SlideShare a Scribd company logo

Makalah model regresi dengan variabel terikat dummy

Dokumen tersebut membahas model regresi dengan variabel terikat dummy menggunakan data survei terhadap 40 responden untuk memprediksi kemungkinan seseorang memiliki kolesterol tinggi berdasarkan umur, jenis kelamin, dan sejarah keluarga. Analisis data menggunakan SPSS meliputi identifikasi data hilang, kode variabel, uji signifikansi model, penilaian kelayakan model, dan pengujian koefisien regresi.

1 of 19
Download to read offline
EKONOMETRIKA 
(AKKC 156) 
MODEL REGRESI DENGAN 
VARIABEL TERIKAT DUMMY 
Dosen Pembimbing: 
Drs. H. Karim, M.Si 
Indah Budiarti, M.Pd 
Oleh: 
Agung Handoko (A1C111037) 
Program Studi Pendidikan Matematika 
Jurusan Pendidikan Matematika dan Ilmu Pengetahuan Alam 
Fakultas Keguruan dan Ilmu Pendidikan 
Universitas Lambung Mangkurat 
Banjarmasin 
2013
Regresi dengan Variabel Terikat Dummy i 
DAFTAR ISI 
DAFTAR ISI .............................................................................................................. i 
A. KAJIAN TEORI ................................................................................................ 1 
B. DATA ................................................................................................................ 3 
 KASUS .............................................................................................................. 3 
 DEFINISI OPERASIONAL .............................................................................. 4 
ANALISIS DATA ..................................................................................................... 5 
 TAHAPAN-TAHAPAN ESTIMASI MENGGUNAKAN SPSS ......................... 5 
 INTERPRETASI OUTPUT SPSS ..................................................................... 7 
1. Identifikasi Data yang Hilang ............................................................................ 7 
2. Pemberian kode variabel respon oleh SPSS ....................................................... 7 
3. Uji Signifikansi Omnibus terhadap Model ......................................................... 8 
4. Menilai Keseluruhan Model (Overall Model Fit) dan Menilai Kelayakan Model Regresi ...................................................................................................................... 9 
5. Menguji Koefisien Regresi ............................................................................... 11 
7. Penafsiran dan Prediksi ................................................................................... 13 
DAFTAR PUSTAKA .............................................................................................. 17
Regresi dengan Variabel Terikat Dummy 1 
A. KAJIAN TEORI 
Beberapa penelitian kausal seringkali dibatasi oleh keberadaan variabel dependen yang terbatas. Metode regresi linier seperti yang kita kenal hanya dapat mengakomodir data yang bersifat kontinu dan menyebar normal, tapi bagaimana dengan data terbatas seperti mortalitas, peluang kandidat dalam pemilu, keputusan pembelian, hasil ujian, dan lain sebagainya yang hanya menyisakan 2 kemungkinan atau dikotomi. 
Regresi linier tidak dapat menyelesaikan kasus dimana variabel depen dennya bersifat dikotomi dan kategorik dengan dua atau lebih kemungkinan (misalnya sukses atau gagal; terpilih atau tidak terpilih; lulus atau tidak lulus; melakukan pembelian atau tidak; mendapat promosi atau tidak, dan lain-lain). Untuk itu kita memerlukan metode yang tepat seperti metode regresi binary logistic. Dengan kata lain, metode regresi binary logistic adalah metode untuk menyelesaikan kasus dimana variabel dependennya bersifat dikotomi atau memiliki 2 kategori. 
Asumsi-asumsi dalam regresi binary logistic diantaranya adalah sebagai berikut: 
 Tidak mengasumsikan hubungan linier antar variabel dependen dan independen. 
 Variabel dependen harus bersifat dikotomi (2 variabel). 
 Variabel independen tidak harus memiliki keragaman yang sama antar kelompok variabel. 
 Sampel yang diperlukan dalam jumlah relatif besar. 
Ketika suatu data dapat memenuhi asumsi normalitas, linieritas dan keragaman yang homogen, kita dapat menggunakan prosedur analisis diskriminan untuk mengevaluasi hubungan antara variabel dependen non-metrik, namun regresi logistik akan lebih baik dalam memaparkan hubungan tersebut karena dapat menjelaskan hubungan antar variabel layaknya persamaan linier. 
Persamaan regresi binary logistic menghasilkan rasio peluang yang dinyatakan dengan transformasi fungsi logaritma (log), dengan demikian fungsi
Regresi dengan Variabel Terikat Dummy 2 
transformasi log ataupun ln yang dinamakan model logit (logit transformation) diperlukan untuk p-value. Dengan demikian dapat dinyatakan bahwa logit (p) merupakan log dari peluang (odds ratio) atau likelihood ratio dengan kemungkinan terbesar nilai peluang adalah 1. Dengan demikian, persamaan regresi logistik menjadi: 
Logit (p) = log (p/1-p) = ln (p/1-p) 
Dimana: 
p bernilai antara 0-1. 
Bentuk umum model yang digunakan pada regresi binary logistic adalah: 
Ln (p / 1 – p) = β0 + β1X1 + β2X2 + …. + βkXk 
Dimana: 
p adalah kemungkinan bahwa Y = 1. 
X1, X2, X3 adalah variabel independen. 
β adalah koefisien slope dari persamaan regresi dimana slope di sini adalah perubahan nilai rata-rata dari Y dari satu unit perubahan nilai X.
Regresi dengan Variabel Terikat Dummy 3 
B. DATA 
 KASUS 
Ingin diprediksi pengaruh umur, jenis kelamin dan sejarah keluarga terhadap kemungkinan seseorang memiliki kolesterol tinggi. Berdasarkan hasil survei terhadap 40 responden, didapatkan datanya sebagai berikut: 
No. 
Kolesterol Tinggi 
(Y) 
Umur 
(dalam tahun) 
(X1) 
Jenis Kelamin 
(X2) 
Sejarah Keluarga 
(X3) 
1 
1 
51 
0 
1 
2 
1 
39 
1 
0 
3 
1 
50 
0 
1 
4 
1 
45 
1 
1 
5 
1 
49 
0 
1 
6 
1 
52 
1 
1 
7 
1 
37 
1 
1 
8 
1 
40 
1 
0 
9 
1 
42 
0 
1 
10 
1 
29 
0 
1 
11 
1 
29 
1 
0 
12 
1 
35 
1 
1 
13 
1 
41 
0 
0 
14 
1 
50 
1 
1 
15 
1 
55 
1 
1 
16 
1 
39 
0 
1 
17 
1 
28 
1 
1 
18 
1 
34 
0 
0
Regresi dengan Variabel Terikat Dummy 4 
19 
1 
37 
0 
1 
20 
1 
48 
1 
1 
21 
1 
55 
1 
1 
22 
1 
33 
1 
0 
23 
1 
46 
1 
1 
24 
1 
38 
0 
0 
25 
1 
42 
0 
1 
26 
0 
39 
0 
0 
27 
0 
38 
1 
0 
28 
0 
33 
0 
0 
29 
0 
46 
1 
0 
30 
0 
45 
1 
0 
31 
0 
34 
0 
0 
32 
0 
37 
0 
1 
33 
0 
27 
1 
0 
34 
0 
30 
0 
0 
35 
0 
47 
0 
0 
36 
0 
54 
1 
0 
37 
0 
30 
0 
1 
38 
0 
41 
0 
0 
39 
0 
35 
0 
1 
40 
0 
30 
1 
0 
 DEFINISI OPERASIONAL 
Variabel dependen: 
Y = { 0,seseorang dengan kolesterol normal 1,seseorang dengan kolesterol tinggi

