 -,283 1,044 7,926 -,802

9 78,665 ,227 1,092 -,283 1,044 8,926 -,802

10 78,665 ,227 1,092 -,283 1,044 9,926 -,802

11 78,665 ,227 1,092 -,283 1,044 10,926 -,802

12 78,665 ,227 1,092 -,283 1,044 11,926 -,802

13 78,665 ,227 1,092 -,283 1,044 12,926 -,802

14 78,665 ,227 1,092 -,283 1,044 13,926 -,802

15 78,665 ,227 1,092 -,283 1,044 14,926 -,802

16 78,665 ,227 1,092 -,283 1,044 15,926 -,802

17 78,665 ,227 1,092 -,283 1,044 16,926 -,802

18 78,665 ,227 1,092 -,283 1,044 17,926 -,802

19 78,665 ,227 1,092 -,283 1,044 18,926 -,802

20 78,665 ,227 1,092 -,283 1,044 19,926 -,802

Step 2 1 80,415 ,022 ,878 ,743 ,820 -,463

2 79,162 ,091 1,069 ,927 1,769 -,721

3 78,988 ,118 1,088 ,947 2,798 -,773

4 78,930 ,119 1,089 ,948 3,813 -,774

5 78,909 ,119 1,089 ,948 4,818 -,774

6 78,901 ,119 1,089 ,948 5,820 -,774

7 78,898 ,119 1,089 ,948 6,821 -,774

8 78,897 ,119 1,089 ,948 7,822 -,774

9 78,897 ,119 1,089 ,948 8,822 -,774

26

10 78,896 ,119 1,089 ,948 9,822 -,774

11 78,896 ,119 1,089 ,948 10,822 -,774

12 78,896 ,119 1,089 ,948 11,822 -,774

13 78,896 ,119 1,089 ,948 12,822 -,774

14 78,896 ,119 1,089 ,948 13,822 -,774

15 78,896 ,119 1,089 ,948 14,822 -,774

16 78,896 ,119 1,089 ,948 15,822 -,774

17 78,896 ,119 1,089 ,948 16,822 -,774

18 78,896 ,119 1,089 ,948 17,822 -,774

19 78,896 ,119 1,089 ,948 18,822 -,774

20 78,896 ,119 1,089 ,948 19,822 -,774

Step 3 1 81,429 -,358 ,922 ,748 ,688

2 80,430 -,491 1,116 ,917 1,594

3 80,264 -,502 1,131 ,930 2,621

4 80,206 -,502 1,131 ,930 3,636

5 80,185 -,502 1,131 ,930 4,641

6 80,177 -,502 1,131 ,930 5,643

7 80,174 -,502 1,131 ,930 6,644

8 80,173 -,502 1,131 ,930 7,645

9 80,173 -,502 1,131 ,930 8,645

10 80,173 -,502 1,131 ,930 9,645

11 80,173 -,502 1,131 ,930 10,645

12 80,173 -,502 1,131 ,930 11,645

13 80,173 -,502 1,131 ,930 12,645

14 80,173 -,502 1,131 ,930 13,645

15 80,173 -,502 1,131 ,930 14,645

16 80,173 -,502 1,131 ,930 15,645

17 80,173 -,502 1,131 ,930 16,645

18 80,173 -,502 1,131 ,930 17,645

19 80,173 -,502 1,131 ,930 18,645

20 80,173 -,502 1,131 ,930 19,645

Step 4 1 81,912 -,382 ,953 ,777

2 81,289 -,530 1,168 ,964

3 81,285 -,544 1,186 ,980

4 81,285 -,544 1,186 ,981

Step 5 1 83,723 ,250 ,988

2 83,282 ,251 1,184

3 83,281 ,251 1,196

4 83,281 ,251 1,196

a. Method: Backward Stepwise (Likelihood Ratio)

b. Constant is included in the model.

c. Initial -2 Log Likelihood: 87,163

d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

27

e. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.

Apakah model sudah fit? Perhatikan saja nilai statistik-2 Log Likelihood. Untuk

bagian Beginning, yaitu nilai -2 Log likelihood yang masih hanya menggunakan konstanta

(c) adalah 87,163 sedangkan saat kita sudah melibatkan dua variabel bebasnya (Makan tidak

teratur, , perokok aktif, stress, kurang istirahat, efek samping obat-obatan tertentu, sering

makan asam/pedas/minum kopi), nilai -2 Log Likelihood adalah 83,281 (iterasi

maksimum/20).

