Nama : Fina Kartika Sari

NIM : 20080554014
Kelas : PE 2020B

1. Analisis Regresi Logit dengan Variabel Dummy

“Pengaruh Pendidikan, Pengalaman Kerja, Jenis Kelamin, dan Suku Terhadap Peluang
Diterima Kerja Bagian Produksi”

Model 3: Logit, using observations 1-70

Dependent variable: Diterimakerja
Standard errors based on Hessian
Coefficient Std. Error z p-value
const −7,93004 2,67998 −2,959 0,0031 ***
Pendidikan 0,115610 0,0647515 1,785 0,0742 *
PengalamanKerja 0,0988540 0,0422777 2,338 0,0194 **
DSuku_1 −0,513034 0,817027 −0,6279 0,5301
DSuku_2 −0,165969 0,907928 −0,1828 0,8550
DSuku_3 −0,196586 0,769194 −0,2556 0,7983
DJenisKelamin_1 −0,487588 0,561928 −0,8677 0,3856

Mean dependent var 0,614286 S.D. dependent var 0,490278

McFadden R-squared 0,179870 Adjusted R-squared 0,029899
Log-likelihood −38,27993 Akaike criterion 90,55986
Schwarz criterion 106,2993 Hannan-Quinn 96,81177

Number of cases 'correctly predicted' = 54 (77,1%)

f(beta'x) at mean of independent vars = 0,490
Likelihood ratio test: Chi-square(6) = 16,7911 [0,0101]
Predicted
0 1
Actual 0 17 10
1 6 37
Excluding the constant, p-value was highest for variable 7 (DSuku_2)

1. Dari hari diatas dapat diketahui bahwa variabel yang mempunyai pengaruh nyata yaitu
variabel Pendidikan dan variabel Pengalaman Kerja, karena nilai p-value variabel
pendidikan sebesar 0,0742 yang berarti < 0,1 dan variabel Pengalaman kerja sebesar
0,0194 yang berarti < 0,05. Sedangkan variabel Suku dan Jenis kelamin tidak signifikan.
2. Model diatas mampu memprediksi 54 kejadian atau 77,1%
3. Actual (kenyatan) tidak diterima dan diprediksi tidak diterima terdapat 17 orang
 Actual (kenyatan) tidak diterima dan diprediksi diterima terdapat 10 orang
Actual (kenyatan) diterima dan diprediksi tidak diterima terdapat 1 orang
Actual (kenyatan) diterima dan diprediksi diterima terdapat 37 orang

Model 2: Logit, using observations 1-70

Dependent variable: Diterimakerja
Standard errors based on Hessian
Coefficient Std. Error z Slope*
const −7,93004 2,67998 −2,959
Pendidikan 0,115610 0,0647515 1,785 0,0265309
PengalamanKerja 0,0988540 0,0422777 2,338 0,0226857
DSuku_1 −0,513034 0,817027 −0,6279 −0,121212
DSuku_2 −0,165969 0,907928 −0,1828 −0,0386191
DSuku_3 −0,196586 0,769194 −0,2556 −0,0454417
DJenisKelamin_1 −0,487588 0,561928 −0,8677 −0,111479

Mean dependent var 0,614286 S.D. dependent var 0,490278

McFadden R-squared 0,179870 Adjusted R-squared 0,029899
Log-likelihood −38,27993 Akaike criterion 90,55986
Schwarz criterion 106,2993 Hannan-Quinn 96,81177

*
Evaluated at the mean
Number of cases 'correctly predicted' = 54 (77,1%)
f(beta'x) at mean of independent vars = 0,490
Likelihood ratio test: Chi-square(6) = 16,7911 [0,0101]
Predicted
0 1
Actual 0 17 10
1 6 37
Excluding the constant, p-value was highest for variable 7 (DSuku_2)

2. Persamaan Regrasi:

Log (p / 1 – p) = a + b1 Pendidikan + b2 PengalamanKerja + b3 DSuku_1 + b4 DSuku_2 + b5

DSuku_3 + b6 DJenisKelamin_1 + e

Log (p / 1 – p) = −7,93004 + 0,0265309+ 0,0226857 − 0,121212 − 0,0386191 − 0,0454417 −

0,111479
Dari hasil diatas dapat disimpulkan bahwa kontribusinya:

1. Jika variabel Pendidikan meningkat 1 point maka rasio probabilitasnya diterima kerja
meningkat 0,0265309
2. Jika variabel Pengalaman Kerja meningkat 1 ponit maka rasio probabilitas diterima kerja
meningkat 0,0226857
3. Tidak ada perbedaan signifikan antara laki-laki dan perempuan terhadap rasio
probabilitas diterima.
4. Karena variabel suku tidak signifikan maka tidak ada pengaruh dari variabel suku
terhadap rasio probabilitas. Dengan demikian tidak ada perbedaan rasio probabilitas
diterima pada suku yang berbeda.