Recommended

Ekonometrika Variabel Dummy
Ekonometrika Variabel DummyEkonometrika Variabel Dummy
Ekonometrika Variabel DummyAyuk Wulandari
 
Model regresi dengan variabel bebas dummy
Model regresi dengan variabel bebas dummy Model regresi dengan variabel bebas dummy
Model regresi dengan variabel bebas dummy Agung Handoko
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubahYulianus Lisa Mantong
 
Makalah kelompok 4 metode simpleks
Makalah kelompok 4 metode simpleksMakalah kelompok 4 metode simpleks
Makalah kelompok 4 metode simpleksNila Aulia
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasiHafiza .h
 
Pengantar statistika 4
Pengantar statistika 4Pengantar statistika 4
Pengantar statistika 4Az'End Love
 

More Related Content

What's hot

What's hot (20)

STATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasiSTATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasi
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan Homogenitas
 
Analisis regresi-sederhana
Analisis regresi-sederhanaAnalisis regresi-sederhana
Analisis regresi-sederhana
 
Rumus Manual Uji homogenitas
Rumus Manual Uji homogenitasRumus Manual Uji homogenitas
Rumus Manual Uji homogenitas
 
Minggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis KorelasiMinggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis Korelasi
 
Pendugaan Parameter
Pendugaan ParameterPendugaan Parameter
Pendugaan Parameter
 
Tabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadratTabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadrat
 
Akt 4-anuitas-hidup
Akt 4-anuitas-hidupAkt 4-anuitas-hidup
Akt 4-anuitas-hidup
 
Variabel Dummy
Variabel DummyVariabel Dummy
Variabel Dummy
 
VARIABEL RANDOM & DISTRIBUSI PELUANG
VARIABEL RANDOM & DISTRIBUSI PELUANGVARIABEL RANDOM & DISTRIBUSI PELUANG
VARIABEL RANDOM & DISTRIBUSI PELUANG
 
Analisis regresi.
Analisis regresi.Analisis regresi.
Analisis regresi.
 
Distribusi Sampling
Distribusi SamplingDistribusi Sampling
Distribusi Sampling
 
Chi Kuadrat
Chi KuadratChi Kuadrat
Chi Kuadrat
 
Laporan Pratikum analisis regresi linier sederhana
Laporan Pratikum analisis regresi linier sederhanaLaporan Pratikum analisis regresi linier sederhana
Laporan Pratikum analisis regresi linier sederhana
 
Distribusi poisson
Distribusi poissonDistribusi poisson
Distribusi poisson
 
PPT Regresi Berganda
PPT Regresi BergandaPPT Regresi Berganda
PPT Regresi Berganda
 
Model Distribusi lag dan distribusi autoregressive
Model Distribusi lag dan distribusi autoregressiveModel Distribusi lag dan distribusi autoregressive
Model Distribusi lag dan distribusi autoregressive
 
PENDUGAAN PARAMETER
PENDUGAAN PARAMETERPENDUGAAN PARAMETER
PENDUGAAN PARAMETER
 
Bahan kuliah statistika gbs
Bahan kuliah statistika gbsBahan kuliah statistika gbs
Bahan kuliah statistika gbs
 
Uji Run ( Keacakan )
Uji Run ( Keacakan )Uji Run ( Keacakan )
Uji Run ( Keacakan )
 

Similar to Makalah model regresi dengan variabel terikat dummy

Similar to Makalah model regresi dengan variabel terikat dummy (20)

Regresi linear
Regresi linearRegresi linear
Regresi linear
 
Uji asumsi klasik
Uji asumsi klasikUji asumsi klasik
Uji asumsi klasik
 
Aminullah assagaf model logistic
Aminullah assagaf model logisticAminullah assagaf model logistic
Aminullah assagaf model logistic
 
27 model logistic
27 model logistic27 model logistic
27 model logistic
 
27 model logistic
27 model logistic27 model logistic
27 model logistic
 
Aminullah assagaf model logistic
Aminullah assagaf model logisticAminullah assagaf model logistic
Aminullah assagaf model logistic
 
Aminullah assagaf model logistic
Aminullah assagaf model logisticAminullah assagaf model logistic
Aminullah assagaf model logistic
 
27 model logistic
27 model logistic27 model logistic
27 model logistic
 
Tugas Regresi Punya Agus
Tugas Regresi Punya AgusTugas Regresi Punya Agus
Tugas Regresi Punya Agus
 
Regresi
RegresiRegresi
Regresi
 
Regresi Linear Berganda
Regresi Linear BergandaRegresi Linear Berganda
Regresi Linear Berganda
 
Tugas Zainal Abidin
Tugas Zainal AbidinTugas Zainal Abidin
Tugas Zainal Abidin
 
Tugas Zainal Abidin
Tugas Zainal AbidinTugas Zainal Abidin
Tugas Zainal Abidin
 
Uji asumsi-klasik-dengan-spss-16.0
Uji asumsi-klasik-dengan-spss-16.0Uji asumsi-klasik-dengan-spss-16.0
Uji asumsi-klasik-dengan-spss-16.0
 
ANALISIS FAKTOR
ANALISIS FAKTORANALISIS FAKTOR
ANALISIS FAKTOR
 
3218126438990fa0771ddb555f70be42.docx
3218126438990fa0771ddb555f70be42.docx3218126438990fa0771ddb555f70be42.docx
3218126438990fa0771ddb555f70be42.docx
 
UTS STATISTIK.ppt
UTS STATISTIK.pptUTS STATISTIK.ppt
UTS STATISTIK.ppt
 
Regresi Aden 1
Regresi Aden 1Regresi Aden 1
Regresi Aden 1
 
Regresi Aden 1
Regresi Aden 1Regresi Aden 1
Regresi Aden 1
 
REGRESI_SEDERHANA
REGRESI_SEDERHANAREGRESI_SEDERHANA
REGRESI_SEDERHANA
 

More from Agung Handoko

PPT materi program linear kelas XI SMA.pptx
PPT materi program linear kelas XI SMA.pptxPPT materi program linear kelas XI SMA.pptx
PPT materi program linear kelas XI SMA.pptxAgung Handoko
 
Barisan Aritmetika kelas XI SMA Wajib.pptx
Barisan Aritmetika kelas XI SMA Wajib.pptxBarisan Aritmetika kelas XI SMA Wajib.pptx
Barisan Aritmetika kelas XI SMA Wajib.pptxAgung Handoko
 
PROGRAM DUAL TRACK PROVINSI KALIMANTAN TIMUR.pdf
PROGRAM DUAL TRACK PROVINSI KALIMANTAN TIMUR.pdfPROGRAM DUAL TRACK PROVINSI KALIMANTAN TIMUR.pdf
PROGRAM DUAL TRACK PROVINSI KALIMANTAN TIMUR.pdfAgung Handoko
 
Pembelajaran untuk memenuhi kebutuhan belajar murid.pptx
Pembelajaran untuk memenuhi kebutuhan belajar murid.pptxPembelajaran untuk memenuhi kebutuhan belajar murid.pptx
Pembelajaran untuk memenuhi kebutuhan belajar murid.pptxAgung Handoko
 
2. Modul 1.4 Rancangan Aksi Nyata.pdf
2. Modul 1.4 Rancangan Aksi Nyata.pdf2. Modul 1.4 Rancangan Aksi Nyata.pdf
2. Modul 1.4 Rancangan Aksi Nyata.pdfAgung Handoko
 
Agung Handoko, S.Pd._Tugas 1.1.a.5.2.pdf
Agung Handoko, S.Pd._Tugas 1.1.a.5.2.pdfAgung Handoko, S.Pd._Tugas 1.1.a.5.2.pdf
Agung Handoko, S.Pd._Tugas 1.1.a.5.2.pdfAgung Handoko
 