Hal ini sudah menunjukkan ada penurunan nilai saat variabel bebas sudah ikut

“bermain” yakni sebesar 87,163 - 83,281 = 3,882 (Lebih jelasnya, lihat pada bagian Omnibus

Tests of Coefficients)

Untuk Beginning, ternyata dihasilkan koefisien dari -2 Log Likelihood 1,150 yang

lebih besar dibanding alpha 5% sehingga dengan demikian kita menerima hipotesis nol yakni

model sudah fit.

Omnibus Tests of Model Coefficients

Chi-square Df Sig.

Step 1 Step 8,498 5 ,131

Block 8,498 5 ,131

Model 8,498 5 ,131

Step 2a Step -,232 1 ,630

Block 8,266 4 ,082

Model 8,266 4 ,082

Step 3a Step -1,276 1 ,259

Block 6,990 3 ,072

Model 6,990 3 ,072

Step 4a Step -1,113 1 ,292

Block 5,877 2 ,053

Model 5,877 2 ,053

Step 5a Step -1,996 1 ,158

Block 3,882 1 ,049

28

Model 3,882 1 ,049

a. A negative Chi-squares value indicates that the Chi-

squares value has decreased from the previous step.

Model Summary

Step -2 Log likelihood

Cox & Snell R

Square

Nagelkerke R

Square

1 78,665a ,102 ,153

2 78,896a ,099 ,149

3 80,173a ,085 ,127

4 81,285b ,072 ,107

5 83,281b ,048 ,072

a. Estimation terminated at iteration number 20 because

maximum iterations has been reached. Final solution cannot

be found.

b. Estimation terminated at iteration number 4 because

parameter estimates changed by less than ,001.

Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 5,012 6 ,542

2 ,875 4 ,928

3 ,041 2 ,980

4 ,025 2 ,988

5 ,000 0 .

Pada tabel pertama :

H0 : Tidak ada variabel X yang signifkan mempengaruhi variabel Y

H1 : Minimal ada satu variabel yang signifikan mempengaruhi variabel Y

Nilai signifikansi 0,049 < 0.05, sehingga H0 ditolak artinya minimal ada satu variabel

X memengaruhi variabel Y, sehingga analisis dapat dilanjutkan.

Pada tabel kedua :

29

Nilai variabel Makan tidak teratur, perokok aktif, stress, kurang istirahat, efek

samping obat-obatan tertentu, sering makan asam/pedas/minum kopi yang kita pakai

dalam penelitian sudah mampu menjelaskan keragaman data pada variabel sakit maag

sebesar 7,2 %

Pada tabel ketiga :

H0 : Model cukup mampu menjelaskan data (layak/ sesuai)

H1 : Model tidak cukup mampu menjelaskan data (kurang sesuai)

nilai signifikansinya 0 < 0,05, maka H0 ditolak sehingga Model tidak cukup mampu

menjelaskan data (kurang sesuai) tetapi bukan berarti tidak mampu samasekali menjelaskan

data.

Variables in the Equation

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

Step 1a Makan_Tidak_Teratur 1,092 ,613 3,175 1 ,075 2,980

Stress -,283 ,593 ,229 1 ,633 ,753

Kurang_Istirahat 1,044 ,712 2,151 1 ,142 2,841

Efek_Samping_Obat_obatan

_Tertentu19,926 23205,422 ,000 1 ,999 450410990,422

Sering_Makan_Pedas_atau_

Asam_atau_Minum_Kopi-,802 ,722 1,235 1 ,266 ,448

Constant ,227 ,972 ,054 1 ,816 1,254


Kurang_Istirahat ,948 ,683 1,925 1 ,165 2,580


_Tertentu19,822 23205,422 ,000 1 ,999 405922991,753

Sering_Makan_Pedas_atau_

Asam_atau_Minum_Kopi-,774 ,718 1,161 1 ,281 ,461

Constant ,119 ,949 ,016 1 ,900 1,126




_Tertentu19,645 23205,422 ,000 1 ,999 340072916,387

Constant -,502 ,754 ,444 1 ,505 ,605



Constant -,544 ,756 ,517 1 ,472 ,581


30

Constant ,251 ,504 ,249 1 ,618 1,286

a. Variable(s) entered on step 1: Makan_Tidak_Teratur, Stress, Kurang_Istirahat, Efek_Samping_Obat_obatan_Tertentu,

Sering_Makan_Pedas_atau_Asam_atau_Minum_Kopi.

