Pembahasan output SPSS

dari Regresi Logistik

 Case Processing Summary
Unweighted Casesa N Percent
Selected Cases Included in Analysis 50 100.0
Missing Cases 0 .0
Total 50 100.0
Unselected Cases 0 .0
Total 50 100.0
a. If weight is in effect, see classification table for the total
number of cases.

Pada Hasil output Case Processing Summary menjelaskan bahwa seluruh kasus
atau case ternyata teramati sebanyak 50 sampel, artinya tidak ada sampel yang
missing/hilang
 Dependent Variable Encoding
Original Value Internal Value
manfaat layanan pengobatan 0

tidak manfaat layanan pengobatan 1

Pada variabel terikat/depeden yaitu yang memanfaatkan layanan pengobatan kode 0 dan yang tidak
memanfaatkan layanan pengobatan kode 1
 Iteration Historya,b,c
Coefficients
Iteration -2 Log likelihood Constant
Step 0 1 41.423 -1.440
2 40.507 -1.773
3 40.496 -1.815
4 40.496 -1.815
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 40.496
c. Estimation terminated at iteration number 4 because parameter
estimates changed by less than .001.

Nilai -2 log likehood adalah sebesat 40.496 yang akan dibandingkan dengan nilai chi square pada taraf
signifikasni 0,05 dengan df sebesar N-1 dengan N adalah Jumlah Sampel, 50-1=49
 Iteration Historya,b,c,d
Coefficients
keyakinanterhadapp kepemilikanasuransik
Iteration -2 Log likelihood Constant elayanankesehatan esehatan persepsisakit
Step 1 1 40.598 -1.295 -.419 .160 -.242
2 39.240 -1.530 -.822 .286 -.442
3 39.175 -1.553 -1.013 .326 -.507
4 39.175 -1.553 -1.034 .329 -.510
5 39.175 -1.553 -1.034 .329 -.510
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 40.496
d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Apabila konstanta saja dimasukkan layak, semua variable bebas dimasukkan juga layak,
tapi ada penurunan -2 log likehood. Besar penurunan 40.496-39.175 = 1.321. SPSS juga
memberikan nilai tersebut.

Omnibus Tests of Model Coefficients

Chi-square df Sig.
Step 1 Step 1.321 3 .724
Block 1.321 3 .724
Model 1.321 3 .724
 Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step 0 Constant -1.815 .408 19.838 1 .000 .163

Variables not in the Equation

Score df Sig.
Step 0 Variables keyakinanterhadappelaya .759 1 .384
nankesehatan
kepemilikanasuransikese .285 1 .594
hatan
persepsisakit .107 1 .744
Overall Statistics 1.232 3 .745

Hasil output diatas merupakan Blok 0 atau blok permulaan yang merupakan proses inisialisasi artinya variable
keyakinan terhadap pelayanan kesehatan, kepemilikan asuransi kesehatan dan persepsi sakit belum dimasukkan
ke dalam model penelitian. Model ini adalah model persamaan logistik yang hanya menggunakan konstanta saja
untuk memprediksi responden masuk ke dalam kategori memanfaatkan pelayanan kesehatan atau tidak
memanfaatkan pelayanan kesehatan.
Berdasarkan output nilai signifikansi, konstanta yang dihasilkan adalah 0,000 (< 0,05) yang berarti bahwa dengan
menggunakan model persamaan sederhana (hanya konstanta saja) sudah mampu memberikan penjelasan
proporsi pemanfaatan layanan kesehatan.
 Iteration Historya,b,c,d
Coefficients
-2 Log
Iteration likelihood Constant keyakinanterhadappelayanankesehatan kepemilikanasuransikesehatan persepsisakit
Step 1 1 40.598 -1.295 -.419 .160 -.242
2 39.240 -1.530 -.822 .286 -.442
3 39.175 -1.553 -1.013 .326 -.507
4 39.175 -1.553 -1.034 .329 -.510
5 39.175 -1.553 -1.034 .329 -.510
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 40.496
d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Omnibus Tests of Model Coefficients

Chi-square df Sig.
Step 1 Step 1.321 3 .724
Block 1.321 3 .724
Model 1.321 3 .724

Nilai Sig. Model sebesar 0, 724. karena nilai sig lebih besar dari 5%, maka H0 diterima pada tingkat siginfikansi 5%
sehingga disiimpulkan bahwa variable bebas yang digunakan tidak memiliki pengaruh secara signifikan terhadap
variable terikat.
 Model Summary

Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square

1 39.175a .026 .047

a. Estimation terminated at iteration number 5 because parameter estimates changed

by less than .001.

Model dengan memasukkan tiga variabel independen ternyata telah terjadi

perubahan dalam penaksiran parameter (-2 Log Likehood) sebesar 39,175.
Jika dilihat dari nilai R-Square sebesar 0,026 atau 2,6% (Cox & Snell) dan 0,047
atau 4,7% (nagekerke). Dengan demikian 3 variable bebas, maka proporsi
yang memanfaatkan layanan kesehatan sebesar 4,7%.
Uji Chi square dari Hosmer and Lemeshow test.
Namun dalam penerapannya telah dilakukan
modifikasi. Hipotesisnya adalah : Hosmer and Lemeshow Test
H0 : model telah cukup menjelaskan data
(Goodness of fit)
H1 : Model Tidak cukup menjelaskan data Step Chi-square df Sig.
1 12.549 5 .058
Kriteria Uji:
Jika nilai sig. Lebih dari 0,05 (0,058>0,05)
maka H0 dapat diterima
 Persentase ketepatan model dalam
mengklasifikasikan observasi adalah 86%. Artinya
dari 50n observasi ada 43 orang yang tepat
klasifikasinya dinyatakan oleh model regresi
logistik

Classification Tablea,b
Observed
Predicted

kategori Percentage Correct

manfaat layanan tidak manfaat layanan
pengobatan pengobatan
Step 0 kategori manfaat layanan 43 0 100.0
pengobatan
tidak manfaat layanan 7 0 .0
pengobatan
Overall 86.0
Percentage
a. Constant is included in the
model.
b. The cut value is .500
 Variables in the Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for
EXP(B)

Lower Upper
Step 1a keyakinanterhadappelayanankesehatan -1.034 1.163 .790 1 .374 .356 .036 3.476
kepemilikanasuransikesehatan .329 .844 .151 1 .697 1.389 .265 7.268
persepsisakit -.510 .921 .307 1 .579 .600 .099 3.650
Constant -1.553 .659 5.562 1 .018 .212

a. Variable(s) entered on step 1:

keyakinanterhadappelayanankesehatan,
kepemilikanasuransikesehatan, persepsisakit.

Interpretasi odds rasio

1. Jika Keyakinan terhadap pelayanan kesehatan bertambah 1 maka kecenderungan pemanfaatan
layanan kesehatan menjadi 0,374 kali lipat
2. Jika kepemilikan asuransi kesehatan bertambah 1 maka kecenderungan pemanfaatan layanan
kesehatan menjadi 0,697 kali lipat
3. Jika persepsi sakit bertambah 1 maka kecenderungan pemanfaatan layanan kesehatan menjadi
0,579 kali lipat