Makalah Kelompok 5

MODEL REGRESI TAK LINIER LOGISTIK

Pengasuh : Drs. Harison, M.Si

Oleh :

Adila Mutiah Arja 1803113133

Fitri Mustikawati 1803113713
Julia Enjela Setiawan 1803113724
Munzhiroh Rizki Minallah 1803113262
Nadya Novita 1803113124
Rommy Agus Ridwansyah 1803113469

PRODI S1 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS RIAU

2019
1. Latar Belakang
Perkembangan dunia yang semakin pesat diikuti pula dengan berbagai permasalahan
kompleks yang mulai bermunculan. Hal tersebut memberikan motivasi yang berarti dalam
mengembangkan ilmu pengetahuan guna memberi solusi nyata terhadap masalah-masalah
nyata yang ada dalam kehidupan sehari-hari. Fenomena seperti ini memotivasi analisis
statistik untuk berkembang dalam menjawab permasalahan-permasalahan yang ada. Analisis
statistik diharapkan menjadi salah satu alternatif dalam mengambil keputusan yang rasional
ilmiah berdasarkan data historis yang ada. Dengan analisis statistik, kemungkinan untuk
melakukan prediksi-prediksi dengan tingkat konfidensi( kepercayaan) yang tinggi. Selain itu,
analisis statistik dapat mengolah data yang ada untuk digunakan sebagai bahan pengambilan
keputusan-keputusan yang strategis. Oleh karena itu, analisis statistik merupakan metode
yang patut diperhitungkan untuk mengambil keputusan maupun kebijakan yang akurat.
Banyaknya ilmu-ilmu yang dikembangkan dalam ilmu statistik terapan dalam
kehidupan sehari-hari menyebabkan penemuan-penemuan baru untuk menganalisis suatu
masalah salah satunya adalah analisis regresi. Analisis regresi merupakan alat yang
memanfaatkan hubungan dua atau lebih variabel sehingga salah satu variabel bisa diramalkan
dari variabel lainnya. Pada analisis regresi terdapat dua jenis variabel yaitu variabel bebas
(independent variabel) dan variabel terikat (dependent variabel). Variabel independent adalah
variabel yang nilainya dapat diamati namun tidak dapat dikendalikan, sedangkan variabel
dependent adalah variabel yang nilainya bergantung pada variabel independent.
Analisis regresi dapat dikelompokkan menjadi analisis regresi linier dan analisis
regresi nonlinier. Data hasil penelitian yang berupa data kualitatif dapat dianalisis dengan
regresi nonlinier. Regresi nonlinier merupakan suatu metode analisis regresi untuk
mendapatkan model nonlinier yang digunakan untuk mengetahui hubungan antara variabel
terikat dan variabel bebas. Apabila hubungan antara variabel terikat dan variabel bebas
bersifat nonlinier, artinya jika data asli Xi dan Yi dibuat scatterplot tidak mengikuti garis lurus
tetapi mengikuti mengikuti suatu bentuk kurva tertentu, seperti kurva eksponensial, maka
analisis regresi yang cocok untuk menjelaskan hubungan antara X dan Y tersebut adalah
analisis regresi nonlinier. Salah satu model nonlinier yang dapat digunakan untuk
menganalisis data kualitatif adalah model regresi logistik.
Regresi logistik merupakan sebuah metode analisis statistik untuk menggambarkan
hubungan antara variabel terikat dengan variabel bebas yag mempunyai dua atau lebih
kategori dengan variabel terikat yang menggunakan skala kategori maupun interval (Hosmer
dan Lemeshow, 1989). Regresi ini tidak seperti pada regresi linier biasa. Regresi logistik
tidak mengasumsikan hubungan antara variabel bebas dan terikat secara linier. Regresi
logistik merupakan regresi nonlinier dimana model yang ditentukan akan mengikuti pola data
yang berupa data kategorik. Model regresi logistik ini lebih fleksibel dibandingkan teknik
lain. Regresi logistik memiliki beberapa kelebihan yaitu tidak memiliki asumsi normalitas
atas variabel bebas yang digunakan dalam model, variabel-variabel bebas dalam regresi
logistik bisa merupakan campuran dari variabel kontinu, diskrit, dan dikotomis, serta regresi
logistik sangat bermanfaat digunakan apabila distribusi respon atau variabel hasil
diharapakan nonlinier dengan satu atau lebih variabel bebas (Kuncoro, 2001, hal:217).
Berdasarkan pernyataan diatas dapat disimpulkan bahwa analisis regresi nonlinier
logistik merupakan metode yang sangat diperlukan untuk masa sekarang ini untuk
menyelesaikan berbagai persoalan yang ada dalam kehidupan sehari-hari. Model regresi
logistik sangat banyak digunakan di berbagai bidang pada kehidupan seperti penelitian di
bidang biologi, elektronik, dunia kesehatan, dan masih banyak lagi penerapan di bidang lain.
Hal ini membuktikan bahwa semakin berkembangnya penggunaan metode analisis statistik
pada kehidupan manusia sehingga sangat penting untuk dipelajari dan dipahami serta dapat
diterapkan untuk menyelesaikan permasalahan yang ada.
2. Tinjauan Pustaka
a. Model Regresi Tak Linier Logistik

Gambar kurva regresi logistik

Bentuk yang paling sederhana dari model logistik dapat ditaksir sebagai berikut :
1
Yˆ 
a .b X Atau log 𝑌 = −log a + (−log 𝑏) 𝑋
Koefisien-koefisien a dan b dapat dicari dengan menggunakan

