Jelaskan mengapa koefisien determinasi (R2) tidak digunakan sebagai evaluasi yang tepat pada

model logit dan untuk menggantikannya, jelaskan metode evaluasi apa yang digunakan!

Jawaban :

Model logit merupakan model berdasarkan distribusi logistik. Jadi model ini menggunakan
cumulative distribution function atau logistic distribution function sehingga dikenal dengan logistic
regression. Logistic Regression sebetulnya mirip dengan analisis diskriminan yaitu kita ingin menguji
apakah probabilitas terjadinya variabel dependen(terikat) dapat diprediksi dengan variabel
bebasnya. Logistic regression juga disebut dengan model regresi binary response karena variabel
dependen diukur dengan skala nominal dua kategori. Model logit ini harus diestimasi dengan
metode maximum likelihood. Uji kelayakan model logit menggunakan uji likelihood ratio (LR)
sedangkan uji signifikansi menggunakan uji Z. Metode maximum likelihood (ML) adalah mencari
koefisien regresi sehingga probabilitas kejadian dari variabel dependen bisa setinggi mungkin atau
bisa semaksimum mungkin. Besarnya probabilitas yang memaksimumkan kejadian ini disebut
dengan log of likelihood (LL). Evaluasi hasil metodeML yang digunakan dalam regresi logistik yakni
penilaian goodness fit model regresi, uji kelayakan model yaitu uji pegaruh semua variabel
independen secara serentak terhadap variabel dependen (overall model fit) dan uji signifikansi
pengaruh variabel independen terhadap variabel dependen secara individual (significance test).
Dalam Goodness of Fit terdapat dua ukuran yang sering digunakan untuk mengevaluasi kebaikan
garis regresi yakn Log of Likelihood dan Pseudo R 2.

Goodness of fit dalam regresi logistik adalah untuk mengetahui kebaikan model sebagaimana uji
goodness of fit model regresi linier beganda metode OLS dengan menggunakan ukuran koefisien
determinasi. Koefisien determinasi (R2) di dalam regresi logistik mengukur proporsi varian di dalam
variabel dependen yang dijelaskan oleh variabel independen. Namun, Koefisien Determinasi R 2
sebagai ukuran kebaikan garis regresi adalah ukuran yang kurang baik (poor measure) di dalam
regresi logistik, tidak sebagaimana pada koefisien didalam regresi linear. Sebagai pengganti R 2
sebagai ukuran kebaikan garis regresi didalam regresi logistik disebut dengan ukuran yang palsu
(Pseudo R2). Ada dua ukuran Pseudo R 2 ini yang bisa digunakan untuk mengukur kebaikan garis
regresi didalam model regresi logistik yaitu Pseudo R 2 Cox and Snell, Pseudo R2 Nagelkerke dan
McFadden R2.

Pendapat lain yang menyatakan kenapa penggunaan Koefisien Determinasi R 2 tidak tepat adalah
karena saat menganalisis data dengan logistic regression, statistik yang setara dengan R-squared
does not exist. Perkiraan model dari regresi logistik adalah perkiraan maximum likelihood yang
dicapai melalui proses berulang (iterative process). Mereka tidak dihitung untuk meminimalkan
varians, sehingga pendekatan OLS untuk goodness-of-fit tidak berlaku. Namun, untuk mengevaluasi
kecocokan model logistik, beberapa pseudo R-squareds telah dikembangkan. Ini adalah "“pseudo” R-
squareds karena mereka terlihat seperti R-squareds dalam arti bahwa mereka berada pada skala
yang sama, mulai dari 0 hingga 1 (meskipun beberapa pseudo R-squareds tidak pernah mencapai 0
atau 1) dengan nilai yang lebih tinggi menunjukkan better model fit, tetapi mereka tidak dapat
ditafsirkan sebagai orang akan menafsirkan OLS R-squareds dan pseudo R-squareds yang berbeda
dapat mencapai nilai yang sangat berbeda. Jadi bisa juga dikatakan bahwa logistic regression
merupakan model yang bukan minimize varians tetapi maksimum likelihood. Sedangkan R 2
merupakan model yang terkait dengan minize varians hal ini karena ketika Y-Y(hat) hasilnya semakin
kecil, maka R2 nya akan naik. Artinya kemampuan model dalam melakukan prediksi dependent
variable makin baik. Hal ini berbeda dengan logistic regression yang menggunakan maksimum
likelihood. Maka dari itu seperti yang sudah dijelaskan sebelumnya penggantinya menggunakan
Pseudo R2 yang bisa dalam bentuk Pseudo R 2 Cox and Snell, Pseudo R 2 Nagelkerke dan McFadden R 2.
Pendapat lain juga ada yang mengatakan bahwa karena variabel dependennya itu merupakan skala
nominal, jadi tidak bisa langsung dianalisis menggunakan R 2.

Referensi :
Modul UT Ekonometrika (5.25 – 5.26) dan Elaborasi Mahasiswa
https://stats.oarc.ucla.edu/other/mult-pkg/faq/general/faq-what-are-pseudo-r-squareds/