Jurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal

Transkripsi

1 Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal ANALISIS FAKTOR-FAKTOR YANG MEMPERNGARUHI KANKER LEHER RAHIM DI KOTA AMBON DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (Studi asus: Pasie di RSUD Dr. M. Haulussy Ambo) Salmo Notje Aulele 1, H. W. M. Patty, Trisawaty 3 1,,3 Jurusa Matematia Faultas Matematia da Ilmu Pegetahua Alam, Uiversitas Pattimura Jala Ir. M. Putuhea, Kampus Upatti, Poa, Ambo, Idoesia 1 salmo.aulele@yahoo.com Abstra Kaer servis atau aer leher rahim adalah jeis peyait aer yag terjadi pada daerah leher rahim, yaitu bagia rahim yag terleta di bawah yag membua e arah liag vagia. Berawal dari leher rahim, apabila telah memasui tahap lajut, aer ii bisa meyebar e orga-orga lai di seluruh tubuh. Regresi logisti bier merupaa salah satu pedeata model matematis yag diguaa utu megaalisis hubuga beberapa fator dega sebuah variabel yag bersifat diotomus (bier). Tujua dari peelitia ii adalah meetua fator-fator yag mempegaruhi peyebab aer leher rahim di ota Ambo dega megguaa regresi logisti bier. Hasil peelitia meujua bahwa fatorfator yag mempegaruhi aer leher rahim di ota Ambo dega megguaa regresi logisti bier adalah usia (X 1 ) da freuesi meiah (X 4 ) dega etepata peglasifiasia pederita da o pederita aer leher rahim berturut-turut adalah 57,14% da 66,67%. Secara eseluruha, model regresi logisti yag telah diperoleh dapat meglasifiasia respode sebesar 61,9%. Kata Kuci: aer leher rahim, etepata lasifiasi, regresi logisti bier ANALYSIS OF THE FACTORS THAT AFFECT CERVICAL CANCER IN THE CITY OF AMBON BY USING BINARY LOGISTIC REGRESSION (Case Study: Patiet i RSUD Dr. M. Haulussy Ambo) Abstract Cervical cacer is a type of cacer that occurs i the cervical regio that is part of the uterus that is located uder the opeig to the vagia. Startig from the cervix if it has etered the stage, this cacer ca spread to other orgas throughout the body. Biary logistic regressio is oe approach used a mathematical model to aalyze the relatioship of several factors with a variable is dichotomous (biary). The purpose of this study is to determie the factors that ifluece the cause of cervical cacer i the city of Ambo by usig biary logistic regressio. The results showed that the factors that affect cervical cacer i the city of Ambo by usig biary logistic regressio are age (X 1 ) ad frequecy married (X 4 ) with the accuracy of the classificatio of patiets ad o-patiets respectively was 57.14% ad 66.67%. Overall, the logistic regressio model that has bee obtaied ca classify respodets of 61.9%. Keywords: Accuracy classificatio, biary logistic regressio, cervical cacer 1. Pedahulua Kaer servis atau aer leher rahim adalah jeis peyait aer yag terjadi pada daerah leher rahim yaitu, bagia rahim yag terleta di bawah yag membua e arah liag vagia. Berawal dari leher rahim, apabila telah memasui tahap lajut, aer ii bisa meyebar e orga-orga lai di seluruh tubuh. Meurut para ahli aer, aer leher rahim adalah salah satu jeis aer yag palig dapat dicegah da palig dapat disembuha dari semua asus aer. Di Idoesia diperiraa 15. asus baru aer servis terjadi setiap tahuya. Sedaga aga ematiaya di periraa 7.5 asus per tahu [1]. Semetara itu di Maluu sebelum tahu 7 tercatat dari 1. perempua di Maluu haya dua orag yag meiggal aibat peyait aer servis. Setelah 61

