PENDAHULUAN
DESKRIPSI KERJA
3. Kemudian masukkan dan sesuai studi kasus, dengan melakukan klik pada
button Data View.
4. Selanjutnya melakukan uji regresi logistic dengan cara klik menu Analyze
Regression Binary Logistics. Masukkan variabel Hired pada kolom
Dependent: dan Education, Experience, dan Sex pada kolom Covariates:.
Pada tab Method: pilih Enter. Pada tab Save, beri tanda centang pada
Probabilities, Group membership, dan unstandardized. Pada tab Option, beri
tanda centang pada Classification plots, Hosmer-Lemershow goodness-of-fit,
Casewise listing of residual, Correlations of estimates, dan Iteration history.
Lalu klik tombol Continue dam OK.
Dalam praktikum kali ini, praktikan akan melakukan analisis regresi logistic
untuk mengetahui seberapa besar peluang seseorang dapat diterima bekerja di suatu
perusahaan yang diselesaikan menggunakan SPSS 22.
Adapun hasil output untuk menyelesaikan permasalahan tersebut adalah
sebagai berikut :
Analisis Regresi Logistik Secara Umum
Missing Cases 0 .0
Total 40 100.0
Unselected Cases 0 .0
Total 40 100.0
a. If weight is in effect, see classification table for the total number of cases.
Berdasarkan Tabel 3.1 dapat diketahui bahwa jumlah data yang dianalisis
uuntuk regresi logistik ini adalah sebanyak 40 data (Incluade in Analysis) sedangkan
missing cases bernilai nol (0) yang menunjukan tidak ada data yang hilang ketika
proses analisis data dilakukan.
Tidak Diterima 0
Diterima 1
Hasil output regresi logistic berbeda dengan hasil output pada analisis regresi
sebelumnya. Pada hasil output, ditampilakan informasi pengkategorian variabel
dependent. Dari Tabel 3.2 diketahui bahwa Hired terkategori menjadi dua yaitu :
kategori 0 untuk “Tidak Diterima” dan kategori 1 untuk “Diterima”.
Predicted
Observed Hired Percentage
tidak diterima diterima Correct
diterima 4 13 76.5
Chi-square df Sig.
Berdasarkan Tabel 3.5 hasil output Model Summary pada Cox & Snell R2 dan
Nagelkerke R2 memiliki analogi sama dengan nilai R-square pada regresi linear,
menyakatan bahwa sebanyak 48.7% keragaman dapat dijelaskan oleh model,
sedangkan sisanya (51.3%) dijelaskan oleh faktor (variabel) lain diluar model
penelitian.
Selanjutnya untuk uji parsial digunakan hasil output Variables in the
Equation.
Analisis Regresi Logistik untuk Uji Parsial
Tabel 3.6 Variables in the Equation
a. Hipotesis
H0 : β2 = 0 (Koefisien regresi variabel Experience tidak signifikan)
H1 : β2 ≠ 0 (Koefisien regresi variabel Experience signifikan)
b. Tingkat Signifikasi
α = 5%
c. Daerah Kritis
Apabila Sig. < α maka tolak H0
d. Statistik Uji
Sig. = 0,021
e. Keputusan
Karena nilai Sig. < 0,05 yaitu 0,021 < 0,05 maka keputusannya adalah tolak
H0
f. Kesimpulan
Dengan menggunakan α =5% dan nilai Sig, < α yaitu 0,021 < 0,05 sehingga
diambil keputusan tolak H0 yang berarti koefisien regresi variabel
Experience signifikan mempengaruhi Y.
a. Hipotesis
H0 : β3 = 0 (Koefisien regresi variabel Sex tidak signifikan)
H1 : β3 ≠ 0 (Koefisien regresi variabel Sex signifikan)
b. Tingkat Signifikasi
α = 5%
c. Daerah Kritis
Apabila Sig. < α maka tolak H0
d. Statistik Uji
Sig. = 0,017
e. Keputusan
Karena nilai Sig. < 0.05 yaitu 0,017 < 0,05 maka keputusannya adalah tolak
H0
f. Kesimpulan
Dengan menggunakan α =5% dan nilai Sig, < α yaitu 0,017 < 0,05 sehingga
diambil keputusan tolak H0 yang berarti koefisien regresi variabel Sex
signifikan mempengaruhi Y.
1 5.617 8 .690
Difference
between
observed and
predicted
probabilities
N 40
a,b
Normal Parameters Mean .0000000
Std. Deviation .39326080
Most Extreme Differences Absolute .127
Positive .127
Negative -.061
Test Statistic .127
Asymp. Sig. (2-tailed) .105c
Sebelum penentuan model logit dan model logistic, uji yang harus dilakukan
setelah beberapa uji di atas adalah uji parameter β0. Adapun analisis untuk uji
parameter β0 berdasarkan Tabel 3.9 adalah sebagai berikut.
a. Hipotesis
H0 : β0 = 0 (Koefisien konstanta pada model tidak signifikan)
H1 : β0 ≠ 0 (Koefisien konstanta pada model signifikan)
b. Tingkat Signifikasi
α = 5%
c. Daerah Kritis
Apabila Sig. < α maka tolak H0
d. Statistik Uji
Sig. = 0,345
e. Keputusan
Karena nilai Sig. > 0,05 yaitu 0,345 > 0,05 maka keputusannya adalah gagal
tolak H0
f. Kesimpulan
Dengan menggunakan α =5% dan nilai Sig. > α yaitu 0,345 > 0,05 sehingga
diambil keputusan gagal tolak H0 yang berarti koefisien konstanta pada
model signifikan.
ex p (−4,012 ) 0.0180
¿ = =0. 01768
1+ ex p (−4,012 ) 1+0 , 0180
Dari hasil perhitungan yang dilakukan diperoleh peluang seorang wanita yang
memiliki lama education 4 tahun dan pengalaman kerja selama 1 tahun yaitu sebesar
0.01768 atau 1,76%. Maka dapat diinterpretasikan dengan kriteria tersebut peluang
diterimanya seorang wanita di suatu perusahaan X tidak terlalu baik. Karena nilai
peluangnya berada dibawah 0.5 atau kurang dari 50%. Setelah mengetahui peluang
diterimanya seorang wanita tersebut, dapat dihitung juga peluang tidak diterimanya
yaitu 1 – 0,01768 = 0,982 atau 98,2 % yang artinya peluang tidak diterima lebih besar
dari peluang diterima.
BAB IV
PENUTUPAN