Kuis 1 xi matriks konsep dan jenis
Kuis 1 xi matriks konsep dan jenisKuis 1 xi matriks konsep dan jenis
Kuis 1 xi matriks konsep dan jenisAgung Handoko
 
Kuis 1 xi matriks konsep dan jenis
Kuis 1 xi matriks konsep dan jenisKuis 1 xi matriks konsep dan jenis
Kuis 1 xi matriks konsep dan jenisAgung Handoko
 
Kuis 1 x pengayaan nilai mutlak
Kuis 1 x pengayaan nilai mutlakKuis 1 x pengayaan nilai mutlak
Kuis 1 x pengayaan nilai mutlakAgung Handoko
 
2. agung handoko studi kasus ta no.2
2. agung handoko studi kasus ta no.22. agung handoko studi kasus ta no.2
2. agung handoko studi kasus ta no.2Agung Handoko
 
1. agung handoko peta konsep landasan pendidikan ta no.1
1. agung handoko peta konsep landasan pendidikan ta no.11. agung handoko peta konsep landasan pendidikan ta no.1
1. agung handoko peta konsep landasan pendidikan ta no.1Agung Handoko
 
Uh garis singgung lingkaran
Uh garis singgung lingkaranUh garis singgung lingkaran
Uh garis singgung lingkaranAgung Handoko
 
7. lk b.2.d.1. penilaian sikap
7. lk b.2.d.1. penilaian sikap7. lk b.2.d.1. penilaian sikap
7. lk b.2.d.1. penilaian sikapAgung Handoko
 
Analisis regresi berganda
Analisis regresi berganda Analisis regresi berganda
Analisis regresi berganda Agung Handoko
 
Model regresi dengan variabel bebas dummy
Model regresi dengan variabel bebas dummyModel regresi dengan variabel bebas dummy
Model regresi dengan variabel bebas dummyAgung Handoko
 
Rpp mengalikan dan membagi bilangan pecahan Kurikulum 2013
Rpp mengalikan dan membagi bilangan pecahan Kurikulum 2013Rpp mengalikan dan membagi bilangan pecahan Kurikulum 2013
Rpp mengalikan dan membagi bilangan pecahan Kurikulum 2013Agung Handoko
 
Rpp menjumlahkan dan mengurangkan pecahan Kurikulum 2013
Rpp menjumlahkan dan mengurangkan pecahan Kurikulum 2013Rpp menjumlahkan dan mengurangkan pecahan Kurikulum 2013
Rpp menjumlahkan dan mengurangkan pecahan Kurikulum 2013Agung Handoko
 
Rpp kelipatan persekutuan terkecil (kpk) Kurikulum 2013
Rpp kelipatan persekutuan terkecil (kpk) Kurikulum 2013Rpp kelipatan persekutuan terkecil (kpk) Kurikulum 2013
Rpp kelipatan persekutuan terkecil (kpk) Kurikulum 2013Agung Handoko
 
Rpp pembagian bilangan bulat dan bilangan prima Kurikulum 2013
Rpp pembagian bilangan bulat dan bilangan prima Kurikulum 2013Rpp pembagian bilangan bulat dan bilangan prima Kurikulum 2013
Rpp pembagian bilangan bulat dan bilangan prima Kurikulum 2013Agung Handoko
 

More from Agung Handoko (20)

PPT materi program linear kelas XI SMA.pptx
PPT materi program linear kelas XI SMA.pptxPPT materi program linear kelas XI SMA.pptx
PPT materi program linear kelas XI SMA.pptx
 
Barisan Aritmetika kelas XI SMA Wajib.pptx
Barisan Aritmetika kelas XI SMA Wajib.pptxBarisan Aritmetika kelas XI SMA Wajib.pptx
Barisan Aritmetika kelas XI SMA Wajib.pptx
 
PROGRAM DUAL TRACK PROVINSI KALIMANTAN TIMUR.pdf
PROGRAM DUAL TRACK PROVINSI KALIMANTAN TIMUR.pdfPROGRAM DUAL TRACK PROVINSI KALIMANTAN TIMUR.pdf
PROGRAM DUAL TRACK PROVINSI KALIMANTAN TIMUR.pdf
 
Pembelajaran untuk memenuhi kebutuhan belajar murid.pptx
Pembelajaran untuk memenuhi kebutuhan belajar murid.pptxPembelajaran untuk memenuhi kebutuhan belajar murid.pptx
Pembelajaran untuk memenuhi kebutuhan belajar murid.pptx
 
2. Modul 1.4 Rancangan Aksi Nyata.pdf
2. Modul 1.4 Rancangan Aksi Nyata.pdf2. Modul 1.4 Rancangan Aksi Nyata.pdf
2. Modul 1.4 Rancangan Aksi Nyata.pdf
 
Agung Handoko, S.Pd._Tugas 1.1.a.5.2.pdf
Agung Handoko, S.Pd._Tugas 1.1.a.5.2.pdfAgung Handoko, S.Pd._Tugas 1.1.a.5.2.pdf
Agung Handoko, S.Pd._Tugas 1.1.a.5.2.pdf
 
Kuis 1 xi matriks konsep dan jenis
Kuis 1 xi matriks konsep dan jenisKuis 1 xi matriks konsep dan jenis
Kuis 1 xi matriks konsep dan jenis
 
Kuis 1 xi matriks konsep dan jenis
Kuis 1 xi matriks konsep dan jenisKuis 1 xi matriks konsep dan jenis
Kuis 1 xi matriks konsep dan jenis
 
Kuis 1 x pengayaan nilai mutlak
Kuis 1 x pengayaan nilai mutlakKuis 1 x pengayaan nilai mutlak
Kuis 1 x pengayaan nilai mutlak
 
2. agung handoko studi kasus ta no.2
2. agung handoko studi kasus ta no.22. agung handoko studi kasus ta no.2
2. agung handoko studi kasus ta no.2
 
1. agung handoko peta konsep landasan pendidikan ta no.1
1. agung handoko peta konsep landasan pendidikan ta no.11. agung handoko peta konsep landasan pendidikan ta no.1
1. agung handoko peta konsep landasan pendidikan ta no.1
 
Uh garis singgung lingkaran
Uh garis singgung lingkaranUh garis singgung lingkaran
Uh garis singgung lingkaran
 
7. lk b.2.d.1. penilaian sikap
7. lk b.2.d.1. penilaian sikap7. lk b.2.d.1. penilaian sikap
7. lk b.2.d.1. penilaian sikap
 
Rpp spldv
Rpp spldvRpp spldv
Rpp spldv
 
Analisis regresi berganda
Analisis regresi berganda Analisis regresi berganda
Analisis regresi berganda
 
Model regresi dengan variabel bebas dummy
Model regresi dengan variabel bebas dummyModel regresi dengan variabel bebas dummy
Model regresi dengan variabel bebas dummy
 
Rpp mengalikan dan membagi bilangan pecahan Kurikulum 2013
Rpp mengalikan dan membagi bilangan pecahan Kurikulum 2013Rpp mengalikan dan membagi bilangan pecahan Kurikulum 2013
Rpp mengalikan dan membagi bilangan pecahan Kurikulum 2013
 
Rpp menjumlahkan dan mengurangkan pecahan Kurikulum 2013
Rpp menjumlahkan dan mengurangkan pecahan Kurikulum 2013Rpp menjumlahkan dan mengurangkan pecahan Kurikulum 2013
Rpp menjumlahkan dan mengurangkan pecahan Kurikulum 2013
 
