Tugas Ekonometrika

Model Pilihan Kualitatif

M. Lucky Akbar DMB14

NIM K16190018

Dosen: Prof.Dr.Ir.Bambang Juanda, MS

SEKOLAH BISNIS IPB UNIVERSITY

2019
Soal adalah latihan Model Logit dari buku Ekonometrika Pemodelan dan Pendugaan
karya Prof.Dr.Ir Bambang Juanda, MS yang ada dihalaman 190.

Berdasarkan soal dapat ditentukan:

a. Variabel Terikat

p: proporsi keputusan membeli mobil oleh seseorang

• p=1 ; membeli mobil

• p=2 ; tidak membeli mobil

b. Variabel Bebas
1) Umur (tahun)
2) Jenis Kelamin

• Perempuan
• Laki-Laki (Pembanding)

3) Tingkat Pendapatan

• Tinggi
• Sedang
• Rendah (Pembanding)

c. Model:

Ln Umur + Jenis Kelamin + Pendapatan +

d. Data dan ukuran sampel

Data diolah dari soal tentang pembelian mobil dengan ukuran sampel sebanyak 150
individu yang terdiri dari 82 perempuan dan 68 laki-laki.

e. Pendefinisian Variabel:

Umur (X2-umur) : Menyebar dari 26 tahun – 51 Tahun

Jenis Kelamin (X3-JK)

o Berharga 1 untuk responden Perempuan dan berharga 0 untuk

responden LakiLaki

Tingkat Pendapatan

o D1_S : berharga 1 bila responden berpendapatan sedang dan berharga 0

bila tidak demikian
o D2_T : berharga 1 bila responden berpendapatan tinggi dan berharga 0
bila tidak demikian
PEMBAHASAN

A. LENGKAPI NILAI UNTUK KOLOM Z, ODDS RATIO, DAN 95% CI UNTUK FAKTOR
UMUR

Tabel 1. SOAL UNTUK LATIHAN DARI BUKU EKONOMETRIKA

Logistic Regression Table

Odds 95% CI
Predictor Coef SE Coef Z P Ratio Lower Upper
Constant -0.212446 1.72745 -0.12 0.902
X2_Umur -0.0251297 0.01079 -2.33 0.020 0.98 0.96 1.00
X3_JK 0.685256 0.361755 1.89 0.058 1.98 0.98 4.03
D1_S -0.0336212 0.502903 -0.07 0.947 0.97 0.36 2.59
D2_T 0.957093 0.410327 2.33 0.020 2.60 1.17 5.82

Log-Likelihood = -96.088
Test that all slopes are zero: G = 11.239, DF = 4, P-Value = 0.024
Measures of Association:
(Between the Response Variable and Predicted Probabilities)
Pairs Number Percent Summary Measures
Concordant 3618 66.3 Somers' D 0.34
Discordant 1752 32.1 Goodman-Kruskal Gamma 0.35
Ties 86 1.6 Kendall's Tau-a 0.17 Total
5456 100.0

Dasar Penghitungan nilai Z, Odds Ratio dan 95% CI variable umur:

=
Odds Ratio X2_umur = =0.975

Range X2_umur = -0.0251297 + 1.96(0.01079) = (-0.0462 ; -0.0040)

LOWER BOND = = =0.955 ; UPPER BOND = = =0.996

B. TULISKAN PERSAMAAN REGRESI DAN BERIKAN KETERANGAN DARI SIMBOL-

SIMBOL YANG DIGUNAKAN
Taksiran persamaan regresi yang diperoleh :

Ln X2_Umur + X3_JK -

Tabel 2. Simbol dan Keterangan Persamaan Regresi

Variabel Parameter Variabel Label

Intercept -0.212

X2_Umur -0.025 Umur (Tahun)

X3_JK 0.685 Jenis Kelamin, 1=Perempuan

D1_S -0.033 Pendapatan, 1= Sedang

D2_T 0.957 Pendapatan, 1=Tinggi

C. APAKAH MODEL DUGAAN TERSEBUT DAPAT MENJELASKAN KEPUTUSAN
KONSUMEN UNTUK MEMBELI MOBIL? JELASKAN JAWABAN ANDA

Dari statistic uji_G=11.239 yang dihitung dengan rumus

G=-

= 2[ln(likelihood_ModelUR)-ln(likelihood_ModelR)]

= 11.239

Dan nilai-p (P-Value = 0.024, dapat disimpulkan bahwa model regresi logistic tersebut
secara keseluruhan dapat menjelaskan atau memprediksi keputusan responden
dalam membeli mobil (Y)

D. FAKTOR APA SAJA YANG MEMPENGARUHI KEPUTUSAN SESEORANG

MEMBELI MOBIL. JELASKAN JAWABAN ANDA, DAN GUNAKAN TARAF
NYATA 10%.

