1
REGRESI LOGISTIK DAN PENERAPANNYA DALAM BIDANG KESEHATAN (Studi Kasus Maag Pada Mahasiswa Pendidikan Mateatika Angkatan !"#$ %KIP &NLAM Ban'aasin) &ntuk Meenuhi Tugas Mata Ku*iah Ek+n+etika ( Ek+n+etika (ABK,#-". ABK,#-". )
Dosen Pembimbing : Drs. H. Karim, M.Si. & Rizki Amalia, M.Pd.
Oleh : Kelompok 8
Aika !zni
"A#$##%'(
)amah
"A#$##%'%(
Adelina *ri +esari Ma-lida Herliana
"A#$##%'( "A#$###( "A#$## #(
DEPERTEMEN PENDIDIKAN DAN KEB&DAYAAN &NI/ERSITAS LAMB&NG MANGK&RAT %AK<AS KEG&R&AN DAN ILM& PENDIDIKAN PROGRAM ST&DI PENDIDIKAN MATEMATIKA BAN0ARMASIN !"#-
KATA PENGANTAR PENG ANTAR
P-/i s0-k-r kehadira *-han 1ang Maha K-asa aas segala limpahan Rahma, !na0ah, *a-2ik *a -2ik dan Hida0 Hida0ah340 ah340aa sehing sehingga ga penpen-lis lis dapa men0elesaikan men0elesaikan pen0 pen0-s-na -s-nan n makala makalah h ini. Semoga Sem oga mak makalah alah ini dap dapa a dip diperg erg-na -nakan kan seb sebaga agaii sala salah h sa sa- a5a5-an, an, pe pe-n -n/-k /-k mama-p-n p-n pedoman bagi pemba5a. Pen0-s-na Pen0 -s-nan n makala makalah h ini di-/-kan -n-k memen-hi -gas maa k-liah Pendi Pendidikan dikan 6konomerika 0ang dibimbing oleh Drs. H. Karim, M.Si. & Rizki Amalia, M.Pd. Akhirn0a, pen-lis meng-5apkan rasa s0-k-r 0ang idak erhingga kepada Allah S7*, 0ang elah ela h mem memberi berikan kan nik nikma ma kes keseha ehaan an sehi sehingg nggaa pen pen-li -liss dap dapa a men men0el 0elesai esaikan kan pen pen-li -lisan san makalah makala h denga dengan n /-d-l )akor9)ako )akor9)akorr 0ang Mempengar-hi Mempengar-hi Resik Resiko o Pen0 Pen0ebab ebab Maag pada Mahasis Mah asisa a Pen Pendid didika ikan n Ma Maema emaika ika An Angka gkaan an # #% % )ki )kip p ;nl ;nlam am
Pen-lis
1
DA%TAR ISI
KA*A KA*A P64?A4*AR...... P64?A4*AR............................. .............................................. ............................................................. ...................................... .....i DA)*AR DA)*AR !S!........................................... !S!.................................................................. .............................................. ..........................................ii ...................ii
+aar
#.
Masalah aa- *opik *opik
#.% *-/-an Pen-lisan................................................... Pen-lisan............................................................................................ ......................................... # .' ?e/ala Maag............................................ Maag................................................................... ................................................ ......................... .......> ....... > .>
)akor92ak )akor92akor or Resiko Pen0ebab Pen0ebab Maag...... Maag........... .......... .......... .......... ............ ................ ................... ............. ...
. $ara Pen5egahan Maag............................................ Maag.................................................................................. ...................................... .@ S-mber Daa........................................... Daa.................................................................. ........................................................@ .................................@ .8 $onoh Analisis Analisis Regresi +ogisik dengan mengg-nakan SPSS.....................@ .8.# Bariabel Peneliian..................... Peneliian............................................ .............................................. ....................................... ................ @ .8. Kerangka Pemikiran................................................................................ Pemikiran................................................................................ C .8.% "Hasil Mas-kan Daa *abel...................... *abel............................................. .............................................. ............................................ .................................. ............. # .8. Regresi +ogisik
Kesimp-lan.. Kesimp-lan....... .......... .......... .......... .......... .......... .......... .......... .......... ......... ......... .......... .......... .......... .......... ............. ..................%% ..........%%
%.
Saran..... Saran.......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ......... ............. ................... ................%' ......%'
DA)*AR DA)*AR P;S*AKA................ P;S*AKA....................................... .............................................. ......................................................%> ...............................%> 2
BAB I PENDAH&L&AN #1# Lata Lata Be*akan Be*akang g
Perkembangan d-nia 0ang semakin pesa diik-i p-la dengan berbagai permasalahan kompleks kompleks 0ang m-lai berm-n5-lan berm-n5-lan.. Hal erseb- erseb- memberikan memberikan moiasi moiasi 0ang berari dalam mengembangk mengembangkan an ilm- pengeah-a pengeah-an n g-na memberi memberi sol-si real erhadap erhadap masalah9 masalah9 masalah real 0ang ada dalam kehid-pan sehari9hari. )enome )enomena na men/ men/a aab ab men/adi men/adi
seperi seperi
ini
memoi memoiasi asi
analisi analisiss
saisi saisik k -n-k -n-k berkem berkemban bang g dalam dalam
perm permas asal alah ahan an9p 9per erma masa sala laha han n real real 0ang 0ang ada. ada. Anal Analis isis is sa sais isi ik k diha dihara rapk pkan an salah salah
berdasarkan daa
sa- alerna alernai2 i2 hisoris
dalam dalam
0ang ada.
mengam mengambil bil Dengan
kep-kep--san san
analisis
0ang 0ang rasiona rasionall
ilmiah ilmiah
saisik, kem-ngkinan
-n-k
melak-kan prediksi9prediksi dengan ingka kon2idensi "keper5a0aan( 0ang sanga inggi. Selain i-, analisis saisik dapa mengolah daa 0ang ada -n-k dig-nakan sebagai bahan pengambilan kep--san9kep--san 0ang sraegis. mer-pa mer-pakan kan meod meodee
0ang 0ang
Oleh
karena
i-,
analisis
saisik
pa- pa- diperh diperhii-ngk ngkan an -n-k -n-k menga mengambi mbill kep--s kep--san an ma-p-n ma-p-n
kebi/akan 0ang ak-ra.
mer-pa mer-pakan kan
ala
0ang 0ang
meman2aakan meman2aakan h-b-ngan h-b-ngan d-a aa- lebih ariabel ariabel sehingga sehingga salah sa- ariabel ariabel bisa diramalkan dari ariabel lainn0a. Pada Pada
analisi analisiss regresi regresi erdapa erdapa d-a /enis ariab ariabel el 0ai- ariab ariabel el bebas "variable "variable
independent ( dan ariabel ariabel ak bebas "variable dependent (. (. Variabel independent adalah ariabel 0ang nilain0a dapa diamai nam-n idak dapa dikendalikan, sedangkan varibel dependent adalah adalah ariab ariabel el
0ang 0ang
nilain0 nilain0aa
bergan bergan-n -ng g pada pada
ariab ariabel el
indepe independe nden. n.
