Makalah K10 METLIT - Analisis Regresi Logistik [PDF]

Citation preview

MAKALAH METODOLOGI PENELITIAN “ANALISIS REGRESI LOGISTIK”



Disusun Oleh: Kelompok 10 Ira H. Puspita Prins



(18101105012)



Merliane V. Wurangian



(18101105034)



Evans Tatuhe



(18101105043)



Gloria S. Maukar



(18101105046)



PROGRAM STUDI FARMASI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SAM RATULANGI MANADO 2020



KATA PENGANTAR Puji dan syukur kami panjatkan kepada Tuhan Yang Maha Esa karena atas izin, rahmat dan karunia-Nya kami dapat menyelesaikan makalah yang berjudul “Analisis Regresi Logistik” ini dengan baik. Melalui makalah ini, kami berharap agar pembaca mampu lebih mengetahui regresi logistik dan cara penggunaannya dengan SPSS. Kami mengucapkan terimakasih kepada semua pihak yang telah membantu dalam proses penyusunan makalah ini. Demikian, makalah ini kami hadirkan dengan segala kelebihan dan kekurangan. Oleh sebab itu, kritik dan saran yang membangun demi perbaikan makalah ini, sangat kami harapkan. Semoga makalah ini dapat memberikan manfaat dan pengetahuan bagi para pembaca. Manado, November 2020 Tim Penulis



BAB I PENDAHULUAN 1.1



Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk



menganalisis hubungan antara dua atau lebih variabel. Pada analisis regresi terdapat dua jenis variabel yaitu variabel bebas dan variabel terikat. Berdasarkan pola hubungannya analisis regresi dibagi menjadi dua yaitu analisis regresi linear dan analisis regresi nonlinear. Data hasil penelitian yang berupa data kualitatif dapat dianalisis dengan regresi non-linear. Salah satu model regresi nonlinear adalah regresi logistik. Regresi logistik merupakan sebuah metode analisis statistik untuk menggambarkan hubungan antara variabel terikat dengan variabel bebas yang mempunyai dua atau lebih kategori dengan variabel terikat yang menggunakan skala kategorik maupun interval. Regresi logistik terbagi menjadi dua yaitu regresi logistik biner, regresi logistik multinominal dan regresi logistik ordinal. Regresi Logistik biner adalah suatu analisis regresi yang digunakan untuk menggambarkan hubungan antara variabel bebas dengan sekumpulan variabel terikat, dimana variabel terikat bersifat biner atau dikotomus. Variabel dikotomus adalah variabel yang hanya mempunyai dua kemungkinan nilai, misalnya sukses dan gagal. Sedangkan variabel bebas sering disebut juga dengan covariate. Hasil pengukuran suatu variabel sering mempunyai ciri berupa dua atau lebih kemungkinan nilai yang dikenal sebagai variabel kategorik. Variabel kategorik yang tidak memiliki urutan disebut sebagai variabel nominal sedangkan yang memiliki urutan disebut variable ordinal. Kedua jenis variabel ini, baik nominal maupun ordinal sering disebut juga sebagai variabel multinomial. Regresi logistik multinomial, yang tidak mempertimbangkan sifat ordinal data, juga dapat diterapkan untuk meneliti sebuah variabel ordinal namun memanfaatkan sifat ordinal data dapat meningkatkan kesederhanaan dan kekuatan model (Agresti, 2002).



1.2



Rumusan Masalah Berdasarkan latar belakang yang telah dijelaskan maka rumusan masalah



dari makalah ini adalah : 1. Apa yang dimaksud dengan regresi logistik? 2. Bagaimana langkah-langkah analisis regresi logistik dengan menggunakan SPSS? 1.3



Tujuan Penulisan Tujuan penulisan dari makalah ini yaitu : 



Untuk mengetahui pengertian regresi logistik







Untuk mengetahui dan memahami langkah- langkah analisis regresi dengan menggunakan SPSS.