Tabel 3. Parameter dan p-value Variabel

Variabel Parameter (p-value) Variabel Label
Intercept -0.212 (0.902)

X2_Umur -0.025 (0.020) Umur (Tahun)

X3_JK 0.685 (0.058) Jenis Kelamin, 1=Perempuan

D1_S -0.033 (0.947) Pendapatan, 1= Sedang

D2_T 0.957 (0.020) Pendapatan, 1=Tinggi

Semua variable signifikan pada tingkat signifikansi =10%.

Hipotesis yang diuji adalah :
: =0 untuk j=2,3,4,5 (Peubah Xj tidak berpengaruh nyata)
: ≠0 (Peubah Xj berpengaruh nyata)

Dari output komputer dapat disimpulkan bahwa faktor yang mempengaruhi keputusan
membeli mobil adalah Umur (X2_umur) dengan p-value =0.020, Jenis Kelamin (X3_JK)
dengan pvalue=0.058 dan Pendapatan (khususnya untuk D2_T atau pendapatan tinggi
dengan pvalue=0.020) pada taraf nyata 10%, atau p-value kurang dari 0.1
E. INTREPRETASIKAN KOEFISIEN-KOEFISIEN DARI TIGA FAKTOR TERSEBUT

Tabel 4. Odd Ratio Persamaan Logit

Variabel Parameter Odd Ratio VARIABEL LABEL
Intercept -0.212 (0.902) -

X2_Umur -0.025 (0.020) 0.98 Umur (Tahun)

X3_JK 0.685 (0.058) 1.98 Jenis Kelamin,

1=Perempuan
D1_S -0.033 (0.947) 0.97 Pendapatan, 1= Sedang

D2_T 0.957 (0.020) 2.60 Pendapatan, 1=Tinggi

INTERPRETASI NILAI INTERCEPT:

Persamaan menunjukkan bahwa nilai intersep = -0.212. Artinya :

Ln , pada saat semua variabel berharga 0, yaitu pada saat konsumen

memiliki karakteristik sebagai berikut : Jenis Kelamin Pria, Pendapatan Rendah. Besaran
atau besarnya proporsi atau probabilitas p = 0.45. Dengan
perkataan lain, probabilitas bahwa konsumen dengan karakteristik Pria dan
berpendapatan rendah akan membeli mobil adalah sebesar 0.45 atau 45%. Akan tetapi,
nilai intercept ini tidak significant atau sama saja nilainya dengan nol
INTERPRETASI SLOPE UMUR:
Slope untuk variabel umur mempunyai parameter -0.025. Artinya perbandingan peluang
untuk masing-masing umur memiliki mobil sebesar =0.98

Kemungkinan membeli mobil jika umur meningkat 1 tahun adalah 0.98 Artinya Peluang
membeli mobil untuk umur lebih tua adalah 0.98 kali dibandingkan kelompok umur 1 tahun
dibawahnya. Atinya umur lebih muda, lebih berpeluang untuk memiliki mobil, jika jenis
kelamin dan pendapatan mereka sama.
INTERPRETASI SLOPE JENIS KELAMIN:
Untuk variabel jenis kelamin didapat slope sebesar 0.685, dapat intrepretasikan sebagai
berikut
=1.98. Artinya Peluang membeli mobil untuk konsumen wanita 1.98 kali
dibandingkan dari konsumen laki-laki, jika umur dan pendapatan mereka sama.

INTERPRETASI SLOPE PENDAPATAN TINGGI:

Untuk variabel pendapatan tinggi didapat slope sebesar 0.957, dapat intrepretasikan
sebagai berikut =2.60. Artinya Peluang membeli mobil untuk konsumen
berpendapatan tinggi 2.6kali dari konsumen berpendapatan rendah jika jenis kelamin dan
umur mereka sama.
F. MENURUT ANDA, APAKAH DUGAAN MODEL TERSEBUT SUDAH CUKUP
BAIK?
Dalam output minitab, walaupun semua variable menunjukkan angka yang signifikan,
akan tetapi dari ukuran ringkas asosiasinya (Somers’ D, Goodman-Kruskal Gamma, dan
Kendall’s Tau-a) nilainya tidak begitu besar (0.34, 0.35, dan 0.17). Semakin besar
ukuran asosiasi ini ke nilai 1, maka semakin membaik daya prediksi dari model dugaan
yang diperoleh. Pendugaan model dapat lebih ditingkatkan ukuran asosiasinya dengan :
1. Menambah jumlah sampel
2. Menambah variabel penelitian, tidak hanya dengan 3 variabel demografik (jenis
kelamin, umur dan pendapatan ) tapi juga dengan variable lain (misalnya
kepemilikan kartu kredit, jenis pekerjaan, dll) atau bisa juga dikaitkan dengan
variabel psycographic konsumen yang
berhubungan dengan keputusan pembelian mobil

