“LOGISTIC REGRESSION”
Dosen Pengampu:
Disusun Oleh:
Kelas 36 TI Reg B
2021
KATA PENGATAR
Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmatNYA sehingga makalah
ini dapat tersusun hingga selesai. Tidak lupa penulis juga mengucapkan banyak terima kasih atas
bantuan dari pihak yang telah berkontribusi dengan memberikan sumbangan baik materi maupun
pikirannya.
Harapan penulis semoga makalah ini dapat menambah pengetahuan dan pengalaman bagi
para pembaca, untuk ke depannya dapat memperbaiki bentuk maupun menambah isi makalah
agar menjadi lebih baik lagi.
Penulis
BAB I
PENDAHULUAN
A. Latar belakang
B. Rumusan masalah
Berdasarkan latar belakang di atas, dapat menyimpulkan rumusan masalah yaitu :
1. Apa pengertian Logistic Regression?
2. Apa fungsi Logistic Regression?
3. Jenis – jenis Logistic Regression?
C. Tujuan masalah
1. Untuk dapat mengetahui apa pengertian logistic regression.
2. Untuk dapat mengetahui apa fungsi logistic regression.
3. Untuk mengetahui apa jenis - jenis logistic regression.
BAB II
PEMBAHASAN
YM = 0 YM = 1
I II III IV
YM = 0 YM = 1
I II III IV
YM = 0 YM = 1
I II III IV
Kegiatan Respon
I II III IV
Model Pertama :
I II
Model Kedua :
I III
Model ketiga :
I IV
BAB III
PENUTUP
A. Kesimpulan
Model regresi adalah metode yang biasa digunakan pada prognosticates hubungan
barang antara lebih dari dua kelompok. Kendala dalam hal ini model adalah sifat dari
target yang seharusnya bernilai biner. Analog dengan regresi berganda, yang kuat dengan
teknik yang ditawarkan olehnya. Model regresi logistic juga menyediakan ANOVA
untuk jawaban tanpa gangguan. Fungsi independen variabel y1, y2, y3 ... yn dengan
respons yang biner di alam, adalah bagian dari keluarga eksponensial dengan “log (∏1 /
(1-∏1), …… log (∏n / (1-∏n) ”sebagai parameter kanonik kondisi ilmiah korelasi antara
kanonik parameter dan vektor variabel deskriptif x adalah dinyatakan sebagai persamaan
Log (∏i(1-∏i) = xβi.
DAFTAR PUSTAKA
Christensen R. 1997. Log-Linear Models and Logistic Regression, 2nd Ed. New York:
Springer-Verlag.
Hilbe JM. 2009. Logistic Regression Models. Boca Raton, FL: Chapman & Hall