H-b-ngan anara sa- aa- d-a ariabel dapa lebih m-dah dipahami dengan sa- model 0ang diseb- diseb- model regresi. Analisis Analisis regresi dapa dikelompok dikelompokkan kan men/adi men/adi analisis analisis regresi linier dan regresi nonlinier. nonlinier. Daa hasil peneliian 0ang ber-pa daa k-aliai2 dapa dianalisis deng dengan an regr regresi esi nonl nonlin inier ier.. Sala Salah h sasa- mode modell nonl nonlin inier ier 0ang 0ang dapa dapa digdig-na naka kan n -n-n-k k menganalisis menganalisis daa k-alia k-aliai2 i2 adalah adalah model regresi logisik. logisik. Model regresi logisik logisik adalah adalah mode modell maem maemai aika ka 0ang 0ang meng mengga gamb mbark arkan an h-bh-b-ng ngan an anar anaraa sasa- aaaa- lebi lebih h variabel independent deng dengan an variabel variabel dependent dependent 0ang dikoomi 0ang ariabeln0a dianggap han0a
3
memp-n0ai d-a nilai 0ang m-ngkin, 0ai- aa-
#, dimana kondisi ini dapa diarikan
sebagai sol-si aa- gagal pada analisis regresi logisik -niaria -nggal dan model regresi logisik m-liaria "ganda(. ;n-k menen-kan persamaan regresi logisik 0ang akan dig-nakan -n-k memprediksi nilai ariabel ariabel dependen dependen har-s di5ari esimasi parameer parameer pada model regresi logisik. logisik. Ada Ada beberapa meode 0ang dapa dig-nakan -n-k -n-k mengesimasi parameer model regresi logisik, 0ai-
maximum maximum likelihood likelihood methods, methods,
nonitnonit-
erative weighted least squares methods dan discriminant dan discriminant functionanalysis. functionanalysis. Salah sa- meode 0ang 0ang lebih lebih -m-m -m-m dan dig-nakan dig-nakan pada sebagi sebagian an besar besar pake pake progra program m komp- komp-er er 0ang 0ang mengan menganalis alisis is regresi regresi logisi logisik k adalah adalah maximum maximum likelihood likelihood . Me Meod odee maximum maximum
likelihood likelihood
mer-pakan meode -n-k menen-kan parameer 0ang memberikan nilai maksim-m pada 2-ngsi likelihood . Analisis regresi logisik ban0ak diman2aakan pada peneliian 0ang memp-n0ai d-a kem-ngkinan s-kses= aa- gagal= seperi pada peneliian di bidang biologi, elekronik, d-nia d-nia
kesehaan kesehaan dan masih ban0ak ban0ak lagi penerapan penerapan dibidang dibidang lain. lain. Sebaga Sebagaii 5onoh 5onoh pada
bidang kesehaan kes ehaan adalah er/adin0a salah sa- pen0aki 0ang sebagian s ebagian besar man-sia pernah mengalamin0 mengalamin0aa 0akni 0akni Maag. 1an 1ang g diseb- diseb- dengan dengan Maag aa- radang lamb-ng lamb-ng aa- -kak lamb-n lamb-ng g adalah adalah ge/ala ge/ala pen0aki 0ang men0erang men0erang lamb-ng lamb-ng dikarenakan er/adi l-ka aa peradangan pada lamb-ng lamb-ng 0ang 0ang men0ebabkan saki, m-las m-las,, dan perih pada per- pada per-.. se/-mlah 2akor 0ang men/adi pen0ebab pen0ebab dari maag disebabkan oleh beberapa 2akor 2akor anara lain Makan *idak *era-r, *era-r, Perokok Aki2, Aki2, Sress, K-rang !siraha, 62ek samping oba9obaan eren-, Sering makan pedasEasamEmin-m kopi. Oleh karena i- pening bagi seiap orang -n-k melak-kan pen5egahan dini erhadap pen0aki maag er-ama /enis maag kronis 0akni maag 0ang s-dah parah inensiasn0a di bandingkan maag biasa dan /enis magh 0ang lebih parah dari maag konis 0akni Kanker lamb-ng, kanker lamb-ng er/adi akiba mikroorganisme mikroorganisme 0ang 0ang mermer-gik gikan an,, 0ai0ai- Hel05o Hel05oba5er ba5er p0lori p0lori.. Meskip Meskip-n -n ban0ak ban0ak ahli ahli 0ang 0ang berpen berpendap dapa a baha baha biasan0a seiap orang s-dah berada di ahap maag ringan. Maag ringan masih ergolong ahap ringan, /ika dilak-kan pemeriksaan akan erliha asam lamb-ng berlebih di bagian dinding. Sedangkan Maag sedang adalah Maag 0ang s-dah men0ebabkan n0eri, saki dan m-al 0ang men0akikan. D-nia kedokeran bel-m dapa menem-kan 5ara pasi -n-k men5egah oal er/adin0a segala /enis /enis maag . Mereka berpendapa berpendapa baha baha ban0ak orang orang bahkan n0aa n0aa 0ang dapa diselamakan /ika ada 5ara e2eki2 -n-k pen5egahan dini seiap /enis maag. Dari berbagai kes-lian di aas harapan dari peneliian ini adalah mensim-lasikan penderia maag sehingga 4
bisa dikeah-i pola hid-p penderia maag 0ang men0ebabkan pen0aki maag. Analisis regresi logisik dig-nakan -n-k analisis daa respon kaegorik "nominalE ordinal( dengan ariabel9 ariabel bebas konin- dan kaegorik. Perbedaan nilai probabilias pada seiap kelas akan menghasilkan nilai odds rasio. 4ilai odds rasio dapa mengin2ormasikan besarn0a pengar-h salah sa- ariabel bebas erhadap er/adin0a per-bahan kelas. Dalam peneliian ini adalah orang 0ang pernah dan idak pernah maag.
#1! Masa Masa*ah *ah atau atau T+ T+2ik Bahasa Bahasan n
laar laar
belaka belakang ng diaas diaas
maka maka
pen-li pen-liss
erari erarik k -n-k -n-k mengan mengangka gka
permasalahan enang erapan saisik, er-ama lebih er2ok-s pada penerapann0a
dalam
bidang kesehaan,
maka
dalam
regresi logisik dan
makalah
ini dir-m-skan
kaskas-ss
saki saki maag maag pada pada
permasalahann0a sebagai berik-: #.
pend pendek ekaa aan n
anal analisi isiss
regres regresii
logi logisi sik k
pada pada
mahasisa pendidikan maemaika )K!P ;4+AMF .
#1$ Tu'uan Penu*isan
Adap-n -/-an dari peneliian ini adalah sebagai berik-: #. Mem Mempero perole leh h mode modell regr regres esii logi logis sik ik -n-n-k k saki saki maag maag pada pada maha mahasi sis saa pend pendid idik ikan an mamaika )K!P ;4+AM. . Mengeah-i Mengeah-i ariabel9 ariabel9ariabel ariabel 0ang 0ang mempengar mempengar-hi -hi saki maag maag pada mahasisa mahasisa pendidik pendidikan an mamaika )K!P ;4+AM. %. Mengeah-i Mengeah-i pel-ang pel-ang er/adin0 er/adin0aa saki maag pada pada mahasisa mahasisa pendidik pendidikan an mamaika mamaika )K!P )K!P ;4+AM.. '. Mengeah-i Mengeah-i 5ara agar agar saki maag maag pada mahasis mahasisaa pendidikan pendidikan maemai maemaika ka )K!P ;4+AM ;4+AM dapa di5egah.
5
BAB II ISI !1# REGRESI LOGISTIK Regresi Regresi linier linier seperi seperi 0ang 0ang kia kia keahkeah-ii idak idak dapa dapa men0el men0elesai esaikan kan kas-s kas-s dimana dimana
ariabel ariabel dependen dependen bersi2a dikoomi dan polikoomi polikoomi ")eliG Kasim. 8( 5onoh 5onoh : s-kses s-kses aa- ?agal erpilih aa- idak erpilih l-l-s aa- idak l-l-s melak-kan pembelian aaidak idak mendap mendapa a promos promosii aa- idak, dan lain9lai lain9lain. n. Regresi logistik -m-mn0a melibakan berbagai ma5am ariabel predikor baik n-merik aa-p-n kaegorik, ermas-k ariabel dummy "Agresi, "Agresi, #CC(. #CC(. Pada regresi linier, linier, ariabel ariabel predikor predikor 0ang dig-nakan dig-nakan biasan0a biasan0a n-merik, eapi /ika kia melibakan 5amp-ran anara n-merik ma-p-n kaegorik kia dapa mengg-nakan regresi logistik . Analisis regresi logisik adalah meode regresi 0ang menggambarkan h-b-ngan anara beberapa ariabel independen "eGplanaor0( dengan seb-ah ariabel respon dikoom-s aa biner. Bariabel respon "1( pada meode regresi logisik dikaakan biner karena erdiri aas d-a kaegori 0ai- dan #." <-ana, !ndira Sa & Mahendraahi & !riaan 4-r, #: '> (
6
Analisis regresi logisik biner ber-/-an -n-k memperoleh h-b-ngan anara Ii dan Pi "probabilias ke/adian 0ang diakibakan oleh Gi(.
