Analisis ini mirip dengan regresi linier berganda, yaitu sama-sama merupakan metode
yang bertujuan menganalisis pengaruh antara satu atau beberapa variabel independen
terhadap satu variabel dependen.
Perbedaannya terletak pada skala variabel dependen.
Analisis regresi linier : skala variabel dependen adalah metrik
Analisis regresi logistik : skala variabel dependen adalah non metrik
Input data :
Data dari observable variable atau merupakan skor indikator variabel laten. Data yang
dianalisis adalah data mentah (raw data), bukan data standardize. Untuk variabel
dependen berupa data kategori (non metrik) dan variabel dependen berupa data kategori
(non metrik) atau metrik atau campuran.
Output :
Berupa persamaan regresi logistik
Kegunaan :
Merupakan alat untuk mengetahui pengaruh variabel, serta dapat digunakan untuk
prediksi berapa peluang terjadinya variabel Y.
CONTOH KASUS:
Usia (X4)
Logistic Regression
Logistic Regression
Catatan:
Catatan:
4. Matriks Klasifikasi
Tingkat presisi persamaan logistik untuk prediksi, semakin mendekati 100% maka
semakin baik.
Catatan:
5. Estimasi Parameter
Ada tambahan statistik odds ratio, yang hanya bisa diintepretasikan pada variabel
independen yang berskala non metrik. Nilai odds ratio menandakan besarnya
peluang terjadinya Y.
Catatan: