Batasan Masalah Tujuan Penelitian Manfaat Penelitian Tinjauan Pustaka

logistik adalah metode yang sesuai untuk digunakan dalam penelitian kepemilikan Hp ini.

1.3 Batasan Masalah

Melihat luasnya cakupan permasalahan yang berhubungan dengan penelitian ini, maka batasan masalah dalam penelitian ini adalah: 1. Variabel independen X yang digunakan dalam penelitian ini adalah harga X 1 , merek X 2 , fitur X 3 , desain X 4 dan iklan X 5 . 2. Responden pada penelitian ini adalah mahasiswa FMIPA USU. 3. Metode analisis yang digunakan untuk menentukan model hubungan antara variabel independen X dan variabel dependen Y dalam penelitian ini adalah dengan pendekatan statistik, yaitu dengan regresi logistik.

1.4 Tujuan Penelitian

Menerapkan model regresi logistik terhadap kepemilikan Hp Android pada mahasiswa FMIPA USU.

1.5 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai berikut: 1. Sebagai tambahan informasi pada produsen dan memberikan gambaran tentang faktor-faktor yang berpengaruh terhadap kepemilikan Hp Android. 2. Mengetahui penerapan model regresi logistik terhadap kepemilikan Hp Android pada mahasiswa FMIPA USU. 3. Memberikan manfaat bagi mahasiswa dalam rangka menambah ilmu pengetahuan dan wawasan tentang Analisis Regresi Logistik serta dapat dijadikan sebagai referensi bagi peneliti selanjutnya. Universitas Sumatera Utara

1.6 Tinjauan Pustaka

Pengertian teknologi sebenarnya dari bahasa prancis yaitu “la teqnique” yang berarti semua proses yang dilaksanakan dalam upaya untuk mewujudkan sesuatu secara rasional http:www.aingindra.compengertian-teknologi. Android adalah sistem operasi berbasis linux yang dirancang untuk perangkat seluler layar sentuh seperti telepon pintar dan komputer tablet. Analisis regresi logistik adalah salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan satu atau beberapa variabel independen dengan sebuah variabel dependen kategori yang bersifat dikotombinary. Variabel kategori yang dikotomi adalah variabel yang mempunyai dua nilai variasi, misalnya sukses atau tidak sukses. S.P. Hastono, 2008 :167 Regresi logistik berbeda dengan regresi linier pada penggunaan jenis variabel dependennya. Pada regresi linier menggunakan variabel dependen numerik sedangkan pada regresi logistik menggunakan variabel dependen kategorik yang bersifat dikotomi. Yasril, 2008 Banyak topik penelitian yang menuntut variabel dependen berupa pilihan nominal seperti terjadi atau tidak terjadi, memilih atau tidak memilih, sukses atau gagal. Regresi dengan variabel dependen bernilai nominal tersebut dapat dilakukan dengan menggunakan variabel dependen berupa nilai 1 atau 0. Suharjo, 2008 Regresi logistik merupakan model regresi yang digunakan bila variabel responnya bersifat kualitatif Hosmer dan Lemeshow, 1989 model regresi logistik sederhana yaitu model regresi logistik untuk satu variabel Independen X dengan variabel dependen Y yang bersifat dikotomi. Nilai variabel Y = 1 menyatakan adanya suatu karakteristik dan Y = 0 menyatakan tidak adanya suatu karakteristik. Adapun bentuk umum model regresi logistik adalah: ∑ ∑ 1.1 Universitas Sumatera Utara Keterangan: = peluang sukses = intersep parameter-parameter regresi variabel ke- dari variabel independen bilangan natural 2,7183 Model ini merupakan model peluang suatu kejadian yang dipengaruhi oleh faktor –faktor . Persamaan ini bersifat nonlinier dalam parameter. Tidak seperti pada regresi linier dengan metode Ordinary Least Squares atau kuadrat terkecil, regresi logistik tidak mengasumsikan hubungan linier antara variabel dependen dengan variabel independen. Akan tetapi, variabel independen memiliki hubungan linear dengan logit variabel dependen. Selanjutnya, untuk menjadikan model tersebut linier proses yang dinamakan logit transformation perlu dilakukan seperti berikut ini: | | ∑ 1.2 Keterangan: = peluang sukses = intersep parameter-parameter regresi variabel ke- dari variabel independen Sebelum membentuk model regresi logistik terlebih dahulu dilakukan uji signifikansi parameter. Uji yang pertama dilakukan adalah pengujian peranan parameter di dalam model secara keseluruhan atau uji signifikansi secara overall. Menurut Hosmer-Lemeshow, 1989 suatu statistik uji rasio likelihood G adalah fungsi dari dan yang berdistribusi Chi-square dengan derajat bebas yang didefenisikan sebagai berikut: [ ] 1.4 Universitas Sumatera Utara Keterangan: nilai maksimum fungsi kemungkinan untuk model di bawah H nilai maksimum fungsi kemungkinan untuk model di bawah H 1 = nilai maksimum fungsi log kemungkinan untuk model di bawah H = nilai maksimum fungsi log kemungkinan untuk model di bawah H 1 Uji Wald Chi-square digunakan untuk menguji signifikansi parameter model secara terpisah. Didefenisikan dengan: [ ̂ ̂ ] dengan i = 1,2,...,n 1.5 Keterangan: ̂ = Nilai dari estimasi parameter regresi untuk variabel ke-i ̂ = Nilai standard error untuk variabel ke-i n = variabel bebas yang digunakan Uji kecocokan model digunakan untuk mengevaluasi cocok tidaknya model dengan data, nilai observasi yang diperoleh sama atau mendekati dengan yang diharapkan dalam model. Alat yang digunakan untuk menguji kecocokan dalam regresi logistik adalah uji Hosmer dan Lemeshow, mengikuti distribusi Chi-square dengan dimana adalah banyaknya kelompok, dengan rumus sebagai berikut : ∑ ̅ ̅ ̅ 1.6 Keterangan : = total sampel kelompok = Jumlah sampel kejadian sukses pada kelompok ke- ̅ = rata-rata taksiran probabilitas kelompok ke- Universitas Sumatera Utara Dalam regresi logistik juga ada rasio peluang odds ratio yang digunakan untuk melihat asosiasi antara variabel independen dengan variabel dependen dan juga untuk menginterpretasikan regresi logistik. Peluang odds dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul dibagi dengan probabilitas suatu kejadian yang tidak terjadi. Secara umum rasio peluang merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi independen diartikan sebagai jumlah relatif dimana peluang hasil meningkat rasio peluang 1 atau turun rasio peluang 1 ketika nilai variabel independen meningkat sebesar 1 unit. Untuk menentukan odds ratio rumusnya sebagai berikut: 1 1 1 1 1 1 1 1 p p p p p p p p        1.7 Keterangan: 1 p : Peluang kejadian kelompok pertama. p : Peluang kejadian kelompok kedua.

1.7 Metodologi Penelitian