BAB II ISI 2.1 Pengertian Analisis Regresi Logistik Regresi logistik merupakan salah satu jenis regresi yang menghubungkan antara satu atau beberapa variabel independen (variabel bebas) dengan variabel dependen yang berupa kategori; biasanya 0 dan 1. Jenis variabel independen berupa kategori inilah yang membedakan regresi logistik dengan regresi berganda atau regresi linear lainnya. Nilai kategori biasanya tertulis 0 dan 1, kebanyakan peneliti menggunakan regresi logistik untuk memproses 2 kategori saja. 0 biasanya digunakan untuk kategori “tidak” atau “belum”. Sedangkan angka 1 biasanya digunakan untuk mendeskripsikan responden yang bersesuaian dengan maksud penelitian. Apabila pada OLS mewajibkan syarat atau asumsi bahwa error varians (residual) terdistribusi secara normal. Sebaliknya, pada regresi logistik tidak dibutuhkan asumsi tersebut sebab pada regresi logistik mengikuti distribusi logistik. A.



Tujuan Menggunakan Regresi Logistik



1.



Menghitung peluang Persamaan yang diperoleh dari proses regresi logistik, dapat digunakan



untuk menghitung peluang responden diluar responden yang termasuk dalam penelitian. 2.



Melihat karakteristik Tujuan kedua ini sering digunakan untuk melihat perbedaan karakteristik



antara 2 kelompok. Tujuan melihat karakteristik ini biasanya membahas nilai odds ratio di masing masing variabel independen (nilai odds ratio adalah (exp(koefisien)) masing-masing variabel). 3.



Faktor Yang mempengaruhi Tujuan ketiga ini merupakan pengembangan dari tujuan kedua, peneliti



mampu mengetahui faktor yang mempengaruhi mengapa terdapat perbedaan antara kedua kelompok tersebut. Nilai odds ratio yang tinggi menandakan varaibel tersebut memiliki pengaruh yang tinggi terhadap pemilihan beda dari responden. Tujuan untuk mengetahui faktor yang mempengaruhi ini adalah diharapkan faktor



yang signifikan mempengaruhi tersebut merupakan faktor yang bisa diatur oleh peneliti atau pengambil kebijakan sehingga bisa menggiring responden lainnya untuk berbuat yang sama terhadap responden yang bernilai 1 sebelumnya. B.



Asumsi Regresi Logistik 



Regresi logistik tidak membutuhkan hubungan linier antara variabel independen dengan variabel dependen.







Variabel independen tidak memerlukan asumsi multivariate normality (asumsi bersifat normal)



 



Asumsi homokedastisitas tidak diperlukan Variabel dependen harus bersifat dikotomi (2 kategori, misal: tinggi dan rendah atau baik dan buruk)







Variabel independen tidak harus memiliki keragaman yang sama antar kelompok variabel







Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat eksklusif







Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50 sampel data untuk sebuah variabel prediktor (independen).







Dapat menyeleksi hubungan karena menggunakan pendekatan non linier log transformasi untuk mem prediksi odds ratio. Odd dalam regresi logistik sering dinyatakan sebagai probabilitas.



C.



Jenis Regresi Logistik Jenis-jenis regresi logistik terbagi 2 yaitu : regresi logistik biner, regresi



logistik multinomial dan regresi logistic ordinal. 1) Regresi logistik biner adalah suatu metode analisis data yang digunakan untuk mencari hubungan antara variabel respon (y) yang bersifat biner dengan variabel prediktor (x). Variabel respon y terdiri dari 2 kategori yaitu sukses dan gagal (Hosmer dan Lemeshow, 2000). 2)



Analisis regresi logistik multinomial merupakan regresi logistik yang digunakan saat variabel respon bersifat polychotomous atau multinomial, berskala nominal dan ordinal dengan lebih dari dua kategori. Model regresi untuk variabel respon yang lebih dari dua kategori harus memperhatikan skala pengukuran. Skala nominal dapat dinyatakan sebagai



ukuran yang tidak sebenarnya. Skor untuk setiap satuan pengamatan atau individu hanya merupakan tanda atau simbol yang menunjukkan kedalam kelompok atau kelas mana individu tersebut dikelompokkan. Misalnya, jenis kelamin dengan skor “1” untuk laki-laki dan “0” untuk perempuan. Skor 1 dan 0 hanya untuk membedakan antara kelompok yang satu dengan yang lainnya. Urutan, selisih, jumlah, dan operasi hitung lainnya terhadap data skala nominal tidak mempunyai arti (Hosmer dan Lemeshow, 2000). 3) Analisis regresi logistik ordinal merupakan salah satu metode statistika yang menggambarkan hubungan antara suatu variabel respon (Y) dengan lebih dari satu variabel prediktor (X) dimana variabel respon lebih dari dua kategori dan skala pengukuran bersifat tingkatan. 2.2 Langkah Langkah Analisis Regresi Logistik dengan SPSS 1) Analisis Regresi Logistik Biner Tahap-Tahap Regresi Logistik Biner 



Uji Overall (Omnibus Test of Model Coefficient) digunakan untuk melihat apakah terdapat pengaruh variabel independen secara simultan terhadap variabel dependen.







