Quiz Regresi Logistik

Apa tujuan utama dari analisis regresi logistik?

• Memprediksi variabel independen dari variabel dependen

• Menganalisis hubungan linear antara dua variabel

• Memprediksi probabilitas kejadian suatu peristiwa

• Mengukur tingkat korelasi antarvariabel

• Menghitung rata-rata dari data sampel

Variabel dependen dalam regresi logistik harus berbentuk:

• Numerik kontinu

• Kategorikal

• Interval

• Rasio

• Diskrit ordinal

Fungsi logit dalam regresi logistik adalah:

• ln(p / (1-p))

• 1 / (1 + e^(-x))

• x^2 - y^2

• x / y

• xy

Dalam konteks gizi, regresi logistik dapat digunakan untuk:

• Menentukan pola makan ideal

• Mengelompokkan kategori status gizi

• Memprediksi status gizi seseorang berdasarkan variabel tertentu

• Mengukur rata-rata kalori harian

• Membandingkan dua kelompok

Jika p-value dalam output regresi logistik adalah 0.03, maka:

• Variabel independen tidak signifikan

• Model regresi tidak valid

• Hipotesis nol ditolak pada tingkat signifikansi 5%

• Hipotesis nol diterima pada tingkat signifikansi 5%

• Tidak dapat disimpulkan apa-apa

Seorang peneliti menggunakan regresi logistik untuk menganalisis hubungan antara konsumsi sayur dan risiko obesitas. Apa interpretasi dari koefisien logit sebesar -1.2?

• Risiko obesitas meningkat dengan konsumsi sayur

• Risiko obesitas menurun dengan konsumsi sayur

• Konsumsi sayur tidak mempengaruhi obesitas

• Konsumsi sayur memprediksi penurunan berat badan

• Tidak ada hubungan antara variabel

Dari tabel output regresi logistik, nilai odds ratio adalah 2.5 untuk variabel asupan lemak tinggi. Apa artinya?

• Konsumsi lemak tinggi meningkatkan risiko 2.5 kali lipat

• Konsumsi lemak tinggi tidak berpengaruh pada risiko

• Konsumsi lemak tinggi menurunkan risiko 2.5 kali lipat

• Risiko meningkat sebesar 25%

• Tidak dapat diinterpretasikan

Variabel independen apa yang paling sesuai digunakan dalam analisis regresi logistik terkait status gizi?

• Berat badan kontinu

• Kategori aktivitas fisik

• Total asupan kalori per hari

• Indeks massa tubuh numerik

• Rasio lingkar pinggang

Jika model regresi logistik memiliki Nagelkerke R-square sebesar 0.45, maka:

• Model memiliki prediksi buruk

• Model menjelaskan 45% variansi dari variabel dependen

• Model tidak layak digunakan

• Model hanya menjelaskan hubungan variabel independen tertentu

• Nilai tersebut terlalu rendah untuk analisis

Pada uji goodness-of-fit Hosmer-Lemeshow, nilai p-value adalah 0.12. Apa yang dapat disimpulkan?

• Model tidak cocok untuk data

• Model cocok untuk data

• Model gagal menjelaskan data

• Variabel independen tidak signifikan

• Data terlalu bervariasi