2 6 Aulele d. Aalisis Fator-fator yag Mempegaruhi Kaer Leher Rahim di Kota Ambo Dega Megguaa itu meigat mejadi 1 perempua per tahu. Oleh sebab itu dibutuha erja sama atar berbagai ompoe da istasi teis terait. Terutama tim peggera PKK utu memberia pemahama da advoasi esehata epada aum perempua. Hal ii bertujua utu meea peigata asus peyait tersebut serta meea peyebara peyait ii, sehigga jumlah pederita dapat meuru drastis dalam lima tahu medatag []. Sejumlah fator yag diduga dapat mempermudah orag terifesi HPV (Huma Papilloma Virus), diataraya yaitu melaua hubuga ses pada usia muda, serig bergati pasaga, da memilii sejarah meroo. Dari fator-fator tersebut, utu melihat fator-fator risio yag mempegaruhi seseorag terea aer leher rahim maa diguaa metode regresi logisti bier. Dalam [3] diemuaa bahwa regresi logisti bier merupaa suatu metode aalisis data yag diguaa utu mecari hubuga atara variabel respo (y) yag bersifat bier atau diotomus dega variabel preditor (x) yag bersifat poliotomus. Regresi logisti bier merupaa salah satu pedeata model matematis yag diguaa utu megaalisis hubuga beberapa fator dega sebuah variabel yag bersifat diotomus (bier). Pada regresi logisti jia variabel respoya terdiri dari dua ategori misalya Y = 1 meyataa hasil yag diperoleh suses da Y = meyataa hasil yag diperoleh gagal maa regresi logisti tersebut megguaa regresi logisti bier. Secara umum model probabilitas regresi logisti dega melibata beberapa variabel preditor dapat diformulasia sebagai beriut E(y x) = eβ +β 1 x 1 +β x + +β x 1 + e β +β 1 x 1 +β x + +β x (1) dimaa E(y x) merupaa pejumlaha dari π(x). Fugsi π(x) merupaa fugsi oliear sehigga perlu dilaua trasformasi logit utu memperoleh fugsi yag liier. Dega demiia dapat dilihat hubuga atara variabel respo (y) dega variabel preditorya (x). Betu logit π(x) dari diyataa sebagai (x), yaitu: g(x) = ( π(x) 1 π(x) ) () Selajutya persamaa (1) da () disubtitusia sehigga diperoleh: g(x) = l ( π(x) 1 π(x) ) = β + β 1 x 1 + β x + + β x dega g(x) merupaa fugsi hubuga dari model regresi logisti yag disebut fugsi hubuga logit. Diasumsia sebuah sampel beruura da terdiri atas pegamata idepede berpasaga (x i, y i ), i = 1,,,, dega y i meyataa ilai variabel respo da x i adalah ilai variabel preditor utu subje e-i. Pada regresi liier, metode peasira parameter yag lazim diguaa adalah least squares, dega osep memiimuma jumlah uadrat residual. Metode estimasi yag megarah pada fugsi least squares dalam model regresi liier (jia residual berdistribusi ormal) disebut maximum lielihood [3] Masimum l lielihood dapat diperoleh dega cara medifferesiala L(β) terhadap β da meyamaaya dega ol [4]. L(β) β a = y i x ia x ia π (x i ) i=1 i=1 = y i x ia x ia π (x i ), a =,1,, i=1 i=1 Dimaa π (x i ) = exp( j= β jx ij ) 1 + exp( j= β jx ij ) meyataa estimasi dari π(x i ) dega megguaa metode maximum lielihood. Dari hasil peurua pertama pada persamaa tersebut, ilai β diestimasi dega metode umeri area persamaaya bersifat oliier. Sedaga metode utu megestimasi varias da ovarias dari tasira β diembaga meurut teori MLE (Maximum Lielihood Estimatio) yag meyataa bahwa estimasi varias da ovariasi diperoleh dari turua edua fugsi l Lielihood. Setelah megestimasi oefisie-oefisie model regresi logisti, maa perlu dilaua pegujia utu megetahui variabel preditor maa yag berpegaruh secara sigifia terhadap variabel respo.

