Dengan batas kritis G
3
X
2 tabelα;df
atau p-Value α , Asumsi H
: β=0 2.
Uji Wald Uji Wald diperoleh dengan membandingkan taksiran Maximum Likelihood
koefisien regresi β
i
dengan taksiran kesalahan baku SE. Rumusnya yaitu : Wald
= βSE
β 2
Dengan batas kritis Wald Z
α2
atau p-Value α
2.6.4 Model Multivariat a. Model Prediksi
Model prediksi bertujuan untuk memperoleh model yang terdiri dari beberapa variabel independen yang dianggap terbaik untuk memprediksi kejadian variabel
dependen. Pada pemodelan ini semua variabel dianggap penting sehingga dapat dilakukan estimasi beberapa koefisien regresi sekaligus.
Gambar 2.2 Kerangka Konsep Model Prediksi
Tahapan pemodelan multivariat model prediksi :
1. Melakukan identifikasi kovariat potensial yang dilakukan dengan membuat
analisis regresi dari masing-masing kovariat terhadap variabel dependennya. X
1
X
2
X
3
Y
Universitas Sumatera Utara
Analisis dilakukan satu persatu antara masing-masing variabel independen dengan variabel dependennya. Bila hasil uji bivariat mempunyai nilai p0,25 maka
variabel tersebut dapat masuk dalam model multivariat. Walaupun demikian pertimbangan secara substansi tetap dilakukan. Jika ada kovariat yang menurut
substansi keilmuan harus masuk ke dalam model multivariat, kovariat tersebut tetap dipertahankan ke dalam model multivariat walaupun nilai p0,25.
2. Memasukkan atau mengeluarkan variabel dalam model dimana variabel yang
masuk ke dalam model harus mempunyai p-Wald0,05, bila tidak variabel tersebut dikeluarkan dari model dimulai dari p-Wald yang terbesar dengan memperhatikan
logika substansi. Variabel yang dipertimbangkan untuk keluar dari model dapat dievaluasi dengan membandingkan OR masing-masing kovariat pada model
dengan dan tanpa kovariat tersebut. Jika perbedaan koefisien tersebut besar 10, berarti kovariat tersebut tidak dapat dikeluarkan dari model karena akan
mengganggu estimasi koefisien kovariat lainnya. Dengan kata lain variabel tersebut merupakan konfounder untuk variabel lainnya. Rumus untuk mencari
perbedaan OR adalah :
OR crude adalah OR variabel dengan tidak masuknya ke dalam model kovariat yang diuji sedangkan OR adjust adalah OR variabel dengan masuknya ke dalam
model kovariat yang akan diuji.
Universitas Sumatera Utara
3. Lakukan uji rasio likelihood untuk penilaian signifikansi variabel yang
dihilangkan dengan membandingkan -2ln pada model tanpa variabel dengan -2ln pada model dengan variabel tersebut.
4. Lakukan langkah-langkah tersebut sampai tercapai model yang terdiri hanya
variabel-variabel yang paling fit. 5.
Uji linieritas variabel numerik dengan tujuan untuk menentukan apakah variabel numerik dijadikan variabel kategorik atau tetap variabel numerik. Caranya dengan
melakukan pengelompokan variabel numerik ke dalam empat kelompok berdasarkan nilai kuartilnya. Kemudian dilakukan analisis regresi logistik dan
dihitung angka OR-nya. Bila nilai OR masing-masing kelompok menunjukkan bentuk garis lurus, maka variabel numerik tetap dipertahankan. Namun bila
hasilnya menunjukkan adanya patahan, maka dapat dipertimbangkan dirubah dalam bentuk kategorik.
6. Setelah memperoleh model yang fit dan mempunyai p yang signifikan, maka
langkah selanjutnya adalah memeriksa kemungkinan interaksi variabel ke dalam model. Penentuan variabel interaksi sebaiknya melakukan pertimbangan logika
substansi. Pengujian interaksi dilihat dari nilai p yang bermakna, yang berarti variabel interaksi penting untuk dimasukkan dalam model.
b. Model Faktor Risiko
