BE A ROYAL STATISTICIAN

Welcome to Wajibstat Analysis

Hidup hanya sekali. Buatlah sejarah yang manis
Jibvela17...
dan penuh kesan!
S T A T A N A L Y S I S I S C O M I N G * * *

BERANDA Search

HOME STATISTIK INDONESIA » BUKU STATISTIK » OUR FANS PAGE » KONSULTASI RISET »

KONTAK KONSEP REGRESI LOGISTIK + CONTOH DENGAN SPSS 16 SOCIAL PROFILES

SMS/Telp/WA: 0812-8020-
5272 (Utama); 0812-4770-
9850; BBM Pin: 54A63055
FB: Wajibstat Analysis,
Mail: sjibman@gmail.com
GO AHEAD
SILAHKAN BERGABUNG
Followers (59) Next
Follow
TERBARU!
(KASUS BINARY REGLOG)
Analisis Regresi Logistik 95 comments
19.07.00
Popular Tags Blog Archives
KONSEP REGRESI LOGISTIK + CONTOH
KEAMANAN BLOG
DENGAN SPSS 16 (Kasus Binary Reglog)
WADAH DISKUSI
Malam ni sobat semua,, Wah wah wah.. Pada gimana
22 Jun 17, 01:28 PM
nih kabarnya? Moga baik dan sehat-sehat saja ya ulfana: bahan ttg ecm nya sangat
sangat memberi pencerahan,
hehehe.. Yap, sekarang kita belajar lagi yuk materi terimakasih
15 Jun 17, 08:24 PM
yang baru.. Nah, kali ini saya mau ngebahas dan ngasi Olah Data Semarang: Biro Olah
Data Skripsi, Tesis, Disertasi Untuk
contoh untuk metode statistik Regresi Logistik.  Analisis Statistika Dengan SPSS,
AMOS, LISREL, EVIEWS,
SMARTPLS, GRETL, STATA,
MINITAB dan DEAP 2.1 WhatsApp :
Kalau sobat pernah baca postingan saya tentang +6285227746673 PIN BB :
D04EBECB
multiple regression, maka bedanya ada pada skala data 15 Jun 17, 08:24 PM
Olah Data Semarang: Biro Olah
variabel terikatnya sob.. Untuk regresi logistik, skala Data Skripsi, Tesis, Disertasi Untuk
Analisis Statistika Dengan SPSS,
data variabel terikat (Y) adalah kategorik (non metrik). AMOS, LISREL, EVIEWS,
SMARTPLS, GRETL, STATA,
MINITAB dan DEAP 2.1 WhatsApp :
Ya bisa dua kategori, lebih dari dua (banyak kategori) +6285227746673 PIN BB :
D04EBECB
dan bisa juga skala datanya ordinal kategorik. Terkait 15 Jun 17, 08:24 PM
Olah Data Semarang: Biro Olah
konsep, sebenarnya sama saja dengan regresi biasa [Upgrade Cbox] refresh
name e-mail / url
(sederhana maupun berganda) yaitu melihat pengaruh message Go

dari variabel-variabel bebas terhadap variabel terikat. help · smilies · cbox

C o m i n g S o o n :
P a n e l
C
a
o
n
i n t e g r a t i o n
d P a n e l Regresi logistik ini juga dipakai sebagai alternatif dari PENCARIAN
V e c t o r A u t o
analisis multivariat yaitu analisis diskriminan
(pembeda). Nah, sebagai pengantar pengetahuan saja, a n m e n e m u k a n m e
KIRIM EMAIL
dalam analisis diskriminan kan dibutuhkan asumsi
kenormalan multivariat.
PENGUNJUNG BLOG
Nah, bedanya dengan uji asumsi kenormalan biasa
seperti ini; kalau uji asumsi kenormalan biasa, yang
diuji kenormalannya adalah residual dari variabel
terikat/dependennya sedangkan untuk multivariate
normal, yang diuj kenormalannya adalah seluruh
variabel bebasnya.
 Name: Asumsi multivariat normal ini terkadang sulit dipenuhi
dalam analisis diskriminan karena variabel bebas yang
E-Mail: *
digunakan merupakan gabungan antara skala data
kategorik/non metrik dan kontinyu/metrik.
Subject:

Dalam regresi logistik dikenal konsep Odds Ratio yang

Message: *
sama artinya dengan probabilitas atau kecenderungan.
By the way, terkait analisis diskriminan ini akan
dibahas secara khusus pada postingan berikutnya.
Sabar aja ya hehe..