3 Bareeg: Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal Pegujia eberartia parameter model dega satu variabel preditor dilaua utu megetahui ada atau tidaya hubuga atara suatu variabel preditor da variabel respo dega megguaa statisti uji Wald (W). Rasio yag dihasila dari persamaa aa megiuti distribusi ormal bau [3]. Sehigga utu memperoleh eputusa, ilai statisti uji dibadiga dega distribusi ormal bau (Z). Kriteria peolaa H adalah jia W > Z α da jia p-value,5. Sedaga uji sigifiasi parameter pada model multivariat dilaua sebagai upaya memerisa peraa masig-masig variabel preditor dalam model secara bersama-sama. Dibawah H, statisti uji G aa megiuti distribusi Chi-square dega derajat bebas. Sehigga utu memperoleh eputusa, ilai statisti uji G dibadiga dega ilai ditola jia G,. Uji esesuaia model (goodess-of-fit) dihitug berdasara ilai yag tergatug pada susua variabel-variabel preditor dalam model, bua pada jumlah variabel preditor. Beriut ii adalah prosedur pegujia esesuaia model. H : Model sesuai H 1 : Model tida sesuai Statisti Uji [3]: dega: g = Bayaya grup ' = Jumlah subje pada grup e- Ĉ Hosmer Lemeshow g 1 o ' π πˆ ' 1 π,. H o π c j1 c j1 y j, jumlah ilai variabel respo pada c ombiasi variabel preditor m ˆ j π x j, rata-rata tasira probabilitas dimaa m j adalah bayaya subje pada ' variabel preditor c ombiasi Jia H bear, maa distribusi statisti uji Ĉ megiuti distribusi Chi-square dega derajat bebas g- [3]. Daerah peolaa H adalah Ĉ. ( g, ) Pada pemodela regresi logisti bier, iterpretasi parameter bertujua utu megetahui arti dari ilai tasira parameter pada variabel preditor. Terdapat dua jeis variabel preditor, yaitu variabel yag bersifat ategori da variabel otiu. Estimasi oefisie dari variabel preditor meyataa slope atau ilai perubaha variabel respo utu setiap perubaha satu uit variabel preditor. Iterpretasi meliputi peetua hubuga fugsioal atara variabel respo da variabel preditor serta medefiisia uit perubaha variabel respo yag disebaba oleh variabel preditor. Utu regresi logisti dimaa variabel preditor bersifat diotomus, ilai diategoria atau 1. Pada model ii, ada dua ilai π(x) da dua ilai 1 π(x). Tabel 1. Nilai-ilai π(x) da 1 π(x) Utu Variabel Preditor Diotomus Variabel Preditor Variabel respo x = 1 x = exp y = 1 1 exp π 1 π 1 exp 1 exp y = 1- π π 1 exp Total exp 63

4 64 Aulele d. Aalisis Fator-fator yag Mempegaruhi Kaer Leher Rahim di Kota Ambo Dega Megguaa π 1 Nilai odds dari variabel respo diatara pegamata dega x = 1 adalah, sedaga jia x = 1 π 1, ilai odds π 1 π sebagai logit, adalah (Hosmer ad Lemeshow, 1989). L odds, sebagaimaa didefiisia sebelumya π 1 g 1 l da g 1 π 1 π l 1 π Odds rasio, diotasia ψ, didefiisia sebagai perbadiga odds utu x = 1 terhadap odds utu x =, sebagaimaa ditulisa pada Persamaa (3) [4]. / π 1 / 1 π 1 ψ π 1 π Berdasara Tabel 1, ilai odds rasio adalah exp 1 exp ψ exp 1 exp exp exp 1 1 exp 1 Odds rasio adalah uura asosiasi yag dapat diartia secara luas, terutama dalam epidemiologi. Dari Persamaa (3), odds rasio berarti rata-rata besarya ecederuga variabel respo berilai tertetu jia x = 1 dibadiga jia x =. Evaluasi prosedur lasifiasi adalah suatu evaluasi yag melihat peluag esalaha lasifiasi yag dilaua oleh suatu fugsi lasifiasi (Johso ad Wicher, 199). Uura yag dipaai adalah apparet error rate (APER). Nilai APER meyataa ilai proporsi sampel yag salah dilasifiasia oleh fugsi lasifiasi. Peetua esalaha lasifiasi dapat dilihat dari Tabel, jia subje haya dilasifiasia mejadi dua elompo, yai y 1 da y. Tabel. Tabel Klasifiasi Hasil Observasi Tasira y 1 y y y 1 Keteraga : 11 = Jumlah subje dari y 1 tepat dilasifiasia sebagai y 1 1 = Jumlah subje dari y 