Professional Documents
Culture Documents
Tidak seperti regresi linier biasa, regresi logistik tidak mengasumsikan hubungan antara
variabel independen dan dependen secara linier. Regresi logistik merupakan regresi non
linier dimana model yang ditentukan akan mengikuti pola kurva seperti gambar di bawah
ini.
Regresi logistik juga menghasilkan rasio peluang (odds ratios) terkait dengan nilai setiap
prediktor. Peluang (odds) dari suatu kejadian diartikan sebagai probabilitas hasil yang
muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio
peluang (odds ratios) merupakan sekumpulan peluang yang dibagi oleh peluang lainnya.
Rasio peluang bagi prediktor diartikan sebagai jumlah relatif dimana peluang hasil
meningkat (rasio peluang > 1) atau turun (rasio peluang < 1) ketika nilai variabel
prediktor meningkat sebesar 1 unit.
Jika kita ingin mengetahui pembelian kosmetik merk tertentu oleh beberapa orang wanita
dengan beberapa variabel penjelas antara lain adalah umur, tingkat pendapatan (low,
medium, high), dan status (M – menikah; S untuk single). Pada data tersebut, pembelian
merupakan variabel prediktor yang dijelaskan dengan angka 1 sebagai membeli dan 0
sebagai tidak membeli.
2. Setelah data diinput, pilih Analyze – Regression – Binary logistic seperti berikut:
Pada output variables in equation signifikansi adalah 0,05 artinya model tidak
signifikan dan dengan demikian terima H0.
Pada output omnibus test menyatakan bahwa hasil uji chi-square goodness of fit lebih
kecil dari 0,05, ini mengindikasikan bahwa model adalah signifikan.
Hasil output pada Cox-Snell R2 dan Nagelkerke R memiliki analogi sama dengan nilai
R-square pada regresi linier, menyakatan bahwa sebanyak 50,2 persen keragaman
dapat dijelaskan oleh model, sedangkan sisanya diluar model.
Kolom Exp(B) menunjukkan nilai odds ratio yang dihasilkan. Nilai odds ratio yang
hanya mendekati 1,0 mengindikasikan bahwa variabel independen tidak mempengaruhi
variabel dependen.