Uji Parsial (Variables in the Equation) digunakan untuk melihat apakah koefisien/konstanta regresi signifikan terhadap model







Menguji Kelayakan Model Regresi (Hosmer and Lemeshow Test) digunakan untuk melihat apakah model layak digunakan atau model sesuai dengan data.







Koefisien Determinasi (Model Summary) digunakan untuk melihat kemampuan variabel independen dalam menjelaskan variabel dependen







Classification Table.



Hipotesis H0: variabel independent tidak berpengaruh signifikansi terhadap variabel dependent H1 : variabel independent berpengaruh signifikansi terhadap variabel dependent Taraf Signifikansi α = 0,05 Kriteria keputusan



H0 ditolak jika p- value < 0,05 (α) H0 gagal ditolak jika p- value > 0,05 (α) Contoh Soal : Sebuah perusahaan mengadakan open recruitment untuk posisi karyawan baru yang ditujukan untuk fresh graduate. Penelitian dilakukan untuk melihat pengaruh nilai IPK, TOEFL dan keikutsertaan mengikuti training terhadap hasil kelulusan recruitment. Dimiliki variabel-variabel berikut. Hasil recruitment



: 1 jika LULUS, 0 jika TIDAK LULUS



Skor TOEFL



: Nilai TOEFL terakhir



Keikutsertaan training: 1 untuk MENGIKUTI TRAINING, 0 untuk TIDAK MENGIKUTI TRAINING IPK



: Indeks Prestasi Kumulatif



Pertanyaan : 



Lakukan analisis pengaruh nilai IPK , skor TOEFL, dan keikutsertaan mengikuti training leadership terhadap hasil kelulusan recruitment, bentuk model logit.











Interpretasikan nilai odds ratio masing-masing variable







Kesimpulan Buka aplikasi SPSS, Masukkan data yang akan di analisis, sebelumnya pada variable view masukkan nama jenis data yang akan di analisis. Seperti hasil recruitmen, IPK, skor TOEFL, keikutsertaan training.







Kemudian masukkan data yang akan di analisis







Analisis dari data yang telah dimasukkan dalam data view. Langkahnya adalah Analyze > Regression > Binary Logistic.







Masukkan Hasil recruitmen ke dalam kolom Dependent. IPK, Toefl, dan Training dimasukkan kedalam kolom Covariates. Dan menggunakan method Enter.







Klik Save > centang pada menu Predicted Values kolom Probabilities, Group



membership.



Dan



pada



Unstandardized > klik continue.



menu



Residuals



centang



kolom







Menu Option pada tampilan Logistic Regresion. Pada menu Statistics and Plots centang Classification plots, Hosmer-Lemeshow, Casewise listing of residuals, Correlations of estimate, iteration history, dan ci for exp(B) 95%. Pada menu Display pilih At each step > klik continue.







klik Ok maka akan muncul Outputnya pada aplikasi SPSS



Output 1.



Uji Overall



Uji Overall dipakai untuk melihat apakah variabel independent berpengaruh terhadap variabel dependent. Berikut adalah pembahasan uji overall pada tabel omnimus test of model coefficient :



Berdasarkan hasil diatas, dapat dilakukan uji overall. Berikut adalah uji overall : Hipotesis H0 : = 0 ; i = 1, 2, 3 (varariabel independen tidak berpengaruh terhadap variabel dependen) H1 : Minimal ada salah satu ≠ 0 ; i = 1, 2, 3 (minimal ada salah satu variabel independen berpengaruh terhadap variabel dependen) Tingkat signifikansi α = 5% Daerah kritis



Gagal tolak H0 jika Sig > α Statistik uji Sig ( 0,008) < α (0,05) · Keputusan maka tolak H0 · Kesimpulan Dengan α = 5% berdasarkan pada data bahwa minimal ada salah satu variabel independen berpengaruh terhadap variabel dependen. 2.



