NO/NPM : 1802022191
Tugas Analisis Kuantitatif Analisis Regresi Dengan Variabel Terikat Data Kualitatif
*Hasil Output SPSS “LPM”
Regression
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Pendidikan,
Anggota
. Enter
Keluarga,
Pendapatanb
a. Dependent Variable: Tipe Rumah
b. All requested variables entered.
Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
a
1 .814 .663 .624 .312
a. Predictors: (Constant), Pendidikan, Anggota Keluarga,
Pendapatan
ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 4.972 3 1.657 17.050 .000b
Residual 2.528 26 .097
Total 7.500 29
a. Dependent Variable: Tipe Rumah
b. Predictors: (Constant), Pendidikan, Anggota Keluarga, Pendapatan
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1.092 .347 -3.151 .004
Pendapatan .012 .003 .560 3.990 .000
Anggota Keluarga .116 .040 .389 2.877 .008
Pendidikan .021 .020 .133 1.084 .288
a. Dependent Variable: Tipe Rumah
PEMBAHASAN
Persamaan Regresi LPM
Yi = -1,092 + 0,012 PDT + 0,0116 AK + 0,021 PDD + e
Laporan Regresi LPM terdiri dari:
Interpretasi persamaan regresi:
Koefisien regresi pendapatan dalam setahun sebesar 0,012 berarti bahwa
pendapatan dalam setahun bertipe besar (1) mempunyai probabilitas
(kemungkinan) dalam setahun sedang sebesar 0,012 lebih besar dibandingkan
dengan dalam setahun pendapatan tipe kecil (0), dengan anggapan variabel
lainnya konstan.
Koefisien regresi jumlah anggota keluarga sebesar 0,116 berarti bahwa apabila
jumlah anggota keluarga naik satu persen, maka probabilitas (kemungkinan)
rumah bertipe sedang meningkat sebesar 0,116 dengan anggapan variabel lainnya
konstan.
Koefisien regresi pendidikan kepala keluarga sebesar 0,021 berarti bahwa apabila
jumlah pendidikan keluarga naik satu persen, maka probabilitas (kemungkinan)
rumah bertipe sedang meningkat sebesar 0,021 dengan anggapan variabel lainnya
konstan.
Koefisien Determinasi
Koefisien determinasi (Adjusted R square) sebesar 0,624. Mempunyai arti bahwa
sekitar 62,4 persen (nilai Adjusted R square x100%) variasi variabel Tipe Rumah
(Y) dipengaruhi oleh variasi Pendapatan dalam Setahun (X1), Jumlah anggota
keluarga (X2) dan Pendidikan kepala keluarga (X3), sedangkan sisanya 37,6
persen (100 – nilai Adjusted R square x100%) dijelaskan oleh variabel lain diluar
model penelitian.
Hasil Pengujian Secara parsial (uji t) Untuk Variabel Pendapatan dalam Setahun (X1)
*Merumuskan Hipotesis
- H0 : Secara parsial Pendapatan dalam setahun (X1) tidak berpengaruh terhadap
Tipe Rumah (Y)
- H1 : Secara parsial Pendapatan dalam setahun (X1) berpengaruh terhadap Tipe
Rumah (Y)
*Menentukan tingkat signifikansi
- Tingkat signifikansi yang digunakan adalah 5% (0,05); n = 30 ; df = n-k (jumlah
sampel -jumlah variabel) = 26
*Kriteria Pengujian
- H0 diterima : Nilai Signifikansi Uji t ≥ 0,05
- H0 ditolak : Nilai Signifikansi Uji t < 0,05
*Hasil Pengujian
- Hasil perhitungan SPSS memperoleh nilai uji t sebesar 3,990 dengan tingkat
signifikansi sebesar 0,000
*Kesimpulan
- Berdasarkan hasil pengujian, diperoleh nilai signifikansi uji t sebesar 0,000 < 0,05
sehingga H0 ditolak dan H1 diterima. Hal ini berarti Secara parsial Pendapatan dalam
setahun (X1) berpengaruh terhadap Tipe Rumah (Y).
