REGRESI LOGISTIK KONDISIONAL UNTUK DESAIN STUDI CASE CONTROL DENGAN METODE MATCHING BEBERAPA KONTROL

NUR M ARIF DARMA WJY, Drs. Zulaela, Dipl.Med.Stats, M.Si.

2016 | Skripsi | S1 STATISTIKA

Tujuan penulisan ini mempelajari desain studi matched case control sebagai salah satu alternatif untuk menghilangkan pengaruh faktor pengganggu (confounding factor) yang dapat menyimpangkan hubungan sebenarnya antara penyakit (disease) dan paparan (exposure). Mempelajari penggunaan regresi logistik untuk desain studi yang dikondisionalkan, di mana pada penulisan ini yaitu di-matching-kan lebih dari 1 control (match case control 1:R) mampu mengaplikasikan regresi logistik kondisional pada data kesehatan di mana ingin diketahui faktor-faktor yang mempengaruhi risiko terkena kanker endometrium pada wanita dengan riwayat menggunakan atau memakai estrogen. Jumlah data sebanyak 63 kasus dan 252 kontrol. Metode analisis data menggunakan Frequencies, McNemar Test, Analisis Regresi Linier, dan Regresi Logistik Kondisional. Hasil analisis menunjukkan bahwa Matched Case Control dapat digunakan sebagai salah satu alternatif untuk menghilangkan pengaruh faktor pengganggu (confounding factor) yang dapat menyimpangkan hubungan sebenarnya antara penyakit (disease) dan paparan (exposure). Regresi logistik kondisional dapat diaplikasikan pada data kesehatan di mana ingin diketahui risiko terkena kanker endometrium pada wanita dengan riwayat menggunakan atau memakai estrogen.

The purpose of this paper is to study the matched case control study design as an alternative to eliminate the influence of confounding factors that may distorted the actual relationship between the disease and exposure. Studying the use of logistic regression to study condotional design studieswhere at this writing is matching case with more than 1 control (match case control 1: R), capable of applying logistic regression conditional on health data where we want to know the factors that affect the risk of endometrial cancer in women with a history of us estrogen.The amount of data as many as 63 cases and 252 controls. Data analysis methods using Conditional Logistic Regression. The analysis showed that the Matched Case Control can be used as an alternative to eliminate the influence of confounding factors that may distorted the actual relationship between the disease and exposure. Conditional logistic regression can be applied to the health data where we want to know the risk of endometrial cancer in women with a history of estrogen use or wear.

Kata Kunci : Conditional Logistic Regression, Matching, Matched Case Control, Endometrial Cancer