3.Model termasuk model yang baik, karena:

1) Model regresi memiliki nilai signifikan pada ANOVA sebesar < 0,05

Analysis of Variance:

Sum of squares df Mean square

Regression 3,66624 4 0,91656

Residual 12,9195 65 0,198761
Total 16,5857 69 0,240373

R^2 = 3,66624 / 16,5857 = 0,221048

F(4, 65) = 0,91656 / 0,198761 = 4,61137 [p-value 0,0024]

2) Prediksi yang digunakan sebagai variabel bebas layak

3) Koefisien regresinya signifikan

Model 3: Logit, using observations 1-70

Dependent variable: Diterimakerja
Standard errors based on Hessian
Coefficient Std. Error z p-value
const −7,93004 2,67998 −2,959 0,0031 ***
Pendidikan 0,115610 0,0647515 1,785 0,0742 *
PengalamanKerja 0,0988540 0,0422777 2,338 0,0194 **
DSuku_1 −0,513034 0,817027 −0,6279 0,5301
DSuku_2 −0,165969 0,907928 −0,1828 0,8550
DSuku_3 −0,196586 0,769194 −0,2556 0,7983
 DJenisKelamin_1 −0,487588 0,561928 −0,8677 0,3856

Mean dependent var 0,614286 S.D. dependent var 0,490278

McFadden R-squared 0,179870 Adjusted R-squared 0,029899
Log-likelihood −38,27993 Akaike criterion 90,55986
Schwarz criterion 106,2993 Hannan-Quinn 96,81177

4. Menentukan Model termasuk BLUE (Best Linear Unbiased Estimator) atau tidak
Menurut teorema Gauss-Markov (Carl Friedrich Gauss dan Andrey Markov) Residual tidak perlu
normal, tidak perlu independen ataupun terdistribusi secara identik, namun harus tetap tidak
berkorelasi dengan mean nol dan homoskedastik pada varian tertentu.
Asumsi Regresi ke 1
Pada model di atas setiap nilai Y berpasangan (sesuai) dengan nilai X
Asumsi Regresi ke 2
Pada model di atas nilai variabel Y berdistribusi normal
Asumsi Regresi ke 3
Pada model di atas jumlah pengamatan lebih besar dari jumlah variabel. Jumlah pengamatan ada
70 dan variabel ada 4
Asumsi Regresi ke 4
Pada model di atas nilai X-nya positif
Asumsi Regresi ke 5
Pada model di atas ditentukan dengan benar
Asumsi Regresi ke 6
Parameter model regresi diatas adalah linier.
Log (p / 1 – p) = a + b1 Pendidikan + b2 PengalamanKerja + b3 DSuku_1 + b4 DSuku_2 + b5
DSuku_3 + b6 DJenisKelamin_1 + e

Log (p / 1 – p) = −7,93004 + 0,0265309+ 0,0226857 − 0,121212 − 0,0386191 − 0,0454417 −