likelihood , 0ang 0ang memaksi memaksimal malkan kan pel-an pel-ang g pengkl pengklasi2 asi2ikas ikasian ian ob/ek ob/ek 0ang 0ang diama diamaii men/ad men/adii kaegori 0ang ses-ai kem-dian meng-bahn0a men/adi koe2isien regresi 0ang sederhana. D-a nilai 0ang biasa dig-nakan sebagai ariabel dependen 0ang diprediksi adalah dan # "eG. #Jberhasil, Jgagal(. "odds ratios( ratios( anara keberhasilan aa Regresi logistik menghasilkan rasio pel-ang "odds kegagalan s-a- dari analisis. Dapa kia 5onohkan dengan seorang okoh 0ang ingin men/adi presiden, akan lebih baik pel-angn0a /ika men/adi ke-a parai poliik eren-. Disini odds ratio
0ang
dimak imakss-d d
adalah
seb sebera erapa
besa esar
pelel-ang
okoh
er erseb seb-
deng engan
memperimbangkan ariabel predikor 0ang ada. Regresi logistik akan akan memben memben-k -k ariab ariabel el predik predikor orEres Erespo pon n "log "log "pE"#9p "pE"#9p(( (( 0ang 0ang
mer-pakan kombinasi linier dari ariabel independen. 4ilai ariabel predikor ini kem-dian dirans2ormasikan men/adi probabilias dengan fungsi dengan fungsi logit . Asusi3asusi da*a egesi *+gistik4 •
*idak mengas-msikan h-b-ngan linier anar ariabel dependen dan independen
•
Bariabel Bariabel dependen har-s bersi2a dikoomi " ariabel(
•
Bariabel independen idak har-s memiliki keragaman 0ang sama anar kelompok ariabel
•
Kaego Kaegori ri dalam dalam ariab ariabel el indepen independen den har-s har-s erpis erpisah ah sa- sama lain lain aaaa- bersi2a bersi2a ekskl-si2
Pesaaan Regresi Pesaaan Regresi Logistik
menghasilkan rasio pel-ang pel-ang 0ang din0aakan din0aakan dengan dengan rans2ormasi rans2ormasi Regresi logistik menghasilkan 2-ngsi logarima "log "log (, (, dengan demikian 2-ngsi rans2ormasi log aa-p-n aa-p-n ln diperl-kan ln diperl-kan -n-k p-value, p-value, dengan dengan demikian demikian dapa din0aak din0aakan an baha baha *+git(2) mermer-pak pakan an log dari pel-ang pel-ang "odds ratio( ratio( aa aa- likelihood likelihood ratio dengan dengan kem-ng kem-ngkin kinan an erbesar erbesar nilai nilai pel-an pel-ang g adalah adalah #, dengan demikian persamaan regresi logistik men/adi: L+git (2) 5 *+g (26#32) 5 *n (26#32)
dimana p dimana p bernilai bernilai anara 9#. 7
Model 0ang dig-nakan pada regresi regresi logistik adalah: adalah: L+g (P 6 # 7 2) 5 8 " 9 8#:# 9 8!:! 9 ;1 9 8k :k
Dimana p adalah kem-ngkinan baha 1 J #, dan I#, I, I% adalah ariabel independen, dan b adalah koe2isien regresi
!1! Pengetian Maag
Maag Maag aaaa- rada radang ng
lamb lamb-n -ng g aaaa- -ka -kak k
men0erang lamb-ng dikarenakan
er/adi
l-ka
lamb lamb-n -ng g adal adalah ah aa-
ge/a ge/ala la pen0aki pen0aki 0ang 0ang
peradangan pada peradangan pada lamb-ng lamb-ng 0ang 0ang
men0ebabkan saki, m-las m-las,, dan perih pada per- pada per-.. "ikipedia., #>( Se5ara garis besar, ada /enis pen0aki maag, 0akni: #. ?asr asri iis is AkAk- Pen0aki maag ak- adalah in2lamasi "reaksi -b-h erhadap mikroorganisme dan benda asing 0g diandai oleh panas, bengkak, n0eri, dan gangg-an 2-ngsi organ -b-h( ak- dari lamb-ng, dan biasan0a erbaas han0a pada m-klosa. Pen0aki maag ak- dapa er/adi anpa dikeah-i pen0ebabn0a. . ?as ?asri rii iss Kron Kronis is +amb-ng penderia pen0aki maag kronis m-ngkin mengalami in2lamasi "reaksi -b-h erhada erhadap p mikroo mikroorg rgani anisme sme dan benda benda asing asing 0g diand diandai ai oleh oleh panas, panas, bengka bengkak, k, n0eri, n0eri, dan gangg-an 2-ngsi organ -b-h( kronis dari ipe gangg-an eren-, 0ang men0ebabkan gasriis dari ipe 0ang spesi2ik 0ai- gasriis kronis.
!1$ 0enis 2en
#. Maag rin ringan Maag ringan masih ergolong ahap ringan dimana biasan0a seiap orang s-dah berada di ahap ini, /ika dilak-kan pemeriksaan akan erliha asam lamb-ng berlebih di bagian dinding. . Maag sed sedang Maag pada ahap ini s-dah men0ebabkan n0eri, saki dan m-al 0ang men0akikan. %. Maag kronis Maag kronis adalah maag 0ang s-dah parah inensiasn0a di bandingkan maag biasa. '. Kanke ankerr lam lamb-ng b-ng Kanker Kanker lamb-n lamb-ng g er/adi er/adi akiba akiba mikroorganisme 0ang 0ang mer-gi mer-gikan kan,, 0ai0ai- Helycobacter Helycobacter pylori.. "pen0ebabmaag.5om, #>( pylori
8
!1> Ge'a*a Maag
$iri95iri aa- ge/ala 0ang biasa m-n5-l pada sesorang 0ang mengalami maag: #. PerPer- kemb kemb-n -ng, g, ge/a ge/ala la pen0 pen0aki aki maag maag 0ang 0ang biasa biasan0 n0aa serin sering g m-n5 m-n5-l -l pada pada seseo seseora rang ng adalah mengalami per- kemb-ng. Per- kemb-ng ini diakibakan oleh lamb-ng 0ang didalamn0a erdapa ban0ak gas. . M-al M-al dan m-nah m-nah,, ge/ala 0ang 0ang selan/-n0 selan/-n0aa sering sering er/adi er/adi pada penderi penderiaa maag maag adalah adalah m-al dan /-ga m-nah. ika seseorang mengalami hal seperi ini bias /adi ini mer-pakan salahsa- 5iri pen0aki maag. %. Per- Per- merasak merasakan an sering sering lapar, lapar, /ika seseoran seseorang g idak idak men/aga men/aga pola makan se5era se5era era-r era-r biasan0a orang erseb- akan m-dah merasakan lapar, 5iri ini /-ga mer-pakan salah sadari pen0aki maag. '. Serin Sering g bers bersen enda daa a,, akib akiba a gas gas 0ang 0ang diha dihasil silka kan n lamblamb-ng ng,, seseo seseora rang ng men/a men/adi di seri sering ng bersendaa. Seringn0a sendaa ada kem-ngkinan baha seseorang erseb- menderia pen0aki maag. >. Perasaan saki saki pada pada bagian per- per- dan dan /-ga dada, dada, dari ban0ak ban0akn0a n0a 5iri95iri 5iri95iri saki maag maag 0ang 0ang biasan0a m-n5-l 0ang paling sering er/adi adalah penderia merasakan rasa saki aa perih pada bagian per- dan /-ga pada bagian dada. dada.
!1!1 -
%akt %a kt+ +33?a ?akt kt+ + Re Resi sik+ k+ Pe Pen< n
#. . %. '. >.
