ANALISIS REGRESI LOGISTIK MULTINOMIAL PADA

JENIS PELANGGARAN LALU LINTAS DI KOTA

SURABAYA

KELOMPOK 01
1. Ana Maulana (151061021)
2. Fitha Putih Ediastuti (151061030)
3. Frederikus Benmar Lega (151061008)
4. Kristoforus nailiu (141061023)
 Analisis Regresi Logistik

Analisis regresi logistik adalah metode regresi yang menggambarkan hubungan antara
beberapa variabel independen (explanatory) dengan sebuah variabel respon dikotomus
atau biner. Variabel respon/terikat (Y) pada metode regresi logistik dikatakan biner
karena terdiri atas dua kategori yaitu 0 dan 1. dimana variabel terikat/respon berskala
dikotomi. Skala dikotomi yang dimaksud adalah skala data nominal dengan dua kategori,
misalnya: Ya dan Tidak, Baik dan Buruk atau Tinggi dan Rendah.

Dimana p adalah kemungkinan bahwa Y = 1, dan X1, X2, Xn adalah variabel independen,
dan b adalah koefisien regresi.
 Model regresi logistik

Dengan g(x) = 𝛽0 + 𝛽1𝑋1 + ⋯ . +𝛽𝑝𝑋𝑝

Secara umum, bentuk dari fungsi logit dengan variabel respon yang terdiri dari tiga kategori adalah sebagai berikut :
gj(x) = 𝛽j0 + 𝛽𝑗1𝑋1 + ⋯ . +𝛽𝑗𝑝𝑋𝑝
Cumulative Logit Models didapatkan dengan membangdingkan peluang kumulatif yaitu peluang dari atau sama dengan
kategori respon ke-j pada p variabel prediktor yang dinyatakan dalam vektor xi P(Y≤j|xi) dengan peluang lebih besae dari
kategori respon ke-j, P(Y>j|xi) (Hosmer dan Lemeshow,2000).

Berikut rumus cumulative logit models.

 Regresi Logistik Multinomial (Multinomial Logistic Regression)

Regresi logistik multinomial atau disebut juga model logit politomus adalah model regresi yang
digunakan untuk menyelesaikan kasus regresi dengan variabel dependen berupa data kualitatif
berbentuk multinomial (lebih dari dua kategori) dengan satu atau lebih variabel independen.

Langkah-langkah didalam metode analisis regresi model ini yang harus dilakukan, adalah :

• Pertama, lakukan pengujian terhadap parameter secara simultan untuk dapat mengetahui
kecocokan dari model analisis tersebut.
• Kedua, lakukan pengujian terhadap parameter secara parsial untuk dapat mengetahui mana
peubah bebas yang paling berpengaruh didalam model tersebut.
• Ketiga, lakukan interpretasi pada nilai rasio kecenderungan yang sudah terbentuk.
Suatu variabel respon dengan tiga kategori akan membentuk dua persamaan logit, dimana masing-masing persamaan ini
membentuk regresi logistik multinomial yang membandingkan suatu kelompok kategori terhadap pembanding, yaitu
sebagai berikut :
Sehingga didapatkan peluang untuk masing-masing
kategori respon sebagai berikut :

Metode kemungkinan nilai maksimum (Maximum Likelihood Estimator) merupakan metode yang digunakan untuk
menaksir parameter-parameter model regresi logistik dengan memberikan nilai estimasi 𝛽 dengan memaksimumkan
fungsi Likelihood (Agresti, 2002). Berikut fungsi Likelihood untuk sampel dengan n sampel random.

Dari persamaan diatas diperoleh fungsi ln-Likelihood sebagai berikut :

Maksimum ln-Likelihood diperoleh denganmendiferensialkan L(𝛽) terhadap 𝛽 dan
menyamakan dengan nol. Maximum Likelihood Estimator (MLE) merupakan metode
untuk mengestimasi varians dan kovarians dari taksiran 𝛽 yangdiperoleh dari turunan
kedua fungsi ln-Likelihood. Untuk mendapatkan nilai tersebut digunakan metode iterasi
Newton Raphson (Agresti, 2002). Formulasi iterasi Newton Raphson adalah sebagai
berikut :
𝛽 (𝑡+1) = 𝛽 (𝑡) − (𝐻 𝑡 ) −1 𝑞 (𝑡)
Dengan H merupakan matriks Hessian :
 Pengujian Parameter Secara Serentak

