Model Regresi Logit

OLEH: Pande Komang Suparyana, S.TP., M.Agb

 Materi Kuliah
1 2 3 4 5 6

Model Persamaan Simultan

Model Regresi Logit

Model Regresi Non Linier
Model Regresi Linier Berganda Dgn Variabel Dummy
Penyimpangan Asumsi Klasik

Regresi Linier Berganda

 PENDAHULUAN
• Regresi yang telah dipelajari  data kuantitatif
• Analisis  membutuhkan analisis kualitatif.

Contoh:
1. Model Regresi dengan Dummy Variabel
Variabel bebas kualitatif dan variabel terikat kuantitatif.
– Pengaruh kualitas produk terhadap omset.
– Pengaruh jenis Kelamin terhadap gaji.

2. Model Logistik atau Multinomial

a) Variabel bebas kuantitatif dan variabel terikat kualitatif
– Pengaruh harga terhadap kepuasan pelayanan.
b) Variabel bebas kualitatif dan variabel terikat kualitatif.
– Pengaruh pendidikan terhadap umur perkawinan pertama.
 Regresi logistik (Logit)

Regresi logistik adalah model statistika yang digunakan

untuk variabel dependen kategorik
Regresi logistik tidak dibutuhkan syarat atau asumsi bahwa
error varians (residual) terdistribusi secara normal
Model Logit merupakan model non linier, baik dlm parameter
maupun variabel, oleh karena itu metode OLS tidak dapat
digunakan untuk mengestimasi model logit (karena OLS harus
ditransformasi dahulu)
Jika pada OLS menggunakan uji F Anova untuk mengukur tingkat signifikansi
dan seberapa baik model persamaan yang terbentuk, maka pada regresi
logistik menggunakan Nilai Chi-Square. Perhitungan nilai Chi-Square ini
berdasarkan perhitungan Maximum Likelihood.

Jumlah kasus minimum per independen variabelnya 10, Sebagai contoh: Jika
kita menggunakan 8 variabel independen, maka ukuran sampel minimum
harus = 8 x 10 = 80
 Persamaan Regresi Logit

Ln (Pi / (1-Pi) = β0 + β1x1 + β2x2+….+ βnXn

Dimana,
Pi : probabilitas terjadinya suatu peristiwa
misalnya: adopsi teknologi
(1-Pi) : probabilitas tidak terjadinya peristiwa
misalnya: non-adopsi teknologi
X1, X2… .Xn : variabel bebas
β1, β2, ..., βn : koefisien regresi
β0 : konstan (intersep)
Contoh Latihan
Mengaplikasikan model logit tentang keputusan seseorang untuk membeli mobil
atau tidak. Keputusan membeli mobil atau tidak dipengaruhi oleh dua variabel yaitu
jumlah pendapatan dan status pernikahan. Status pernikahan merupakan variabel
independen kualitatif.

Model Logit : ln (Pi / 1 – Pi) = Zi = βo + β1 X1 + β2 X2

dimana,
P = keputusan membeli mobil
X1 = jumlah pendapatan (juta per bulan)
X2 = status pernikahan (1 jika menikah dan 0 jika belum menikah)
Data sebagai berikut: No Resonden Keptusan Pendapatan Status Pernikahan No Resonden Keptusan Pendapatan Status Pernikahan
1 0 5,1 0 16 0 7,7 0
2 1 12,25 1 17 0 8 0
3 1 9 1 18 1 8,2 1
4 0 6 0 19 0 8,5 0
5 1 10,2 1 20 1 8,6 1
6 0 5,25 0 21 0 8,8 0
7 0 5,5 0 22 0 5,8 1
8 1 11,4 1 23 1 9,4 1
9 0 5,9 0 24 1 9,75 1
10 1 11 1 25 1 9,9 1
11 0 6,25 0 26 1 10,6 1
12 1 6,4 0 27 1 10,8 1
13 0 6,7 1 28 0 6,95 0
14 1 7,1 1 29 1 11,8 1
15 1 7,5 0 30 1 12 1
Tahapan analisis
Buka program SPSS dan masukkan data