1 salah dilasifiasia sebagai y 1 = Jumlah subje dari y salah dilasifiasia sebagai y 1 = Jumlah subje dari y tepat dilasifiasia sebagai y APER (%) = 11. Metode Peelitia Sumber data dari peelitia ii berasal dari iformasi pasie yag perah mejalai perawata di IRNA (Istalasi Rawat Iap) RSUD dr. M. Haulussy Ambo sepajag tahu 15. Respode terbagi mejadi dua elompo, yai pederita (case) da o pederita (cotrol) aer leher rahim. Data utu elompo case merupaa data seuder yag diperoleh dari ream medi pasie yag terdiagosis mederita aer leher rahim pada tahu 15 da cotrol merupaa data primer yag diperoleh megguaa media omuiasi berupa uesioer. Respode yag digologa sebagai elompo cotrol

5 Bareeg: Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal pada peelitia ii tida memilii hubuga eerabata dega respode dari elompo case. Hal ii dimasuda utu memeuhi asumsi eidepedea atara respode elompo case da cotrol. Bayaya respode yag diambil sebagai sampel pada elompo cotrol disesuaia dega elompo case dega asumsi odisi fisi awal seluruh respode adalah sama. Model regresi logisti bier diguaa utu megaalisa hubuga atara satu variabel respo da beberapa variabel preditor, dega variabel respoya berupa data ualitatif diotomi yaitu berilai 1 utu meyataa eberada sebuah arateristi da berilai utu meyataa etidaberadaa sebuah arateristi. Variabel variabel yag diguaa pada peelitia ii adalah variabel respo da variabel preditor. Variabel respo terdiri atas dua ategori yaitu pederita aer leher rahim (diberi ode 1) da o pederita aer leher rahim (diberi ode ). Terdapat eam variabel preditor yag diguaa dalam peelitia ii. Variabel preditor pertama adalah usia (X 1 ). Variabel preditor edua adalah status (X ), yag diategoria mejadi meiah (diberi ode 1) da jada (diberi ode ). Variabel preditor etiga adalah usia meiah (X 3 ) atau usia pertama ali meiah bagi respode yag perah meiah lebih dari satu ali, yag diategoria mejadi 17 tahu (diberi ode 1) da > 17 tahu (diberi ode ). Variabel preditor eempat adalah freuesi meiah (X 4 ), yag diategoria mejadi satu ali (diberi ode 1) da lebih dari satu ali (diberi ode ). Variabel preditor elima adalah jumlah aa (X 5 ), diategoria mejadi orag (diberi ode 1), orag (diberi ode ), da >5 orag (diberi ode 3). Varibel preditor eeam yaitu pegguaa KB (X 6 ), yag diategoria mejadi tida (diberi ode 1) da ya (diberi ode ). Keeam variabel preditor yag dipilih utu megetahui arateristi respode apaah respode masih atif dalam hubuga sesual atau tida, perah bergati pasaga sesual atau tida, freuesi persalia yag perah dijalai, da apaah respode eseptor (orag yag megiuti program KB ) atau tida. Jia variasi arateristi respode telah dietahui, maa model regresi logisti uivariat atara variabel respo dega masig-masig variabel preditor dapat ditetua. Selajutya dilaua uji sigifiasi parameter dari setiap model regresi logisti uivariat utu megetahui variabel-variabel preditor maa yag berpegaruh secara sigifia terhadap variabel respo, sehigga model regresi logisti multivariat atara variabel respo dega variabel-variabel preditor yag sigifia dapat ditetua pula. Model regresi logisti emudia diuji esesuaia modelya (goodess-of-fit), yai model yag seluruh variabel preditorya sigifia. 