Hasil Pengujian Secara Parsial (uji t) Untuk Variabel Jumlah anggota keluarga (X2)
*Merumuskan Hipotesis
- H0 : Secara parsial Jumlah anggota keluarga (X2) tidak berpengaruh terhadap
Tipe rumah (Y)
- H1 : Secara parsial Jumlah anggota keluarga (X2) berpengaruh terhadap Tipe
rumah (Y)
*Menentukan tingkat signifikansi
- Tingkat signifikansi yang digunakan adalah 5% (0,05); n = 30; df = n-k (jumlah
sampel -jumlah variabel) = 26
*Kriteria Pengujian
- H0 diterima : Nilai Signifikansi Uji t ≥ 0,05
- H0 ditolak : Nilai Signifikansi Uji t < 0,05
*Hasil Pengujian
- Hasil perhitungan SPSS memperoleh nilai uji t sebesar 2.877 Dengan tingkat
signifikansi sebesar 0,008
*Kesimpulan
Berdasarkan hasil pengujian, diperoleh nilai signifikansi uji t sebesar 0,008 < 0,05 sehingga
H0 ditolak dan H1 diterima. Hal ini berarti bahwa Secara parsial Jumlah anggota keluarga
(X2) berpengaruh terhadap Tipe rumah (Y).
Hasil Pengujian Secara Parsial (Uji t) Untuk Variabel Pendidikan kepala keluarga (X3)
*Merumuskan Hipotesis
- H0 : Secara parsial Pendidikan kepala keluarga (X3) tidak berpengaruh terhadap
Tipe rumah (Y)
- H1 : Secara parsial Pendidikan kepala keluarga (X3) berpengaruh terhadap Tipe
rumah (Y)
*Menentukan tingkat signifikansi
- Tingkat signifikansi yang digunakan adalah 5% (0,05); n = 30 ; df = n-k (jumlah
sampel -jumlah variabel) = 26
*Kriteria Pengujian
- H0 diterima : Nilai Signifikansi Uji t ≥ 0,05
- H0 ditolak : Nilai Signifikansi Uji t < 0,05
*Hasil Pengujian
- Hasil perhitungan SPSS memperoleh nilai uji t sebesar 1.084 Dengan tingkat
signifikansi sebesar 0,288
*Kesimpulan
- Berdasarkan hasil pengujian, diperoleh nilai signifikansi uji t sebesar 0,288 ≥ 0,05
sehingga H0 diterima dan H1 ditolak. Hal ini berarti bahwa Secara parsial Pendidikan
kepala keluarga (X3) tidak berpengaruh terhadap Tipe rumah (Y)
Taksiran Probabilitas Kinerja Bank Menurut Skala Bank dan Kinerja Keuangan
Tipe Anggota
Rumah Pendapatan keluarga Pendidikan YI
0 34 2 16 -0.3248
0 41 3 17 -0.2082
0 49 5 17 -0.0890
0 53 1 9 -0.2554
0 54 3 9 -0.2202
0 55 1 10 -0.2104
0 56 3 16 -0.0492
0 58 2 14 -0.0788
0 59 2 18 0.0172
0 60 3 11 -0.1062
0 61 1 10 -0.1384
0 62 3 9 -0.1242
0 63 2 10 -0.1028
0 65 3 11 -0.0462
0 68 6 9 -0.0174
1 50 7 16 -0.0748
1 56 6 11 -0.1194
1 61 3 10 -0.1152
1 71 5 16 0.1540
1 77 3 18 0.2448
1 83 4 13 0.2234
1 86 6 15 0.3246
1 94 4 12 0.3344
1 98 6 10 0.3636
1 100 4 10 0.3644
1 102 5 9 0.3790
1 104 6 16 0.5616
1 108 5 10 0.4720
1 115 5 10 0.5560
1 120 5 11 0.6370
- Hasil perkiraan Tipe rumah tentu tidak sesuai dengan asumsi probabilitas yang
besarnya minimal nol dan maksimal satu. Oleh karena itu, apabila taksiran
probabilitas yang dihasilkan lebih besar dari satu dianggap satu sedangkan apabila
lebih kecil dari nol maka dianggap nol. Sehingga dengan menggunakan asumsi
tersebut perhitungan menjadi kurang akurat. Agar hasilnya lebih memuaskan, maka
kelemahan itu dapat ditanggulangi dengan menambah sampel atau menggunakan
regresi model logistik.