G. BERAPA KALI KEMUNGKINAN (PELUANG) MEMBELI MOBIL UNTUK

KONSUMEN BERUMUR 35 TAHUN DIBANDINGKAN KONSUMEN BERUMUR
40 TAHUN?
Ln X2_Umur + X3_JK -

Li (X2_Umur =35)= -0.025 (35) Li (X2_Umur =40)= -0.025 (40)

Ln Ln

P=0.42-0.42P P=0.368-0.368P
1.42P=0.42 1.368P=0.368
P=0.294 P=0.269

Peluang bahwa konsumen berumur 35 tahun membeli mobil adalah 29.4%, sedangkan
peluang bahwa konsumen berumur 40 tahun membeli mobil adalah 26.9%. Jadi
Probabilitas konsumen membeli mobil turun 2.6% atau 0.91 kali dari umur 35 tahun ke
umur 40 tahun

H. APAKAH PERBEDAAN ATAU RASIO MEMBELI MOBIL ANTARA KONSUMEN

BERUMUR 30 TAHUN DENGAN 31 TAHUN, SAMA SAJA RASIONYA ANTARA
KONSUMEN BERUMUR 40 TAHUN DENGAN 41 TAHUN? JELASKAN

Li (X2_Umur =30)= -0.025 (30) Li (X2_Umur =31)= -0.025 (31)

Ln Ln

P=0.47-0.47P P=0.461-0.461P
1.47P=0.47 1.461P=0.461
P=0.321 P=0.316
Kesimpulan 1: Probabilitas konsumen membeli mobil turun 0.5% (dari 32.1% untuk
umur 30 tahun ke 31.6% untuk umur 31 tahun)

Li (X2_Umur =40)= -0.025 (40) Li (X2_Umur =41)= -0.025 (41)

Ln Ln

P=0.368-0.368P P=0.359-0.359P
P 1.368P=0.368 1.359P=0.359
P=0.269 P=0.264

Kesimpulan 2. Probabilitas konsumen membeli mobil turun 0.5% (dari 26.9% untuk umur
40 tahun ke 26.4% untuk umur 41 tahun)

Dari perbandingan kesimpulan di atas terlihat bahwa ternyata rasio membeli mobil antara
konsumen berumur 30 tahun dan 31 tahun sama saja dengan rasio konsumen berumur
40 tahun dan 41 tahun, hal ini memperkuat kenyataan bahwa nilai Odd Rasio untuk tiap
penambahan umur adalah 0.98, artinya dalam setiap penambahan 1 tahun umur akan
meningkatkan peluang membeli mobil sebesar 0.98 kali, dengan kata lain umur muda
lebih tinggi peluangnya untuk membeli mobil

I. JELASKAN PERBEDAAN DAN PERSAMAAN ANTARA MODEL PELUANG

LINEAR, MOBIL PROBIT DAN MODEL LOGIT. BEGITU JUGA JELASKAN
KELEBIHAN DAN KEKURANGANNYA

Variabel Model Peluang Model Probit Model Logit

Linear

Persamaan 1. Skala pengukuran Peubah respon (dependent variable)

Nominal or Ordinal
2. Menggunakan peubah dummy
3. Menyebar menurut sebaran bernouli

Perbedaan Pendugaan Pendugaan Menggunakan OLS

parameter menjadi parameter dan WLS dan
kompleks jika menggunakan Maximum
menggunakan Maximum Likehood
WLS (banyak Likehood
kendala) non linear
Kekuatan Modelnya umum Menggunakan Koefisiennya
digunakan fungsi peluang mudah
kumulatif diinterpretasikan
agar peluang
berada Mentrasnsformasi
dalam selang (0;1) masalah prediksi
peluang dalam
selang
(0;1) ke masalah
prediksi log odds
tentang kejadian
(Y=1)
dalam selang
bilangan
riil
Kelemahan Komponen sisaan Justifikasi atau
bersifat interpretasi
heterokedastisitas koefisiennya agak
terbatas
Pendugaan OLS
tidak efisien,
meskipun
tetap konsisten dan
tidak bias

Kompleks jika
menggunakan WLS
(banyak kendala)

Nilai peluang bisa

lebih dari satu atau
kurang dari nol