Rpp kelipatan persekutuan terkecil (kpk) Kurikulum 2013
Rpp kelipatan persekutuan terkecil (kpk) Kurikulum 2013Rpp kelipatan persekutuan terkecil (kpk) Kurikulum 2013
Rpp kelipatan persekutuan terkecil (kpk) Kurikulum 2013
 
Rpp pembagian bilangan bulat dan bilangan prima Kurikulum 2013
Rpp pembagian bilangan bulat dan bilangan prima Kurikulum 2013Rpp pembagian bilangan bulat dan bilangan prima Kurikulum 2013
Rpp pembagian bilangan bulat dan bilangan prima Kurikulum 2013
 

Recently uploaded

PROGRAM WALI KELAS untuk SMA/SMK sebagai kelengkapan pelaporan PMM. semoga be...
PROGRAM WALI KELAS untuk SMA/SMK sebagai kelengkapan pelaporan PMM. semoga be...PROGRAM WALI KELAS untuk SMA/SMK sebagai kelengkapan pelaporan PMM. semoga be...
PROGRAM WALI KELAS untuk SMA/SMK sebagai kelengkapan pelaporan PMM. semoga be...LukyDEwiMasitoh
 
MESYUARAT PENGURUSAN GURU BIL.1 SESI 2024/2025 (PEGAWAI MESRA)
MESYUARAT PENGURUSAN GURU BIL.1 SESI 2024/2025 (PEGAWAI MESRA)MESYUARAT PENGURUSAN GURU BIL.1 SESI 2024/2025 (PEGAWAI MESRA)
MESYUARAT PENGURUSAN GURU BIL.1 SESI 2024/2025 (PEGAWAI MESRA)MohdFirdauzShariff
 
Bab 5 Buku Fiksi dan Nonfiksi Mapel Bahasa Indonesia Kelas 7
Bab 5 Buku Fiksi dan Nonfiksi Mapel Bahasa Indonesia Kelas 7Bab 5 Buku Fiksi dan Nonfiksi Mapel Bahasa Indonesia Kelas 7
Bab 5 Buku Fiksi dan Nonfiksi Mapel Bahasa Indonesia Kelas 7IsmiSalamah2
 
materi PPT Cerpen kelas VIII Bhs ind.ppt
materi PPT Cerpen kelas VIII Bhs ind.pptmateri PPT Cerpen kelas VIII Bhs ind.ppt
materi PPT Cerpen kelas VIII Bhs ind.pptArifRivaldi3
 
Bullying atau perundungan untuk tingkat SMP
Bullying atau perundungan untuk tingkat SMPBullying atau perundungan untuk tingkat SMP
Bullying atau perundungan untuk tingkat SMPAntoniusMardani
 
Tingkatkan Pembelajaran Bahasa Inggris Berbasis Aplikasi Wordwall.
Tingkatkan Pembelajaran Bahasa Inggris Berbasis Aplikasi Wordwall.Tingkatkan Pembelajaran Bahasa Inggris Berbasis Aplikasi Wordwall.
Tingkatkan Pembelajaran Bahasa Inggris Berbasis Aplikasi Wordwall.triwahyuniblitar1
 
Modul Ajar MTK KLS 5 disiplin postif.docx
Modul Ajar MTK KLS 5 disiplin postif.docxModul Ajar MTK KLS 5 disiplin postif.docx
Modul Ajar MTK KLS 5 disiplin postif.docxMarsitaAssech2
 
Bahasa Bare'e, Bahasa pembentuk nama negara Indonesia
Bahasa Bare'e, Bahasa pembentuk nama negara IndonesiaBahasa Bare'e, Bahasa pembentuk nama negara Indonesia
Bahasa Bare'e, Bahasa pembentuk nama negara Indonesiaposotojo01
 
PELAKSANAAN + Link2 MATERI Training _"Teknik Perhitungan dan Verifikasi TKDN...
PELAKSANAAN  + Link2 MATERI Training _"Teknik Perhitungan dan Verifikasi TKDN...PELAKSANAAN  + Link2 MATERI Training _"Teknik Perhitungan dan Verifikasi TKDN...
PELAKSANAAN + Link2 MATERI Training _"Teknik Perhitungan dan Verifikasi TKDN...Kanaidi ken
 
5. GAYA PENULISAN DAN TEKNIK PENCERITAAN KESUSASTERAAN KANAK-KANAK (1) (1).pdf
5. GAYA PENULISAN DAN TEKNIK PENCERITAAN KESUSASTERAAN KANAK-KANAK (1) (1).pdf5. GAYA PENULISAN DAN TEKNIK PENCERITAAN KESUSASTERAAN KANAK-KANAK (1) (1).pdf
5. GAYA PENULISAN DAN TEKNIK PENCERITAAN KESUSASTERAAN KANAK-KANAK (1) (1).pdfgipgp21191622
 
Modul Ajar Teks Fantasi Mata Pelajaran Bahasa Indonesia Kelas 7
Modul Ajar Teks Fantasi Mata Pelajaran Bahasa Indonesia Kelas 7Modul Ajar Teks Fantasi Mata Pelajaran Bahasa Indonesia Kelas 7
Modul Ajar Teks Fantasi Mata Pelajaran Bahasa Indonesia Kelas 7LIDIADEVEGA4
 
aksi nyata iklim sekolah aman mencegah kekerasan seksual
aksi nyata iklim sekolah aman mencegah kekerasan seksualaksi nyata iklim sekolah aman mencegah kekerasan seksual
aksi nyata iklim sekolah aman mencegah kekerasan seksualLIDIADEVEGA4
 
Feedback Mentee Buat Mentor KMB 2024 TDA DEPOK
Feedback Mentee Buat Mentor KMB 2024 TDA DEPOKFeedback Mentee Buat Mentor KMB 2024 TDA DEPOK
Feedback Mentee Buat Mentor KMB 2024 TDA DEPOKedukasitdadepok
 
MOTIVASI KLS 12 ELIGIBLE SMKN 50 JAKARTA.pptx
MOTIVASI KLS 12 ELIGIBLE SMKN 50 JAKARTA.pptxMOTIVASI KLS 12 ELIGIBLE SMKN 50 JAKARTA.pptx
MOTIVASI KLS 12 ELIGIBLE SMKN 50 JAKARTA.pptxDedi Dwitagama
 
PELAKSANAAN + Link-Link MATERI Training _"Teknik Perhitungan & Verifikasi TK...
PELAKSANAAN  + Link-Link MATERI Training _"Teknik Perhitungan & Verifikasi TK...PELAKSANAAN  + Link-Link MATERI Training _"Teknik Perhitungan & Verifikasi TK...
PELAKSANAAN + Link-Link MATERI Training _"Teknik Perhitungan & Verifikasi TK...Kanaidi ken
 
MODUL AJAR FOR 7 GRADE STUDENTS - MY SCHOOL ACTIVITIES
MODUL AJAR FOR 7 GRADE STUDENTS - MY SCHOOL ACTIVITIESMODUL AJAR FOR 7 GRADE STUDENTS - MY SCHOOL ACTIVITIES
MODUL AJAR FOR 7 GRADE STUDENTS - MY SCHOOL ACTIVITIESKangAntok1
 
prsentasi sumber daya alam SD klas 5.ppt
prsentasi sumber daya alam SD klas 5.pptprsentasi sumber daya alam SD klas 5.ppt
prsentasi sumber daya alam SD klas 5.ppt46usbl4ck
 
Evaluasi Rencana Pembangunan Daerah -Penyelarasan RPJPN-RPJD
Evaluasi Rencana Pembangunan Daerah -Penyelarasan RPJPN-RPJDEvaluasi Rencana Pembangunan Daerah -Penyelarasan RPJPN-RPJD
Evaluasi Rencana Pembangunan Daerah -Penyelarasan RPJPN-RPJDDadang Solihin
 
soialisasi isu perundungan di satuan pendidikan
soialisasi isu perundungan di satuan pendidikansoialisasi isu perundungan di satuan pendidikan
soialisasi isu perundungan di satuan pendidikanLIDIADEVEGA4
 