Kalau seandainya,dalam penelitian sobat, pakainya ada

I'm not a robot
Send message!
All fields marked with * are
required.
foxyform
TUJUAN BLOG WAJIBSTAT terikatnya ordinal (peringkat), dinamakan ordinal
Saling berbagi dan bertukar
pikiran tentang ilmu
statistik. Membuka layanan
jasa konsultan, olah data
dan analisis statistik. Blog
ini terbuka kepada
ini terbuka kepada
siapapun yang tertarik
belajar statistik. Silahkan
bertanya dengan sopan.
Selamat belajar!
Wajibman Sitopu and
Crews. Diberdayakan oleh
Blogger.
ARSIP
April 2013 (27)
dua kategori pada variabel terikatnya misalnya “lulus”
dan “tidak lulus”, maka dinamakan binary logistic
regression. Kalau semisalnya lebih dari dua kategori
alias banyak dinamakan multinomial logistic
regression. Nah, satu lagi, kalau skala data variabel
logistic regression.
 
Oke deh kali ini saya berikan contoh pengerjaannya.
Monggo, datanya download disini
Kalo sobat sudah ambil dan lihat datanya, ada tiga
TULISAN PALING DICARI
buah variabel yakni hasil tes tertulis, jenis kelas dan
nilai tes praktikum. Disini saya mengambil sampel KONSEP REGRESI LOGISTIK +
CONTOH DENGAN SPSS 16
secara acak yakni 30 mahasiswa jurusan tehnik sipil (Kasus Binary Reglog)
KONSEP REGRESI LOGISTIK +
suatu kampus. Hasil tes tertulis yang adalah variabel CONTOH DENGAN SPSS 16
(Kasus Binary Reglog) Malam ni
terikat merupakan kategorik (dua kategori yaitu sobat semua,, Wah wah wah.. Pada gimana nih
1=lulus dan 0=tidak lulus), jenis kelas juga kategorik kabarny...

(1=reguler dan 0=non reguler) dan nilai tes praktikum

ADMIN BLOG ANALISIS JALUR (PATH
adalah non kategorik (kontinyu). ANALYSIS) DENGAN SPSS 16
ANALISIS JALUR (PATH
ANALYSIS) DENGAN SPSS 16
Berikut cuplikan tampilan data view dan variabel Malam nih sobat semua hehehe,,
Pa kabarnya nih? Moga sehat aja
viewnya: yak hehehe.. Kali ini ...

WAJIBMAN SITOPU PEMILIHAN MODEL TERBAIK

Follow 166
ANALISIS DATA PANEL
(COMMON, FIXED, RANDOM
LIHAT PROFIL LENGKAPKU EFFECT) DILENGKAPI
CONTOH DENGAN EVIEWS 7.0
PEMILIHAN MODEL TERBAIK
ANALISIS DATA PANEL (COMMON, FIXED,
RANDOM EFFECT) DILENGKAPI CONTOH
DENGAN EVIEWS 7.0 Malam sobat semua.....

METHOD OF SUCCESSIVE
INTERVAL (MSI) UNTUK
MENGKONVERSI SKALA DATA
ORDINAL MENJADI INTERVAL
(DISERTAI DENGAN CONTOH
KASUS PENERAPAN)
METHOD OF SUCCESSIVE INTERVAL (MSI)
UNTUK MENGKONVERSI SKALA DATA
ORDINAL MENJADI INTERVAL (DISERTAI
DENGAN CONTOH KASUS PENERAPAN...
 UJI PARK: DETEKSI MASALAH
HETEROKEDASTIS (Dilengkapi
perbandingan uji dengan SPSS)
UJI PARK : DETEKSI MASALAH
HETEROKEDASTISTAS
(dilengkapi dengan perbandingan
uji) Malam sobat semua.. Gimana nih kabarnya?
Moga ...

UJI RELIABILITAS
KUESIONER/PERTANYAAN
PENELITIAN DENGAN SPSS 16
(Terusan Postingan Uji
Validitas)
UJI RELIABILITAS
KUESIONER/PERTANYAAN PENELITIAN
DENGAN SPSS 16 (Terusan Postingan Uji
Langkah pertama, klik Analyze, Regression, lalu pilih Validitas) Halo sobat semua apa kabarnya n...
Binary Logistics.
Masukkan variabel hasil tes tertulis ke dalam bagian PART II:UJI SIGNIFIKANSI
VARIABEL DENGAN
Independent sedangkan variabel jenis kelas dan nilai PERTIMBANGAN LAG LENGTH
CRITERIA, OUTPUT VAR
tes praktikum masukkan ke bagian Covariates.. Berikut MODEL SUBSTITUTED
COEFFICIENT, UJI
gambarannya: KAUSALITAS ENGEL GRANGER DAN
MODEL VAR YANG DIAJUKAN DALAM
PENELITIAN (Terusan Postingan Pendekatan
Analisis Model VAR, PART I)
PART II:UJI SIGNIFIKANSI VARIABEL
DENGAN PERTIMBANGAN LAG LENGTH
CRITERIA, OUTPUT VAR MODEL
SUBSTITUTED COEFFICIENT , UJI
KAUSALITAS E...

