Nama : Muhammad Bariklana

NIM : 18611079
Mata Kuliah : Analisis Data Kategorik
Kelas :B

UAS

SOAL A
Berdasarkan data Crab, kelompokan variabel Spine menjadi dua kategori yaitu
1: Bagus
0: Buruk (gabungan Spine:2 dan Spine:3)
Selanjutnya lakukan analisis menggunakan model regresi logistic biner untuk mengetahui
factor/variabel yang mempengaruhi kondisi cangkang (Spine). Variabel independent yang
diuji adalah weight dan width.
Pertanyaan :
1. Jika dilakukan pemodelan menggunakan kedua variabel independent, variabel apakah
yang signifikan? Tuliskan modelnya.
Jawab:
Uji Signifikansi Parameter (Overall)
i. Hipotesis
H0 : β1 = 0 (Tidak ada pengaruh variabel bebas secara simultan terhadap variabel tak
bebas) untuk j = 0, 1, 2
H1 : Minimal ada satu βj ≠ 0 (ada pengaruh paling sedikit satu variabel bebas
terhadap variabel yang tak bebas) untuk j = 0, 1, 2
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
 iv. Statistik Uji

v. Keputusan
Tolak H0 karena nilai p-value (0.017) < α (0.05)
vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menjelaskan bahwa
terdapat minimal 1 pengaruh variabel independen terhadap variabel dependen
sehingga model layak digunakan.
Uji Parsial
i. Hipotesis
H0 : βj = 0 (Variabel bebas ke j tidak mempunyai pengaruh secara signifikan
terhadap variabel tidak bebas) untuk j = 0, 1, 2
H1 : βj ≠ 0 (Variabel bebas ke j mempunyai pengaruh secara signifikan terhadap
variabel tidak bebas) untuk j = 0, 1, 2
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
iv. Statistik Uji
 v. Keputusan

Variabel P-value Tanda α  Keputusan

Weight 0.295 >  0.05 Gagal Tolak H0

Width 0.858 > 0.05 Gagal Tolak H0

vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95%, data yang ada menjelaskan bahwa
variabel bebas weight dan width tidak mempunyai pengaruh secara signifikan
terhadap variabel tidak bebas.
Model

Dengan variabel dependen yaitu Y=spine, serta variabel independen yaitu X1 =

weight, X2 = width, diperoleh model sebagai berikut:
 Model Peluang
exp ⁡( β 0 + β 1 x 1 + β 2 x 2)
π (x )=
1+exp ⁡(β 0+ β1 x 1+ β 2 x2 )

exp ⁡(−4.285+0.001 x 1+0.037 x 2 )

π (x )=
1+exp ⁡(−4.285+ 0.001 x 1 +0.037 x 2)

 Model Logit
g ( x )=β 0+ β1 x 1+ β 2 x2 =−4.285+0.001 x 1+ 0.037 x2

2. Jika dilakukan pemodelan untuk masing-masing variabel independen (Spine terhadap

masing-masing variabel independent), variabel apakah yang signifikan? Tuliskan
modelnya.
Jawab:
 Spine terhadap Weight
Uji Signifikansi Parameter (Overall)
 i. Hipotesis
H0 : β1 = 0 (Tidak ada pengaruh variabel bebas secara simultan terhadap variabel tak
bebas) untuk j = 0, 1
H1 : Minimal ada satu βj ≠ 0 (ada pengaruh paling sedikit satu variabel bebas
terhadap variabel yang tak bebas) untuk j = 0, 1
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
iv. Statistik Uji

v. Keputusan
Tolak H0 karena nilai p-value (0.004) < α (0.05)
vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menjelaskan bahwa
terdapat minimal 1 pengaruh variabel independen terhadap variabel dependen
sehingga model layak digunakan.
Uji Parsial
i. Hipotesis
H0 : βj = 0 (Variabel bebas ke j tidak mempunyai pengaruh secara signifikan
terhadap variabel tidak bebas) untuk j = 0, 1
H1 : βj ≠ 0 (Variabel bebas ke j mempunyai pengaruh secara signifikan terhadap
variabel tidak bebas) untuk j = 0, 1
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
 Tolak H0 jika p-value < α
iv. Statistik Uji

v. Keputusan

Variabel P-value Tanda α  Keputusan

weight 0.006 <  0.05 Tolak H0

vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95%, data yang ada menjelaskan bahwa
variabel bebas weight mempunyai pengaruh secara signifikan terhadap variabel tidak
bebas.
Model

Dengan variabel dependen yaitu Y=spine, serta variabel independen yaitu X1 =

weight, diperoleh model sebagai berikut:
 Model Peluang
exp ⁡(β 0 + β 1 x 1 )
π (x )=
1+exp ⁡(β 0+ β1 x 1)

exp ⁡(−3.609+ 0.001 x 1)

π (x )=
1+exp ⁡(−3.609+0.001 x 1)