Dari Tabel Variables in the Equation terlihat bahwa variabel atau faktor-faktor yang

berpengaruh

terhadap sakit maag pada mahasiswa pendidikan matematika angkatan 2013 fkip unlam pada

tingkat 5% atau

dengan kepercayaan 95% adalah

Makan tidak teratur , perokok aktif, stress, kurang istirahat, efek samping obat-obatan

tertentu, sering makan asam/pedas/minum kopi. Pengaruh dari masing-masing faktor tersebut

dapat

dideskripsikan dengan melihat nilai ekspektasi nilai variabel bebasnya (Exp(B)):

H0 : variabel X tidak signifikan mempengaruhi variabel Y.

H1 : variabel X signifikan mempengaruhi variabel Y.

Nilai signifikansi variabel X1 = 0,045

Nilai signifikansi 0,045 < 0.05 , berarti H1 diterima.

Kesimpulan: Makan tidak teratur signifikan mempengaruhi sakit maag.


Nilai signifikansi 0,633 > 0.05 , berarti H0 diterima.

Kesimpulan: stress tidak signifikan mempengaruhi sakit maag.



Kesimpulan: Kurang Istirahat tidak signifikan mempengaruhi sakit maag.



Kesimpulan:Obat-obatan tertentu tidak signifikan mempengaruhi sakit maag

31

Nilai signifikansi variabel X6= 0,281


Kesimpulan:Sering makan pedas atau asam atau minum kopi tidak signifikan

mempengaruhi sakit maag

Sekarang, sampai di bagian akhir untuk interpretasi model regresi logistic. Berikut

model penelitiannya :

Ln P/1-P = 0,251+1,196 Makan Tidak Teratur + 0 Perokok Aktif - 0,283 Stress+

0,981 Kurang Istirahat + 19,645 Efek Samping Obat-obatan tertentu - 0,774 Sering Makan

Pedas atau Asam atau Minum Kopi

dengan:

p : Peluang sakit maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP

UNLAM Banjarmasin

Jadi, faktor yang berpengaruh terhadap sakit maag Pada Mahasiswa Pendidikan Matematika

Angkatan 2013 FKIP UNLAM Banjarmasin dengan kepercayaan 95% adalah makan tidak

teratur.

Misalkan Mahasiswa Pendidikan Matematika dengan kebisaan (ciri-ciri) sbb:

i. Makan tidak teratur = ya (1) Output regresi logistik dengan variabel X1 dari persamaan regresi diatas, probabilitas mahasiswa akan sakit maag dapat dihitung sbb:

π̂= e0,251+1,196 (1 )

1+e0,251+1,196 (1) = 0,809

Probabilitas mahasiswa pendidikan Matematika Angkatan 2013 FKIP UNLAM akan

sakit maag jika makan tidak teratur dibanding jika makan teratur adalah 0,1905 saja.

32

Sus Liris Woro (2011:76) Meskipun tidak semua variabel bebas berpengaruh secara

signifikan tetap diikutkan pada model artinya walaupun mempunyai signifikansi lebih dari

5%. Hal ini karena jika kategori- kategori tersebut dikeluarkan dari model akan

mempengaruhi kelayakan

(goodness of fit) dari model secara keseluruhan. Tapi, ingat satu hal bahwa variable-

tidak signifikan secara statistik, bukan berarti pengaruhnya tidak ada (nol rasio), melainkan

ada pengaruhnya, hanya saja sangat kecil. Mungkin untuk penelitian lain (beda waktu, beda

mahasiswa, beda universitas) bisa saja hasilnya akan signifikan.

Sedangkan faktor perokok aktif tidak dapat dinyatakan bepengaruh tinggi atau

rendah dikarenakan mahasiswa Pendidikan Matematika Angkatan 2013 FKIP UNLAM yang

menjadi objek penelitian kami tidak ada satupun yang merupakan perokok aktif.

2.9 Soal Latihan dan Pembahasan

Pertanyaan 1 :

a) Berapa peluang mereka yang Stress mempunyai resiko untuk sakit maag?

b) Berapa peluang mereka yang tidak stress mempunyai resiko untuk sakit maag?

c) Bandingkan resiko terjadi sakit maag antara mereka yang stress dan yang tidak stress.

Pertanyaan 2 :

a) Berapa peluang mereka yang Kurang Istirahat mempunyai resiko untuk sakit maag?

b) Berapa peluang mereka yang tidak kurang istirahat mempunyai resiko untuk sakit

maag?

c) Bandingkan resiko terjadi sakit maag antara mereka yang kurang istirahat dan yang

tidak kurang istirahat.