Menurut Hosmer dan Lemeshow (2000), parameter yang Pengujian secara serentak digunakan untuk
telah diperoleh perlu diuji signifikansinya, dengan mengetahui pengaruh variabel prediktor dalam
melakukan pengujian statistik. Dalam model regresi model secara bersama-sama.
logistik terdapat dua jenis pengujian yaitu pengujian
secara serentak dan pengujian secara parsial. Pengujian
yang dilakukan adalah sebagai berikut :

Rumus umum untuk menguji Hipotesis :

H0 :𝛽1 = 𝛽2 = ⋯ = 𝛽𝑘
H1 : minimal ada satu 𝛽 ≠ 0
Statistik Uji :

Dimana statistic G secara teoritis mengikuti sebaran 𝑋 2

Daerah Penolakan : H0 ditolak jika Ghitung > 𝑋 2 𝛼, 𝑘
 Pengujian Parameter Secara Parsial

Pengujian parsial dilakukan untuk mengetahui apakah variabel

prediktor berpengaruh signifikan atau tidak terhadap variabel
respon. Uji ini dimaksudkan untuk melihat apakah suatu
variabel prediktor layak masuk dalam model (Agresti, 2002).

Hipotesis yang di uji adalah = H0 : 𝛽1 = 0 𝑣𝑠 H1

: 𝛽1 ≠ 0
෢
𝛽𝑡
Statistic Uji : W = ෢
𝑆𝐸(𝛽𝑡)
Daerah Kritis : H0 ditolak jika Whitung > Z𝛼/2
 Goodness of Fit

Dari estimasi model regresi logistik yang telah

diperoleh, selanjutnya dicari seberapa besar
kesesuaian model dalam menjelaskan variabel
respon. Menurut Hosmer dan Lemeshow (2000),
terdapat statistik uji yang digunakan untuk menguji
kesesuaian model regresi logistik

• Hipotesis
Ho : Model yang digunakan layak
H1 : Model yang digunakan tidak layak
• Statistik uji :

Kriteria penolakan (Tolak H0) adalah jika 𝑐Ƹ > 𝑋a,df dengan derajat
bebas adalah db = p-(k+1) dimana k adalah jumlah variabel
prediktor
 Studi Kasus
No X1 (Keputusan pemilihan provider) X2 (usia) X3 (Pekerjaan) X4 (Jenis Kelamin) Y (Kekuatan Sinyal)
1 20 1 5 5 3
2 18 2 5 4 3
3 18 2 5 5 3
4 21 1 5 5 2
5 21 1 5 3 2
6 20 1 5 5 1
7 20 1 5 5 3
8 21 2 5 5 2
9 21 1 5 5 1
10 40 1 1 4 1
11 37 1 4 4 2
12 19 2 2 5 1
13 39 1 4 4 2
14 43 2 4 3 3
15 46 2 1 4 2
16 37 2 2 4 2
17 20 2 2 4 2
18 27 1 3 4 1
19 52 2 1 3 1
20 30 1 3 5 2
21 21 1 4 3 1
22 22 1 5 5 2
23 22 1 5 5 1
24 45 1 4 5 1
25 61 1 6 5 1
26 22 1 2 3 3
27 47 2 2 5 1
28 17 1 7 4 1
29 17 2 7 4 3
30 17 2 7 5 1
31 62 1 6 4 3
32 54 2 1 5 1
33 22 2 2 5 1
34 48 2 1 5 1
35 37 2 4 5 1
36 42 2 3 5 2
37 44 2 3 5 2
38 44 2 4 4 2
39 21 1 2 3 3
40 47 2 1 4 1
-Variabel y (Keputusan Pemilihan Provider)
Terdiri dari beberapa kategorik :
1 = Telkomsel
2 = Indosat
3 = XL Comindo
-Variabel X1 (Usia)
-Variabel X2 (Jenis Kelamin)
1 = Laki-Laki
2 = Perempuan
-Variabel X3 (Pekerjaan)
Terdiri dari beberapa kategorik :
1 = Pegawai Negri
2 = Pegawai Swasta
3 = TNI
4 = Wirasuwasta
5 = Mahasiswa
6 = Pensiunan
7 = Pelajar
-Variabel X4 (Kekuatan Sinyal)
3 = Biasa
4 = Baik
5 = Sangat Baik
Penyelsaian
 Persamaan model untuk Indosat