∑ log Y ∑ Xi
−log a = + (− log 𝑏) ( )
n n

n(∑ Xi . log Y) − (∑ Xi ). (∑ log Y)

−log 𝑏 =
n ∑ X i2 − (∑ Xi )2

Dimana;
n = Banyaknya data
X = Variabel bebas
Y = Variabel terikat

3. Aplikasi
Seorang penjual tahu bulat telah berjualan selama 24 bulan. Ia berjualan di pinggir
jalan. Diawal penjualan pendapatan penjual tersebut masih sedikit , setelah banyak kalangan
yang mengenal tahu bulat , peningkatan pendapatan pun meningkat sangat drastis. Berikut
data penjualan setiap dua bulannya tersebut
X = bulan ke-( setiap dua bulan)
Y = pendapatan (Rp)

X Y (ribu)
2 100
4 110
6 115
 8 118
10 124
12 300
14 500
16 700
18 710
20 715
22 720
24 725

Jawab : diagram pencar dari data diatas :

800

700

600

500

400
Series1
300

200

100

0
0 5 10 15 20 25 30

Berdasarkan diagram pencar tersebut maka metode yang tepat untuk menyelesaikan soal
diatas adalah model regresi nonlinier logistik

No X Y X^2 log Y X*log Y

1 2 100 4 2 4
2 4 110 16 2.04139269 8.165571
3 6 115 36 2.06069784 12.36419
4 8 118 64 2.07188201 16.57506
5 10 124 100 2.09342169 20.93422
6 12 300 144 2.47712125 29.72546
7 14 500 196 2.69897 37.78558
8 16 700 256 2.84509804 45.52157
9 18 710 324 2.85125835 51.32265
10 20 715 400 2.85430604 57.08612
11 22 720 484 2.8573325 62.86131
12 24 725 576 2.86033801 68.64811
Jumlah 156 4937 2600 29.7118184 414.9898

n(∑ Xi . log Y) − (∑ Xi ). (∑ log Y)

−log 𝑏 =
n ∑ X i2 − (∑ Xi )2
 12(414.9898) − (156)(29.7118184)
=
12(2600) − (156)2

4979.8776 − 4635.04367
=
31200 − 24336
344.83393
=
6864

= 0.05

∑ log Y ∑ Xi
−log a = + (− log 𝑏) ( )
n n

29.7118184 156
= + (−0.05) ( )
12 12

= 2.47598487 − 0.65

= 1.83
Maka, persamaan logistik yang didapat adalah :
log 𝑌 = −log a + (−log 𝑏) 𝑋
log 𝑌 = −1.83 −0.05 𝑋

4. Kesimpulan
Penulisan makalah ini didasarkan kepada pendapat para ahli, buku, serta penelitian
sebagai pondasi pemikiran dalam pembahasan. Berbagai pembahasan mengenai analisis
regresi tak linier logistik tersebut membawa penulis pada kesimpulan dari masalah yang
diutarakan. Simpulan dari makalah ini adalah sebagai berikut:
Model regresi nonlinier logistik dapat diterapkan apabila diagram pencar dari
kumpulan data membentuk kurva logistik.
Bentuk yang paling sederhana dari model logistik dapat ditaksir sebagai berikut :
1
Yˆ 
a .b X Atau log 𝑌 = −log a + (−log 𝑏) 𝑋
Koefisien-koefisien a dan b dapat dicari dengan menggunakan

∑ log Y ∑ Xi
−log a = + (− log 𝑏) ( )
n n

n(∑ Xi . log Y) − (∑ Xi ). (∑ log Y)

−log 𝑏 =
n ∑ X i2 − (∑ Xi )2

Dimana;
n = Banyaknya data
X = Variabel bebas
Y = Variabel terikat
5. Saran
Berpedoman kepada pembahasan yang telah diuraikan dalam makalah ini, terdapat
beberapa rekomendasi yang dapat menjadi masukan bagi pembaca maupun penulis
berikutnya. Saran ini diharapkan bisa bermanfaat bagi pembaca untuk dilakukan nantinya.
Agar makalah ini dapat berlanjut dan memberikan kontribusi lebih besar bagi ilmu
pengetahuan khususnya bidang Statistika. Beberapa saran berupa masalah yang bisa
dikembangkan oleh penulis selanjutnya, yakni:
 Penjelasan jenis-jenis regresi logistik
 Penggunaan regresi logistik di bidang lainnya.

6. Daftar Bacaan

Varamita, April Yani. 2017. “Analisis Regresi Logistik dan Aplikasinya”. Skripsi. Tidak
diterbitkan. Makassar : Universitas Negeri Makassar.

Basuki, Agus Tri. Tanpa Tahun. Bahan Ajar Ekonometrika. Yogyakarta:Tanpa Penerbit.

Jasaputra, Diana Krisanti dan Slamet Santosa. Tanpa Tahun. Metodologi Penelitian
Biomedis Edisi 2. Bandung:Danamartha Sejahtera Utama.

Sofita, Desy, Desi Yuniarti, dan Rito Goejantoro. 2015. “Analisis Regresi Eksponensial”.
Jurnal Eksponensial, 6(1), hlm. 57-60.

http://id.scrib.com/doc/3005264459/Makalah-Regresi-Logistik-Biner (diakses pada 14

April 2019 pukul16.17 WIB).