Classification Tablea,b
Predicted
Tipe Rumah Percentage
Observed Tipe Kecil Tipe Sedang Correct
Step 0 Tipe Rumah Tipe Kecil 0 15 .0
Tipe Sedang 0 15 100.0
Overall Percentage 50.0
a. Constant is included in the model.
b. The cut value is .500
Classification Tablea
Predicted
Tipe Rumah Percentage
Observed Tipe Kecil Tipe Sedang Correct
Step 1 Tipe Rumah Tipe Kecil 14 1 93.3
Tipe Sedang 1 14 93.3
Overall Percentage 93.3
a. The cut value is .500
PEMBAHASAN
Persamaan Regresi LPM
p
ln = - 16,297 + 0,151 + 0,944 + 0,202
1− p
Laporan Regresi Logistik terdiri dari:
Interpretasi persamaan regresi:
Koefisien regresi logistik dari Pendapatan dalam setahun sebesar 0,151 berarti
bahwa untuk dalam setahun pendapatan besar (1) mempunyai probabilitas
(kemungkinan) betipe sedang sebesar 0,538 (yang diperoleh dari 1/(1+
𝑒−0,151 ) lebih besar dibandingkan dengan dalam setahun pendapatan bertipe
kecil (0), dengan anggapan faktor lainnya konstan.
Koefisien regresi jumlah anggota keluarga sebesar 0,944 berarti bahwa apabila
jumlah anggota keluarga naik satu persen, maka probabilitas (kemungkinan)
rumah bertipe sedang meningkat sebesar 0,720 (yang diperoleh dari 1/(1+𝑒 −0,944 )
dengan anggapan variabel lainnya konstan.
Koefisien regresi pendidikan kepala keluarga sebesar 0,202 berarti bahwa apabila
pendidikan kepala keluarga naik satu persen, maka probabilitas (kemungkinan)
rumah bertipe sedang meningkat sebesar 0,550 (yang diperoleh dari 1/(1+𝑒 −0,202)
dengan anggapan variabel lainnya konstan.
Keterangan: e = 2,718
Koefisien Determinasi
Koefisien determinasi (Nagelkerke R square) sebesar 0,815. Mempunyai arti
bahwa sekitar 81,5 persen (nilai Nagelkerke R square x100%) variasi variabel
Tipe Rumah (Y) dipengaruhi oleh variasi Pendapatan dalam setahun (X1),
Jumlah anggota keluarga (X2), dan Pendidikan kepala keluarga (X3), sedangkan
sisanya 18,5 persen (100 – nilai Nagelkerke R square x100%) dijelaskan oleh
variabel lain diluar model penelitian.
Hasil Pengujian Secara Parsial (Uji t) Untuk Variabel Pendapatan dalam setahun (X1)
*Merumuskan Hipotesis
- H0 : Secara parsial Pendapatan dalam setahun (X1) tidak berpengaruh terhadap
Tipe rumah (Y)
- H1 : Secara parsial Pendapatan dalam setahun (X1) berpengaruh terhadap Tipe
rumah (Y)
*Menentukan tingkat signifikansi
- Tingkat signifikansi yang digunakan adalah 5% (0,05); n = 30
*Kriteria Pengujian
- H0 diterima : Nilai Signifikansi uji t ≥ 0,05
- H0 ditolak : Nilai Signifikansi uji t < 0,05
*Hasil Pengujian
- Untuk melihat hasil pengujian pada regresi logistik uji pengaruh serempak dapat
dilihat pada tabel “Variables in the equation” 𝑢𝑗𝑖 𝑡 = √𝑤𝑎𝑙𝑑
- Hasil perhitungan SPSS memperoleh nilai uji t sebesar 2,041
(diperoleh dari√4,167) dengan tingkat signifikansi sebesar 0,041
*Kesimpulan
- Berdasarkan hasil pengujian, diperoleh nilai signifikansi uji t sebesar 0,041 < 0,05
sehingga H0 ditolak H1 diterima. Hal ini berarti bahwa Secara parsial Pendapatan
dalam setahun (X1) berpengaruh terhadap Tipe rumah (Y).
Hasil Pengujian Secara parsial (Uji t) Untuk Variabel jumlah Anggota Keluarga (X2)
*Merumuskan Hipotesis
- H0 : Secara parsial Jumlah anggota keluarga (X2) tidak berpengaruh terhadap
Tipe rumah (Y)
- H1 : Secara parsial Jumlah anggota keluarga (X2) berpengaruh terhadap Tipe
rumah (Y)
*Menentukan tingkat signifikansi
- Tingkat signifikansi yang digunakan adalah 5% (0,05)
*Kriteria Pengujian
- H0 diterima : Nilai Signifikansi Uji t ≥ 0,05
- H0 ditolak : Nilai Signifikansi Uji t < 0,0
*Hasil Pengujian
- Untuk melihat hasil pengujian pada regresi logistik uji pengaruh serempak dapat
dilihat pada tabel “Variables in the equation” 𝑢𝑗𝑖 𝑡 = √𝑤𝑎𝑙𝑑
- Hasil perhitungan SPSS memperoleh nilai uji t sebesar 2,111
(diperoleh dari√4,469) dengan tingkat signifikansi sebesar 0,035.