 Model Logit
g ( x )=β 0+ β1 x 1=−3.609+0.001 x1
  Spine terhadap Width
Uji Signifikansi Parameter (Overall)
i. Hipotesis
H0 : β1 = 0 (Tidak ada pengaruh variabel bebas secara simultan terhadap variabel tak
bebas) untuk j = 0, 1
H1 : Minimal ada satu βj ≠ 0 (ada pengaruh paling sedikit satu variabel bebas
terhadap variabel yang tak bebas) untuk j = 0, 1
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
iv. Statistik Uji

v. Keputusan
Tolak H0 karena nilai p-value (0.008) < α (0.05)
vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menjelaskan bahwa
terdapat minimal 1 pengaruh variabel independen terhadap variabel dependen
sehingga model layak digunakan.
Uji Parsial
i. Hipotesis
H0 : βj = 0 (Variabel bebas ke j tidak mempunyai pengaruh secara signifikan
terhadap variabel tidak bebas) untuk j = 0, 1
H1 : βj ≠ 0 (Variabel bebas ke j mempunyai pengaruh secara signifikan terhadap
 variabel tidak bebas) untuk j = 0, 1
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
iv. Statistik Uji

v. Keputusan

Variabel P-value Tanda α  Keputusan

width 0.01 <  0.05 Tolak H0

vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95%, data yang ada menjelaskan bahwa
variabel bebas width mempunyai pengaruh secara signifikan terhadap variabel tidak
bebas.

Dengan variabel dependen yaitu Y=spine, serta variabel independen yaitu X1 =

width, diperoleh model sebagai berikut:
 Model Peluang
exp ⁡(β 0 + β 1 x 1 )
π (x )=
1+exp ⁡(β 0+ β1 x 1)

exp ⁡(−7.526+0.234 x 1)
π (x )=
1+exp ⁡(−7.526+0.234 x 1 )
  Model Logit
g ( x )=β 0+ β1 x 1=−7.526+0.234 x 1

3. Bandingkan model yang diperoleh dari soal (1) dan (2) menggunakan uji goodness of
fit. Model manakah yang terbaik.
 A1
Uji Goodness of Fit

i. Hipotesis
H0 : Model cukup mampu menjelaskan data
H1 : Model tidak cukup mampu menjelaskan data
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
iv. Statistik Uji
p-value = 0.296
v. Keputusan
Gagal tolak H0 karena p-value = 0.296 > α = 0.05
vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menjelaskan bahwa
model cukup mampu menjelaskan data.

 A2 Spine terhadap Weight

Uji Goodness of Fit
 i. Hipotesis
H0 : Model cukup mampu menjelaskan data
H1 : Model tidak cukup mampu menjelaskan data
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
iv. Statistik Uji
p-value = 0.006
v. Keputusan
Gagal tolak H0 karena p-value = 0.006 < α = 0.05
vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menjelaskan bahwa
model tidak cukup mampu menjelaskan data.

 A2 Spine terhadap Width

Uji Goodness of Fit

i. Hipotesis
H0 : Model cukup mampu menjelaskan data
H1 : Model tidak cukup mampu menjelaskan data
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
 Tolak H0 jika p-value < α
iv. Statistik Uji
p-value = 0.769
v. Keputusan
Gagal tolak H0 karena p-value = 0.769 > α = 0.05
vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menjelaskan bahwa
model cukup mampu menjelaskan data.

Kesimpulan:
Diperoleh bahwa model A1 dan A2 (spine terhadap width) cukup mampu menjelaskan
data. Namun pada uji parsial yang signifikan hanya pada A2 (spine terhadap width)
maka model terbaik adalah A2 (spine terhadap width).

4. Jika dilakukan pemodelan menggunakan metode forward-wald, variabel apakah yang

masuk dalam model? Tuliskan modelnya.
Jawab:
Uji Signifikansi Parameter (Overall)
i. Hipotesis
H0 : β1 = 0 (Tidak ada pengaruh variabel bebas secara simultan terhadap variabel tak
bebas) untuk j = 0, 1, 2
H1 : Minimal ada satu βj ≠ 0 (ada pengaruh paling sedikit satu variabel bebas
terhadap variabel yang tak bebas) untuk j = 0, 1, 2
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
iv. Statistik Uji
 v. Keputusan
Tolak H0 karena nilai p-value (0.004) < α (0.05)
vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menjelaskan bahwa
terdapat minimal 1 pengaruh variabel independen terhadap variabel dependen
sehingga model layak digunakan.
Uji Parsial
i. Hipotesis
H0 : βj = 0 (Variabel bebas ke j tidak mempunyai pengaruh secara signifikan
terhadap variabel tidak bebas) untuk j = 0, 1
H1 : βj ≠ 0 (Variabel bebas ke j mempunyai pengaruh secara signifikan terhadap
variabel tidak bebas) untuk j = 0, 1
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
iv. Statistik Uji

v. Keputusan

Variabel P-value Tanda α  Keputusan

Weight 0.006 >  0.05 Gagal Tolak H0

vi. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95%, data yang ada menjelaskan bahwa
variabel bebas weight mempunyai pengaruh secara signifikan terhadap variabel tidak
bebas.
Model

Dengan variabel dependen yaitu Y=spine, serta variabel independen yaitu X1 =

weight, diperoleh model sebagai berikut:
 Model Peluang
exp ⁡(β 0 + β 1 x 1 )
π (x )=
1+exp ⁡(β 0+ β1 x 1)

exp ⁡(−3.609+ 0.001 x 1)

π (x )=
1+exp ⁡(−3.609+0.001 x 1)

 Model Logit
g ( x )=β 0+ β1 x 1=−3.609+0.001 x1