INTERPRETASI OUTPUT
PENELITIAN DENGAN
ANALISIS REGRESI LOGISTIK
MULTINOMIAL (UJI SIMULTAN,
UJI PARSIAL, INTERPRETASI
EXP(B) & UJI KEBAIKAN
MODEL)
INTERPRETASI OUTPUT PENELITIAN
DENGAN ANALISIS REGRESI LOGISTIK
MULTINOMIAL (UJI SIMULTAN, UJI PARSIAL,
INTERPRETASI EXP(B) & UJ...
Lalu, klik pada bagian Options dan centang seperti
terlihat pada gambar di bawah ini:  UJI ANOVA (BEDA RATA-RATA
LEBIH DARI DUA POPULASI
INDEPENDEN) + CONTOH
DENGAN SPSS
UJI ANOVA Malam sobat semua..
Gimana kondisi? Mudah-
mudahan sehat semuanya ya.. Nah, setelah
ngeposting uji beda rata-rata dua po...

UJI VALIDITAS DAN

REALIBILITAS ITEM
PERTANYAAN PENELITIAN
DILENGKAPI CONTOH
PENGERJAAN DENGAN SPSS
16
UJI VALIDITAS DAN REALIBILITAS ITEM
PERTANYAAN PENELITIAN DILENGKAPI
CONTOH PENGERJAAN DENGAN SPSS 16
Selamat siang sobat semua.....

Lalu klik Continue dan OK, maka akan dihasilkan METODE-METODE ANALISIS

output seperti berikut (langsung dengan Analisis Data Panel (4)

penjelasannya). Analisis Diskriminan (4)

Analisis Faktor (4)

Analisis Jalur (2)

 Analisis Konvergensi (1)

Analisis Multivariat (14)

Analisis Regresi Logistik (5)

Analisis SEM (5)

Analisis Time Series (13)

ANCOVA (1)

ANOVA (2)

ARIMA (6)

CHAID Analysis (3)

ECM (3)

English Version (3)

Lisrel (4)

MANCOVA (1)

MANOVA (3)

MSI (1)

Multidimensional (2)

Non Parametrik (2)

Probit Model Regression (2)

Apakah model sudah fit? Perhatikan saja nilai statistik- Regresi Berganda (2)

2 Log Likelihood. Untuk bagian Beginning, yaitu nilai -2 STATA (4)

Log likelihood yang masih hanya menggunakan Trik Statistik (3)
konstanta (c) adalah 41,455 sedangkan saat kita sudah
Uji Asumsi (2)
melibatkan dua variabel bebasnya (jenis kelas dan nilai
Uji T Dua Populasi (3)
tes praktikum), nilai -2 Log Likelihood adalah 8,809
(iterasi maksimum/20).  Validitas Reliabilitas Kuesioner (2)

VAR (5)
Nah, hal ini sudah nunjukin ada penurunan nilai dong
VECM (2)
saat variabel bebas sudah ikut “bermain” yakni sebesar
41,455-8,809= 32,646 (Lebih jelasnya, lihat pada
bagian Omnibus Tests of Coefficients)

Untuk Beginning, ternyata dihasilkan koefisien dari -2

Log Likelihood 0,134 yang lebih besar dibanding alpha
5% sehingga dengan demikian kita menerima hipotesis
nol yakni model sudah fit. Atau bisa juga dengan
membandingkan nilai 41,455 dengan nilai statistik Chi
Square (0,05; df=30-1) yaitu 42,5569678. Hasilnya
tetap kita menerima hipotesis nol dan disimpulkan
model sudah fit.

Selanjutnya, untuk block 1

Nilai -2LogL kedua adalah sebesar 8,809. Lalu, kita
bandingkan nilai ini dengan Chi Square (0,05,df=30-3),
ternyata hasilnya 8,809 < 40,1132721 (terima hipotesis
nol >> tidak signifikan) sehingga model sudah fit
dengan data.

 
Kalau dalam regresi biasa, kita pakai nilai R square
untuk menunjukkan pengaruh bersama. Nah, pada
regresi logistik kita pakai Cox & Snell dan Nagelkerke R
Square. Secara bersama, variabel jenis kelas dan nilai
tes praktikum yang kita pakai dalam penelitian sudah
mampu menjelaskan keragaman data pada variabel
hasil tes tertulis sebesar 88,6% (misal dengan
Nagelkerke) sedangkan sisanya sebesar 11,4%
dijelaskan oleh variabel lain di luar model penelitian