Maka Makan n ida idak k er era a-r -r Pero Peroko kok k aki aki2 2 S r e s K-ra K-rang ng isi isira raha ha 62ek 62ek sampi samping ng oba9o oba9oba baan an ere erenn-
. Sering makan pedasEasamEmin pedasEasamEmin-m -m kopi. kopi. "pen0eba "pen0ebabmaag bmaag.5om, .5om, #>( #>(
!1@ ,aa Penegahan Maag
#. Mak Makan er era a-r -r.. . MengMeng-n0 n0ah ah maka makana nan n seba seban0 n0ak ak % kali kali agar agar makan makanan an lebi lebih h lemblemb- keik keikaa masmas-k k lamb-ng. %. Menghi Menghinda ndari ri makan makanan an pen0 pen0eba ebab b maag. maag. K-rangi makan9makanan 0ang dapa mel-kai lamb-ng seperi 5-ka, kopi, pedas aa beberapa makanan 0ang dapa memb-a lamb-ng memprod-ksi asam lamb-ng se5era berlebihan. '. Mengo Mengons ns-m -msi si s-ss-s- ked kedela elaii
9
Dari berbagai s-di ilmiah baha kand-ngan sera 0ang 5-k-p inggi dan baik dari kedelai kedelai erb-ki erb-ki dapa mengaasi berbagai masalah pen5ernaan seperi maag, radang sal-ran 5erna, kemb-ng dan lain9lain. >. Hind Hindar arii sre sress Sress dapa men0ebabka men0ebabkan n kamb-hn0 kamb-hn0aa pen0aki pen0aki maag. Oleh karena i- -sahakan -sahakan -n-k -n-k selal- berpikir posii2 dan men/a-hkan sres dari pikiran Anda. . Hind Hindar arii rok rokok Asam lamb-n lamb-ng g bias bias mening meningka ka akiba akiba rokok rokok dan /-ga /-ga dapa dapa men/ad men/adii pengha penghamba mba kesemb-han l-ka 0ang ada dalam lamb-ng.
!1 Su=e Data
Daa 0ang dig-nakan dalam peneliian ini berasal dari daa ariable respon pernah maag dan idak pernah maag 0ang memp-n0ai karakerisik responden adalah Mahasisa Pendidikan Maemaika Angkaan #% )K!P ;4+AM
!1. ,+nt+h Ana*isis Regesi L+gistik dengan enggunakan SPSS !1.1# /aia=e* Pene*itian
Bariabel Bariabel 0ang dig-nakan dalam peneliian ini adalah sebagai berik-. #. Bariabel respon, respon, erdiri erdiri dari dari d-a kaegori kaegori 0ai0ai- : #( Orang 0ang pernah saki maag "diberi "diberi kode kode #( #( ( Orang 0ang idak pernah pernah saki saki maag "diberi "diberi kode kode ( . Bariabel riabel predik predikor or,, erdiri erdiri dari ariab ariabel el 0ang 0ang did-ga did-ga memp-n0 memp-n0ai ai pengar pengar-h -h erhadap erhadap ariabel respon 0ai- : #( Makan *idak *idak *era-r *era-r aaaa- *era-r *era-r "I#( erdiri erdiri dari dari d-a kaegori kaegori sebagai sebagai berik- berik-.. #. *idak *idak *eraera-r, r, dengan dengan kode kode #. . *era-r ra-r,, den denga gan n kod kodee ( Peroko Perokok k Aki Aki22 aa- *idak *idak "I( "I( #. Peroko Perokok k aki aki2, 2, deng dengan an kode kode #. #. . *idak *idak aki2 aki2 "pasi2 "pasi2(, (, deng dengan an kode kode . %( Sre Sress ss aa aa- *id *idak ak "I% "I%(( #. Sres Sress, s, deng dengan an kode kode #. . *idak *idak sress, sress, dengan dengan kode kode . . '( K-rang K-rang !sirah !siraha a aaaa- ida idak k "I'( "I'( #. K-ran K-rang g isir isiraha aha,, deng dengan an kode kode #. . *ida *idak, k, deng dengan an kode kode . >( 62ek samping samping oba9oba oba9obaan an ereneren- aa- idak "I>( 10
#. 62ek samping samping oba9ob oba9obaan aan eren-, eren-, dengan dengan kode kode #. . *ida *idak, k, deng dengan an kode kode . ( Sering makan pedas, asam, min-m min-m kopi kopi aaaa- *idak *idak "I( #. Sering Sering makan makan pedasEasa pedasEasamEmin mEmin-m -m kopi, kopi, dengan dengan kode kode #. . *ida *idak, k, deng dengan an kode kode .
Stress
Kurang Istirahat Efek samping obat-obatan tertentu
Perokok Aktif !1.1! Keangka Peikian
Sering makan pedas/asam/ minum kopi
INP&T
akan Tidak Teratur
PRSES
REGRESI LGISTIK
PEL!A"G SAKIT MAAG
11
Gambar 1.1
O&TP&T
Ses-ai dengan 0ang di-/-kkan gambar #.# erdapa inp- pada kas-s ini, 0ai-. Keenam Keenam inp- inp- erseberseb- kem-di kem-dian an akan akan diprose diprosess sedemi sedemikian kian r-pa r-pa menggmengg-nak nakan an regresi regresi logisik, sehingga akan menghasilkan seb-ah nilai 0ang mer-pakan besaran pel-ag bagi seorang mahasisa pendidikan maemaika angkaan #% )K!P ;4+AM -n-k mengalami saki maag.
12
13
!1.1$ (Hasi* Masukan Data Beu2a Pengk+dean # dan ") N+ 1 #. . %. '. >. . @. 8. C. #. ##. #. #%. #'. #>. #. #@. #8. #C. . #. . %. '. >. . @. 8. C. %. %#. %. %%. %'. %>. %. %@. %8. %C. '. '#. '. '%. ''.
NIM
Y
:#
:!
:$
:>
:-
:@
A#$##% A#$##%% A#$##%' A#$##%> A#$##%@ A#$##%8 A#$##%# A#$##%## A#$##%# A#$##%#% A#$##%#' A#$##%#> A#$##%#C A#$##% A#$##%# A#$##%' A#$##%> A#$##% A#$##%@ A#$##%8 A#$##%C A#$##%%# A#$##%% A#$##%%% A#$##%%' A#$##%%> A#$##%% A#$##%%@ A#$##%%8 A#$##%%C A#$##%' A#$##%'% A#$##%'' A#$##%'> A#$##%' A#$##%'@ A#$##%'8 A#$##%'C A#$##%> A#$##%># A#$##%> A#$##%>% A#$##%>' A#$##%#
# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #
# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #
# # # # # # # # # # # # # # # # # # # # # # # # # # #
# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #
# #
# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #
14
'>. '. '@. '8. 'C. >. >#. >. >%. >'. >>. >. >@. >8. >C. . #. . %. '. >. . @. 8. C. @. @#. @. @%. @'. @>. @. @@. @8. @C.
A#$##% A#$##%% A#$##%' A#$##% A#$##%C A#$##%@ A#$##%@ A#$##%@% A#$##%@' A#$##%@ A#$##%@8 A#$##%@C A#$##%8 A#$##%8# A#$##%8 A#$##%8' A#$##%8 A#$##%8@ A#$##%88 A#$##%8C A#$##%C A#$##%C# A#$##%C% A#$##%C@ A#$##%C8 A#$##%CC A#$##%> A#$##% A#$##%C A#$##%# A#$##%#' A#$##%#@ A#$##%#8 A#$##%# A#$##%%
# # # # # # # # # # # # # # # # # # # # # # # # # #
# # # # # # # # # # # # # # # # # # # # # # # # # # # # #
# # # # # # # # # # # # # # # # # # #
# # # # # # # # # # # # # # # # # # # # # # # # # # # # #
#
# # # # # # # # # # # # # # # # # # # # # # # # # #
:@
!1.1> (Hasi* Masukan Data Beu2a Pengk+dean Ya Ya dan Tidak) N+ 1 #. . %. '. >. . @. 8.
NIM
<
:#
:!
