Anda di halaman 1dari 3

Regresi Logistik

Regresi logistika adalah bentuk regresi yang digunakan untuk memodelkan hubungan antara
variabel dependan dan variabel independen, dimana :
1. Variabel dependen adalah sebuag data denga ukuran biner atau dikonomi, missal ia atau
tidak, sukes atau gagal, bagus atau rusak, dan mati atau hidup.
2. Jenis data untuk variabel independen dapat berupa jenis data nominal, ordinal, interval
atau rasio.
Kelebihan regresi logistic dibandingkan regresi ols adalah:
1. Tidak mengasumsikan hubungan liniear anatar variabel dependen dan variabel
independen.
2. Tidak memerlukan asumsi normalitas, homoskedastisitas dan memeiliki asumsi sedikit
yang ketat.
Ciri-ciri regresi logistic yaitu :
1. Memiliki nilai R2 yang dinamakan pseudo R-square digunakan untuk mengkur derajat
keeratan hubungan.
2. Pengujian Godness of Fit (kecokan model) dilakukan dengan beberapa metode seperti uji
statistic G, uji pearson, uji deviace dan hosmer lemmsaow.
3. Hasil akurasi model regresi logistic dapat dilihat pada tabe klasifikasi yang akan
mengelompokkan hasil prediksi dari model.

#UJI KELAYAKAN MODEL REGRESI

Hipotesis
H0 : tidak terdapat perbedaan yang signifikan antara klasisfikasi yang diprediksi
(frekuensi) dengan frekuensi yang diamati (kelulusan)
H1 : Terdapat perbedaan yang signifikan antara klasisfikasi yang diprediksi dengan
frekuensi yang diamati
#UJI KELAYAKAN MODEL KESELURUHAN (OVERALL)

Model Summary
Step

-2 Log likelihood

52.158

Cox & Snell R

Nagelkerke R

Square

Square

.272

.366

a. Estimation terminated at iteration number 5 because


parameter estimates changed by less than .001.

Berdasarkan nilai log likelihood yaitu sebesar 52.15 Jika nilai ini semakin kecil dan mendekati
nol maka nilai ini semakin menggambarkan kecocokan model.
#MENGUJI KOEFISIEN REGRESI
Variables in the Equation
B
Frekuensi

Step 1a

Constant

S.E.

Wald

df

Sig.

Exp(B)

.317

.098

10.531

.001

1.373

-3.815

1.270

9.019

.003

.022

a. Variable(s) entered on step 1: Frekuensi.

Hipotesis
H0 : Koefisien regresi tidak efisien
H1 : Koefisien regresi efisien
Daerah penolakan
Sig < alpa
# MENAKSIRKAN DAN MEMPREDIKSi
Variables in the Equation
B
Step 1a

Frekuensi
Constant

S.E.

Wald

df

Sig.

Exp(B)

.317

.098

10.531

.001

1.373

-3.815

1.270

9.019

.003

.022

a. Variable(s) entered on step 1: Frekuensi.

Kelulusan = -3.815 + 0.317 Frekuensi

Jika frekuensi belajar meningkat 1 jam maka rasio kesuksesan mahasiswa utuk lulus tepat waktu
meningkat sebesar 1.373 kali.
PENAFSIRANNYA.
Konstanta sebesar -3.815 yang berarti bahwa jika frekuensi belajar meningkat 1 jam maka rasio
kesuksesan mahasiswa utuk lulus tepat waktu sebesar 1.373 kali.

1.
2.
3.
4.
5.
6.
7.

Pengenalan ADE (kiki,nur)


Statistika Deskriptif (uli,cai)
Managemen dan pemerikasaan data (fadli,tita)
Uji t 1 sampel (One sampel t_test) (yuyun, sumartini)
Uji t 2 sampel (independen) (irwan,yulianti, silvi)
Manova
Regresi logistic

Pengertian, rumus, soal+bahas, langkah, penyelesaiaan , soal lgk diselesaikan