Logistic Regression digunakan apabila variabel tergantungnya memiliki dua kategori yaitu “ya” dan “tidak”. Sedangkan Multinomial Logistic Regression digunakan
apabila variabel tergantungnya lebih dari dua kategori yaitu “rendah”, “sedang”, dan “tinggi”.
Regresi logistik dibedakan menjadi dua yaitu regresi logistik sederhana dan regresi logistik ganda. Regresi logistik sederhana digunakan apabila ingin
mempelajari hubungan antara satu variabel bebas dengan satu variabel tergantung yang bersifat kategorikal. Regresi logistik ganda digunakan apabila ingin
mempelajari hubungan beberapa variabel bebas dengan satu variabel tergantung yang bersifat kategorikal.
2.6.2.1 Persamaan Model Regresi Logistik
Model regresi logistik merupakan perkembangan dari model regresi linier. Dalam beberapa kasus penelitian ingin melihat hubungan dari beberapa variabel bebas
dengan variabel tergantunng yang berskala kategorikal sehingga analisis regresi linier tidak dapat digunakan. Oleh karena itu, salah satu pilihan analisis yang
digunakan adalah model regresi logistik. Model logistik dikembangkan dari fungsi logistik
= + regresi logistik sederhana
= + +
+ ⋯ +
� �
regresi logistik ganda
2.6.2.2 Penentuan Faktor Risiko dan Koefisien Determinasi R
2
Ada tidaknya faktor risiko dari variabel bebas terhadap variabel tergantung dapat dilihat dari Odds Ratio. Odds adalah perbandingan antara probabilitas A sakit
dibagi dengan probabilitas A tidak sakit. Secara umum dijelaskan dalam persamaan dibawah ini Kirkwood C, 2000
� = �
� � �
� = − Sedangkan Odds ratio OR adalah rasio antara Odds dari kelompok terpapar dengan
Odds dari kelompok tidak terpapar. Misalnya akan dianalisis hubungan dukungan suami terhadap kejadian unmet need, dimana variabel X adalah dukungan suami
dengan kategori X=1 adalah tidak mendukung dan X=0 adalah mendukung maka OR dukungan suami adalah :
=
�= �=
= �
+ �
� =
� �
�
� = �
�
Odds ratio yang diperoleh dari analisis regresi logistik disebut adjusted odds ratio karena asumsinya bahwa tidak ada pengaruh variabel bebas yang lain.
Koefisien determinasi R
2
merupakan besarnya pengaruh variabel bebas X terhadap variabel tergantung Y. Misalnya R
2
= 0,60 berarti 60 variasi nilai variabel Y dipengaruhi oleh variabel X dan sisanya oleh faktor lain. Berikut adalah
persamaanya Daniel, 2009. =
∑
′
− ̅
∑ − ̅
= Keterangan :
R
2
: Koefisien determinasi Y
’
: Nilai Y terhitung ̅
: Rata-rata nilai variabel Y Y
: Nilai variabel Y SSR
: Sum Square Residual TSS
: Total Sum of Square
2.6.2.3 Uji Hipotesis
Untuk mengetahui seberapa penting suatu variabel di dalam model, maka perlu membandingkan nilai-nilai prediksi pada dua model yaitu model tanpa variabel
tersebut dibandingkan model dengan variabel tersebut. Untuk membandingkan nila- nilai prediksi tersebut maka digunakan dua uji yaitu uji Likelihood ratio dan uji Wald
Kirkwood C, 2000.
a. Uji Likelihood Ratio