RENCANA + Link2 MATERI Training _"Penyusunan HPS dan Perhitungan TKDN & BMP" ...
RENCANA + Link2 MATERI Training _"Penyusunan HPS dan Perhitungan TKDN & BMP" ...RENCANA + Link2 MATERI Training _"Penyusunan HPS dan Perhitungan TKDN & BMP" ...
RENCANA + Link2 MATERI Training _"Penyusunan HPS dan Perhitungan TKDN & BMP" ...Kanaidi ken
 

Recently uploaded (20)

PROGRAM WALI KELAS untuk SMA/SMK sebagai kelengkapan pelaporan PMM. semoga be...
PROGRAM WALI KELAS untuk SMA/SMK sebagai kelengkapan pelaporan PMM. semoga be...PROGRAM WALI KELAS untuk SMA/SMK sebagai kelengkapan pelaporan PMM. semoga be...
PROGRAM WALI KELAS untuk SMA/SMK sebagai kelengkapan pelaporan PMM. semoga be...
 
MESYUARAT PENGURUSAN GURU BIL.1 SESI 2024/2025 (PEGAWAI MESRA)
MESYUARAT PENGURUSAN GURU BIL.1 SESI 2024/2025 (PEGAWAI MESRA)MESYUARAT PENGURUSAN GURU BIL.1 SESI 2024/2025 (PEGAWAI MESRA)
MESYUARAT PENGURUSAN GURU BIL.1 SESI 2024/2025 (PEGAWAI MESRA)
 
Bab 5 Buku Fiksi dan Nonfiksi Mapel Bahasa Indonesia Kelas 7
Bab 5 Buku Fiksi dan Nonfiksi Mapel Bahasa Indonesia Kelas 7Bab 5 Buku Fiksi dan Nonfiksi Mapel Bahasa Indonesia Kelas 7
Bab 5 Buku Fiksi dan Nonfiksi Mapel Bahasa Indonesia Kelas 7
 
materi PPT Cerpen kelas VIII Bhs ind.ppt
materi PPT Cerpen kelas VIII Bhs ind.pptmateri PPT Cerpen kelas VIII Bhs ind.ppt
materi PPT Cerpen kelas VIII Bhs ind.ppt
 
Bullying atau perundungan untuk tingkat SMP
Bullying atau perundungan untuk tingkat SMPBullying atau perundungan untuk tingkat SMP
Bullying atau perundungan untuk tingkat SMP
 
Tingkatkan Pembelajaran Bahasa Inggris Berbasis Aplikasi Wordwall.
Tingkatkan Pembelajaran Bahasa Inggris Berbasis Aplikasi Wordwall.Tingkatkan Pembelajaran Bahasa Inggris Berbasis Aplikasi Wordwall.
Tingkatkan Pembelajaran Bahasa Inggris Berbasis Aplikasi Wordwall.
 
Modul Ajar MTK KLS 5 disiplin postif.docx
Modul Ajar MTK KLS 5 disiplin postif.docxModul Ajar MTK KLS 5 disiplin postif.docx
Modul Ajar MTK KLS 5 disiplin postif.docx
 
Bahasa Bare'e, Bahasa pembentuk nama negara Indonesia
Bahasa Bare'e, Bahasa pembentuk nama negara IndonesiaBahasa Bare'e, Bahasa pembentuk nama negara Indonesia
Bahasa Bare'e, Bahasa pembentuk nama negara Indonesia
 
PELAKSANAAN + Link2 MATERI Training _"Teknik Perhitungan dan Verifikasi TKDN...
PELAKSANAAN  + Link2 MATERI Training _"Teknik Perhitungan dan Verifikasi TKDN...PELAKSANAAN  + Link2 MATERI Training _"Teknik Perhitungan dan Verifikasi TKDN...
PELAKSANAAN + Link2 MATERI Training _"Teknik Perhitungan dan Verifikasi TKDN...
 
5. GAYA PENULISAN DAN TEKNIK PENCERITAAN KESUSASTERAAN KANAK-KANAK (1) (1).pdf
5. GAYA PENULISAN DAN TEKNIK PENCERITAAN KESUSASTERAAN KANAK-KANAK (1) (1).pdf5. GAYA PENULISAN DAN TEKNIK PENCERITAAN KESUSASTERAAN KANAK-KANAK (1) (1).pdf
5. GAYA PENULISAN DAN TEKNIK PENCERITAAN KESUSASTERAAN KANAK-KANAK (1) (1).pdf
 
Modul Ajar Teks Fantasi Mata Pelajaran Bahasa Indonesia Kelas 7
Modul Ajar Teks Fantasi Mata Pelajaran Bahasa Indonesia Kelas 7Modul Ajar Teks Fantasi Mata Pelajaran Bahasa Indonesia Kelas 7
Modul Ajar Teks Fantasi Mata Pelajaran Bahasa Indonesia Kelas 7
 
aksi nyata iklim sekolah aman mencegah kekerasan seksual
aksi nyata iklim sekolah aman mencegah kekerasan seksualaksi nyata iklim sekolah aman mencegah kekerasan seksual
aksi nyata iklim sekolah aman mencegah kekerasan seksual
 
Feedback Mentee Buat Mentor KMB 2024 TDA DEPOK
Feedback Mentee Buat Mentor KMB 2024 TDA DEPOKFeedback Mentee Buat Mentor KMB 2024 TDA DEPOK
Feedback Mentee Buat Mentor KMB 2024 TDA DEPOK
 
MOTIVASI KLS 12 ELIGIBLE SMKN 50 JAKARTA.pptx
MOTIVASI KLS 12 ELIGIBLE SMKN 50 JAKARTA.pptxMOTIVASI KLS 12 ELIGIBLE SMKN 50 JAKARTA.pptx
MOTIVASI KLS 12 ELIGIBLE SMKN 50 JAKARTA.pptx
 
PELAKSANAAN + Link-Link MATERI Training _"Teknik Perhitungan & Verifikasi TK...
PELAKSANAAN  + Link-Link MATERI Training _"Teknik Perhitungan & Verifikasi TK...PELAKSANAAN  + Link-Link MATERI Training _"Teknik Perhitungan & Verifikasi TK...
PELAKSANAAN + Link-Link MATERI Training _"Teknik Perhitungan & Verifikasi TK...
 
MODUL AJAR FOR 7 GRADE STUDENTS - MY SCHOOL ACTIVITIES
MODUL AJAR FOR 7 GRADE STUDENTS - MY SCHOOL ACTIVITIESMODUL AJAR FOR 7 GRADE STUDENTS - MY SCHOOL ACTIVITIES
MODUL AJAR FOR 7 GRADE STUDENTS - MY SCHOOL ACTIVITIES
 
prsentasi sumber daya alam SD klas 5.ppt
prsentasi sumber daya alam SD klas 5.pptprsentasi sumber daya alam SD klas 5.ppt
prsentasi sumber daya alam SD klas 5.ppt
 
Evaluasi Rencana Pembangunan Daerah -Penyelarasan RPJPN-RPJD
Evaluasi Rencana Pembangunan Daerah -Penyelarasan RPJPN-RPJDEvaluasi Rencana Pembangunan Daerah -Penyelarasan RPJPN-RPJD
Evaluasi Rencana Pembangunan Daerah -Penyelarasan RPJPN-RPJD
 
soialisasi isu perundungan di satuan pendidikan
soialisasi isu perundungan di satuan pendidikansoialisasi isu perundungan di satuan pendidikan
soialisasi isu perundungan di satuan pendidikan
 
RENCANA + Link2 MATERI Training _"Penyusunan HPS dan Perhitungan TKDN & BMP" ...
RENCANA + Link2 MATERI Training _"Penyusunan HPS dan Perhitungan TKDN & BMP" ...RENCANA + Link2 MATERI Training _"Penyusunan HPS dan Perhitungan TKDN & BMP" ...
RENCANA + Link2 MATERI Training _"Penyusunan HPS dan Perhitungan TKDN & BMP" ...
 