3. Hasil da Pembahasa Hasil pegolaha data meujua sebagia besar respode berstatus meiah, yai 76,% da sisaya 3,8% respode adalah jada. Dega ata lai, terjadi perbedaa freuesi yag cuup mecolo atara ategori pada variabel status (X ). Berdasara usia meiah, 61,9% respode meiah pada usia diatas tahu. Hal ii dapat mejadi salah satu idiasi bahwa masyaraat sudah mempuyai esadara yag tiggi utu tida meiah di usia muda. Presetasi respode yag meiah satu ali lebih baya dari pada respode yag meiah lebih dari satu ali, yai 77,38% respode. Berdasara jumlah aa, respode yag memilii jumlah aa - orag da 3-5 orag adalah hampir sama, masig-masig sebesar 4,46 % da 45,4% dari jumlah respode eseluruha. Sedaga respode yag memilii aa lebih dari lima yaitu sebaya 1 orag atau 14,3% respode. respode yag megiuti program KB lebih baya dibadiga dega yag tida megiuti program KB, yaitu 54,76% respode megiuti program KB sedaga sisaya 45,4% respode tida megiuti program KB. Utu megetahui pola hubuga atara fator-fator risio peyebab aer leher rahim dega peluag pasie terdiagosis sebagai pederita aer leher rahim, dapat diguaa aalisis regresi logisti. Selai itu, dapat dietahui besarya pegaruh setiap fator dalam meetua peluag seseorag utu mederita aer leher rahim. Pada peelitia ii, dilaua regresi logisti bier dega satu variabel preditor da lebih dari satu variabel preditor Regresi Logisti Bier dega Satu Variabel Preditor Pegujia sigifiasi parameter sebagai oefisie dari variabel preditor pada masig-masig model uivariat perlu dilaua. Hipotesis yag diguaa adalah sebagai beriut: 65

6 66 Aulele d. Aalisis Fator-fator yag Mempegaruhi Kaer Leher Rahim di Kota Ambo Dega Megguaa H β j = (variabel X j tida sigifia mempegaruhi Y) H 1 β j (variabel X j sigifia mempegaruhi Y) Dega megguaa software SPSS, diperoleh hasil sebagai beriut: Tabel 3. Pegujia Sigifiasi Parameter Model Regresi Logisti bier Uivariat Variabel ˆ Wald P-value Keputusa Usia ( x 1 ),63 7,654,6 Tola H Status ( x ) (1),63,6,69 Terima H Usia meiah ( x 3 ) (1) -,,,653 Terima H Freuesi meiah (x 4 )(1) 1,664 7,8,7 Tola H Jumlah aa ( x 5 )(1) -1,1 3,31,8 Terima H Jumlah aa ( x 5 )(),317,19,64 Terima H Pegguaa KB ( x 6 )(1) -,19,19,661 Terima H Berdasara hasil pegujia tersebut, fator-fator yag berpegaruh secara idividu terhadap peyait aer leher rahim adalah usia (X 1) da freuesi meiah (X 4) area ilai p-value <,5. Sehigga utu pemodela regresi logisti bier multivariat, haya megguaa variabel X 1 da X Regresi Logisti Bier dega Lebih Dari Satu Variabel Preditor Setelah diperoleh fator-fator yag berpegaruh dega satu variabel preditor, dilaua regresi logisti bier dega memasua variabel X 1 da X 4 secara bersama-sama utu memerisa ada atau tidaya hubuga atara variabel tersebut. Utu megetahui apaah parameter-parameter model telah sigifia atau tida maa dilaua lagah-lagah pegujia dega hipotesis yag diguaa yaitu: H β = (variabel X 1 da X 4 secara bersama-sama tida mempegaruhi Y) H 1 β (miimal ada satu variabel bebas yag mempegaruhi Y) Dega megguaa software SPSS, diperoleh statisti uji G (lielihood ratio test) yaitu 13,86. Dega megguaa α sebesar 5% maa diperoleh X (α;) = X (,5;) = 5,99. Karea ilai G = 13,86 > X (,5;) maa Tola H, sehigga miimal ada satu variabel bebas yag mempegaruhi variabel respo (Y). Da utu megetahi variabel maa yag berpegaruh maa dilaua pegujia sigifiasi parameter secara parsial. Hipotesis yag diguaa adalah sebagai beriut : H β j = (variabel X j tida sigifia mempegaruhi Y) H 1 β j (variabel X j sigifia mempegaruhi Y) Dega megguaa software SPSS, diperoleh hasil sebagai beriut : Tabel 4. Pegujia Sigifiasi Parameter Secara Parsial Variabel β Wald P-value Keputusa Kostata -4,45 1,35,1 Tola H Usia X 1,5 4,747,9 Tola H Freuesi meiah X 4 (1) 1,349 4,461,35 Tola H Berdasara Tabel 4, terlihat bahwa fator-fator yag berpegaruh secara sigifia terhadap peyait aer leher rahim adalah usia (X 1) da freuesi meiah (X 4) area ilai p-value <,5. Sehigga model regresi logisti bier yag diperoleh adalah : π = exp( 4,45 +,5 x 1 + 1,349 x 4 ) 1 + exp( 4,45 +,5 x 1 + 1,349x 4 )