Uji Overall



Uji yang selanjutnya adalah uji overall yang keduapada tabel Model Summary, seperti pada gambar dibawah ini :



Dari hasil diatas, dapat dilakukan uji hipotesis dan nilai p-value dapat dilihat pada kolom Sig dalam masing — masing variabel. Berikut adalah uji overall kedua : Daerah kritis Tolak H0 jika -2 log likelihood > chi-square tabel Statistik uji -2 log likelihood ( 22,818) > chi-square tabel (5,203) Keputusan maka tolak H0 Kesimpulan Dengan α =5%. 0.635 > 0,05 berdasarkan pada data bahwa minimal ada salah satu variabel independen berpengaruh terhadap variabel dependen.



Block 1 Selanjutnya adalah uji parsial, dengan hasil yang telah diperoleh dari aplikasi SPSS yaitu output Block 1. Untuk uji ini pada tabel Variabel in thr Equation. Hasil tersebut berisi tentang variabel yang signifikansi terhadap variabel dependen, dengan cara mengeluarkan variabel yang tidak signifikan terhadap variabel dependen, variabel yang tidak signifikan yaitu variabel Toefl. Berikut adalah hasilnya dari SPSS :



Berdasarkan output dapat dilakukan uji hipotesis, nilai P-value didapatkan pada kolom Sig pada masing-masing variabel : Daerah Kritis Tolak H0 jika Sig < α Kesimpulan Gagal tolak HO Dengan α = 5% berdasarkan pada data bahwa variabel independen berpengaruh terhadap variabel dependen atau dapat dikatakan variabel IPK, TOEFL dan variabel keikutsertaan training berpengaruh terhadap variabel hasil Recruitment. 3.



Penentuan model



Setelah melakukan uji overall dan uji parsial diatas selanjutnya melakukan penentuan model yang di dapatkan pada output tabel variable in the equation kolom yang B, berikut adalah outputnya :



Dari hasil diatas dapat disusun bahwa model regresi logistic sebagai berikut, dengan X1 sebagai variabel IPK dan X2 sebagai variabel training sebagai variabel yang signifikan : π (x)=



exp(−1.880+ 2.168 X 1+1.880 X 2) 1+exp (−11.797+ 2.168 X 1+1.880)



Odds Ratio Pada kasus yang kedua yaitu menginterpretasikan nilai odds ratio untuk masing — masing variabel yang didapatkan hasil pada tabel variable in the equation pada kolom Exp(B).



Dari hasil gambar diatas didapatkan bahwa interpretasi kemungkinan hasil recruitmen karyawan diperusahaan akan memberikan keputusan untuk lulus diperusahaan dengan nilai IPK sebesar 8,738 kali dari karyawan yang tidak lulus. Dapat disimpulkan bahwa setiap penambahan 1 satuan nilai IPK akan menambah sebesar 8,738 pada variabel keputusan hasil recruitmen. Kemungkinan bahwa keikutsertaan training karyawan akan memberikan keputusan karyawan untuk lulus diperusahaan berdasarkan mengikuti training sebesar 0,153 kali dari karyawan yang tidak mengikuti training. Maka dapat disimpulkan bahwa setiap penambahan 1 satuan keikutsertaan training akan menambah sebesar 0,153 pada variabel keputusan hasil recruitmen. Uji kecocokan model Uji tersebut didapatkan pada hasil tabel hosmer and lomeshow test. Berikut adalah tabelnya :



Daerah kritis Tolak H0 jika Sig < α · Statistika uji p-value = 0,635 > α = 0,05 · Keputusan gagal tolak H0 · Dengan α = 0,05 maka dapat disimpulkan bahwa model yang telah didapatkan sesuai dengan data. Interpretasi odds ratio Berdasarkan tabel variable in the equations kolom (B). Pada persentase variabel yang di prediksi model dikatakan mampu menebak dengan benar sebesar 80.8% atau semua data pada variabel independen yang di analisis sebesar 80.8% berpengaruh terhadap nilai variabel dependen mengikutsertakan parameter konstanta. Untuk hasil yang tidak lulus didapatkan percentage correct sebesar 81,3% dan untuk yang lulus didapatkan percentage correct sebsar 80,0% yang berpengaruh terhadapat variabel dependen yang mengikuti parameter konstanta. Berikut adalah hasil outputnya :