Pertanyaan 3 :

a) Berapa peluang mereka yang terkena Efek samping obat-obatan tertentu mempunyai

resiko untuk sakit maag?

b) Berapa peluang mereka yang tidak terkena Efek samping obat-obatan tertentu

mempunyai resiko untuk sakit maag?

33

c) Bandingkan resiko terjadi sakit maag antara mereka yang yang terkena Efek samping

obat-obatan tertentu dan yang tidak terkena Efek samping obat-obatan tertentu

Pertanyaan 4 :

a) Berapa peluang mereka yang Sering makan pedas, asam, minum kopi mempunyai

resiko untuk sakit maag?

b) Berapa peluang mereka yang tidak Sering makan pedas, asam, minum kopi

mempunyai resiko untuk sakit maag?

c) Bandingkan resiko terjadi sakit maag antara mereka yang Sering makan pedas, asam,

minum kopi atau mereja yang tidak Sering makan pedas, asam, minum kopi.

Jawab :

Pertanyaan 1 :

Dengan model regresi logistik (Nur Asyiah, 2008:79), maka pada soal tersebut bentuk

modelnya adalah :

a) π̂1= e0,227−0,283( 1)

1+e0,227−0,283 (1 ) = 0,486 atau 48,6 %

Jadi mereka yang stress mempunyai risiko untuk sakit maag sebesar 48,6 %.

b) π̂ 0= e0,227−0,283 (0 )

1+e0,227−0,283( 0) = 0,556 atau 55,6 %

Jadi mereka yang tidak stress mempunyai risiko untuk sakit maag sebesar 55,6 %.

c) Besar resiko kedua kelompok tersebut adalah :

π̂ 1π̂ 0 =

0,4860,556=0,874

Kesimpulan:

Arti dari angka diatas adalah, mereka yang stress mempunyai risiko terjadi maag

(0,874) kali lebih tinggi dibandingkan mereka yang tidak stress.

Pertanyaan 2 :

Dengan model regresi logistik maka pada soal tersebut bentuk modelnya adalah :

a) π̂ 1= e−0,544+ 0,981 ( 1)

1+e−0,544+0,981 (1) = 0,607 atau 60,7 %

34

Jadi mereka yang Kurang Istirahat mempunyai risiko untuk sakit maag sebesar

60,7 %.

b) π̂ 0= e−0,544+0,981 (0 )

1+e−0,544+0,981(0 ) =0,367 atau 36,7 %.

Jadi mereka yang tidak Kurang Istirahat mempunyai risiko untuk sakit maag

sebesar 36,7 %.


π̂ 1π̂ 0 =0,607

0,367=1,653

Kesimpulan:

Arti dari angka diatas adalah, mereka yang Kurang Istirahat mempunyai risiko

terjadi maag (1,653) kali lebih tinggi dibandingkan mereka yang tidak Kurang

Istirahat.

Pertanyaan 3 :


a) π̂1= e−0,502+19,645 (1)

1+e−0,502+19,645 (1 ) =0,999atau 99,9 %

Jadi mereka yang terkena Efek samping obat-obatan tertentu mempunyai

risiko untuk sakit maag sebesar 99,9 %.

b) π̂ 0= e−0,502+19,645 ( 0)

1+e−0,502+19,645 (0 )=0,377 atau 37,7 %

Jadi mereka yang tidak terkena Efek samping obat-obatan tertentu mempunyai

risiko untuk sakit maag sebesar 37,7 %.


35

π̂ 1π̂ 0 =

0,9990,377=2,649

Kesimpulan:

Arti dari angka diatas adalah, mereka yang terkena Efek samping obat-obatan

tertentu mempunyai risiko terjadi maag (2,649) kali lebih tinggi dibandingkan

mereka yang tidak terkena Efek samping obat-obatan tertentu

Pertanyaan 4 :


a) π̂ 1= e0,119−0,774 (1 )

1+e0,119−0,774 (1) =0,342 atau 34,2 %

Jadi mereka yang Sering makan pedas, asam, minum kopi

mempunyai risiko untuk sakit maag sebesar 34,2 %.

b) π̂ 0= e0,119−0,774 (0 )

1+e0,119−0,774 (0 ) =0,529

Jadi mereka yang Sering makan pedas, asam, minum kopi

mempunyai risiko untuk sakit maag sebesar 52,9 %.


π̂ 1π̂ 0 =0,342

0,529=0,646

Kesimpulan:

Arti dari angka diatas adalah, mereka yang Sering makan pedas, asam,

minum kopi mempunyai risiko terjadi maag ( 0,646) kali lebih tinggi

dibandingkan mereka yang tidak mereka yang Sering makan pedas, asam,

minum kopi.