0,111479

Asumsi Regresi ke 7
Uji Heteroskedastisitas
White's test for heteroskedasticity
OLS, using observations 1-70
Dependent variable: uhat^2
 coefficient std. error t-ratio p-value
----------------------------------------------------------------
const −0,222776 2,25914 −0,09861 0,9218
Pendidikan −0,0326147 0,0921972 −0,3537 0,7250
PengalamanKerja 0,0383367 0,0422661 0,9070 0,3688
DSuku_1 0,846124 0,766687 1,104 0,2752
DSuku_2 1,58636 0,820092 1,934 0,0589 *
DSuku_3 0,753218 0,635008 1,186 0,2413
DJenisKelamin_1 −0,298782 0,517935 −0,5769 0,5667
sq_Pendidikan −5,85857e-05 0,00105880 −0,05533 0,9561
X2_X3 0,00105178 0,00108014 0,9738 0,3350
X2_X4 −0,0214718 0,0204114 −1,052 0,2980
X2_X5 −0,0366804 0,0209029 −1,755 0,0855 *
X2_X6 −0,0197597 0,0194039 −1,018 0,3135
X2_X7 0,0102293 0,0156343 0,6543 0,5160
sq_PengalamanKer~ −0,000856000 0,000464355 −1,843 0,0713 *
X3_X4 0,000116486 0,0103461 0,01126 0,9911
X3_X5 −0,00355333 0,0114774 −0,3096 0,7582
X3_X6 −0,00123718 0,0103800 −0,1192 0,9056
X3_X7 0,000101191 0,00851393 0,01189 0,9906
X4_X7 −0,233557 0,168617 −1,385 0,1723
X5_X7 −0,183351 0,175591 −1,044 0,3015
X6_X7 −0,0585605 0,155077 −0,3776 0,7073

Unadjusted R-squared = 0,257897

Test statistic: TR^2 = 18,052791,

with p-value = P(Chi-square(20) > 18,052791) = 0,583931

Hasil kedua uji tersebut diketahui bahwa nilai p-value lebih besar dari α (0,05). Dengan demikian
kita tidak menolak Ho yang menyatakan bahwa varians adalah sama, atau tidak terjadi gejala
heteroskedastisitas pada model penelitian.

Asumsi Regresi ke 8
Uji Multikolinieritas
Variance Inflation Factors
Minimum possible value = 1.0
Values > 10.0 may indicate a collinearity problem

Pendidikan 1,128
PengalamanKerja 1,198
DSuku_1 1,649
DSuku_2 1,583
DSuku_3 1,752
DJenisKelamin_1 1,035

VIF(j) = 1/(1 - R(j)^2), where R(j) is the multiple correlation coefficient

between variable j and the other independent variables

Belsley-Kuh-Welsch collinearity diagnostics:

--- variance proportions ---

lambda cond const Pendidik~ Pengalam~ DSuku_1 DSuku_2 DSuku_3 DJenisKe~
4,348 1,000 0,001 0,001 0,001 0,006 0,005 0,008 0,015
 1,008 2,077 0,000 0,000 0,000 0,002 0,362 0,100 0,006
1,001 2,084 0,000 0,000 0,000 0,318 0,032 0,089 0,000
0,464 3,060 0,000 0,001 0,001 0,034 0,004 0,064 0,857
0,156 5,273 0,006 0,009 0,014 0,613 0,593 0,730 0,079
0,015 16,935 0,084 0,230 0,958 0,025 0,003 0,003 0,024
0,008 23,811 0,909 0,760 0,025 0,002 0,001 0,006 0,020

lambda = eigenvalues of X'X, largest to smallest

cond = condition index
note: variance proportions columns sum to 1.0

Hasil uji VIF di atas menunjukkan bahwa tidak ada nilai VIF yang lebih besar dari 10. Dimana
nilai VIF untuk variabel Pendidikan adalah 1,128, variabel Pengalaman Kerja sebesar 1,198,
variabel DSuku_1 sebesar 1,649, variabel DSuku_2 1,583, variabel DSuku_3 1,752, dan variabel
DJenisKelamin_1 1,035. Dengan demikan model regresi ini terbukti tidak memiliki masalah
multikolinieritas.

Asumsi Regresi ke 9
Uji Normalitas
1,1
Test statistic for normality: relative frequency
N(-7,613e-017 0,45266)
Chi-square(2) = 9,214 [0,0100]
1

0,9

0,8

0,7

0,6
Density

0,5

0,4

0,3

0,2

0,1

0
-1 -0,5 0 0,5 1
uhat4

Hasil tes normalitas residual tersebut menghasilkan nilai X2 (chi-square) sebesar 9,214 sehingga
Ho ditolak (residual terdistribusi normal), otomatis nilai probabilitasnya juga lebih kecil dari
0,05 yaitu sebesar 0,0100. Ha diterima (residual tidak terdistribusi normal).

Jadi, dikarenakan model diatas tidak mememenuhi asumsi regresi ke 9, yaitu residu harus
didistribusikan secara normal, maka model regresi diatas tidak termasuk dalam model BLUE (Best
Linear Unbiased Estimator)