84 nilai odds merupakan suatu indikator kecenderungan sebuah rumah tangga
menentukan pilihan-1 menjadi miskin, dalam ilustrasi ini.
4.3.2.2. Pendugaan Parameter Koefisien Model Logit
Pada umumnya pendugaan parameter koefisien model logit menggunakan penduga kemungkinan maksium atau maximum likelihood ML estimator.
Prosedur ML dalam menduga parameter koefisien model logit adalah sebagai berikut :
Pi = PY=1│x
i
= PXi : peluang bahwa Y=1 jika diketahui X=x
i
1- Pi = PY=0│x
i
= 1-Px
i
: peluang bahwa Y =0 jika diketahui X=x
i
4.3.2.3. Pendugaan Parameter Ragam Koefisien Model Logit
Untuk generalisasi secara umum, untuk menduga model regresi logistik ganda multiple logistic regression model dengan k-1 peubah bebas. Misalkan k-
1 peubah bebas berskala interval dinotasikan dengan X ‟=X
2
, X
3
, ....., X
k
yang merupakan vektor peubah bebas, dan peluang bersyarat X=x
i
bahwa responnya pilihan-
1 adalah PY=1│x
i
=Px
i
, maka logit dari model regresi logistik gandanya adalah :
4 Atau lebih rinci dapat dijabarkan sebagai berikut :
……… 5
Variabel bebas X
j
dalam pengamatan ini dapat diringkaskan sebagai berikut : P
i
RTM = Peluang bahwa suatu obyek pengamatan ke-i akan tergolong
dalam rumah tangga miskin berdasarkan nilai tertentu dari variabel bebas X
j
D
1
JNKL = Dummy Jenis Kelamin 1 = laki-laki; 0 = lainnya
Umur = Umur Kepala Rumah Tangga Tahun
D
2
_PKKRT = Pekerjaan Kepala Rumah Tangga 1, jika petaninelayan, 0 = lainnya
JMTG = Jumlah Tanggungan Rumah Tangga Jiwa
D
3
PDKRT = Peubah Dummy, yaitu :
D
1
, dimana 1, jika berpendidikan SD dan 0 jika lainnya D
2
, dimana 1, jika berpendidikan SMP ke atas, dan 0, jika lainnya.
Ls_ART = Lama Sekolah Anggota Rumah Tangga Tahun
85 D
4
_BCTLS = Kemampuan Baca Tulis Kepala RumahTangga 1, jika Ya, dan
0, jika lainnya RT_SAK
= Rata-rata Lama Sekolah Anggota Keluarga Tahun D
5_
AkLKeu = Dummy Akses ke Lembaga Keuangan 1 = ya; 0=lainnya. D
6_
KESRT = Tingkat Kesehatan Kepala Rumah Tangga 1, jika sehat, dan 0
jika lainnya. D
7
_JMKES = Jaminan Kesehatan 1, jika dapat, dan 0, jika lainnya D
8
_AkPLN = Dummy Akses ke PLN 1= Ya; 0=tidak.
D
9
_PPEMB = Peubah dummy, yaitu : D
1
= 1, jika
berpartisipasi dalam
proses perencanaan
pembangunan dan 0, jika lainnya. D
2
= 1, jika berpartisipasi dalam pelaksanaan dan pengendalian 0, jika selainnya.
KepLHN = Kepemilikan Lahan Ha
NlAsset = Nilai asset produktif yang dimiliki masyarakat Rp Juta.
D
10
_Telek = Akses ke Telekomunikasi 1, jika Ya, dan 0, jika lainnya
D
11
_Wil = Peubah dummy, yaitu:
D
1
= 1, jika domisili di wilayah pegunungan, dan 0, jika lainnya. D
2
, = 1, jika domisili di wilayah pesisir dan 0, jika lainnya dan model regresi logistik gandanya :
6 Metode pendugaan ragam-peragam variances and covariances dari
dugaan koefisien berdasarkan teori pendugaan kemungkinan maksimum yang telah dikembangkan dengan baik lihat Rao, 1973 dalam Juanda 2008. Teori
menyatakan bahwa penduga ragamnya diperoleh matriks turunan parsial kedua dari fungsi log likelihood. Turunan parsial kedua ini mempunyai bentuk umum
sebagai berikut :
dan
untuk j,u = 1,2,...,k dan PXi = π
i
untuk meringkaskan tulisan. Misalkan matriks │β berisi negatif dari komponen-komponen dalam persamaan sehingga matriks
tersebut berukuran k x k, yang disebut sebagai matriks informasi. Ragam dan
86 peragam dari dugaan koefisien diperoleh dari kebalikan matriks tersebut, yang
dinotasikan dengan
Ʃβ = │
-1
β.
Untuk pengujian koefisien dan pendugaan selang kepercayaan, digunakan dugaan simpangan baku standar error dari dugaan koefisien dengan notasi :
Ŝe = [
2 j
]
0.5
=
j
7
4.3.2.4. Pengujian Model Logit dan Pendugaan Selang Kepercayaan Koefisien
