Nama anggota kelompok : Gian Binarta Saputera (21611176)

Rio Wahyu Saputra (21611177)

Berliana Astri Pitaloka (21611180)

1. Lakukan analisis regresi logistik Multinomial untuk mengetahui pengaruh ukuran dan jenis
kelamin terhadap kesukaan jenis makanan Gambarlah persamaan yang diperoleh. Dan
hitung prediksi proporsi pada masing-masing jenis makanan pada alligator Jantan dengan
ukuran 2 meter.
➢ Uji Fit Model
• Hipotesis
𝐻0 ∶ Perlakuan tidak berpengaruh terhadap respon
𝐻1 ∶ Minimal terdapat satu perlakuan berpengaruh terhadap respon
• Tingkat signifikansi
𝛼 = 5% = 0.05
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji

• Keputusan
Diperoleh p-value (0.754) > 𝛼 (0.05) maka gagal tolak 𝐻0
• Kesimpulan
 Dengan menggunakan tingkat kepercayaan 95% data yang ada didapatkan
hasil gagal tolak 𝐻0 artinya model sesuai dengan data atau minimal terdapat satu
perlakuan berpengaruh terhadap respon.

➢ Uji Parsial
• Hipotesis

𝐻0 ∶ 𝛽𝑖 = 0 (𝑖 = 0,1,2)

𝐻1 ∶ 𝛽𝑖 ≠ 0 (𝑖 = 0,1,2)

• Tingkat signifikansi
𝛼 = 5% = 0.05
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji

Keputusan
Pada perlakuan model intercept dan panjang didapatkan hasil p-value (0.000)
< 𝛼 (0.05) maka tolak 𝐻0 sedangkan pada perlakuan model jenis kelamin
didapatkan hasil p-value (0.912) > 𝛼 (0.05) maka gagal tolak 𝐻0.

• Kesimpulan
 Dengan menggunakan tingkat kepercayaan 95% data yang ada pada
perlakuan model intercept dan panjang didapatkan hasil tolak 𝐻0 yang artinya
signifikan terhadap model sedangkan pada perlakuan model jenis kelamin gagal
tolak 𝐻0 yang artinya tidak signifikan terhadap model.

➢ Uji Signifikansi
• Hipotesis

𝐻0 ∶ 𝛽𝑖 = 0 (𝑖 = 0,1,2)

𝐻1 ∶ 𝛽𝑖 ≠ 0 (𝑖 = 0,1,2)

• Tingkat signifikansi
𝛼 = 5% = 0.05
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistic uji

• Keputusan
Diperoleh p-value 0.001 < 0.05 maka tolak 𝐻0
• Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada didapatkan
hasil tolak 𝐻0 artinya data signifikan terhadap model.
 ➢ Nilai R-Square

Pada output diatas dapat dilihat bahwa diperoleh nilai Nagelkere R-Square sebesar
0.333 artinya kemampuan variabel independen dalam menjelaskan variabel dependen
adalah sebesar 33.3% sedangkan 66.7% merupakan faktor lain diluar model yang
menjaskan variabel dependen.

➢ Model yang diperoleh

Pada output di atas diperoleh perhitungan sebagai berikut

Logit 1

logit(𝜋(𝑥)) = ( 𝜋(𝑥) ) = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2

1 − 𝜋(𝑥)

logit(𝜋(𝑥)) = 2.277 + 0.380𝑋1 − 0.370𝑋2

Logit 2

logit(𝜋(𝑥)) = ( 𝜋(𝑥) ) = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2

1 − 𝜋(𝑥)

logit(𝜋(𝑥)) = 6.592 + 0.256𝑋1 − 2.847𝑋2

Menghitung prediksi proporsi pada masing-masing jenis makanan pada alligator Jantan
dengan ukuran 2 meter.

exp (logit(𝜋(𝑥)))
𝜋(𝑥) =
1 + exp (logit(𝜋(𝑥)))

exp (2.277 + 0.380𝑋1 − 0.370𝑋2)