:$
:>
:-
A#$##% A#$##%% A#$##%' A#$##%> A#$##%@ A#$##%8 A#$##%# A#$##%##
*idak 1a 1a 1a *idak 1a 1a 1a
1a 1a 1a 1a *idak 1a 1a 1a
*idak *idak *idak *idak *idak *idak *idak *idak
*idak 1a 1a *idak *idak 1a *idak *idak
1a 1a 1a 1a 1a 1a *idak 1a
*idak *idak 1a *idak *idak *idak *idak *idak
1a *idak 1a 1a 1a *idak 1a 1a
15
C. #. ##. #. #%. #'. #>. #. #@. #8. #C. . #. . %. '. >. . @. 8. C. %. %#. %. %%. %'. %>. %. %@. %8. %C. '. '#. '. '%. ''. '>. '. '@. '8. 'C. >. >#. >. >%. >'. >>. >.
A#$##%# A#$##%#% A#$##%#' A#$##%#> A#$##%#C A#$##% A#$##%# A#$##%' A#$##%> A#$##% A#$##%@ A#$##%8 A#$##%C A#$##%%# A#$##%% A#$##%%% A#$##%%' A#$##%%> A#$##%% A#$##%%@ A#$##%%8 A#$##%%C A#$##%' A#$##%'% A#$##%'' A#$##%'> A#$##%' A#$##%'@ A#$##%'8 A#$##%'C A#$##%> A#$##%># A#$##%> A#$##%>% A#$##%>' A#$##%# A#$##% A#$##%% A#$##%' A#$##% A#$##%C A#$##%@ A#$##%@ A#$##%@% A#$##%@' A#$##%@ A#$##%@8 A#$##%@C
*idak 1a *idak 1a *idak 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a *idak 1a 1a *idak 1a 1a *idak *idak 1a 1a 1a 1a 1a 1a 1a 1a *idak 1a *idak *idak 1a 1a 1a 1a 1a *idak 1a 1a 1a 1a 1a
1a 1a 1a 1a 1a *idak *idak *idak 1a 1a *idak 1a 1a 1a *idak 1a 1a 1a *idak 1a 1a 1a 1a 1a *idak 1a 1a *idak 1a *idak 1a 1a 1a 1a 1a 1a *idak 1a 1a 1a 1a 1a *idak 1a 1a 1a 1a 1a
*idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak
*idak 1a 1a *idak 1a 1a *idak 1a 1a *idak 1a 1a 1a *idak *idak 1a 1a 1a *idak 1a 1a *idak 1a 1a 1a 1a *idak 1a *idak 1a *idak 1a 1a 1a *idak 1a 1a *idak 1a *idak 1a 1a *idak *idak *idak *idak *idak 1a
1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a *idak 1a 1a *idak 1a 1a *idak 1a *idak 1a 1a 1a 1a 1a 1a 1a 1a 1a *idak 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a *idak
*idak 1a *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak
1a 1a 1a *idak 1a *idak 1a 1a *idak 1a 1a 1a *idak *idak *idak 1a 1a 1a 1a *idak 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a *idak *idak 1a 1a 1a 1a *idak 1a 1a 1a 1a 1a 1a 1a *idak *idak
16
>@. >8. >C. . #. . %. '. >. . @. 8. C. @. @#. @. @%. @'. @>. @. @@. @8. @C.
A#$##%8 A#$##%8# A#$##%8 A#$##%8' A#$##%8 A#$##%8@ A#$##%88 A#$##%8C A#$##%C A#$##%C# A#$##%C% A#$##%C@ A#$##%C8 A#$##%CC A#$##%> A#$##% A#$##%C A#$##%# A#$##%#' A#$##%#@ A#$##%#8 A#$##%# A#$##%%
1a 1a *idak 1a 1a *idak *idak 1a 1a 1a 1a 1a 1a 1a *idak 1a 1a 1a *idak *idak 1a 1a *idak
1a 1a 1a 1a 1a *idak *idak 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a 1a *idak 1a *idak
*idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak
1a 1a *idak 1a 1a 1a *idak 1a 1a 1a *idak 1a *idak *idak *idak 1a *idak 1a *idak 1a 1a 1a *idak
1a 1a 1a 1a 1a 1a *idak 1a 1a 1a *idak 1a 1a 1a *idak 1a 1a 1a *idak 1a 1a 1a *idak
!1.1- Ta Ta=e* =e*
Makan idak era-r
0a idak
1a Pernah maag $o-n > @C,' #% ,
*idak Pernah maag $o-n C >, @ '%,8
Perokok Aki2
0a idak
1a Pernah maag $o-n
*idak Pernah maag $o-n >C @', >,'
Sres
0a
1a Pernah maag $o-n %> @@,@
*idak Pernah maag $o-n > @%,>
*idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak *idak 1a *idak *idak *idak *idak *idak
1a 1a *idak 1a *idak 1a *idak *idak 1a 1a 1a 1a *idak 1a 1a 1a 1a 1a 1a 1a 1a *idak 1a
17
idak
#
,%
C
,>
K-rang isiraha
0a idak
1a Pernah maag $o-n > @@, #> ,'
*idak Pernah maag $o-n @ >8,% > '#,@
0a idak
62ek samping oba9obaan eren1a *idak Pernah maag Pernah maag $o-n $o-n % # > @%, ,'
0a idak
Sering makan pedasEasamEmin-m kopi 1a *idak Pernah maag Pernah maag $o-n $o-n #@ 8,8 #@ 8> ' @#, % #>
#$%$& Regresi Logistik 'iner (engan SPSS ##
18
Langkah pertama Buka SPSS 22, kemudan !kan data !epert gambar d ata!
+angkah ke d-a, klik Anal0ze, Regression, lal- pilih
19
+al-, klik pada bagian Opions dan 5enang seperi erliha pada gambar di baah ini:
20
+al- pada mehod pilih
#$%$) *asi+ Ana+isis (ata Regresi Logistik 'inr dengan SPSS ##
Block 0: Beginning Block
Iteration Historya,b,c Coefficients Iteration Step 0
-2 Log likelihood
Constant
1
87,347
1,038
2
87,163
1,147
3
87,163
1,10
4
87,163
1,10
a! Constant is incl"ded in the #odel!
21
$! Initial -2 Log Likelihood% 87,163 c! &sti#ation ter#inated at iteration n"#$er 4 $eca"se para#eter esti#ates changed $' less than ,001!
Classification Tablea,b *redicted Sakit+aag
($ser)ed Step 0
Sakit+aag
idak pernah
*ernah sakit
*ercentage
sakit #aag
#aag
Correct
idak pernah sakit #aag
0
1.
,0
*ernah sakit #aag
0
60
100,0
()erall *ercentage
7,.
a! Constant is incl"ded in the #odel! $! he c"t )al"e is ,00
Variables in the Equation / Step 0
Constant
S!&!
1,10
ald
,263
df
1.,081
Sig! 1
&p/
,000
3,18
Block 1: Metho ! Back"ar #te$"ise %&ikelihoo 'atio(
Iteration Historya,b,c,,e Coefficients Sering+akan+* &fek+Sa#ping+ edas+ata"+5sa# akan+idak+e Iteration Step 1
-2 Log likelihood
Constant
rat"r
($at+o$atan+er +ata"+in"#+o Stress
"rang+Istirahat
tent"
pi
1
80,234
,0.3
,878
-,176
,7.4
,8.0
-,47.
2
78,.32
,1.3
1,072
-,268
1,01
1,870
-,747
3
78,76
,226
1,0.2
-,283
1,043
2,.02
-,801
22
Step 2
Step 3
4
78,6.8
,227
1,0.2
-,283
1,044
3,.17
-,802
78,677
,227
1,0.2
-,283
1,044
4,.22
-,802
6
78,66.
,227
1,0.2
-,283
1,044
,.24
-,802
7
78,666
,227
1,0.2
-,283
1,044
6,.2
-,802
8
78,66
,227
1,0.2
-,283
1,044
7,.26
-,802
.
