TUGAS XIII STATISTIKA

REGRESI LOGISTIK BINER

ANALISIS PENGARUH MANAJEMEN SUATU PERUSAHAAN

TERHADAP KEPUASAN PELANGGAN

OLEH:
LARASHATI B’TARI SETYANING
03111850030017

DOSEN PEMBIMBING:
DR. VITA RATNASARI, S.Si, M.Si

PROGRAM PASCA SARJANA MANAJEMEN PROYEK KONSTRUKSI

FAKULTAS TEKNIK SIPIL LINGKUNGAN DAN KEBUMIAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2018
Seorang peneliti ingin melakukan pengaruh tingkat tingkat kepuasan pelanggan
terhadap manajemen perusahaan. Data yang diketahui adalah sebagai berikut:

No. Management Satisfaction No. Management Satisfaction

1 0.422858 Puas 18 0.523900 Puas

2 0.395113 Tidak puas 19 0.455065 Tidak puas

3 0.426726 Puas 20 0.502562 Puas

4 0.326321 Tidak puas 21 0.368014 Puas

5 0.433972 Puas 22 0.498759 Puas

6 0.317092 Tidak puas 23 0.515326 Puas

7 0.328748 Tidak puas 24 0.422855 Tidak puas

8 0.297600 Tidak puas 25 0.389592 Puas

9 0.229890 Tidak puas 26 0.399347 Puas

10 0.463887 Puas 27 0.534266 Puas

11 0.547367 Puas 28 0.441404 Tidak puas

12 0.451291 Puas 29 0.450729 Puas

13 0.481753 Puas 30 0.411851 Puas

14 0.519872 Tidak puas 31 0.350804 Tidak puas

15 0.673401 Puas 32 0.402178 Tidak puas

16 0.742295 Puas 33 0.336821 Tidak puas

17 0.768709 Puas 34 0.344080 Tidak puas

Regresi Logistik Biner adalah regresi dengan variable respon yang mempunyai dua
kategori/dua kejadian, yaitu sukses atau gagal, yang dinotasikan dengan y=1 (sukses)
dan y=0 (gagal). Sedangkan, jenis data pada variable predictor dapat berupa nominal,
ordinal maupun ratio.
Pada kasus ini diketahui
1. Variabel response : manajemen
2. Variable predictor : Y=1 (puas)
Y=0 (tidak puas)
Untuk menyelesaikan kasus di atas, ada beberapa tahap yang harus dilakukan yaitu:
1. Input data di minitab
Worksheet layout dalam minitab adala sebagai berikut:
2. Mulai analisis: Klik stat→regression→Binary Logistic Regression→Fit Logistic
Model

3. Setelah itu memasukkan response: manajemen dan predictornya adalah

Kepuasan. Sedangkan untuk categorical predictor dimasukkan apabila ada data
kategori.

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)

Setelah itu mengeluarkan nilai FITS1

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

Source DF Adj Dev Adj Mean Chi-Square P-Value

Regression 1 16.12 16.1226 16.12 0.000
Manajemen 1 16.12 16.1226 16.12 0.000
Error 32 29.95 0.9358 33 46.07
Uji Serentak
Berdasarkan hasil running minitab, didapatkan nilai chi-square adalah 16,12.
Hipotesis:
• Ho : β1=0 (model tidak signifikan)
• H1 : β1≠0 (model signifikan)
Tingkat signifikasi α = 0.05 dan dengan df = 1, didapatkan chi-square = 3.84146.
Sehingga Chi-squarevalue > Chi-squaretabel, maka H0 ditolak. Jadi, disimpulkan bahwa
dengan tingkat kepercayaan 95% model dari analisis pengaruh Manajemen terhadap
tingkat kepuasan pelanggan signifikan.
P value < alpha (0.05) maka tolak
Koefisien Determinan
Model Summary

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

Hasil persamaan di atas menunjukkan bahwa semakin tinggi tingkat manajemen

perusahaan, maka semakin besar kepuasan pelanggan.

Response Information

Variable Value Count

Kepuasan Puas 20 (Event)
Tidak puas 14
Total 34

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

Step 1 Satisfaction .00 10 4 71.4

1.00 3 17 85.0

Overall Percentage 79.4

a. The cut value is .500

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.