Uji OR dan Regresi Logistik Sederhana

Transkripsi

1 Uji OR dan Regresi Logistik Sederhana Pada kesempatan ini, kita akan mencoba melakukan analisa data pada penelitian case control study dimana analisis univariat menggunakan nilai odds ratio dan analisis multivariat menggunakan Regresi Logistik Sederhana. Untuk file latihannya, silahkan di download dulu file latihannya pada link yang saya sediakan supaya ada keseragaman. Moon maaf, file latihannya tidak dapat saya muat dalam postingan antarmuka karena terlalu besar datanya dimana jumlah sampel yang digunakan adalah 129 sampel berdasarkan hasil perhitungan besar sampel pada penelitian case control study dengan perbandingan kasus dan kontrol adalah 1 : 2 yaitu 1 sampel pada kasus dan 2 sampel pada kontrol. Ok, kita lanjut langkah-langkah analisis datanya menggunakan program IBM SPSS v20. Yang belum punya silahkan download terlebih dahulu. Data yang saya buat berdasarkan hasil temuan lapangan dan bukan rekayasa karena merupakan data pada penelitian tentang analisis faktor yang berisiko terhadap kematian neonatal. Download file latihan OR dan Regresi Logistik Sederhana Download IBM SPSS v20 Sudah download file latihannya kan. Berikut adalah langkah2 analisis datanya menggunakan SPSS Langkah 1 ; Entri Data 1. Open aplikasi progam SPSS 2. Pertama-tama kita akan membuat susunan variabel pada jendela variabel view di SPSS tampilan awal jendela data view (masih kosong) Susunan variabelnya adalah sama tampilannya pada file yang telah didownload dan dibuka di excel. Namun sebelumnya adalah kita harus mendeskripsikan variabel tersebut pada aplikasi SPSS. Berikut adalah penjelasan dari tiap variabelnya. Variabel pertama : Nama : Sts Type : Numeric Width : default Decimals : 0 (Nol)

2 Label : Status Kematian Neonatal Values : 1 = Mati, 2 = Hidup atau 1 = Kasus, 2 = Kontrol Missing ; none Columns ; default Align ; default Measure ; ordinal Role ; default Variabel kedua : Nama : Asfi Type : Numeric Width : default Decimals ; 0 (Nol) Label : Asfiksia neonatorum Values ; 1 = APGAR < 7, 2 = APGAR 7 ke atas Missing ; none Columns ; default Align ; default Measure ; ordinal Role ; default Variabel ketiga : Nama : BL Type : numeric Width ; default Decimals ; 0 Label : Berat Lahir Values ; 1 = BBLR, 2 = Normal Missing ; none Columns ; default Align ; default Measure ; ordinal Role ; default Variabel keempat : Nama ; Umr Type ; numeric Width ;default Decimals ; 0 Label ; Umur ibu Values; 1 = <20 dan >35 th, 2 = th Missing ; none Columns ; default Align ; default Measure ; ordinal Role ; default Variabel kelima : Nama : Par Type : numeric

3 Width ; default Decimals ; 0 Label : Paritas Values ; 1 = >2x, 2 = Max 2x Missing ; none Columns ; default Align ; default Measure ; ordinal Role ; default Variabel keenam : Nama ; ANC Type ; numeric Width ; default Decimals ; 0 Label ; Pelayanan Antenatal Values ; 1 = Tdk teratur, 2 = Teratur Missing ; none Columns ; default Align ; default Measure ; scale Role ; default Tampilan data variabelnya di SPSS adalah sebagai berikut. tampilan variabel pada jendela variabel view 3. Masuk ke jendela Data View sehingga pada tabel menu bagian kolom terlihat namanama variabel yang telah dibuat, seperti berikut

4 tampilan varibel pada jendela Variabel view 4. Buka file latihan yang telah di download menggunakan excel atau program sejenisnya tampilan dan blok data di excel 5. Masukkan data yang telah di download dengan cara meng copy kolom datanya tidak termasuk nama variabel dan kolom nomor di excel. Jadi di blok datanya kemudian paste ke dalam jendela data view sesuai urutannya dimulai dari kolom Sts baris 1. Hasilnya seperti ini

