Tugas 3 (Analisis Regresi Logistik) [PDF]

Citation preview

Mata Kuliah



: Statistik Multivariat



Dosen



: Dr. Abdul Hamid Habbe, SE.,M.Si



Analisis Regresi Logistik



Kelompok I Teri



P3400212001



Dian Novita R



P3400212002



Nurul Fuada



P3400212003



Program Pascasarjana Magister Akuntansi Universitas Hasanuddin 2012



Materi Rangkuman : 1. Menghindarkan kekeliruan antara analisis regresi logistik yang dapat digunakan dibandingkan analisis diskriminan atau regresi berganda. 2. Mengidentifikasi tipe variabel bebas dan terikat yang digunakan dalam regresi logistik 3. Menterjemahkan hasil analisis regresi logistik dengan membandingkan kedua analisis yang lain yaitu analisis diskriminan dan regresi berganda 4. Mengetahui kelebihan dan kekurangan analisis regresi logistik dibandingkan analisis diskriminan dan regresi berganda.



Analisis Regresi Logistik Analisis regresi logistik dipilih untuk menunjukan teknik analisis dimana biasanya digunakan untuk menyelesaikan masalah yang menunjukan kategori variabel dependen dan variabel metrik bebas. Regresi logistik merupakan pendekatan teknik statistik ketika timbul masalah penelitian yang mempunyai ukuran kategori variabel dependen berpasangan dan variabel bebas metrik atau nonmetrik. Regresi logistik adalah analisis diskriminan secara umum ketika menilai variabel dependen yang berpasangan dan memberikan asumsi dan ketahanan di setiap situasi. Persamaan interpretasi untuk regresi berganda dapat dibuat lebih mudah dibanding analisis diskriminan. Tipe Variabel Bebas dan Dependen Regresi logistik bersifat terbatas dimana hanya terfokus ukuran variabel dependen berpasangan, dimana menyediakan kemampuan terhadap variabel bebas yang metrik dan nonmetrik, lebih mirip regresi berganda. Hal ini jauh berbeda dengan analisis diskriminan yang bersifat terbatas hanya untuk variabel metrik bebas. Hasil Analisis Regresi Logistik Model regresi logistik dapat dikerjakan dengan menggunakan 2 (dua) cara antara lain : 1. Menggunakan nilai R2, dapat ditemukan dalam regresi berganda 2. Menguji prediksi akurasi Dua pendekatan dalam menguji kesesuaian model dari perspektif yang berbeda, tetapi akan menghasilkan kesimpulan yang sama. Salah satu manfaat regresi logistik adalah untuk mengetahui apakah terjadi peristiwa dalam pembagian nilai dari beberapa variabel dependen. Ketika dilakukan analisis data dengan menggunakan transformasi logistik dimana regresi logistik dan



koefisiennya dicari untuk mengambil perbedaan arti dari regresi dengan variabel dependen metrik. Serupa dengan loading diskriminan dalam analisis diskriminan yang di interpretasi berbeda dari koefisien logistik. Koefisien logistik memberikan gambaran antara petunjuk dan besarnya hubungan variabel bebas tetapi, memerlukan metode interpretasi berbeda. Hubungan langsung (positif/negatif) menggambarkan perubahan hubungan variabel dependen dengan variabel bebas yang berubah. Hubungan positif berarti terjadi peningkatan variabel bebas yang berhubungan dengan kemungkinan peningkatan prediksi, sebaliknya dengan hubungan negatif untuk menemukan besaran koefisien atau berapa banyak kemungkinan yang akan berubah dari sebuah variabel bebas. Nilai numerik dari sebuah koefisien harus dievaluasi hanya dengan menggunakan regresi berganda. Koefisien untuk variabel metrik dan nonmetrik harus diinterpretasikan perbedaannya karena, masing-masing gambaran yang berbeda akan memberikan efek terhadap variabel dependen. Kelebihan dan Kekurangan Analisis Regresi Logistik Walaupun analisis diskriminan dapat menganalisis variabel dependen yang bersifat nonmetrik, regresi logistik juga memiliki dua alasan mengapa variabel dependen berpasangan. Pertama analisis diskriminan mempercayakan dengan pertemuan asumsi kewajaran multivariat dan kesamaan matriks varian-kovarian jarak asumsi kelompok dimana tidak akan ditemukan dalam semua situasi. Regresi logistik tidak menggambarkan secara jelas sebuah asumsi dan lebih kuat ketika asumsi tidak mencukupi, membuat aplikasi secara tetap dalam banyak situasi. Kedua ketika asumsi tidak mencukupi, banyak peneliti lebih menggunakan regresi logistik karena hampir mirip dengan regresi berganda. Regresi logistik merupakan pilihan nilai yang lebih baik. Masalah penelitian yang muncul kategori variabel dependen sederhana dan beberapa variabel dependen metrik atau nonmetrik. Kelebihan relatif atas kemampuan jarak yang



fleksibel sesuai dengan aturan peneliti, mendapatkan ketahanan dari asumsi yang mendasari dan hubungan regresi berganda untuk interpretasi tujuan. Hasilnya akan memberikan implikasi luas terhadap bidang akademisi dan praktisi.