78,66
,227
1,0.2
-,283
1,044
8,.26
-,802
10
78,66
,227
1,0.2
-,283
1,044
.,.26
-,802
11
78,66
,227
1,0.2
-,283
1,044
10,.26
-,802
12
78,66
,227
1,0.2
-,283
1,044
11,.26
-,802
13
78,66
,227
1,0.2
-,283
1,044
12,.26
-,802
14
78,66
,227
1,0.2
-,283
1,044
13,.26
-,802
1
78,66
,227
1,0.2
-,283
1,044
14,.26
-,802
16
78,66
,227
1,0.2
-,283
1,044
1,.26
-,802
17
78,66
,227
1,0.2
-,283
1,044
16,.26
-,802
18
78,66
,227
1,0.2
-,283
1,044
17,.26
-,802
1.
78,66
,227
1,0.2
-,283
1,044
18,.26
-,802
20
78,66
,227
1,0.2
-,283
1,044
1.,.26
-,802
1
80,41
,022
,878
,743
,820
-,463
2
7.,162
,0.1
1,06.
,.27
1,76.
-,721
3
78,.88
,118
1,088
,.47
2,7.8
-,773
4
78,.30
,11.
1,08.
,.48
3,813
-,774
78,.0.
,11.
1,08.
,.48
4,818
-,774
6
78,.01
,11.
1,08.
,.48
,820
-,774
7
78,8.8
,11.
1,08.
,.48
6,821
-,774
8
78,8.7
,11.
1,08.
,.48
7,822
-,774
.
78,8.7
,11.
1,08.
,.48
8,822
-,774
10
78,8.6
,11.
1,08.
,.48
.,822
-,774
11
78,8.6
,11.
1,08.
,.48
10,822
-,774
12
78,8.6
,11.
1,08.
,.48
11,822
-,774
13
78,8.6
,11.
1,08.
,.48
12,822
-,774
14
78,8.6
,11.
1,08.
,.48
13,822
-,774
1
78,8.6
,11.
1,08.
,.48
14,822
-,774
16
78,8.6
,11.
1,08.
,.48
1,822
-,774
17
78,8.6
,11.
1,08.
,.48
16,822
-,774
18
78,8.6
,11.
1,08.
,.48
17,822
-,774
1.
78,8.6
,11.
1,08.
,.48
18,822
-,774
20
78,8.6
,11.
1,08.
,.48
1.,822
-,774
1
81,42.
-,38
,.22
,748
,688
2
80,430
-,4.1
1,116
,.17
1,.4
3
80,264
-,02
1,131
,.30
2,621
4
80,206
-,02
1,131
,.30
3,636
23
Step 4
Step
80,18
-,02
1,131
,.30
4,641
6
80,177
-,02
1,131
,.30
,643
7
80,174
-,02
1,131
,.30
6,644
8
80,173
-,02
1,131
,.30
7,64
.
80,173
-,02
1,131
,.30
8,64
10
80,173
-,02
1,131
,.30
.,64
11
80,173
-,02
1,131
,.30
10,64
12
80,173
-,02
1,131
,.30
11,64
13
80,173
-,02
1,131
,.30
12,64
14
80,173
-,02
1,131
,.30
13,64
1
80,173
-,02
1,131
,.30
14,64
16
80,173
-,02
1,131
,.30
1,64
17
80,173
-,02
1,131
,.30
16,64
18
80,173
-,02
1,131
,.30
17,64
1.
80,173
-,02
1,131
,.30
18,64
20
80,173
-,02
1,131
,.30
1.,64
1
81,.12
-,382
,.3
,777
2
81,28.
-,30
1,168
,.64
3
81,28
-,44
1,186
,.80
4
81,28
-,44
1,186
,.81
1
83,723
,20
,.88
2
83,282
,21
1,184
3
83,281
,21
1,1.6
4
83,281
,21
1,1.6
a! ethod% /ackard Stepise Likelihood atio $! Constant is incl"ded in the #odel! c! Initial -2 Log Likelihood% 87,163 d! &sti#ation ter#inated at iteration n"#$er 20 $eca"se #ai#"# iterations has $een reached! inal sol"tion cannot $e fo"nd! e! &sti#ation ter#inated at iteration n"#$er 4 $eca"se para#eter esti#ates changed $' less than ,001!
Apakah model s-dah 2iF Perhaikan sa/a nilai saisik9 +og +ikelihood. ;n-k bagian
24
Hal ini s-dah men-n/-kkan ada pen-r-nan nilai saa ariabel bebas s-dah ik- bermain= 0akni sebesar 8@,#% 9 8%,8# J %,88 "+ebih /elasn0a, liha pada bagian Omnib-s *ess *ess o2 $oe22i5iens(
;n-k ;n-k #,#> 0ang lebih besar dibanding alpha > sehingga dengan demikian kia menerima hipoesis nol 0akni model s-dah 2i.
)*nibus Tests of Moel Coefficients Chi-s9"are Step 1
Step 2a
Step 3a
Step 4a
Step a
:f
Sig!
Step
8,4.8
,131
/lock
8,4.8
,131
odel
8,4.8
,131
Step
-,232
1
,630
/lock
8,266
4
,082
odel
8,266
4
,082
Step
-1,276
1
,2.
/lock
6,..0
3
,072
odel
6,..0
3
,072
Step
-1,113
1
,2.2
/lock
,877
2
,03
odel
,877
2
,03
Step
-1,..6
1
,18
/lock
3,882
1
,04.
odel
3,882
1
,04.
a! 5 negati)e negati)e Chi-s9"ares )al"e indicates that the Chis9"ares )al"e has decreased fro# the pre)io"s step!
Moel #u**ary
Step
-2 Log likelihood
Co ; Snell
S9"are
S9"are
1
78,66a
,102
,13
2
78,8.6a
,0..
,14.
3
80,173a
,08
,127
4
81,28$
,072
,107
25
83,281$
,048
,072
a! &sti#ation ter#inated at iteration n"#$er 20 $eca"se #ai#"# iterations has $een reached! inal sol"tion cannot $e fo"nd! $! &sti#ation ter#inated at iteration n"#$er 4 $eca"se para#eter esti#ates changed $' less than ,001!
Hos*er an &e*esho" Test Step
Chi-s9"are
df
Sig!
1
,012
6
,42
2
,87
4
,.28
3
,041
2
,.80
4
,02
2
,.88
,000
0
!
Pada abel perama : H : *idak ada ariabel I 0ang signi2kan s igni2kan mempengar-hi ariabel 1 H# : Minimal ada sa- ariabel 0ang signi2ikan mempengar-hi ariabel 1 4ilai signi2ikansi ,'C L .>, sehingga H diolak arin0a arin0a minimal ada sa- ariabel I memengar-hi ariabel 1, sehingga analisis dapa dilan/-kan.
Pada abel ked-a : 4ilai ariabel Makan idak era-r, perokok aki2, sress, k-rang isiraha, e2ek samping oba9obaan eren-, sering makan asamEpedasEmin-m kopi 0ang kia pakai dalam peneliian s-dah mamp- men/elaskan keragaman daa pada ariabel saki maag sebesar @,
Pada abel keiga : H : Model 5-k-p mamp- men/elaskan daa "la0akE ses-ai( H# : Model idak 5-k-p mamp- men/elaskan daa "k-rang ses-ai(
26
nilai nilai signi signi2i 2ika kans nsin0 in0aa L ,> ,>,, maka maka H diola diolak k sehing sehingga ga Model Model idak idak 5-k-p 5-k-p mampmampmen/elaskan daa "k-rang ses-ai( eapi b-kan berari idak mamp- samasekali men/elaskan daa.
Variables Variables in the Equation / Step 1a
1
,07
2,.80
Stress
-,283
,.3
,22.
1
,633
,73
"rang+Istirahat
1,044
,712
2,11
1
,142
2,841
1.,.26
2320,422
,000
1
,...
40410..0,422
-,802
,722
1,23
1
,266
,448
,227
,.72
,04
1
,816
1,24
1,08.
,612
3,164
1
,07
2,.70
,.48
,683
1,.2
1
,16
2,80
1.,822
2320,422
,000
1
,...
40.22..1,73
-,774
,718
1,161
1
,281
,461
,11.
,.4.