Lakukan analisis regresi logit dengan cara,

klik menu Analyze, pilih submenu
Regression, lalu klik Binary Logistic
Masukkan variabel P pada
kotak sebelah kiri ke kotak
Dependent, Lalu variabel X
1 dan X2 ke kotak
Covariates dengan
mengklik tombol tanda
panah, hasilnya seperti
tampak pada tampilan
disamping
Setelah itu, pilih options
dan pada Statistics and
Plots centang Hosmer-
Lemeshow goodnes of
fit dan CI for exp(B),
lalu klik continue.
Tampilannya seperti
Disamping

Kemudian klik OK,

untuk hasil output
SPSS
Analisis
Block 0: Beginning Block

Dengan hanya menggunakan konstanta, keakuratan prediksi sebesar 56,7%

Dengan hanya konstanta tanpa variabel pendapatan (X1) dan status pernikahaan
(X2) tidak signifikan pada α=5% dalam mempengaruhi keputusan seseorang dalam
membeli mobil (Sig 0,467 > α=0,05). Dengan demikian ada varfiabel independen yang
mempengaruhi keputusan memberi mobil
Block 1: Method = Enter

Uji serentak semua koefisien variabel di dalam regresi logistic dapat dilihat pada Tabel
Omnibus Tests of Model Coefficients.
Nilai Chi-squares model sebesar 23,944 dengan df sebesar 2 (Chi-square tabel 5,991)
maka signifikan (Sig 0,000 < α=0,05) sehingga dapat disimpulkan bahwa pendapatan
dan status pernikahan mempengaruhi keputusan seseorang di dalam membeli mobil.
Model summary menunjukkan nilai Cox & Snell R square sebesar 0,550 berarti variabel
pendapatan (X1) dan status pernikahan (X2) di dalam model logit mampu menjelaskan
perilaku seseorang dalam membeli mobil atau tidak sebesar 55%.

Sedangkan berdasarkan Nagelkerke R square sebesar 0,738 berarti variabel

Pendapatan (X1) dan status pernikahan (X2) di dalam model logit mampu menjelaskan
perilaku seseorang dalam membeli mobil atau tidak sebesar 73,8%
Classification tables menunjukkan seberapa baik model mengelompokkan kasus ke
dalam dua kelompok baik yang tidak mempunyai mobil maupun yang mempunyai mobil.

Keakuratan prediksi secara menyeluruh sebesar 90%, hal ini lebih baik dari model yang
hanya dengan konstanta sebelumnya sebesar 56,7%.

Sedangkan keakuratan prediksi yang tidak mempunyai mobil sebesar 92,3% dan yang
mempunyai mobil sebesar 88,2%.
Uji signifikansi variabel independen secara individual dengan menggunakan uji Wald.
Hasil uji menunjukkan bahwa variabel pendapatan (X1) dan status pernikahan (X2)
berpengaruh nyata terhadap keputusan seseorang di dalam membeli mobil dengan
tingkat signifikansi 5% (sig < α=0,05).

Persamaan regresi logistik Zi = -8,932 + 1,001 X1 + 2,443 X2

Interpretasi persamaan logistik menggunakan odd ratio atau Exp(B)

Pendapatan (X1)
Pendapatan (X1) odd ratio sebesar 2,720 dapat diartikan bahwa jika pendapatan naik
1 unit (1 juta) maka rasio kemungkinan memiliki mobil dengan yang tidak memiliki mobil
naik dengan faktor 2,720 dengan asumsi variabel status pernikahan tetap.

Status pernikahan (X2)

Odd ratio untuk status pernikahan (X2) sebesar 11,511 dapat diartikan bahwa rasio
Kemungkinan membeli mobil dengan tidak membeli mobil untuk mereka yang menikah
lebih tinggi daripada yang belum menikah sebesar 11,511 kali dengan asumsi variabel
pendapatan tetap.
Persamaan regresi logistik dapat juga digunakan untuk melakukan prediksi,

Misal individu mempunyai pendapatan 10 juta dan status pernikahan sudah menikah
(X2 =1)

maka probabilitas memiliki mobil dapat dihitung sebagai berikut:

Z = -8,932 + 1,001(10) + 2,443(1) = 3,521

Pi = (1 / 1 + e-Z) = (1 / 1 + 2,7182818-3,521) = 0,97

Nilai prediksi probabilitas individu tersebut memiliki mobil sebesar 0,97 sedangkan
probabilitas tidak mempunyai mobil sebesar 1 – 0,97 = 0,03.
 Thank you
TERIMAKASIH