*Kesimpulan
- Berdasarkan hasil pengujian, diperoleh nilai signifikansi uji t sebesar 0,035 < 0,05
sehingga H0 ditolak dan H1 diterima. Hal ini berarti bahwa Secara parsial Jumlah
anggota keluarga (X2) berpengaruh terhadap Tipe rumah (Y).
Hasil Pengujian Secara parsial (Uji t) Untuk Variabel Pendidikan kepala Keluarga (X3)
*Merumuskan Hipotesis
- H0 : Secara parsial Pendidikan keluarga (X3) tidak berpengaruh terhadap Tipe
rumah (Y)
- H1 : Secara parsial Pendidikan kepala keluarga (X2) berpengaruh terhadap Tipe
rumah (Y)
*Menentukan tingkat signifikansi
- Tingkat signifikansi yang digunakan adalah 5% (0,05)
*Kriteria Pengujian
- H0 diterima : Nilai Signifikansi Uji t ≥ 0,05
- H0 ditolak : Nilai Signifikansi Uji t < 0,05
*Hasil Pengujian
- Untuk melihat hasil pengujian pada regresi logistik uji pengaruh serempak dapat
dilihat pada tabel “Variables in the equation” 𝑢𝑗𝑖 𝑡 = √𝑤𝑎𝑙𝑑
- Hasil perhitungan SPSS memperoleh nilai uji t sebesar 0,899
(diperoleh dari√0,809) dengan tingkat signifikansi sebesar 0,368
*Kesimpulan
- Berdasarkan hasil pengujian, diperoleh nilai signifikansi uji t sebesar 0,368 ≥ 0,05
sehingga H0 diterima. Hal ini berarti bahwa Secara parsial Pendidikan keluarga (X3)
tidak berpengaruh terhadap Tipe rumah (Y).
Dengan memasukkan nilai variabel bebas, yaitu pendapatan dalam setahun, jumlah anggota
keluarga dan pendidikan kepala keluarga maka taksiran probabilitas tipe rumah dengan
menggunakan regresi logistik dapat dihitung. Misalnya untuk dalam setahun pendapatan
besar atau dengan skor satu, jumlah anggota keluarga dan dengan pendidikan kepala keluarga
sebesar 16 maka probabilitas tipe rumah tersebut adalah:
- P = 1/(1+ 𝑒−(− 16,297 + 0,151 (34) + 0,944 (2)+0.202 (16))) =0,0013
- Oleh karena, taksiran probabilitas Tipe rumah tersebut sebesar 0,0013 kurang dari 0,5
maka taksiran pendidikan kepala keluarga adalah Tipe kecil
Tipe Anggota
Rumah Pendapatan keluarga Pendidikan YI GROUP
0 34 2 16 0.0024 0
0 41 3 17 0.0210 0
0 49 5 17 0.3221 0
0 53 1 9 0.0039 0
0 54 3 9 0.0295 0
0 55 1 10 0.0065 0
0 56 3 16 0.1447 0
0 58 2 14 0.0561 0
0 59 2 18 0.1343 0
0 60 3 11 0.1013 0
0 61 1 10 0.0160 0
0 62 3 9 0.0924 0
0 63 2 10 0.0534 0
0 65 3 11 0.1934 0
0 68 6 9 0.8104 1
1 50 7 16 0.7489 1
1 56 6 11 0.5112 1
1 61 3 10 0.0968 0
1 71 5 16 0.9150 1
1 77 3 18 0.8579 1
1 83 4 13 0.9333 1
1 86 6 15 0.9954 1
1 94 4 12 0.9836 1
1 98 6 10 0.9979 1
1 100 4 10 0.9900 1
1 102 5 9 0.9965 1
1 104 6 16 0.9998 1
1 108 5 10 0.9988 1
1 115 5 10 0.9996 1
1 120 5 11 0.9998 1