5 tampilan data yg telah di entri pada jendela Variabel view Simpan file dengan nama Master Data.sav Langkah 2 ; Analisis Bivariat uji OR 6. Setelah data dimasukkan, pilih menu bar Analyze -> Descriptive Statistics -> Crosstabs.., sehingga muncul jendela Crosstabs 7. Masukkan variabel Status Kematian Neonatal pada kolom menu Columns(s) dan variabel sisanya di kolom menu Row(s)

6 8. Pilih menu Statistics.. untuk memilih jenis analisis statistiknya sehingga muncul menu crosstabs;statistics 9. Beri centang menu Risk lalu Continue 10. Kembali pada menu Crosstabs, lalu pilih Cells.. untuk memilih tampilan sel pada tabel hasil analisis 11. Beri centang Observed, Expexted pada menu Counts; Row, Column, Total pada menu Percentages. Lalu Continue

7 12. Kembali ke menu Crosstabs, pilih OK Berikut adalah hasil analisis datanya untuk uji bivariat dengan Odds Ratio (OR) Crosstabs Asfiksia Neonatorum * Status Kematian Neonatal Asfiksia Neonatorum Total APGAR <7 APGAR 7 Lebih Crosstab Status Kematian Neonatal Total Mati Hidup Count Expected Count 14,0 28,0 42,0 % within Asfiksia Neonatorum 90,5% 9,5% 100,0% % within Status Kematian Neonatal 88,4% 4,7% 32,6% % of Total 29,5% 3,1% 32,6% Count Expected Count 29,0 58,0 87,0 % within Asfiksia Neonatorum 5,7% 94,3% 100,0% % within Status Kematian Neonatal 11,6% 95,3% 67,4% % of Total 3,9% 63,6% 67,4% Count Expected Count 43,0 86,0 129,0 % within Asfiksia Neonatorum 33,3% 66,7% 100,0% % within Status Kematian Neonatal 100,0% 100,0% 100,0% % of Total 33,3% 66,7% 100,0%

8 Risk Estimate Value 95% Confidence Interval Lower Upper Odds Ratio for Asfiksia Neonatorum (APGAR <7 / 155,800 39, ,059 APGAR 7 Lebih) Neonatal = Mati 15,743 6,684 37,077 Neonatal = Hidup,101,040,257 N of Valid Cases 129 Berat Lahir * Status Kematian Neonatal Berat Lahir Total BBLR Normal Crosstab Status Kematian Neonatal Total Mati Hidup Count Expected Count 10,3 20,7 31,0 % within Berat Lahir 80,6% 19,4% 100,0% % within Status Kematian Neonatal 58,1% 7,0% 24,0% % of Total 19,4% 4,7% 24,0% Count Expected Count 32,7 65,3 98,0 % within Berat Lahir 18,4% 81,6% 100,0% % within Status Kematian Neonatal 41,9% 93,0% 76,0% % of Total 14,0% 62,0% 76,0% Count Expected Count 43,0 86,0 129,0 % within Berat Lahir 33,3% 66,7% 100,0% % within Status Kematian Neonatal 100,0% 100,0% 100,0% % of Total 33,3% 66,7% 100,0% Risk Estimate Value 95% Confidence Interval Lower Upper Odds Ratio for Berat Lahir (BBLR / Normal) 18,519 6,629 51,731 Neonatal = Mati 4,391 2,795 6,897 Neonatal = Hidup,237,115,489 N of Valid Cases 129