Saatnya kita uji hipotesis dengan Hosmer and

Lemeshow Test. Hasilnya, nilai Sig 0,999 lebih besar
daripada Alpha 5% sehingga kita menerima hipotesis
nol (secara statistik tidak terdapat perbedaan yang
signifikan antara model dengan nilai observasi)
sehingga model sudah fit dengan data. Bisa juga
dengan membandingkan nilai Chi Square hitung Hosmer
dan Lemeshow Test dengan chi square tabel seperti
berikut; 0,583 < 14,0671404 (hasilnya tetap terima
hipotesis nol)
  

Sekarang, sampai di bagian akhir untuk interpretasi

model regresi logistik.. Yes yes yes hehehe.. Oiya
berikut model penelitiannya yaaa..
Ln P/1-P=-19,856+2,552 Nilai_Tes_Praktikum+19,683
Jenis_Kelas

Karena variabel jenis kelas secara statistik tidak

berpengaruh secara signifikan, maka yang kita
modelkan dan interpretasikan hanya variabel nilai tes
praktikum saja. Tapi, camkan satu hal bahwa variabel
jenis kelas ini dikatakan tidak signifikan secara
statistik, bukan berarti pengaruhnya tidak ada (nol
rasio), melainkan ada pengaruhnya, hanya saja sangat
kecil. Mungkin untuk penelitian lain (beda waktu, beda
mahasiswa, beda universitas) bisa saja hasilnya akan
signifikan. Naaah, ini model penelitian yang akan kita
ajukan hehehe..

Ln P/1-P=-19,856+2,552 Nilai_Tes_Praktikum

Tidak seperti regresi berganda, karena kita memakai

Odds Ratio, maka untuk interpretasi variabel kualitatif
tentu cukup sulit dilakukan. Memang terkesan cukup
memaksa kita menginterpretasikan seperti ini:

"Kecenderungan mahasiswa jurusan teknik sipil untuk

lulus tes tertulis berhubungan positif dengan nilai tes
praktikum. Setiap peningkatan nilai tes praktikum
sebesar satu poin, membuat tendensi/kecenderungan
lulus tes tertulis 12,833  kali". 

Naaaah, interpretasi sedemikian kurang rasional dan

terkesan sedikit absurd, makanya untuk variabel
kuantitatif pada reglog cukup kita interpretasikan
seperti ini:
"Semakin tinggi nilai tes praktikum mahasiswa jurusan
teknik sipil, maka kecenderungannya untuk lulus pada
tes tertulis akan meningkat"

Andaikata, variabel jenis kelas kita anggap signifikan

(ini sekedar belajar cara membaca output variabel
kualitatif yaaa hehehe) maka interpretasinya sebagai
berikut: 

Nilai odds ratio sebesar 3,533 yang artinya

Kecenderungan mahasiswa jurusan teknik sipil kelas
reguler untuk lulus dalam ujian tertulis 3,533 kali
mahasiswa jurusan teknik sipil kelas non reguler.

Dalam interpretasi variabel kualitatif ini, kita gunakan

mahasiswa non reguler (kode nol) sebagai reference
category. Kita pilih saja "first" pada Change Contrast.
Naaah, untuk penelitian yang menggunakan lebih dari
dua kategori pada variabel bebas kualitatif, misalkan
besar, sedang dan kecil, maka penentuan reference
category (variabel bebas rujukan untuk interpretasi) ini
sangat penting. Gunanya untuk kepentingan
interpretasi..
Kalau dalam penelitian ini, saya hanya pakai dua
kategori pada variabel kualitatif yaitu kelas non
reguler dan reguler sehingga pengaturan reference
categorinya sudah langsung pada category first (kelas
non reguler).

Oke deh sobat semua, ini dulu yang bisa saya bagikan
tentang binary logistic regression.. Kurang lebihnya
saya minta maaf.. Doakan aja ya agar reglog
multinomial dan ordinal bisa saya berikan postingannya
juga hehehe.. Oke deh.. Semoga bermanfaat.. Salam
sukses :-)

You might also like

Lanjutan Syntax INTERPRETASI UJI UNIT ROOT

Stata + Pengujian OUTPUT DAN (STASIONERITAS)
Sederhana KESIMPULAN DATA PANEL
PENERAPAN DENGAN EVIEWS
MULTIDIMENSIO
NAL SCALLING
ANALYSIS
(MDSA) KASUS
ANALISIS RISET
PEMASARAN
PRODUK KOPI
TERBARU
Recommended by

Posting Lebih Baru Beranda Posting Lama

95 komentar:

eLLa_giThu 24 Mei 2013 08.03

mw nanya mas
1. kalo masukin datanya di variabel dependen 1: tidak
berkunjung, 2: berkunjung bisa tidak?
2. truz kalo salah satu variabel ada 3 kategori bagaimana? misal
1:rendah, 2:sedang, 3: tinggi? itu caranya sama seperti di atas
apa tidak? karena koq hasilnya beda.. cuma ada 2 kategori yang
keluar di hasil olah dg SPSS-nya.. mohon pencerahannya.. trims
;)
Balas