ANALISIS REGRESI LOGISTIK UNTUK MENENTUKAN

FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN

BEASISWA BIDIKMISI UINSA

Ida Purwanti
H72215013
Latar Belakang
• tingginya animo masyarakat yang ingin melanjutkan pendidikannya ke
perguruan tinggi namun mengalami masalah keterbatasan biaya.
• Semakin tinggi pendidikan yang ditempuh semakin besar pula biaya
yang dibutuhkan termasuk pada perguruan tinggi.
• Kementerian Riset Teknologi dan Pendidikan Tinggi Republik Indonesia
(Kemenristekdikti) memberikan beasiswa Bidikmisi.
 Beasiswa Bidikmisi
• Beasiswa Bidikmisi merupakan program bantuan biaya yang diberikan pada mahasiswa
berstatus aktif, memiliki prestasi akademik maupun non akademik dan hidup dalam
perekonomian yang kurang mampu.
• Mahasiswa yang mendapatkan beasiswa Bidikmisi akan mendapatkan bantuan biaya meliputi
pembebasan SPP atau UKT dan biaya hidup selama menjalani perkuliahan.
 Regresi Logistik
• metode analisis multivariat yang dapat digunakan untuk mencari faktor-faktor yang berpengaruh
antara variabel bebas terhadap variabel terikatnya dengan variabel-variabelnya dapat berupa
kategorik.
1. diterima
Regresi logistik dikotom 0. tidak diterima

Persamaan regresi logistik : Persamaan untuk menghitung probabilitas individu :

1
𝑌 = 𝑎 + 𝛽1 𝑋1 + ⋯ + 𝛽𝑖 𝑋𝑖 𝑝=
1 + exp(− 𝑌 )
 Metode Penelitian
Data
• data jalur masuk
• prestasi akademik
• prestasi non akademik
• UKT
• tingkat penghasilan orang
tua
• 205 mahasiswa pendaftar
beasiswa Bidikmisi tahun
2017 UINSA Surabaya.
langkah- pengolahan data
1. Mengkategorikan variabel terikat dan
variabel bebas.
2. Melakukan uji multikolinearitas.
3. Melakukan uji serentak antara variabel
bebas terhadap variabel terikatnya.
4. Melakukan uji ketepatan klasifikasi.
5. Melakukan uji parsial dan pemilihan
model terbaik.
6. Melakukan analisis pengaruh OR setiap
variabel bebas yang berpengaruh
terhadap variabel terikatnya.
7. Membentuk model probabilitas
individu.
8. Menarik kesimpulan.
 Hasil & Pembahasan
1. Pengkategorian variabel

variabel jalur masuk Bebas numerik :

Tabel 1. Dependent Variable dikategorikan menjadi 5 • variabel prestasi
Encoding kategori, yaitu : akademik
Original Value Internal Value • UMPTKIN kode 1 • prestasi non
• SPMB kode 2 akademik
Tidak 0 • SPAN-PTKIN kode 3
• UKT
• SNMPTN kode 4
Ya 1
• SBMPTN kode 5.
• tingkat penghasilan
orang tua
2. Uji multikolinearitas
• diperoleh bahwa masing-
Tabel 3. Hasil Uji Multikolinearitas masing variabel bebas
menghasilkan nilai toleransi
yang lebih dari 0,1 dan nilai
VIF yang kurang dari 10.
• Sehingga dapat disimpulkan
bahwa tidak terjadi
multikolinearitas atau
kelima variabel bebas tidak
saling berhubungan.
 3. Uji Serentak
untuk mengetahui hubungan
antara variabel bebas dengan
variabel terikat secara H0 = variabel bebas tidak berhubungan signifikan
keseluruhan. dengan variabel terikatnya
H1= minimal ada satu variabel bebas yang
Tabel 4. Omnibus Tests of Model Coefficients berhubungan signifikan dengan variabel terikatnya
Chi-square Df Sig.

Step 13,358 5 ,020

Karena nilai sig. (0,020) < α (0,05) maka H0
ditolak sehingga dapat disimpulkan bahwa
Step 1 Block 13,358 5 ,020
minimal ada satu variabel bebas yang
Model 13,358 5 ,020 berhubungan dengan variabel terikatnya.
4. Uji Ketepatan Klasifikasi
Tabel 5. Model Summary Tabel 6. Classification Table

Step -2 Log likelihood Cox & Snell R Nagelkerke R

Square Square

1 112,081a ,274 ,472

kontribusi variabel bebas terhadap

variabel terikat sebesar 47% persentase ketepatan
sedangkan 53% dipengaruhi oleh model dalam
variabel lain yang tidak diteliti. mengklasifikasikan
Adapun variabel lain yang tidak observasi adalah 85,4%
terekap secara sistematis dan dapat yang artinya model
mempengaruhi penerimaan beasiswa yang terbentuk fit atau
Bidikmisi antara lain, jumlah saudara,
sesuai.
kepemilikan rumah, jumlah kendaraan
yang dimiliki, jumlah tegangan listrik,
biaya listrik dan air dalam 1 bulan.
5. Uji Parsial dan Pemilihan Model

Tabel 7. Variables in the Equation

Uji parsial : untuk mengetahui
hubungan secara individu variabel
bebas terhadap variabel terikat.

terdapat 2 variabel bebas yang berpengaruh terhadap variabel

keputusan penerimaan beasiswa Bidikmisi, yaitu prestasi akademik
dan tingkat penghasilan orang tua Karena nilai sig. variabel prestasi
akademik (0,045) dan tingkat penghasilan orang tua (0,008) < α (0,05).

Sehingga model yang terbentuk adalah :

𝑌 = 3,432 − 0,200𝑋1 + 0,533𝑋2
Dengan :
𝑋1 = variabel prestasi akademik
𝑋2 = variabel tingkat penghasilan orang tua
 6. Analisis pengaruh OR

• Prestasi akademik • Tingkat penghasilan orang tua

Odds subjek untuk diterimanya beasiswa
Bidikmisi adalah 0,818 kali odds subjek
yang berprestasi akademik satu poin di
bawahnya untuk diterima beasiswa
Bidikmisi.
Odds subjek untuk diterimanya beasiswa
Bidikmisi adalah 1,000 kali odds subjek
yang penghasilan orang tuanya satu
tingkat dibawahnya untuk diterima
beasiswa Bidikmisi.
7. Pembentukan Model Probabilitas Individu

Untuk mengetahui probabilitas setiap subjek untuk

diterimanya beasiswa Bidikmisi, maka dapat
menggunakan persamaan berikut :
1
𝑝=
1+exp[− 3,432−0,200𝑋1 +0,533𝑋2 ]
Dengan :
𝑋1 = variabel prestasi akademik
𝑋2 = variabel tingkat penghasilan orang tua
 Simpulan

Berdasarkan metode analisis regresi logistik, diperoleh bahwa dari 5

variabel bebas terdapat 2 variabel yang mempengaruhi keputusan
penerimaan beasiswa Bidikmisi tahun 2017 yaitu prestasi akademik
dan tingkat penghasilan orang tua. Variabel prestasi akademik
mempengaruhi keputusan penerimaan beasiswa Bidikmisi tahun 2017
sebesar 0,818 sedangkan variabel tingkat penghasilan orang tua
mempengaruhi keputusan penerimaan beasiswa Bidikmisi tahun 2017
sebesar 1,000.
 SEKIAN 
TERIMA KASIH