,016
1
,.00
1,126
1,131
,608
3,48
1
,063
3,0.8
,.30
,67.
1,877
1
,171
2,34
1.,64
2320,422
,000
1
,...
340072.16,387
Constant
-,02
,74
,444
1
,0
,60
akan+idak+erat"r
1,186
,608
3,808
1
,01
3,274
,.81
,680
2,082
1
,14.
2,666
Constant
-,44
,76
,17
1
,472
,81
akan+idak+erat"r
1,1.6
,.7
4,00
1
,04
3,306
,21
,04
,24.
1
,618
1,286
Constant akan+idak+erat"r "rang+Istirahat &fek+Sa#ping+($at+o$atan +ertent" +ertent" Sering+akan+*edas+ata"+ 5sa#+ata"+in"#+opi 5sa#+ata"+in"#+ opi Constant akan+idak+erat"r "rang+Istirahat &fek+Sa#ping+($at+o$atan +ertent" +ertent"
"rang+Istirahat
Step a
&p/
3,17
5sa#+ata"+in"#+opi 5sa#+ata"+in"#+ opi
Step 4a
Sig!
,613
Sering+akan+*edas+ata"+
Step 3
df
1,0.2
+ertent" +ertent"
a
ald
akan+idak+erat"r
&fek+Sa#ping+($at+o$atan
Step 2a
S!&!
Constant
a! =aria$les =aria$les entered on step 1% akan+idak+e akan+idak+erat"r, rat"r, Stress, "rang+Istirahat, &fek+Sa#ping+($at+o$atan+ &fek+Sa#ping+($at+o$atan+ertent", ertent", Sering+akan+*edas+ata"+5sa#+ata"+in"#+opi!
Dari Dari *abe *abell /aia=*es ia=*es in the ECuati+n ECuati+n berpengar-h
erliha baha ariabel ariabel aa- 2akor92ako 2akor92akorr 0ang
27
erhadap saki maag pada mahasisa pendidikan maemaika maemaika angkaan #% 2kip -nlam pada ingka > aadengan keper5a0aan C> adalah Makan Makan idak idak era-r era-r , peroko perokok k aki2, aki2, sress, sress, k-rang k-rang isirah isiraha, a, e2ek sampin samping g oba9o oba9oba baan an eren-, sering makan asamEpedasEmin-m kopi. Pengar-h dari masing9masing 2akor erseb- dapa dideskripsikan dengan meliha nilai ekspekasi nilai ariabel bebasn0a "6Gp"<((:
•
H : ariabel I idak signi2ikan mempengar-hi ariabel 1. H# : ariabel I signi2ikan mempengar-hi ariabel 1. 4ilai signi2ikansi ariabel I# J ,'> 4ilai signi2ikansi ,'> L .> , berari H # dierima. Kesimp-lan: Makan idak era-r signi2ikan mempengar-hi saki maag.
4ilai signi2ikansi ariabel I% J ,%% 4ilai signi2ikansi ,%% .>
, berari H dierima.
Kesimp-lan: sress idak signi2ikan mempengar-hi mempengar-hi saki maag. maag. 4ilai signi2ikansi ariabel I' J ,#'C 4ilai signi2ikansi ,#'C .> , berari H dierima. Kesimp-lan: K-rang !siraha idak signi2ikan mempengar-hi saki maag.
4ilai signi2ikansi ariabel I> J ,CCC 4ilai signi2ikansi ,CCC .> , berari H dierima. Kesimp-lan:Oba9obaan eren- idak signi2ikan mempengar-hi saki maag 4ilai signi2ikansi ariabel IJ ,8# 4ilai signi2ikansi ,8# .> , berari H dierima. Kesimp-lan:Sering makan pedas aa- asam aa- min-m kopi idak signi2ikan mempengar-hi saki maag •
Sekarang, sampai di bagian akhir -n-k inerpreasi model regresi logisi5. #N#,#C Makan *idak *era-r N Perokok Aki2 9 ,8% SressN
,C8# K-rang !siraha N #C,'> 62ek Samping Oba9obaan eren- 9 ,@@' Sering Makan Pedas aa- Asam aa- Min-m Kopi
28
dengan: p : Pel-ang saki maag Pada Mahasisa Pendidikan Maemaika Angkaan #% )K!P ;4+AM adalah makan idak era-r.
Misalkan Mahasisa Pendidikan Maemaika dengan kebisaan "5iri95iri( sbb: .
"akan "akan tdak tdak teratur teratur # $a %1& %1& 'utp 'utput ut regr regre! e! ()g!t ()g!tk k denga dengan n *ara *arabe( be( +1 +1 dar per!amaan regre! data!, pr)bab(ta! maha!!a akan !akt maag dapat dhtung !bbe π ^ =
0,251 + 1,196 ( 1 )
1+ e
0,251 + 1,196 ( 1)
# 0,809
Probabilias mahasisa pendidikan Maemaika Angkaan #% )K!P ;4+AM akan saki maag /ika makan idak era-r dibanding /ika makan era-r adalah ,#C> sa/a.
S-s +iris 7oro "##:@( Meskip-n idak sem-a ariabel bebas berpengar-h se5ara signi2ikan eap diik-kan pada model arin0a ala-p-n memp-n0ai signi2ikansi lebih dari >. >. Hal Hal ini ini kare karena na /ika /ika kae kaego gori ri99 kae kaego gori ri ers erseb eb- - dike dikell-ar arka kan n dari dari mode modell akan akan mempengar-hi kela0akan "goodness o2 2i( dari model se5ara kesel-r-han. *api, inga sa- hal baha ariable9 idak signi2ikan signi2ikan se5ara saisik, b-kan berari pengar-hn0a pengar-hn0a idak ada "nol rasio(, melainkan ada pengar-hn0a, han0a sa/a sanga ke5il. M-ngkin -n-k peneliian lain "beda ak-, beda mahasisa, beda -niersias( bisa sa/a hasiln0a akan signi2ikan. Sedang Sedangkan kan 2akor 2akor peroko perokok k aki2 aki2 idak idak dapa dapa din0a din0aakan akan bepeng bepengarar-h h inggi inggi aarendah dikarenakan mahasisa Pendidikan Maemaika Angkaan #% )K!P ;4+AM 0ang men/adi ob/ek peneliian kami idak ada sa-p-n 0ang mer-pakan perokok aki2.
29
#$, Soa+ Latihan dan Pembahasan Peran0aan # : a(
aab : Peran0aan # : Dengan model regresi logisik "4-r As0iah, 8:@C(, maka pada soal erseb- ben-k modeln0a adalah : a(
π ^
1=
e
0,227 −0,283 ( 1 )
1 +e
0,227 − 0,283 ( 1)
J ,'8 aa- '8,
adi mereka 0ang sress memp-n0ai risiko -n-k saki maag sebesar '8, . b(
π ^
0=
e
0,227 − 0,283 ( 0)
1+ e
0,227 −0,283 ( 0 )
J ,>> aa- >>,
30
adi mereka 0ang idak sress memp-n0ai risiko -n-k -n-k saki maag sebesar >>, . 5(
1
π ^
0
0,486
J 0,556 J,8@'
Kesimpulan: rti dari angka diatas adalah, mereka 0ang sress mempunyai risiko ter!adi maag "#,$%&' kali lebih tinggi dibandingkan mereka yang tidak stress( Peran0aan : Dengan model regresi logisik maka pada soal erseb- ben-k modeln0a adalah : −
π ^
a(
1=
e
0,544 + 0,981 ( 1)
1 +e
−
0,544 + 0,981 ( 1 )
J ,@ aa- ,@
adi mereka 0ang K-rang !siraha memp-n0ai risiko -n-k saki maag sebesar ,@ .
