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
Pemodelan yang digunakan bila kita telah meyakini bahwa satu variabel independen mempunyai hubungan dengan variabel dependen dengan mengontrol
beberapa variabel confounding.
Universitas Sumatera Utara
Gambar 2.3 Kerangka Konsep Model Faktor Risiko
Tahapan pemodelan multivariat model faktor risiko : 1.
Melakukan analisis bivariat antara masing-masing variabel confounding dengan variabel dependennya. Bila hasil uji bivariat mempunyai nilai p0,25 maka
variabel tersebut dapat masuk dalam model multivariat 2.
Lakukan pemodelan lengkap, mencakup variabel utama semua kandidat confounding dan kandidat interaksi interaksi dibuat antara variabel utama
dengan semua variabel confounding 3.
Lakukan pemeriksaan interaksi, dengan cara mengeluarkan variabel interaksi yang memiliki nilai p-Wald tidak signifikan secara berurutan satu persatu dari
nilai p-Wald yang terbesar 4.
Lakukan pemeriksaan confounding, dengan cara mengeluarkan variabel kovariat atau confounding satu persatu dimulai dari variabel yang memiliki nilai p-Wald
yang terbesar, bila setelah dikeluarkan diperoleh selisih OR faktor utama antara sebelum dan sesudah variabel kovariat X
1
dikeluarkan lebih besar dari 10, maka variabel tersebut dinyatakan sebagai confounding dan harus tetap berada
dalam model. X
1
Y
X
2
X
3
X
4
Universitas Sumatera Utara
Metode memasukkan dan mengeluarkan variabel dalam model multivariat yaitu :
1. Enter : memasukkan semua variabel independen dengan serentak satu langkah,
tanpa melewati kriteria kemaknaan statistik tertentu 2.
Forward : memasukkan satu persatu variabel dari hasil pengkorelasian variabel yang memenuhi kriteria kemaknaan statistik, sampai semua variabel yang
memenuhi kriteria tersebut masuk ke dalam model. Variabel yang masuk pertama kali adalah variabel yang mempunyai korelasi parsial terbesar dengan
variabel dependen dan yang memenuhi kriteria tertentu untuk dapat masuk model 3.
Backward : memasukkan semua variabel ke dalam model, tetapi kemudian satu per satu variabel independen dikeluarkan dari model berdasarkan kriteria
kemaknaan statistik tertentu. Variabel yang pertama kali dikeluarkan adalah variabel yang mempunyai korelasi parsial terkecil dengan variabel dependen
4. Stepwise : metode ini merupakan kombinasi antara metode backward dan
fordward. Seperti halnya forward, metode stepwise dimulai tanpa variabel sama sekali di dalam model, lalu satu persatu variabel hasil pengkorelasian variabel
dimasukkan ke dalam model dan dikeluarkan dari model dengan kriteria tertentu. Variabel yang pertama masuk model sama dengan metode fordward yakni
variabel yang mempunyai korelasi parsial terbesar. Selanjutnya setelah masuk, variabel pertama ini diperiksa lagi apakah harus dikeluarkan dari model menurut
kriteria pengeluaran seperti metode backward 5.
Remove : mengeluarkan satu persatu semua variabel independen dengan serentak tanpa melewati kriteria kemaknaan statistik tertentu.
Universitas Sumatera Utara
2.7 Kerangka Konsep