Makalah model regresi dengan variabel terikat dummy

  • 1. EKONOMETRIKA (AKKC 156) MODEL REGRESI DENGAN VARIABEL TERIKAT DUMMY Dosen Pembimbing: Drs. H. Karim, M.Si Indah Budiarti, M.Pd Oleh: Agung Handoko (A1C111037) Program Studi Pendidikan Matematika Jurusan Pendidikan Matematika dan Ilmu Pengetahuan Alam Fakultas Keguruan dan Ilmu Pendidikan Universitas Lambung Mangkurat Banjarmasin 2013
  • 2. Regresi dengan Variabel Terikat Dummy i DAFTAR ISI DAFTAR ISI .............................................................................................................. i A. KAJIAN TEORI ................................................................................................ 1 B. DATA ................................................................................................................ 3  KASUS .............................................................................................................. 3  DEFINISI OPERASIONAL .............................................................................. 4 ANALISIS DATA ..................................................................................................... 5  TAHAPAN-TAHAPAN ESTIMASI MENGGUNAKAN SPSS ......................... 5  INTERPRETASI OUTPUT SPSS ..................................................................... 7 1. Identifikasi Data yang Hilang ............................................................................ 7 2. Pemberian kode variabel respon oleh SPSS ....................................................... 7 3. Uji Signifikansi Omnibus terhadap Model ......................................................... 8 4. Menilai Keseluruhan Model (Overall Model Fit) dan Menilai Kelayakan Model Regresi ...................................................................................................................... 9 5. Menguji Koefisien Regresi ............................................................................... 11 7. Penafsiran dan Prediksi ................................................................................... 13 DAFTAR PUSTAKA .............................................................................................. 17
  • 3. Regresi dengan Variabel Terikat Dummy 1 A. KAJIAN TEORI Beberapa penelitian kausal seringkali dibatasi oleh keberadaan variabel dependen yang terbatas. Metode regresi linier seperti yang kita kenal hanya dapat mengakomodir data yang bersifat kontinu dan menyebar normal, tapi bagaimana dengan data terbatas seperti mortalitas, peluang kandidat dalam pemilu, keputusan pembelian, hasil ujian, dan lain sebagainya yang hanya menyisakan 2 kemungkinan atau dikotomi. Regresi linier tidak dapat menyelesaikan kasus dimana variabel depen dennya bersifat dikotomi dan kategorik dengan dua atau lebih kemungkinan (misalnya sukses atau gagal; terpilih atau tidak terpilih; lulus atau tidak lulus; melakukan pembelian atau tidak; mendapat promosi atau tidak, dan lain-lain). Untuk itu kita memerlukan metode yang tepat seperti metode regresi binary logistic. Dengan kata lain, metode regresi binary logistic adalah metode untuk menyelesaikan kasus dimana variabel dependennya bersifat dikotomi atau memiliki 2 kategori. Asumsi-asumsi dalam regresi binary logistic diantaranya adalah sebagai berikut:  Tidak mengasumsikan hubungan linier antar variabel dependen dan independen.  Variabel dependen harus bersifat dikotomi (2 variabel).  Variabel independen tidak harus memiliki keragaman yang sama antar kelompok variabel.  Sampel yang diperlukan dalam jumlah relatif besar. Ketika suatu data dapat memenuhi asumsi normalitas, linieritas dan keragaman yang homogen, kita dapat menggunakan prosedur analisis diskriminan untuk mengevaluasi hubungan antara variabel dependen non-metrik, namun regresi logistik akan lebih baik dalam memaparkan hubungan tersebut karena dapat menjelaskan hubungan antar variabel layaknya persamaan linier. Persamaan regresi binary logistic menghasilkan rasio peluang yang dinyatakan dengan transformasi fungsi logaritma (log), dengan demikian fungsi
  • 4. Regresi dengan Variabel Terikat Dummy 2 transformasi log ataupun ln yang dinamakan model logit (logit transformation) diperlukan untuk p-value. Dengan demikian dapat dinyatakan bahwa logit (p) merupakan log dari peluang (odds ratio) atau likelihood ratio dengan kemungkinan terbesar nilai peluang adalah 1. Dengan demikian, persamaan regresi logistik menjadi: Logit (p) = log (p/1-p) = ln (p/1-p) Dimana: p bernilai antara 0-1. Bentuk umum model yang digunakan pada regresi binary logistic adalah: Ln (p / 1 – p) = β0 + β1X1 + β2X2 + …. + βkXk Dimana: p adalah kemungkinan bahwa Y = 1. X1, X2, X3 adalah variabel independen. β adalah koefisien slope dari persamaan regresi dimana slope di sini adalah perubahan nilai rata-rata dari Y dari satu unit perubahan nilai X.
  • 5. Regresi dengan Variabel Terikat Dummy 3 B. DATA  KASUS Ingin diprediksi pengaruh umur, jenis kelamin dan sejarah keluarga terhadap kemungkinan seseorang memiliki kolesterol tinggi. Berdasarkan hasil survei terhadap 40 responden, didapatkan datanya sebagai berikut: No. Kolesterol Tinggi (Y) Umur (dalam tahun) (X1) Jenis Kelamin (X2) Sejarah Keluarga (X3) 1 1 51 0 1 2 1 39 1 0 3 1 50 0 1 4 1 45 1 1 5 1 49 0 1 6 1 52 1 1 7 1 37 1 1 8 1 40 1 0 9 1 42 0 1 10 1 29 0 1 11 1 29 1 0 12 1 35 1 1 13 1 41 0 0 14 1 50 1 1 15 1 55 1 1 16 1 39 0 1 17 1 28 1 1 18 1 34 0 0
  • 6. Regresi dengan Variabel Terikat Dummy 4 19 1 37 0 1 20 1 48 1 1 21 1 55 1 1 22 1 33 1 0 23 1 46 1 1 24 1 38 0 0 25 1 42 0 1 26 0 39 0 0 27 0 38 1 0 28 0 33 0 0 29 0 46 1 0 30 0 45 1 0 31 0 34 0 0 32 0 37 0 1 33 0 27 1 0 34 0 30 0 0 35 0 47 0 0 36 0 54 1 0 37 0 30 0 1 38 0 41 0 0 39 0 35 0 1 40 0 30 1 0  DEFINISI OPERASIONAL Variabel dependen: Y = { 0,seseorang dengan kolesterol normal 1,seseorang dengan kolesterol tinggi
  • 7. Regresi dengan Variabel Terikat Dummy 5 Variabel independen: X1 = umur seseorang dalam tahun X2 = { 0, berjenis kelamin pria 1, berjenis kelamin wanita X3 = { 0, tidak ada sejarah keluarga kolesterol tinggi1, memiliki sejarah keluarga kolesterol tinggi ANALISIS DATA  TAHAPAN-TAHAPAN ESTIMASI MENGGUNAKAN SPSS 1. Setelah data diinput dalam lembar kerja SPSS kemudian klik Analyze > Regression > Binary Logistic 2. Masukkan Y sebagai variabel dependen dengan cara klik Y di kotak kiri, kemudian klik tanda panah di samping kotak Dependent. Masukkan X1, X2 dan X3 ke dalam kotak Covariates, dengan cara klik masing-masing variabel, kemudian klik tanda panah di samping kotak Covariates.