−
π ^
b(
0=
e
0,544 + 0,981 ( 0 )
1+ e
0,544 + 0,981 ( 0)
−
J,%@ aa- %,@ .
adi mereka mereka 0ang 0ang idak idak K-rang K-rang !sirah !siraha a memp-n memp-n0a 0aii risiko risiko -n-k -n-k saki saki maag maag sebesar %,@ . 5(
1
π ^
0
0,607
J 0,367 J#,>%
Kesimpulan: rti dari angka diatas adalah, mereka yang K-rang !siraha mempunyai risiko ter!adi maag maag "),*+' "),*+' kali lebih tinggi tinggi dibanding dibandingkan kan mereka mereka yang tidak tidak K-rang !siraha( !siraha(
Peran0aan % :
31
Dengan model regresi logisik maka pada soal erseb- ben-k modeln0a adalah : −
π ^
a(
1=
e
0,502+ 19,645 ( 1 ) −
1 +e
0,502 + 19,645 ( 1 )
J,CCCaa- CC,C
adi adi merek merekaa 0ang 0ang erke erkena na 62ek 62ek samp sampin ing g oba9 oba9ob oba aan an ere eren n- memp memp-n -n0a 0aii risiko -n-k saki maag sebesar CC,C . −
π ^
b(
0=
e
0,502 + 19,645 ( 0 ) 0,502 + 19,645 ( 0 )
−
1+ e
J,%@@ aa- %@,@
adi mereka 0ang idak erkena 62ek samping oba9obaan eren- memp-n0ai risiko -n-k saki maag sebesar %@,@ . 5(
1
π ^
0
0,999
J 0,377 J,'C
Kesimpulan: rti dari angka diatas adalah, mereka 0ang erkena 62ek samping oba9obaan eren- memp mempun unya yaii risi risiko ko ter! ter!ad adii maag maag
",* ",*&. &.'' kali kali lebi lebih h ting tinggi gi
dibandingkan mereka yang tidak erkena 62ek samping oba9obaan eren-
Peran0aan ' : Dengan model regresi logisik maka pada soal erseb- ben-k modeln0a adalah : a(
π ^
1=
e
0,119− 0,774 ( 1 )
1 +e
0,119 −0,774 ( 1)
J,%' aa- %',
adi mereka 0ang Sering makan pedas, asam, min-m kopi memp-n0ai risiko -n-k saki maag sebesar %', . b(
π ^
0=
e
0,119− 0,774 ( 0)
1+ e
0,119 −0,774 ( 0 )
J,>C
adi mereka 0ang Sering makan pedas, asam, min-m kopi memp-n0ai risiko -n-k saki maag sebesar >,C . 5(
1
π ^
0
0,342
J 0,529 J,'
32
Kesimpulan: rti dari angka diatas adalah, mereka mereka 0ang 0ang Sering Sering makan makan pedas, pedas, asam, asam, min-m kopi memp mempun unya yaii risik risiko o ter!a ter!adi di maag maag " #,*& #,*&*' *' kali kali lebih lebih ting tinggi gi diband dibanding ingkan kan mereka mereka yang yang tidak tidak mereka 0ang Sering makan pedas, asam, min-m kopi.
BAB III PEN&T&P $1#
Kesi2u*an
#. Pendek Pendekaan aan analisi analisiss regresi regresi logis logisik ik pada pada kas-s kas-s
saki saki maag maag pada pada mahasi mahasisa sa
pendidikan maemaika )K!P ;4+AMF Ln P/1-P = ,>#N#,#C ,>#N#,#C Makan *idak *era-r *era-r N Perokok Perokok Aki2 9,8% 9,8% SressN
,C8#K-ra ,C8#K-rang ng !sirahaN#C, !sirahaN#C,'> '> 62ek Samping Samping Oba9obaan Oba9obaan eren-9 eren-9 ,@@' ,@@' Sering Makan Pedas aa- Asam aa- Min-m Kopi dengan: P : Pel-ang saki maag Pada Mahasisa Pendidikan Maemaika Angkaan #% )K!P ;4+AM
. adalah makan idak era-r %. Peramalan Peramalan -n-k -n-k saki maag maag pada mahasisa mahasisa pendid pendidikan ikan maemaik maemaikaa )K!P ;4+AM adalah sbb:
33
saki saki maag maag apab apabil ilaa maka makan n ida idak k era era-rr adal adalah ah ,8 ,8C> C> ari arin0 n0aa sang sanga a ing inggi gi kem-ngkinann0a Misalkan Mahasisa Pendidikan Maemaika dengan kebisaan "5iri9 5iri( sbb: Maka Makan n ida idak k era era-r -r J 0a "#( "#( O-p O-p- - regr regresi esi logi logisi sik k denn dennga gan n ari ariab abel el I# dari dari persamaan regresi diaas, probabilias mahasisa akan saki maag dapa dihi-ng sbb: e π ^ =
0,251 + 1,196 ( 1 )
1+ e
0,251 + 1,196 ( 1)
J ,8C
Probabilias mahasisa pendidikan Maemaika Angkaan #% )K!P ;4+AM akan saki maag /ika makan idak era-r dibanding /ika makan era-r adalah ,#C> sa/a.
'. Agar Agar mahasisa mahasisa pendi pendidik dikan an maema maemaika ika angka angkaan an #% #% )K!P )K!P ;4+AM ;4+AM idak idak saki saki maag en-n0a sem-a 2akor pen0ebab saki maag har-s dihindari, nam-n men-r- daa daa dan dan
anali analisis sis regresi regresi logi logis sik ik bine binerr ini ini 2ako 2akorr 0ang 0ang sanga sanga besa besarr membe memberi ri
pengar-hn0a adalah 2akor makan idak era-r.
$#
Saran
Seelah melak-kan analisis regresi logisik biner -n-k megeah-i 2akor92akor apa sa/a 0ang paling memberikan pengar-h menimb-lkan saki maag, maka diharapkan Para Mahasisa Pendidikan Maemaika angkaan #% )K!P ;4+AM dapa men5egah 2akor92akor erseb- sehing sehingga ga saki saki maag maag 0ang 0ang meskip meskip-n -n ban0ak ban0ak diak-i diak-i mahasis mahasisa a Pendid Pendidika ikan n Maema Maemaika ika angkaan #% )K!P ;4+AM b-kan hal 0ang aneh= i- dapa di5egah. Karena /ika saki maag en- akan menggangg- perk-liahan mahasisa erseb-.
34
DA%TAR P&STAKA
+iris 7oro, S-s. ##. ##. nalisis nalisis Kepemilikan /epeda 0otor 1ada 2umah 3angga 3angga 4i Kabupaten 5uleleng 0enggunakan 0enggunakan 0odel 2egresi 2egresi 6ogistik tesis tidak diterbitkan. diterbitkan . Denpasar PPs *eknik *eknik Sipil ;niersias ;da0ana.
As0iah, 4-r. 8. 2egresi 8. 2egresi 6ogistik 4an 1enerapannya 1enerapannya 4alam 5idang Kesehatan "/tudi Kasus Kelahiran 1rematur 4i 2skia 1ku 0uhammadiyah Kotagede 7ogyakarta' 7ogyakarta' skripsi tidak diterbitkan( 1og0akara 1og0akara : )ak-las Sains dan *eknologi *eknologi ;niersias !slam 4egeri S-nan Kali/aga 1og0akara.
<-ana, !ndira Sa & Mahendraahi & !riaan 4-r.#. 1enerapan 4-r.#. 1enerapan 0etode 2egresi 6ogistik 1ada plikasi /preadsheet /preadsheet /ebagai lat 5antu 1engambilan Keputusan "/tudi Kasus 4ata 5umn 4i 5pk 2i' . Makalah disa/ikan dalam Seminar 4asional !n2ormaika # "semnas!) "semna s!) #(, Beeran Beeran,, 1og0akar 1og0akara, a, Mei.
Kasim, )eliG. 8. 0etodologi 0etodologi 1enelitian 5iomedis "Diana 5iomedis "Diana Krisani asap-ra & Slame Sanosa, 6d.(.
"# Okober #>(. 0aag #>(. 0aag , "Online(, "hps:EEid.ikipedia.orgEikiEMaagenismaag hps:EEid.ikipedia.orgEikiEMaagenismaag(, (, diakses # Desember #>.
1enyebab 0aag ,"Online(, ,"Online(, "pen0ebabmaag.5om(, diakses # Desember #>.
35