7 Bareeg: Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal Uji Kesesuaia Model Karea ada sejumlah respode yag memilii arateristi sama dalam hal usia da freuesi meiah, maa perlu dilaua pegujia utu megetahui apaah model regresi logisti bier yag didapata telah sesuai atau tida. Hipotesis yag diguaa adalah sebagai beriut : H : Model Sesuai H 1 : Model Tida Sesuai Dega megguaa software SPSS, diperoleh statisti uji C (Hosmer Lemeshow) adalah 8,519 da ilai p-value,384. Karea ilai p-value =,384 > α =,5 maa terima H, sehigga model regresi logisti bier yag diperoleh telah sesuai. Dega ata lai model dapat diguaa utu mejelasa seberapa besar peluag pasie utu mederita aer leher rahim berdasara variabel usia (X 1) da variabel freuesi meiah (X 4) Iterpretasi Model Regresi Logisti Bier Setelah medapata model regresi logisti bier yag sesuai dimaa semua variabel preditor didalamya telah berpegaruh secara sigifia terhadap variabel respo, maa lagah selajutya adalah megiterpretasia model tersebut. Jia model regresi logisti bier yag terbai ditulis dalam betu logit, maa mejadi g (x) = 4,45 +,5x 1 + 1,349x 4 (1) Utu megiterpretasia model tersebut dapat diguaa ilai odds rasio. Nilai odds rasio yag diperoleh disajia dalam tabel sebagai beriut: Tabel 5. Nilai Odds Rasio Variabel Exp (β) Usia (X 1) 1,53 Freuesi meiah (X 4)(1) 3,853 Berdasara ilai odds rasio, dapat dijelasa bahwa waita yag freuesi meiah satu ali aa berisio mederita aer leher rahim 3,853 ali lebih tiggi dibadiga dega waita yag freuesi meiah lebih dari satu ali Ketepata Peglasifiasia Respode Selajutya meetua etepata lasifiasi dari model regresi logisti bier yag dihasila. Dega megguaa software SPSS, diperoleh hasil sebagai beriut : Tabel 6. Peglasifiasia Pederita da No Pederita Kaer Leher Rahim Observasi Tasira No pederita Pederita Ketepata lasifiasi No pederita ,67% Pederita ,14% Persetase eseluruha 61,9% Berdasara Tabel 6, terlihat bahwa besarya etepata peglasifiasia pederita da o pederita aer leher rahim utu elompo o pederita adalah 66,67% da 57,14% utu elompo pederita. Secara eseluruha, model regresi logisti bier yag telah diperoleh dapat meglasifiasia respode dega bear sebaya 5 orag diatara 84 respode atau 61,9%. Besarya misslasifiasi yaitu 38,1%. Kesalaha lasifiasi dari model regresi logisti bier ii masih cuup besar. Hal tersebut dimugia area sediitya variabel preditor yag masu edalam model. 67

8 68 Aulele d. Aalisis Fator-fator yag Mempegaruhi Kaer Leher Rahim di Kota Ambo Dega Megguaa 4. Kesimpula Kesimpula yag diambil dari peelitia ii yaitu : 1. Fator-fator yag sigifia mempegaruhi aer leher rahim di ota Ambo adalah usia (X 1) da freuesi meiah (X 4). Sehigga model regresi logisti bier yag diperoleh adalah : π = exp( 4,45 +,5 x 1 + 1,349 x 4 ) 1 + exp( 4,45 +,5 x 1 + 1,349x 4 ). Besarya etepata peglasifiasia pederita da o pederita aer leher rahim dari model regresi logisti bier yag diperoleh adalah 61,9%. Dega ricia, tigat etepata peglasifiasia utu elompo cotrol adalah 66,67% da 57,14% utu elompo case. Utu peelitia lajuta, sebaiya terlebih dahulu berosultasi dega doter ahli utu meetua elompo cotrol dega lebih tepat. Selai itu, dapat pula mecoba utu megguaa metode regresi logisti yag melibata iterasi atar variabel preditor atau metode MARS (Multivariate Adaptive Regressio Splies) yag lebih omples. Daftar Pustaa [1] O. Emilia, Bebas Acama Kaer Servis (Fata, Pecegaha, da Peagaa Dii Terhadap Seraga Kaer Servis), Yogyaarta: Media Pressido, 1. [] A. Maluu, "1 Waita Maluu Meiggal Karea Kaer Servis," Atara Maluu, Ambo, 15. [3] D. d. L. S. Hosmer, Applied Logistic Regressio, Secod Ed, Sigapura: Joh Wiley & Sos. Ic, [4] A. Agresti, Categorial Data Aalysis, New Yor: Joh Wiley & Sos Ic., 199.