𝜋2
𝐿𝑜𝑔 = 𝛼2 + 𝛽1 𝑥1+……..+𝛽𝑛 𝑥𝑛
𝜋1
= 0,2841975 + 0,08437452 𝑋1 [+ 1,573142 𝑋2 𝑃𝑒𝑟𝑒𝑚𝑝𝑢𝑎𝑛 + 3,832849 𝑋3 𝑃𝑒𝑔𝑎𝑤𝑎𝑖 𝑆𝑤𝑎𝑠𝑡𝑎
+ 6,305385 𝑋3 𝑇𝑁𝐼 + 3,823905 𝑋3 𝑊𝑖𝑟𝑎𝑠𝑤𝑎𝑠𝑡𝑎 + 7,476902 𝑋3 𝑀𝑎ℎ𝑎𝑠𝑖𝑠𝑤𝑎 − 6,99291 𝑋3 𝑃𝑒𝑛𝑠𝑖𝑢𝑛𝑎𝑛
− 6,9836672 𝑋3 𝑃𝑒𝑙𝑎𝑗𝑎𝑟 − 1,900733 𝑋4

Persamaan model untuk XL colimbo

𝜋3
𝐿𝑜𝑔 = 𝛼3 + 𝛽1 𝑥1 +……..+𝛽𝑛 𝑥𝑛
𝜋1
= −2,7651621 + 0,02165734 𝑋1 + 2,393839 X2 [𝑃𝑒𝑟𝑒𝑚𝑝𝑢𝑎𝑛] + 12,930681 X3 𝑃𝑒𝑔𝑎𝑤𝑎𝑖 𝑆𝑤𝑎𝑠𝑡𝑎 −
3,210491 X3 𝑇𝑁𝐼 + 12,137752 X3 [𝑊𝑖𝑟𝑎𝑠𝑤𝑎𝑠𝑡𝑎] + 17,484472 X3 [𝑀𝑎ℎ𝑎𝑠𝑖𝑠𝑤𝑎] +15,74282 X3 [𝑃𝑒𝑛𝑠𝑖𝑢𝑛𝑎𝑛]
+ 13,651336 X3 [𝑃𝑒𝑙𝑎𝑗𝑎𝑟]−3,179908 X4

𝜋3
𝐿𝑜𝑔 = (𝛼2 −𝛼3 ) + (𝛽3 −𝛽2 )𝑥 + ⋯ (𝛽3 −𝛽2 )𝑛
𝜋2
= 3.049 + 0,062 𝑋1 − 0,82 𝑋2 𝑃𝑒𝑟𝑒𝑚𝑝𝑢𝑎𝑛 − 9.098 𝑋3 𝑃𝑒𝑔𝑎𝑤𝑎𝑖 𝑆𝑤𝑎𝑠𝑡𝑎 + 9.515 𝑋3 𝑇𝑁𝐼
− 8.314 𝑋3 𝑊𝑖𝑟𝑎𝑠𝑤𝑎𝑠𝑡𝑎 − 10.008 𝑋3 𝑀𝑎ℎ𝑎𝑠𝑖𝑠𝑤𝑎 + 10.75 𝑋3 𝑃𝑒𝑛𝑠𝑖𝑢𝑛𝑎𝑛 − 20.634 𝑋3 𝑃𝑒𝑙𝑎𝑗𝑎𝑟
+ 1.279 𝑋4
 Langkah-Langkah Mencari Model Terbaik

Menghitung nilai model MLM.2=

multinomial (Y ~ X1), untuk melihat nilai
Deviance

Menghitung nilai model MLM.3=

multinomial (Y ~ X2), untuk melihat nilai
Deviance
 Menghitung nilai model MLM.5=
multinomial (Y – X4), untuk melihat nilai
Deviance

Menghitung nilai model MLM.4=

multinomial (Y – X3), untuk melihat
nilai Deviance
 Dari hasil pengurangan, diperoleh nilai
terkecil yaitu pada variabel X3, maka
variabel X3 adalah variabel yang terpilih
atau model yang terbaik.
Dari hasil pengurangan, diperoleh
nilai terkecil yaitu dimodel MLM.8
pada variabel (X3,X4). Sehingga
diperoleh model yang terbaik yaitu
MLM.8
 Uji Signifikan

 Hipotesis
H0 : Variabel Xi tidak berpengaruh signifikan terhadap variabel Y
H1 : Variabel Xi berpengaruh signifikan terhadap variabel Y
 Daerah Kritis
H0 ditolak jika P-Value < α
NB: α=0,05
 Kesimpulan:
 Dari hasil output P-Value dapat disimpulkan bahwa Pekerjaan TNI, Wiraswasta, Mahasiswa,
Pensiunan, Pelajar dan kekuatan sinyal berpengaruh signifikan terhadap keputusan pemilihan
provider indosat.
 Dari hasil output P-Value dapat disimpulkan bahwa Pekerjaan TNI, Wiraswasta, Mahasiswa,
Pensiunan, Pelajar, dan kekuatan sinyal berpengaruh signifikan terhadap keputusan pemilihan
provider XL comindo