Interpretasi model adalah menginterpretasikan model yang didapatkan oleh pada output tabel Model Summary. Berikut adalah tampilan outputnya



Berdasarkan pada hasil output pada gambar dapat dijelaskan bahwa kemampuan variabel independen (variabel Toefl, variabel IPK, dan variabel keikutsertaan training) dapat menjelaskan variabel dependen (variabel hasil recruitment) sebesar 49.6% kedalam model dan sisanya sebesar 50.4% dipengaruhi oleh faktor lain diluar model. Dari kasus yang sudah dianalisis oleh maka dapat disimpulkan bahwa : 1. Dengan menggunakan uji overall didapatkan kesimpulan bahwa IPK, Toefl, dan keikutsertaan training berpengaruh terhadap hasil kelulusan. 2. Dengan menggunakan uji parsial didapatkan kesimpulan bahwa IPK, dan keikutsertaan training berpengaruh terhadap hasil kelulusan. 2)



Analisis Regresi Logistik Multinomial Tahap Analisis 



Uji Overall Goodnese of fit statistic uji kecocokan atau kesesuaian ini sangatlah penting karena uji goodness of fit merupakan pengujian kecocokan atau kebaikan suai antara hasil pengamatan (frekuensi pengamatan) tertentu dengan frekuensi yang diperoleh berdasarkan nilai harapannya (frekuensi teoretis).







Uji Signifikansi model model fitting information Untuk melihat model variabel independen yang secara statistik signifikan memengaruhi atau tidaj mempengaruhi variabel dependen. Dimana Nilai P-value < α.







Uji parsial likelihood ratio test Peneliti melakukan uji parsial, untuk melihat semua nilai pada data yang ada lebih besar atau lebih kecil dari pada α. Apabila α.< 0.05 yang berarti semua variabel independent tidak berpengaruh terhadap variabel dependent. Sedangkan α.>0.05 yang berarti semua variabel independent berpengaruh terhadap variabel dependent.







Pseudo R-square Peneliti mengukur koefisien R2, yang dapat dilihat pada nilai Nagelkerke untuk melihat berapa nilai variabilitas variabel dependent yang dapat dijelaskan oleh variabilitas variabel independent







Parameter estimate



Untuk melihat model mengenai respon seseorang dalam memilih variabel independent.



Contoh Soal : Seorang Manager ingin mengetahui faktor-faktor yang mempengaruhi keputusan seseorang dalam memilih tempat untuk menonton film dengan menggunakan analisis regresi logistik multinomial.



Gambar di atas merupakan data keputusan responden ketika diberi pilihan harga tiket di Bioskop. Catatan : *Menggunakan alpha = 5% Keterangan : Keputusan : 1 = Tidak Nonton di Keduanya 2 = Nonton di Cinema 21 3 = Nonton di CGV Blitz Genre Film : 0 = Romance 1= Horror 2 = Adventure Langkah-Langkah Menggunakan SPSS Untuk menjawab studi kasus di atas, peneliti menggunakan software SPSS sebagai alat analisis. Berikut langkah kerjanya. 



Buka app SPSS.







Maka akan muncul tampilan halaman data view yang siap digunakan. Klik Variable View, kemudian isikan lima variabel dengan nama “XXI”, “CGVBlitz”, ”Genre_Film” dan “Keputusan”.







Variabel yang mengandung nilai ketegorik masukkan keterangan dalam bentuk kategori sesuai dengan studi kasus dengan melakukan klik pada values. Masukkan data ke halaman Data View pada SPSS







Klik menu analyze >regression > multinom logistic, muncul jendela multinom logistic >masukan variabel dependent kemudian variabel genre film pada kotak factor, selain itu ke kolom covariate.







Pada kolom Multinomial Logistic Regression praktikan memilih Reference Category kemudian pilih bagian First Category pada Reference Category dan pilih Ascending pada Category Order kemudian klik Continue dan klik OK:







Langkah selanjutnya yaiu klik button Statistics dan centang beberapa pilihan seperti gambar berikut, kemudian klik Continue dan OK.



Output 1.



Uji Overall



Statistik Uji



Peneliti melakukan uji Overal, yang dapat dilihat pada nilai Pearson variabel Sig yaitu 0. 249 yang artinya model fit (layak digunakan) karena P-value > α ;(0,334 > 0,05). 2.