  • 8. Regresi dengan Variabel Terikat Dummy 6 3. Kemudian klik Classification plots, Hosmer-Lemeshow goodness-of-fit, Correlation of estimates, dan Iteration of History. Selanjutnya klik Continue. 4. Selanjutnya klik OK. 5. Akan keluar output SPSS untuk Model Regresi Binary Logistic.
  • 9. Regresi dengan Variabel Terikat Dummy 7  INTERPRETASI OUTPUT SPSS 1. Identifikasi Data yang Hilang Case Processing Summary Unweighted Casesa N Percent Selected Cases Included in Analysis 40 100.0 Missing Cases 0 .0 Total 40 100.0 Unselected Cases 0 .0 Total 40 100.0 a. If weight is in effect, see classification table for the total number of cases. Tabel 1 Tabel 1 menunjukkan jumlah responden yang menjadi sampel dalam pembuatan model, dimana berjumlah 48. Dari jumlah tersebut, data keputusan konsumen dalam pembelian mobil, umur, jenis kelamin dan pendapatan semuanya digunakan dalam analisis atau pembuatan model. Selanjutnya, dapat dilihat tidak ada data yang hilang (missing cases) yang diindikasikan N (jumlah) adalah 0. 2. Pemberian kode variabel respon oleh SPSS Dependent Variable Encoding Original Value Internal Value kolesterol normal 0 kolesterol tinggi 1
  • 10. Regresi dengan Variabel Terikat Dummy 8 Tabel 2 Tabel 2 menunjukkan kode variabel terikat, yang dalam hal ini adalah 0 untuk konsumen tidak membeli mobil dan 1 untuk konsumen membeli mobil. 3. Uji Signifikansi Omnibus terhadap Model Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 12.822 3 .005 Block 12.822 3 .005 Model 12.822 3 .005 Tabel 4 Tabel 4 merupakan nilai Chi Square (χ2) dari model regresi. Sebagaimana halnya model regresi linear dengan metode Ordinary Least Square (OLS), kita juga dapat melakukan pengujian arti penting model secara keseluruhan. Jika metode OLS menggunakan uji F, maka pada model logit menggunakan uji G. Statistik G ini menyebar menurut sebaran Chi Square (χ2). Karenanya dalam pengujiannya, nilai G dapat dibandingkan dengan nilai χ2 tabel pada α tertentu dan derajat bebas (df) = k-1 (kriteria pengujian dan cara pengujian persis sama dengan uji F pada metode regresi OLS). Tetapi, kita juga bisa melihat nilai p-value dari nilai G ini yang biasanya ditampilkan oleh sofware-software statistik, termasuk SPSS. Dari Tabel 4, didapatkan nilai χ2 sebesar 12,822 dengan p-value sebesar 0,005. Karena nilai tersebut signifikan atau jauh di bawah α = 10%, maka dapat disimpulkan bahwa model regresi logistik secara keseluruhan dapat menjelaskan kemungkinan seseorang memiliki kolesterol tinggi.
  • 11. Regresi dengan Variabel Terikat Dummy 9 4. Menilai Keseluruhan Model (Overall Model Fit) dan Menilai Kelayakan Model Regresi Model Summary Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 40.103a .274 .374 a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001. Tabel 5 Cox & Snell R Square merupakan ukuran yang mencoba meniru ukuran R2 pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 sehingga sulit diinterpretasikan. Dilihat dari Tabel 5, nilai Cox & Snell R Square adalah 0,274. Nagelkerke R Square merupakan modifikasi dari koefisien Cox & Snell R Square untuk memastikan bahwa nilainya bervariasi dari 0 sampai 1. Kisaran nilai Nagelkerke R Square adalah 0 hingga 1. Semakin nilai Nagelkerke R Square mendekati angka 1, maka semakin kuat variabel bebas memprediksi variabel terikat. Hal ini dilakukan dengan cara membagi nilai Cox & Snell R Square dengan nilai maksimumnya. Oleh karena itu, nilai Nagelkerke R Square dapat diinterpretasikan seperti nilai R2 pada multiple regression. Dilihat dari output SPSS, nilai Nagelkerke R Square adalah 0,374. Ini berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 0,374 %. Hipotesis untuk menilai model fit adalah: H0 = Model yang dihipotesakan fit dengan data. HA = Model yang dihipotesakan tidak fit dengan data. Dari hipotesis ini jelas bahwa kita tidak akan menolak H0 agar supaya model fit dengan data.
  • 12. Regresi dengan Variabel Terikat Dummy 10 Dalam data ini digunakan hipotesisnya sebagai berikut: H0 = tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi (predicted) dengan klasifikasi yang diamati (observed). H1= ada perbedaan yang nyata antara klasifikasi yang diprediksi (predicted) dengan klasifikasi yang diamati (observed). Hosmer and Lemeshow Test Step Chi-square df Sig. 1 13.030 8 .111 Tabel 6 Hosmer and Lemeshow Test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Dasar pengambilan keputusannya adalah dengan memperhatikan nilai signifikansi dari Chi Square terhadap kriteria pengujian α = 0.1 pada Hosmer and Lemeshow Test yaitu:  Jika probabilitas > 0,1 maka H0 diterima  Jika probabilitas < 0,1 maka H1 diterima Tabel 6 menunjukkan bahwa besarnya nilai Hosmer and Lemeshow Test sebesar 7,211 dengan probabilitas signifikansi 0,111 > α = 0,1 maka H0 diterima. Hal ini berarti model regresi binary logistic layak digunakan untuk analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
  • 13. Regresi dengan Variabel Terikat Dummy 11 5. Menguji Koefisien Regresi Variables in the Equation B S.E. Wald df Sig. Exp(B) Step 1a X1 .031 .053 .336 1 .562 1.031 X2 .994 .821 1.464 1 .226 2.702 X3 2.408 .856 7.913 1 .005 11.115 Constant -2.264 2.090 1.174 1 .279 .104 a. Variable(s) entered on step 1: X1, X2, X3. Tabel 7 Tabel 7 memberikan estimasi koefisien model dan pengujian hipotesis parsial dari koefisien model. Regresi logistik 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. Odds ratio pada SPSS dilambangkan dengan Exp(B). Dari tabel 7 diperoleh nilai Exp (B) sebagai faktor pengali (p). Adapun nilai Exp(B) dari variabel independen umur sebesar 1,031, variabel independen jenis kelamin sebesar 2,702, variabel independen sejarah keluarga sebesar 11,115, Penafsirannya adalah:  Angka negatif dianggap probabilitas = 0.  Angka > 1 dianggap probabilitas = 1.  Angka di antara 0 sampai 1, probabilitasnya sesuai angka yang tertera. Nilai Exp(B) dari variabel independen umur sebesar 1,031, maka peluang umur sebesar 1 (karena Exp(B) > 1 maka dibulatkan menjadi 1) dapat diartikan bahwa seseorang yang berumur lebih tua satu tahun, peluang memiliki kolesterol tinggi adalah 1,031 kali dibandingkan seseorang yang berumur lebih muda (satu
