3/2/2015

AnalisisRegresiLogistikMenggunakanSPSS

HOME

PRINCIPAL

UserName

SERVICES

DAFTARREGISTRASI

MATERI

GALLERY

2.KlikAnalyzeRegressionBinaryLogistic

TESTIMONI

Search

Analisis Regresi Logistik Menggunakan SPSS

1.EntridatakeSPSS

APLIKASISTATISTIK

Search...

3.MasukkanYdidependentvariabledanDsertaTdicovariates

4.PadatabOption,centangbeberapaoptionsepertigambardibawahini,kemudianklikContinuelaluOK

http://lesprivatestatistik.com/index.php/berita/96regresilogistikdenganspss

1/3

3/2/2015

AnalisisRegresiLogistikMenggunakanSPSS

5.Makaakankeluaroutput.
Nah,marikitainterpretasisatupersatuoutputyangmuncul.
1.OverallTest

OmnibusTestsofModelCoefficients

Chisquare

df

Sig.

Step1

Step

16.042

.000

Block

16.042

.000

.000

16.042

Model

Test ini dilakukan untuk mengetahui apakah secara bersamasama variabel bebas berpengaruh signifikan terhadap variabel tidak bebas atau minimal ada satu variabel bebas
yang berpengaruh signifikan terhadap variabel tak bebas. Uji ini mirip dengan uji F pada analisis regresi linier berganda. Nilai uji ini dapat dilihat pada LR chi2 atau bila
menggunakan nilai pvalue dapat dilihat pada item prob>chi2. Untuk lebih mudahnya, dapat langsung kita lihat dengan menggunakan nilai pvalue, dimana nilai pob> chi2
menunjukkanangka0.000.Nilaiinilebihkecildaritingkatsignifikansiujisebesar0.05sehinggakitadapatmenolakhipotesisnolyangmenyatakanbahwatidakadavariabel
bebasyangberpengaruhsignifikanterhadapvariabeltakbebas.Dengandemikian,makadengantingkatkepercayaan95persendapatdisimpulkanbahwaminimalterdapatsatu
variabelbebasyangberepengaruhsignifikanterhadapvariabeltakbebas.
2.ParsialTest
VariablesintheEquation

S.E.

Wald

df

Sig.

Exp(B)

Step1a

.069

.026

6.761

.009

1.071

1.659

.923

3.231

.072

.190

Constant

1.417

1.095

1.677

.195

.242

a.Variable(s)enteredonstep1:D,T.

Testinidilakukanuntukmengetahuipengaruhsetiapvariabelbebasterhadapvariabeltakbebassecaraparsial.Ujiinimiripdenganujitpadaanalisisregresilinierberganda.
Nilai uji ini dapat dilihat pada nilai z atau bila menggunakan nilai pvalue dapat dilihat pada item Sig. Agar lebih mudah, kali ini kita akan menggunakan nilai Sig. Untuk
variabelTnilaiSig.adalah0.072.Nilaiinilebihbesardarinilaisignifikansiujisebesar0.05sehinggagagalmenolahH0yangmenyatakanbahwavariabelTtidakberpengaruh
signifikan terhadap variabel Y. Sehingga dengan tingkat kepercayaan 95 persen dapat disimpulkan bahwa variabel T tidak berpengaruh signifikan terhadap variabel Y.
Sementaraitu,untukvariabelD,mepunyainilaiSigsebesar0.009.Nilaiinilebihkecildarinilaisignifikansiujisebesar0.05sehinggaH0yangmenyatakanbahwavariabelT
tidak berpengaruh signifikan terhadap variabel Y bisa ditolak. Sehingga dengan tingkat kepercayaan 95 persen dapat disimpulkan bahwa variabel D berpengaruh signifikan
terhadapvariabelY.
3.PseudoRSquare
ModelSummary

Step

2Loglikelihood

30.138a

Cox&SnellR

NagelkerkeR

Square

Square

.368

.502

http://lesprivatestatistik.com/index.php/berita/96regresilogistikdenganspss

2/3

3/2/2015

AnalisisRegresiLogistikMenggunakanSPSS

a.Estimationterminatedatiterationnumber5becauseparameter
estimateschangedbylessthan.001.

Nilai ini disebut Pseudo Rsquare karena dihitung berbeda dengan penghitungan Rsquare pada analisis regresi berganda atau analisis regresi sederhana. SPSS
secaradefaultmenghitungnilaiRSquarepadaregresilogistikdenganmenggunakanformulaNagelkerkeRsquared.PembacaannyasamasepertipembacaannilaiRsquared
padaanalisisregresiberganda/sederhana.NilaipseudoRsquaredpadamodeliniadalah0.502artinya50,2persenvariasiyangterjadipadaYdapatdijelaskanolehvariabel
dalammodel,sedangkansisanyadijelaskanolehvariabellaindiluarmodel.
4.Interpretasi
Tidaksepertipadaanalisisregresilinierberganda/sederhana,interpretasipadaanalisisregresilogistiktidakdapatlangsungdibacamelaluinilaikoefisiennya.Untuk
dapat diinterpretasikan, terlebih dahulu nilai koefisien setiap variabel harus dieksponensialkan. Untuk variabel T, nilai exp(b) adalah 0.190 sedangkan nilai exp(b) dari
variabelDadalah1.071.
Setelah diperoleh nilai exp(b) atau yang lebih dikenal dengan odds ratio, maka model akan siap diinterpretasi. Interpretasi antara variabel bebas kuantitatif akan berbeda
dengan variabel bebas kualitatif. Untuk variabel bebas kuantitatif akan dibaca semakin besar atau semakin kecil (tergantung tanda) sedangkan untuk variabel kualitatif akan
dibacasebagaitingkatperbandingannya.
UntukvariabelD:semakinlamadurasioperasiseseorang,makapeluanguntukmengalamisorethroatsetelahoperasiakansemakinmeningkat.
Untuk variabel T: kecenderungan seseorang yang memakai tracheal tube untuk mengalami sore throat adalah 0.190 kali dibanding pasien yang menggunakan laryngeal mask
airway.

downloaddatamodelregresilogistikdalamm.excel
bacajugamodelregresilogistikteoridanmanual
bacajugamodelmodelregresilogistikdenganminitab
bacajugamodelregresilogistikdeganstata
bacajugamodelregresilogistikdenganeviews
bacajugamodelregresilogistikdengangretl

Contact Us
No.Hp:085691644615081271095616
Whatapps/line/kakao/wechat/mypeople:domurobin
PinBB:2A676013dan7A1CBB2D
Email:robin_sihombing@yahoo.com(sekaligusfbdanyahoomessenger/ym)&
robin280688@gmail.com(sekaligusgoogletalk)
Twitter/skype:pardomuan_s/PardomuanRobinson
Blog::http://dodestatisticalsolution.blogspot.com

Support.

Designwebinstantku.com2013.Allrightsreserved.

http://lesprivatestatistik.com/index.php/berita/96regresilogistikdenganspss

3/3