36

BAB III

PENUTUP

3.1 Kesimpulan

1. Pendekatan analisis regresi logistik pada kasus sakit maag pada mahasiswa

pendidikan matematika FKIP UNLAM?

Ln P/1-P = 0,251+1,196 Makan Tidak Teratur +0 Perokok Aktif -0,283 Stress+

0,981Kurang Istirahat+19,645 Efek Samping Obat-obatan tertentu- 0,774 Sering

Makan Pedas atau Asam atau Minum Kopi

dengan:

P : Peluang sakit maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP

UNLAM Banjarmasin.

2. Berdasarkan model regresi logistik, variabel-variabel(faktor) yang berpengaruh

terhadap sakit maag Pada Mahasiswa Pendidikan Matematika Angkatan 2013 FKIP

UNLAM Banjarmasin dengan kepercayaan 95% adalah makan tidak teratur

3. Peramalan untuk sakit maag pada mahasiswa pendidikan matematika FKIP UNLAM

adalah sbb:

sakit maag apabila makan tidak teratur adalah 0,8095 artinya sangat tinggi

kemungkinannya Misalkan Mahasiswa Pendidikan Matematika dengan kebisaan (ciri-

ciri) sbb:

Makan tidak teratur = ya (1) Output regresi logistik denngan variabel X1 dari

persamaan regresi diatas, probabilitas mahasiswa akan sakit maag dapat dihitung sbb:

π̂= e0,251+1,196 (1 )

1+e0,251+1,196 (1) = 0,809

37

Probabilitas mahasiswa pendidikan Matematika Angkatan 2013 FKIP UNLAM akan

sakit maag jika makan tidak teratur dibanding jika makan teratur adalah 0,1905 saja.

4. Agar mahasiswa pendidikan matematika angkatan 2013 FKIP UNLAM tidak sakit

maag tentunya semua faktor penyebab sakit maag harus dihindari, namun menurut

data dan analisis regresi logistik biner ini faktor yang sangat besar memberi

pengaruhnya adalah faktor makan tidak teratur.

3.2 SaranSetelah melakukan analisis regresi logistik biner untuk megetahui faktor-faktor apa saja yang

paling memberikan pengaruh menimbulkan sakit maag, maka diharapkan Para Mahasiswa

Pendidikan Matematika angkatan 2013 FKIP UNLAM dapat mencegah faktor-faktor tersebut

sehingga sakit maag yang meskipun banyak diakui mahasiswa Pendidikan Matematika

angkatan 2013 FKIP UNLAM bukan hal yang “aneh” itu dapat dicegah. Karena jika sakit

maag tentu akan mengganggu perkuliahan mahasiswa tersebut.

38

DAFTAR PUSTAKA

Liris Woro, Sus. 2011. Analisis Kepemilikan Sepeda Motor Pada Rumah Tangga Di

Kabupaten Buleleng Menggunakan Model Regresi Logistik tesis tidak diterbitkan. Denpasar

PPs Teknik Sipil Universitas Udayana.

Asyiah, Nur. 2008. Regresi Logistik Dan Penerapannya Dalam Bidang Kesehatan

(Studi Kasus Kelahiran Prematur Di Rskia Pku Muhammadiyah Kotagede Yogyakarta)

skripsi tidak diterbitkan. Yogyakarta : Fakultas Sains dan Teknologi Universitas Islam Negeri

Sunan Kalijaga Yogyakarta.

Buana, Indira Swa & Mahendrawathi & Iriawan Nur.2010. Penerapan Metode

Regresi Logistik Pada Aplikasi Spreadsheet Sebagai Alat Bantu Pengambilan Keputusan

(Studi Kasus Data Bumn Di Bpk Ri). Makalah disajikan dalam Seminar Nasional Informatika

2010 (semnasIF 2010), Veteran, Yogyakarta, 22 Mei.

Kasim, Felix. 2008.Metodologi Penelitian Biomedis (Diana Krisanti Jasaputra &

Slamet Santosa, Ed.).Bandung : Danamartha Sejahtera Utama.

(21 Oktober 2015). Maag, (Online), (https://id.wikipedia.org/wiki/Maag#Jenis_maag), diakses 12 Desember 2015.

Penyebab Maag,(Online), (penyebabmaag.com), diakses 12 Desember 2015.

https://id.wikipedia.org/wiki/Maag#Jenis_maag

makalah regresi logistik biner

Documents