  • 14. Regresi dengan Variabel Terikat Dummy 12 tahun), jika sejarah keluarga dan jenis kelamin mereka sama. Artinya orang yang lebih tua memiliki peluang yang lebih tinggi memiliki kolesterol tinggi. Dalam konteks umur ini (yang merupakan variabel dengan skala rasio), hati-hati menginterpretasikan nilai perbedaan peluangnya. Jika perbedaan umur lebih dari 1 tahun, misalnya 10 tahun, maka odds ratio-nya akan menjadi 0,31, yang diperoleh dari perhitungan exp (10 x 0,031). Artinya peluang seseorang memiliki kolesterol tinggi berumur lebih tua 10 tahun adalah 0,31 kali dibandingkan konsumen yang lebih muda (10 tahun) darinya. Nilai Exp(B) variabel independen jenis kelamin (jenis kelamin dimana 1 = wanita dan 0 = pria) sebesar 2,702, maka peluang jenis kelamin sebesar 2,702. Dapat diartikan bahwa peluang wanita memiliki kolesterol tinggi adalah 2,702 kali dibandingkan pria, jika umur dan sejarah keluarga mereka sama. Artinya wanita memiliki peluang lebih tinggi memiliki kolesterol tinggi dibandingkan pria. Nilai Exp(B) variabel independen sejarah keluarga sebesar 11,115, maka peluang orang yang memiliki sejarah keluarga kolesterol tinggi sebesar 11,115. dapat diartikan bahwa peluang seseorang yang memiliki sejaarah keluarga berkolesterol tinggi adalah 11,115 kali dibandingkan seseorang yang tidak memiliki sejarah keluarga berkolesterol tinggi, jika umur dan jenis kelaminnya sama. Untuk menguji faktor mana yang berpengaruh nyata seseorang yang memiliki kolesterol tinggi tersebut, dapat menggunakan uji signifikansi dari parameter koefisien secara parsial dengan statistik uji Wald, yang serupa dengan statistik uji t atau uji Z dalam regresi linear biasa, yaitu dengan membagi koefisien terhadap standar error masing-masing koefisien. Dengan uji t (Uji Wald) dan p- value-nya (dengan menggunakan kriteria pengujian α = 10%) terlihat bahwa X3 berpengaruh nyata (karena memiliki p-value dibawah 10%) seseorang yang memiliki kolesterol tinggi. Variabel independen umur dan jenis kelamin tidak signifikan pada α = 10%, namun model regresi ini layak digunakan untuk memprediksi variabel seseorang berkolesterol tinggi, karena secara faktual variabel independen berupa umur dan jenis kelamin bisa saja mempengaruhi seseorang berkolesterol tinggi. Ketidaksignifikan data ini mungkin disebabkan karena pengumpulan data yang kurang akurat atau terbatasnya sampel yang diambil.
  • 15. Regresi dengan Variabel Terikat Dummy 13 7. Penafsiran dan Prediksi Persamaan model regresi binary logistic tersebut adalah: ln ( p1 p) = -2,264 + 0,031 X1 + 0,994 X2 + 2,408 X3 Dimana: Y = Seseorang memiliki kolesterol tinggi X1 = Umur X2 = Jenis Kelamin X3 = Sejarah Keluarga p = Peluang seseorang berkolesterol tinggi 1 p = Peluang seseorang berkolesterol normal a. Nilai konstanta sebesar  2,264 berarti pada saat umur berkode 0, jenis kelamin berkode 0, sejarah keluarga 0, maka probabilitas seseorang memiliki kolesterol tinggi sebesar: ln ( p1 p) =  2,264 p1 p = e 2,264 p = e 2,2641+ e 2,264 = 0,0941487 = 9,4141% Karena menghasilkan probabilitas 9,4141% , maka dapat disimpulkan bahwa tanpa adanya variabel independen umur, jenis kelamin, dan pendapatan maka seseorang masih meliliki peluang sebesar 9,414% untuk memiliki kolestero tinggi. b. Apabila jenis kelamin berkode 0 (pria), sejarah keluarga berkode 0 maka probabilitas seseorang memiliki kolesterol tinggi adalah sebagai berikut:  Misalkan kita ambil seseorang berumur 29 tahun ln ( p1 p) = -2,264 + 0,031 (29) = -1,365 p1 p = e1,365
  • 16. Regresi dengan Variabel Terikat Dummy 14 p = e1,3651+ e1,365 = 0,2034 = 20,34% Karena menghasilkan probabilitas 20,34% maka pada umur 29 tahun bisa diprediksi bahwa peluang seseorang memiliki kolesterol tinggi sebesar 20,34%.  Misalkan kita ambil konsumen berumur 51 tahun ln ( p1 p) = -2,264 + 0,031(51) = -0,683 p1 p = e-0,683 p = e-0,6831+ e-0,683 = 0,3355 = 33,55% Karena menghasilkan probabilitas 33,55% maka pada umur 51 tahun bisa diprediksi bahwa peluang seseorang memiliki kolesterol tinggi sebesar 33,55%. c. Apabila jenis kelamin berkode 1 (wanita), sejarah keluarga 0 maka probabilitas seseorang memiliki kolesterol tinggi adalah sebagai berikut:  Misalkan kita ambil konsumen berumur 30 tahun ln ( p1 p) = -2,264+ 0,031(30)+ 0,994 (1) = 0,34 p1 p = e0,34 p = e0,341+ e0,34 = 0,4158 = 41,58% Karena menghasilkan probabilitas 41,58% maka pada umur 30 tahun bisa diprediksi bahwa peluang seseorang wanita memiliki kolesterol tinggi sebesar 41,58%  Misalkan kita ambil konsumen berumur 45 tahun ln ( p1 p) = -2,264+ 0,031(45)+ 0,994 (1) = 0,125 p1 p = e0,125
  • 17. Regresi dengan Variabel Terikat Dummy 15 p = e0,1251+ e0,125 = 0,5312 = 53,12% Karena menghasilkan probabilitas 53,12% maka seorang wanita pada umur 45 tahun bisa diprediksi bahwa peluang seseorang memiliki kolesterol tinggi sebesar 53,12%. d. Apabila jenis kelamin berkode 1 (wanita), sejarah keluarga (1) maka probabilitas seseorang memiliki kolesterol tinggi adalah sebagai berikut:  Misalkan kita ambil konsumen berumur 30 tahun ln ( p1 p) = -2,264+ 0,031(30)+ 0,994 (1) + 2,408(1) = 2,068 p1 p = e2,068 p = e2,0681+ e2,068 = 0,8877 = 88,77% Karena menghasilkan probabilitas 88,77% maka seorang wanita pada umur 30 tahun dan memiliki sejarah keluarga berkolesterol tinggi bisa diprediksi peluang seseorang tersebut memiliki kolesterol tinggi sebesar 88,77%. e. Apabila jenis kelamin berkode 0 (pria), sejarah keluarga (1) maka probabilitas seseorang memiliki kolesterol tinggi adalah sebagai berikut:  Misalkan kita ambil konsumen berumur 30 tahun ln ( p1 p) = -2,264+ 0,031(30) + 2,408(1) = 1,074 p1 p = e1,074 p = e1,0741+ e1,074 = 0,7454 = 74,54% Karena menghasilkan probabilitas 74,54% maka seorang pria pada umur 30 tahun dan memiliki sejarah keluarga berkolesterol tinggi bisa diprediksi peluang seseorang tersebut memiliki kolesterol tinggi sebesar 74,54%. .
  • 18. Regresi dengan Variabel Terikat Dummy 16 Dengan demikian, dapat diambil kesimpulan bahwa dapat diprediksi peluang seorang wanita dan memiliki sejarah keluarga berkolesterol tinggi adalah lebih tinggi untuk memiliki kolesterol tinggi.
  • 19. Regresi dengan Variabel Terikat Dummy 17 DAFTAR PUSTAKA http://enistat.lecture.ub.ac.id/files/2012/ ( diakses, 16 desember 2013. 09.20) http://www.docstoc.com/docs/121543681/MODEL-REGRESI-DENGAN- VARIABEL-TERIKAT-DUMMY/ (diakses ,16 desember 2013, 09.30)