Uji Signifikansi Model



Statistik Uji



Peneliti melakukan uji Signifikansi model, yang dapat dilihat pada nilai intercept only final variabel nilai Sig yaitu 0.261 yang artinya variabel independen



berpengaruh yang secara statistik signifikan memengaruhi variabel dependen karena Nilai P-value > α ; (0,261 > 0,05). 3.



Uji Parsial



Statistik Uji



Peneliti melakukan uji parsial, yang dapat dilihat pada nilai XXI, CGVBlitz, dan genre film pada variabel Sig yang dimana semua nilai pada data yang ada lebih besar dari pada α yang berarti semua variabel independent berpengaruh terhadap variabel dependent. 4.



Koefisien Determinasi (R2)



Peneliti mengukur koefisien R2, yang dapat dilihat pada nilai Nagelkerke yaitu 0.375 artinya variabilitas variabel dependent yang dapat dijelaskan oleh variabilitas variabel independent adalah sebesar 37.5 % atau sekitar 62.5% sisanya dijelaskan oleh faktor lain diluar model yang artinya tidak dapat dijelaskan oleh model. 5.



Parameter Estimasi



Pada Gambar dapat dilihat merupakan output parameter estimate, dari output tersebut akan didapat model mengenai keputusan seseorang dalam pemilihan tempat dan jenis film untuk ditonton.



Pada bagian model nonton di XXI untuk yang cenderung memilih menonton di XXI sebesar 1,000 daripada yang lainnya. dan untuk yang cenderung untuk memilih menonton di CGVBlitz sebesar 1,000 daripada yang lainnya. sedangkan untuk memilih genre film pada pemilihan genre film 0 sebesar 275 dari yang lainnya, kemudian pada pemilihan genre 1 sebesar 356 dari yang lainnya. Berdasarkan uji yang telah dilakukan oleh peneliti di atas, maka dapat disimpulkan bahwa analisis menggunakan metode Analisis Regresi Logistik Multinomial dengan SPSS memiliki kemampuan yang baik terhadap data untuk mengetahui faktor-faktor yang mempengaruhi keputusan seseorang dalam memilih tempat untuk menonton film. 3)



Analisis Regresi Logistik Ordinal Tahap Analisis  Goodnese of fit statistic Goodness of Fit menunjukkan uji kesesuaian model dengan data.  Summary statistic Case Processing Summary menjelaskan bahwa seluruh kasus atau case ternyata teramati semua sebanyak n sampel yaitu 100%, artinya tidak ada sampel yang hilang/missing. 



Parameter estimate



Parameter Estimate dilihat dari nilai Wald dan nilai signifikansinya. Untuk menunjukkan faktor variabel bebas berpengaruh atau tidak berpengaruh terhadap variabel independen.  Psedu R Square Pseudo R-Square menunjukkan bahwa seberapa besar variabel bebas mampu menjelaskan variabel independen.  Test of parallel lines Tabel Test of Parallel Lines digunakan untuk menguji asumsi bahwa setiap [kategori] memiliki parameter yang sama atau hubungan antara variabel independen dengan logit adalah sama untuk semua persamaan logit. Contoh soal Sebuah perusahaan melakukan sebuah penelitian tentang faktor-faktor yang mempengaruhi penghasilan pegawai. Faktor yang mempengaruhi adalah jenis kelamin, pendidikan terakhir, dan lama kerja. Penelitian ini menggunakan 20 orang pegawai yang bekerja diperusahaan tersebut



Dimana untuk : Jenis kelamin : 1 = Laki-laki 2 = Perempuan Pendidikan Terakhir :



1 = SMA 2 = D3 3 = S1 Penghasilan : 1 = Tinggi 2 = Cukup 3 = Kurang Langkah-Langkah Menggunakan SPSS 



Buka SPSS







Klik Variable View, kemudian isikan empat variabel dengan nama jenis_kelamin, pendidikan, lama kerja, dan penghasilan.







Variabel yang mengandung nilai ketegorik masukkan keterangan dalam bentuk kategori sesuai dengan studi kasus dengan melakukan klik pada values. Dan klik measure pilih sesuai kategori untuk jenis kelamin dan lama kerja yaitu nominal sedangkan untuk pendidikan dan penghasilan pilih ordinal.