9 Umur Ibu * Status Kematian Neonatal Umur Ibu Total <20 dan >35 Th Th Crosstab Status Kematian Neonatal Total Mati Hidup Count Expected Count 10,7 21,3 32,0 % within Umur Ibu 46,9% 53,1% 100,0% % within Status Kematian Neonatal 34,9% 19,8% 24,8% % of Total 11,6% 13,2% 24,8% Count Expected Count 32,3 64,7 97,0 % within Umur Ibu 28,9% 71,1% 100,0% % within Status Kematian Neonatal 65,1% 80,2% 75,2% % of Total 21,7% 53,5% 75,2% Count Expected Count 43,0 86,0 129,0 % within Umur Ibu 33,3% 66,7% 100,0% % within Status Kematian Neonatal 100,0% 100,0% 100,0% % of Total 33,3% 66,7% 100,0% Risk Estimate Value 95% Confidence Interval Lower Upper Odds Ratio for Umur Ibu (<20 dan >35 Th / Th) 2,174,956 4,945 Neonatal = Mati 1,624 1,001 2,633 Neonatal = Hidup,747,527 1,059 N of Valid Cases 129 Paritas * Status Kematian Neonatal Paritas Total >2x 1-2x Crosstab Status Kematian Neonatal Total Mati Hidup Count Expected Count 15,3 30,7 46,0 % within Paritas 32,6% 67,4% 100,0% % within Status Kematian Neonatal 34,9% 36,0% 35,7% % of Total 11,6% 24,0% 35,7% Count Expected Count 27,7 55,3 83,0 % within Paritas 33,7% 66,3% 100,0% % within Status Kematian Neonatal 65,1% 64,0% 64,3% % of Total 21,7% 42,6% 64,3% Count Expected Count 43,0 86,0 129,0 % within Paritas 33,3% 66,7% 100,0% % within Status Kematian Neonatal 100,0% 100,0% 100,0% % of Total 33,3% 66,7% 100,0%

10 Risk Estimate Value 95% Confidence Interval Lower Upper Odds Ratio for Paritas (>2x / 1-2x),950,442 2,045 Neonatal = Mati,967,579 1,615 Neonatal = Hidup 1,017,790 1,310 N of Valid Cases 129 Pelayanan Antenatal * Status Kematian Neonatal Pelayanan Antenatal Total Tdk teratur Teratur Crosstab Status Kematian Neonatal Total Mati Hidup Count Expected Count 25,7 51,3 77,0 % within Pelayanan Antenatal 49,4% 50,6% 100,0% % within Status Kematian Neonatal 88,4% 45,3% 59,7% % of Total 29,5% 30,2% 59,7% Count Expected Count 17,3 34,7 52,0 % within Pelayanan Antenatal 9,6% 90,4% 100,0% % within Status Kematian Neonatal 11,6% 54,7% 40,3% % of Total 3,9% 36,4% 40,3% Count Expected Count 43,0 86,0 129,0 % within Pelayanan Antenatal 33,3% 66,7% 100,0% % within Status Kematian Neonatal 100,0% 100,0% 100,0% % of Total 33,3% 66,7% 100,0% Risk Estimate Value 95% Confidence Interval Lower Upper Odds Ratio for Pelayanan Antenatal (Tdk teratur / 9,159 3,288 25,514 Teratur) Neonatal = Mati 5,132 2,164 12,171 Neonatal = Hidup,560,442,711 N of Valid Cases 129 Langkah 3 ; Analisis multivariat dengan Regresi Logistic Sederhana 13. Kembali ke file Master Data.sav, pilih Analyze -> Regressions -> Binary Logistic sehingga muncul menu Logistic Regession 14. Pilih variabel Status Kematian Neonatal dan masukkan ke kolom Dependent: sedangkan variabel lainnya di kolom Covariates: seperti pada tampilan berikut

11 15. Methode yang digunakan adalah Enter diartikan kita akan melihat pengaruh dari masing-masing terhadap var dependen kemudian menganalisis secara bersamaan. 16. Masih di menu Logistic Regression, pilih menu Option untuk menentukan jenis analisis multivariatnya sehingga muncul menu Logistic Regression:option 17. Beri centang Hosmer-Lemeshow goodness-of-fit, Correlations of estimates, Iteration history, CI for exp(b) 95%, dan Include constant in model, lalu Continue 18. Kembali ke menu Logistic Regression, pilih OK Hasil olah Regres Logistik Sederhana adalah sebagai berikut