𝜋(𝑥) =
1 + exp (6.592 + 0.256𝑋1 − 2.847𝑋2)

exp (2.277 + 0.380(1) − 0.370(2))

𝜋(𝑥) =
1 + exp (6.592 + 0.256(1) − 2.847(2))

exp (1.917)
𝜋(𝑥) =
1 + exp (1.917)

𝜋(𝑥) =0.8718

Diperoleh prediksi proporsi pada jenis makanan fish pada aligator jantan dengan
ukuran 2 meter seebesar 0.8718.

exp (logit(𝜋(𝑥)))
𝜋(𝑥) =
1 + exp (logit(𝜋(𝑥)))

exp (6.592 + 0.256𝑋1 − 2.847𝑋2)

𝜋(𝑥) =
1 + exp (6.592 + 0.256𝑋1 − 2.847𝑋2)

exp (6.592 + 0.256(1) − 2.847(2))

𝜋(𝑥) =
1 + exp (6.592 + 0.256(1) − 2.847(2))

exp (1.154)
𝜋(𝑥) =
1 + exp (1.154)

𝜋(𝑥) = 0.76024

Diperoleh prediksi proporsi pada jenis makanan invertebrata pada aligator Jantan
dengan ukuran 2 meter seebsar 0.76024.

𝜋(𝑥) = 1 − (0.8718 + 0.76024)

𝜋(𝑥) = −0.63204
 Diperoleh prediksi proporsi pada jenis makanan selain fish dan invertebrata pada aligator
Jantan dengan ukuran 2 meter sebesar -0.63204.

2. Regresi Ordinal
Lakukan analisis regresi logistic ordinal untuk mengetahui pengaruh ukuran dan jenis
kelamin terhadap kesukaan jenis makanan Gambarlah persamaan yang diperoleh. Dan
hitung prediksi proporsi pada masing-masing jenis makanan pada alligator Jantan
dengan ukuran 2 meter.
➢ Uji Overal
• Hipotesis

𝐻0 ∶ 𝛽 1 = 𝛽 2 = 0

𝐻1 ∶ 𝛽𝑖 ≠ 0 (𝑖 = 1,2)

• Tingkat signifikansi
𝛼 = 5% = 0.05
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistic uji

• Keputusan
Diperoleh p-value 0.204 > 0.05 maka gagal tolak 𝐻0
• Kesimpulan
 Dengan menggunakan tingkat kepercayaan 95% data yang ada didapatkan
hasil gagal tolak 𝐻0 artinya tidak terdapat pengaruh variabel independent secara
simultan terhadap model.
➢ Uji Parsial
• Hipotesis

𝐻0 ∶ 𝛽𝑖 = 0 (𝑖 = 1,2)

𝐻1 ∶ 𝛽𝑖 ≠ 0 (𝑖 = 1,2)

• Tingkat signifikansi
𝛼 = 5% = 0.05

• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistic uji

• Keputusan
Pada perlakuan model panjang didapatkan hasil p-value (0.085) > 𝛼 (0.05)
maka gagal tolak 𝐻0, pada perlakuan model jenis kelamin = 0 didapatkan hasil p-
value (0.754) > 𝛼 (0.05) maka gagal tolak 𝐻0, sedangkan pada perlakuan model jenis
kelamin = 1 didapatkan hasil p-value (0.000) < 𝛼 (0.05) maka tolak 𝐻0.

• Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada pada perlakuan
model panjang dan jenis kelamin = 0 didapatkan hasil gagal tolak 𝐻0 artinya
koefisien regresi tidak signifikan terhadap model, sedangkan pada perlakuan model
jenis kelamin = 1 didapatkan hasil tolak 𝐻0 artinya koefisien regresi signifikan
terhadap model.
➢ Uji Fit Model (Uji Kecocokan Model)
• Hipotesis
 𝐻0 ∶ Model regresi layak digunakan
𝐻1 ∶ Model regresi tidak layak digunakan
• Tingkat signifikansi
𝛼 = 5% = 0.05
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistic uji

• Keputusan
Diperoleh p-value (0.030) < 𝛼 (0.05) maka tolak H0
• Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada
didapatkan hasil tolak 𝐻0artinya model tidak sesuai dengan data.