Masukkan data ke halaman Data View pada SPSS







Klik menu analyze >regression > ordinal.







muncul jendela ordinal >masukan variabel dependent Penghasilan kemudian variabel independen (Pendidikan) pada kotak factor selanjutnya jenis kelamin dan lama kerja ke dalam kotak covariate.







Kemudian klik output centang pada bagian test of parallel lines dan estimate respon probabilities lalu klik continue dan OK.



Hasil Output Goodnes of fit



Tabel Goodness of Fit menunjukkan uji kesesuaian model dengan data. Nilai Pearson sebesar 28.941 dengan signifikansi 0,222 (> 0,05) dan Deviance sebesar 25.562 dengan signikansi 0.376 (> 0,05). Hal ini berarti model sesuai dengan data empiris atau model layak digunakan.



Pada Model Fitting Information -2log Likelihood menerangkan bahwa tanpa memasukkan variabel independen (intercept only) nilainya 36.216 Namun dengan memasukkan variabel independen ke model (final) terjadi penurunan nilai menjadi 29.957. Perubahan nilai ini merupakan nilai chi-square yaitu 6.259 dan signifikan pada taraf nyata 5% (sig.0.181). Pseudo R-Square



menunjukkan bahwa seberapa besar variabel bebas mampu menjelaskan variabel independen (Pendidikan). pada nilai Nagelkerke yaitu 0.308 artinya variabilitas variabel dependent yang dapat dijelaskan oleh variabilitas variabel independent



adalah sebesar 30,8 % atau sekitar 69,2% sisanya dijelaskan oleh faktor lain diluar model yang artinya tidak dapat dijelaskan oleh model. Parameter Estimate



Perhatikan nilai Wald dan nilai signifikansinya. Variabel jenis kelamin sebesar 1.155 dengan sig. 0,282 (> 0,05) dan variabel lama kerja sebesar 2.945 dengan sig.0,086 (> 0,05), variabel pendidikan sebesar 1.329 dan 1.190 dengan nilai sig > 0,05. Hal ini menunjukkan faktor jenis kelamin, lama kerja dan tingkat pendidikan tidak berpengaruh terhadap pengahasilan pegawai. Test of Parallel Lines



Test of parallel lines digunakan untuk menguji asumsi bahwa setiap kategori memiliki parameter yang sama atau hubungan antara variabel independen dengan logit adalah sama untuk semua persamaan logit. Oleh karena nilai signifikansi 0,315 (> 0,05), maka gagal tolak H0 bahwa model yang dihasilkan memiliki parameter yang sama sehingga pemilihan link function adalah sesuai. Namun sebaliknya bila asumsi ini tidak terpenuhi, maka pemilihan link function logit tidak tepat.



BAB III PENUTUP 3.1



Kesimpulan Berdasarkan penjelasan tersebut dapat disimpulkan sebagai berikut :  Regresi logistik merupakan salah satu jenis regresi yang menghubungkan antara satu atau beberapa variabel independen (variabel bebas) dengan variabel dependen yang berupa kategori; biasanya 0 dan 1. 0 biasanya digunakan untuk kategori “tidak” atau “belum”. Sedangkan angka 1 biasanya digunakan untuk mendeskripsikan responden yang bersesuaian dengan maksud penelitian.  Tujuan analisis regresi logistik : menghitung peluang, melihat karakteristik dan faktor (variabel bebas) yang berpengaruh.  Analisis regresi logistik terbagi 3 yaitu regresi logistik biner, regresi logistik multinomial dan regresi ordinal.



3.2



Saran Penulis menyadari bahwa makalah ini masih banyak terdapat kesalahan dan



jauh dari kesempurnaan. Oleh karena itu kritik dan saran yang membangun dari para pembaca sangat penulis harapkan untuk perbaikan ke depannya.



DAFTAR PUSTAKA Hosmer, D., & Lemeshow, S. 2000. Apllied Logistic Regressions. USA: John Wliey & Sons. Harlan, John. 2018. Analisis Regresi Logistik. Depok : Gunadarma. Tiro, M.A. 2000. Analisis Regresi Dengan Data Kategori. Makassar : Universitas Negeri Makassar. Thomas Pentury, Salmon Notje Aulele, Riana Wattimena. 2016. Analisis Regresi Logistik Ordinal. Jurnal Ilmu Matematika dan Terapan. 10 (1) : 55 – 60.