12 Logistic Regression Case Processing Summary Unweighted Cases a N Percent Included in Analysis ,0 Selected Cases Missing Cases 0,0 Total ,0 Unselected Cases 0,0 Total ,0 a. If weight is in effect, see classification table for the total number of cases. Dependent Variable Encoding Original Value Internal Value Mati 0 Hidup 1 Block 0: Beginning Block Iteration History a,b,c Iteration -2 Log likelihood Coefficients Constant 1 164,241,667 Step ,221, ,221,693 a. Constant is included in the model. b. Initial -2 Log Likelihood: 164,221 c. Estimation terminated at iteration number 3 because parameter estimates changed by less than,001. Step 0 Observed Status Kematian Neonatal Classification Table a,b Predicted Status Kematian Neonatal Percentage Mati Hidup Correct Mati 0 43,0 Hidup ,0 Overall Percentage 66,7 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,693,187 13,773 1,000 2,000

13 Step 0 Variables not in the Equation Score df Sig. Asfi 91,507 1,000 BL 41,103 1,000 Variables UMR 3,512 1,061 Par,017 1,897 ANC 22,053 1,000 Overall Statistics 94,163 5,000 Block 1: Method = Enter Iteration History a,b,c,d Iteration -2 Log Coefficients likelihood Constant Asfi BL UMR Par ANC 1 69,794-5,656 3,001,666 -,120,035, ,885-8,320 3,971 1,346 -,304,079,488 Step ,138-9,793 4,425 1,791 -,510,104, ,022-10,222 4,571 1,919 -,604,103, ,021-10,257 4,585 1,929 -,614,102, ,021-10,258 4,585 1,929 -,614,102,950 a. Method: Enter b. Constant is included in the model. c. Initial -2 Log Likelihood: 164,221 d. Estimation terminated at iteration number 6 because parameter estimates changed by less than,001. Step 1 Omnibus Tests of Model Coefficients Chi-square df Sig. Step 107,199 5,000 Block 107,199 5,000 Model 107,199 5,000 Model Summary Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 57,021 a,564,784 a. Estimation terminated at iteration number 6 because parameter estimates changed by less than,001. Hosmer and Lemeshow Test Step Chi-square df Sig. 1 6,854 7,444

14 Step 1 Contingency Table for Hosmer and Lemeshow Test Status Kematian Neonatal = Mati Status Kematian Neonatal = Hidup Total Observed Expected Observed Expected ,688 0, ,181 1, , , , , , , , , , , , , , , Step 1 Observed Status Kematian Neonatal Classification Table a Predicted Status Kematian Neonatal Percentage Mati Hidup Correct Mati ,4 Hidup ,3 Overall Percentage 93,0 a. The cut value is,500 Step 1 a Variables in the Equation B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B) Lower Upper Asfi 4,585,892 26,403 1,000 97,988 17, ,215 BL 1,929,831 5,389 1,020 6,882 1,350 35,073 UMR -,614,950,418 1,518,541,084 3,484 Par,102,782,017 1,896 1,107,239 5,128 ANC,950,891 1,138 1,286 2,586,451 14,813 Constant -10,258 2,666 14,806 1,000,000 a. Variable(s) entered on step 1: Asfi, BL, UMR, Par, ANC. Step 1 Correlation Matrix Constant Asfi BL UMR Par ANC Constant 1,000 -,201 -,619 -,368 -,453 -,234 Asfi -,201 1,000 -,004 -,519,174 -,213 BL -,619 -,004 1,000,103 -,026,069 UMR -,368 -,519,103 1,000 -,042 -,014 Par -,453,174 -,026 -,042 1,000 -,201 ANC -,234 -,213,069 -,014 -,201 1,000 Sebelum download, harap tinggalkan konfirmasi atau like di facebook atau follow my tweet Semoga bermanfaat dan ikuti kami selalu di lentera pena.