➢ Uji Parallel Lines

• Hipotesis
𝐻0 ∶ Hubungan variabel independent terhadap model logit sama
𝐻1 ∶ Hubungan variabel independent terhadap model logit tidak sama
• Tingkat signifikansi
𝛼 = 5% = 0.05
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistic uji
 • Keputusan
Diperoleh p-value (0.000) < 𝛼 (0.05) maka tolak H0
• Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada
didapatkan hasil tolak 𝐻0 artinya hubungan variabel independent terhadap model
logit tidak sama.

➢ Model

𝑋1 = 𝑃𝑎𝑛𝑗𝑎𝑛𝑔

(0) 𝑋2 = 𝐽𝑒𝑛𝑖𝑠 𝐾𝑒𝑙𝑎𝑚𝑖𝑛 𝐵𝑒𝑡𝑖𝑛𝑎

(1) 𝑋2 = 𝐽𝑒𝑛𝑖𝑠 𝐾𝑒𝑙𝑎𝑚𝑖𝑛 𝐽𝑎𝑛𝑡𝑎𝑛

Model logit = 𝛽0 + 𝛽1 + 𝛽2 + 𝛽3 + 𝛽4 + 𝛽5
SPSS logit = 𝛽0 − 𝛽1 − 𝛽2 − 𝛽3 − 𝛽4 − 𝛽5

Maka dikalikan negative terlebih dahulu dari 𝛽1.

Makanan = I

𝐺(𝑌2) = 0.838 + 0.661𝑋1 − 0.176𝑋20 − 0𝑋21

𝐺(𝑌2) = 0.838 + 0.661𝑋1 − 0.176𝑋20

Makanan = F

𝐺(𝑌2) = −1.075 + 0.661𝑋1 − 0.176𝑋20 − 0𝑋21

𝐺(𝑌2) = −1.075 + 0.661𝑋1 − 0.176𝑋20

Proporsi

Hitung prediksi proporsi pada masing-masing jenis makanan pada aligator Jantan dengan
ukuran 2 meter.

Makanan = I

𝐺(𝑌2) = 0.838 + 0.661𝑋1 − 0.176𝑋20

exp (logit(𝜋(𝑥)))
𝜋(𝑥) =
1 + exp (logit(𝜋(𝑥)))

exp (0.838 + 0.661𝑋1 − 0.176𝑋20)

𝜋(1) =
1 + exp (0.838 + 0.661𝑋1 − 0.176𝑋20)

exp (0.838 + 0.661(2) − 0.176(0))

𝜋(1) =
1 + exp (0.838 + 0.661(2) − 0.176(0))

𝜋(1) = 0.335162

Makanan = F

𝐺(𝑌2) = −1.075 + 0.661𝑋1 − 0.176𝑋20

exp (logit(𝜋(𝑥)))
𝜋(𝑥) =
1 + exp (logit(𝜋(𝑥)))
 exp (−1.075 + 0.661𝑋1 − 0.176𝑋20)
𝜋(2) =
1 + exp (−1.075 + 0.661𝑋1 − 0.176𝑋20)

exp (−1.075 + 0.661(2) − 0.176(0))

𝜋(2) =
1 + exp (−1.075 + 0.661(2) − 0.176(0))

𝜋(2) = 0.561438

Makanan = O

𝜋(3) = 1 − (𝜋(1) + 𝜋(2)) = 0.1034

Diperoleh proporsi makanan untuk fish sebesar 0.561438, lalu untuk invertebrate
sebesar 0.335162 dan untuk lainnya sebesar 0,1034.