Puti Utari Maharani

18337058

Analisis Data Kategorik

A. Regresi Logistik Biner

Regresi logistic biner adalah hubungan antara variable respon(y) yang berupa data dikotomik /
biner dengan variable bebas(x) yang berupa data beskala interval dan atau kategorik.

Asumsi-asumsi dalam regresi logistik biner:

 Tidak mengasumsikan hubungan liner antar variable dependen dan independen

 Variabel dependen harus bersifat dikotomi (dua variable).
 Variabel independen tidak harus memiliki keragaman yang sama antar kelompok
variable.
 Kategori dalam variable independen harus terpisah satu sama lain.
 Sampel yang diperlukan dalam jumlah relative besar, miimum dibutuhkan hingga 50
sampel data untuk sebuah variable bebas.

Langkah-langkah pengujian regresi logistik biner:

1. Uji signifikasi model

Uji signifikasi model digunakan untuk mengetahui pengaruh variable bebas terhadap
variable tidak bebas secara bersamaa-sama (overall) di dalam model, dapat digunakan uji
Likelihood Ratio.

Hipotesis:
H 0: β 1=¿ β ¿ Tidak ada pengaruh variable bebas secara simultan terhadap variable tak
2=¿…=β p=0 ¿¿

bebas).
H 1: Minimal ada satu β j ≠ 0 (ada pengaruh paling sedikit satu variable terhadap variable
bebas).
untuk j = 1,2,…, p

Statistik uji :
L0
G2= - 2 ln
Lp

Dengan :
 L0: Maksimum Likelihood dari model reduksi (Recuded Model) atau model yang terdiri
dari konstanta.
L p: Maksimum Likelihood dari model penuh (Full Model) atau model yang terdiri dari
semua variable bebas.

Keputusan :
Tolak H 0 apabila nilai signifikasi p-value < α .

2. Uji signifikasi parameter (Parsial)

Hipotesis:
H 0: Variabel bebas ke j tidak mempunyai pengaruh signifikan terhadap variable tidak
bebas).
H 1: variable bebas ke j mempunyai pengaruh secara signifikan terhadap variable tidak
bebas
untuk j = 1,2,…, p

Statistik uji :
βj
W 2= [ Se( β j) ]
2

Keputusan :
Tolak H 0 apabila nilai signifikasi p-value < α yang berarti variable bebas X j secara
parsial mempengaruhi variable tidak bebas Y.

3. Uji kecocokan model

Hipotesis:
H 0: Tidak ada perbedaan antara observasi dan prediksi
H 1: Ada perbedaan antara observasi dan prediksi

Statistik uji :
Dilihat pada nilai signifikan dari table “hosmer and lemeshow test”

Keputusan :
Tolak H 0 apabila nilai signifikasi statistik < α.

B. Regresi Logistik Multinom( Nominal)

 Regresi logistic multinom( nominal) adalah logistik yang digunakan saat variabel
dependen mempunyai skala yang bersifat polichotomus atau multinomial.skala
multinomial adalah suatu pengukuran yang dikategorikan lebih dari dua kategori.
Regresi logistic multinom juga perluasan dari logistic biner, jika variable Y memiliki dari
2 kategori. Misalkan variable Y memiliki M kategori , salah satu katgori tersebut
dianggap sebagai kategori referensi. Probabilitas kategori dibandingkan dengan
probabilitas kategori referensi. Jika variable dependen memiliki i=(1,2,3,..,j) kategori,
maka persamaan regresi logistic multinomial yang terbentuk adalah j-1 kategori.
Model persamaan regresi logistik multinomial:

Asumsi-asumsi dalam regresi logistik biner:

 Tidak mengasumsikan hubungan liner antar variable dependen dan independen

 Variabel dependen harus bersifat dikotomi (dua variable).
 Variabel independen tidak harus memiliki keragaman yang sama antar kelompok
variable.
 Kategori dalam variable independen harus terpisah satu sama lain.
 Sampel yang diperlukan dalam jumlah relative besar, miimum dibutuhkan hingga 50
sampel data untuk sebuah variable bebas.

Langkah-langkah pengujian regresi logistik biner:

1. Uji signifikasi model

Uji signifikasi model digunakan untuk mengetahui pengaruh variable bebas terhadap
variable tidak bebas secara bersamaa-sama (overall) di dalam model, dapat digunakan uji
Likelihood Ratio.

Hipotesis:
H 0: β 1=¿ β ¿ Tidak ada pengaruh variable bebas secara simultan terhadap variable tak
2=¿…=β p=0 ¿

bebas).
H 1: Minimal ada satu β j ≠ 0 (ada penaruh paling sedikit satu variable terhadap variable
bebas).
untuk j = 1,2,…, p

Statistik uji :
Dapat dilihat pada nilai signifikan dari table “model fitting information”.
 Keputusan :
Untuk pengambilan keputusan dapat melihat apakah terdapat penurunan nilai -2 log
Likelihood dari intercept only ke final. Jika terjadi penurunan nilai tersebut maka model
regresi multinomial hasilnya baik.

2. Uji kecocokan model

Hipotesis:
H 0: Tidak ada perbedaan antara observasi dan prediksi
H 1: Ada perbedaan antar observasi dan prediksi

Statistik uji:
Dilihat pada nilai signifikan dari tabel “ goodness-of-fit”

• Keputusan:
Tolak H0 jika nilai sig. pada statistik < alpha

C. Regresi Logistik Multinom (Ordinal)

Regresi logistic ordinal adalah regresi yang peubah responnya bersifat kategori berskala
ordinal yang memiliki dua atau lebih kategori dan ada urutan kategori (skala ordinal)
yang tidak dapat dianalisa secara metode regresi biasa.
Model regresi logistic ordinal :
e g (x)
π (x) = g( x)
1+ e
dengan
p
g(x) = β oj + ∑ β k X ik
k =1

keterangan :
X = variable bebas
B = koefesien regresi

Asumsi-asumsi dalam regresi logistik biner:

 Tidak mengasumsikan hubungan liner antar variable dependen dan independen

 Variabel dependen harus bersifat dikotomi (dua variable).
 Variabel independen tidak harus memiliki keragaman yang sama antar kelompok
variable.
 Kategori dalam variable independen harus terpisah satu sama lain.
 Sampel yang diperlukan dalam jumlah relative besar, miimum dibutuhkan hingga 50
sampel data untuk sebuah variable bebas.

Langkah – langkah pengujian regresi logistic multinomial(ordinal)

1. Pengujian parameter secara serentak
Pengujian ini dilakukan untuk mengetahui pengaruh variable predictor dalam model
secara bersama –sama .
Hipotesis ;
H 0: β 1=¿ β Tidak ada pengaruh variable predictor terhadap model)
2=¿…=β p=0 ¿¿ ¿

H 1: Minimal ada satu β k ≠ 0 (ada pengaruh paling sedikit satu variable terhadap
model)
untuk k = 1,2,…, p
Statistik uji :
❑
G = -2ln ❑
❑ [( )]
Dimana