Regresi Logistik Biner
Regresi Logistik Biner
Regresi Logistik Biner
OLEH:
LARASHATI B’TARI SETYANING
03111850030017
DOSEN PEMBIMBING:
DR. VITA RATNASARI, S.Si, M.Si
4. Output
Dari data yang telah diinput di minitab, ada beberapa formula yang harus
diinput manual pada command session untuk mendapatkan classification table
dan sebagainya. Berikut adalah command yang diinput manual.
MTB > let c4=-9.14+(22.42*c2) → Untuk mendapatkan nilai z pada kolom C4
MTB > let c5=exp(c4)/(1+exp(c4)) → untuk mendapatkan nilai Π (phi)
MTB > let C8=1-C6 → Untuk mendapatkan nilai peluang pada kolom C8
MTB > let C9=IF(C6>0.5,"1","0") → Untuk mendapatkan nilai y (topi) pada kolom C9
Scatterplot:
Uji Parameter
Untuk mengetahui suatu model regresi ini baik/signifikan atau tidak baik/tidak
signifikan, maka dilakukan pengujian parameter pada data umur pekerja di atas. Jika
model signifikan maka model bisa digunakan untuk prediksi/peramalan, sebaliknya jika
tidak signifikan maka model regresi tidak bisa digunakan untuk peramalan. Pengujian
Parameter dilakukan dengan dua cara, yaitu uji serentak dan uji parsial. Dari hasil
running minitab 2017 di dapatkan output sebagai berikut.
Deviance Table
Deviance Deviance
R-Sq R-Sq(adj) AIC
35.00% 32.83% 33.95
Dari hasil bacaan running program minitab 2017, untuk model regresi analisa pengaruh
manajemen perusahaan mempengaruhi kepuasan pelanggan didapatkan nilai R-sqr
sebesar 35%, yang artinya 35% kepuasan pelanggan hanya dipengaruhi sebagian kecil
oleh variabel manajemen perusahaan.
Persamaan Regresi
Y' = -9.14 + 22.42 Manajemen
Response Information
Dari hasil running disimpulkan bahwa prediksi observasi dari 34 data, terdapat
20 orang yg tepat pengklasifikasian dari model regresi (puas terhadap
manajemen perusahaan X.
Ketepatan Prediksi
a
Classification Table
Predicted
Satisfaction Percentage
Observed .00 1.00 Correct
1.00 3 17 85.0
Dari hasil running di atas dapat disimpulkan bahwa ketepatan prediksi observasi
sebesar 79,4 %, artinya dari 34 observasi yang dilakukan ada 27 observasi yang tepat
pengklasifikasian dari model regresi logistik yang ada. Jumlah observasi yang berhasil
ditunjukkan oleh total angka pada diagonal utama.