Analisis Regresi Logistik 10 Analisis Regresi

b. Untuk menaksir suatu variabel yang disebut variabel tak bebas terikat dengan variabel lain yang disebut variabel bebas berdasarkan hubungan yang ditunjukkan persamaan regresi tersebut. Berdasarkan amatan dan analisis data, penyelesaian regresi ini dapat berupa persamaan linier maupun nonlinier. Oleh karena itu analisis regresi ini terbagi atas regresi linier dan regresi nonlinier. Yang termasuk ke dalam regresi linier adalah regresi linier sederhana, regresi linier berganda, dan sebagainya. Ssedangkan yang termasuk regresi nonlinier adalah regresi model parabola kuadratik, model parabola kubik, model eksponen, model geometrik, regresi logistik, dan sebagainya.

2.10.1 Analisis Regresi Logistik

Model regresi merupakan komponen penting dalam beberapa analisis data dengan menggambarkan hubungan antara variabel respon dan satu atau beberapa variabel penjelas. Pada umumnya analisis regresi digunakan untuk menganalisis data dengan variabel respon berupa data kuantitatif. Akan tetapi sering juga ditemui kasus dengan variabel responnya bersifat kualitatifkategori. Untuk mengatasi masalah tersebut maka dapat digunakan model regresi logistik. Pendekatan model persamaan regresi logistik digunakan karena dapat menjelaskan hubungan antara variabel bebas dan peluangnya yang bersifat tidak linear, ketidaknormalan sebaran dari variabel terikat, serta keragaman respon yang tidak konstan dan tidak dapat dijelaskan oleh model regresi linear biasa Agresti, 1990. Menurut Hosmer 1989, metode regresi logistik adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval. Yang dimaksud dengan peubah kategorik yaitu peubah yang berupa data nominal dan ordinal. Universitas Sumatera Utara Pada dasarnya regresi logistik sama dengan analisis diskriminan, perbedaan ada pada jenis data dari variabel dependen. Jika pada analisis diskriminan variabel dependen adalah data rasio, maka pada regresi logistik variabel dependen adalah data nominal. Data nominal di sini lebih khusus adalah data binary. Dengan demikian, tujuan regresi logistik adalah pembuatan sebuah model regresi untuk memprediksi besar variabel dependen yang berupa variabel binary dengan menggunakan data variabel independen yang sudah diketahaui besarnya. Regresi logistik biner adalah salah satu metode statistika yang sering digunakan untuk mengklasifikasikan sejumlah pengamatan dengan respon biner ke dalam beberapa kelompok berdasarkan satu atau lebih variabel prediktor. Melalui metode ini akan dihasilkan peluang dari masing-masing kategori respon yang akan dijadikan sebagai pedoman pengklasifikasian dan suatu pengamatan akan masuk kedalam respon kategori tertentu berdasarkan nilai peluang yang terbesar. Pada Regresi logistik biner dikotomus, variabel responnya mempunyai dua kategori. Fenomena dimana variabel responnya dua bivariat dan masing-masing berkategorikan biner, dapat dianalisis mengunakan regresi logistik biner bivariat, dengan asumsi antar peubah respon biner terdapat dependensi. Regresi logistik cukup baik dan sering digunakan. Regresi logistik memiliki beberapa keuntungan dibandingkan regresi lainnya, yaitu: 1. Regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang digunakan dalam model. Artinya variabel penjelas tidak harus memiliki distribusi normal, linier, maupun memiliki varian yang sama dalam setiap group. 2. Variabel dalam regresi logistik dapat berupa campuran dari variabel kontinu, diskrit, dan dikotomis. Universitas Sumatera Utara 3. Regresi logistik amat bermanfaat digunakan apabila distribusi respon atas variabel terikat diharapkan non linier dengan satu atau lebih variabel bebas. Bentuk umum regresi logistik tersebut adalah: px i = 1 1+ e −��+ ����+ ����+ … ���� = e ��+ ����+ ����+ … ���� 1+e ��+ ����+ ����+ … ���� 2 Misalkan: πx = px i gx = ln � px i 1−px i � π x = 1 1+ e −��+ ����+ ����+ … ���� = e ��+ ����+ ����+ … ���� 1+e ��+ ����+ ����+ … ���� Sehingga: gx = ln π x 1 − π x = ln π x − ln�1 − π x� = ln e ��+ ����+ ����+ … ���� 1+e ��+ ����+ ����+ … ���� − ln �1 − e ��+ ����+ ����+ … ���� 1+e ��+ ����+ ����+ … ���� � = ln e � � + � � � � + � � � � + … � � � � − ln1 + e � � + � � � � + � � � � + … � � � � − ln �1+e ��+ ����+ ����+ … ���� �−1+e ��+ ����+ ����+ … ���� 1+e ��+ ����+ ����+ … ���� = ln e � � + � � � � + � � � � + … � � � � − ln1 + e � � + � � � � + � � � � + … � � � � − ln 1 1+e ��+ ����+ ����+ … ���� = ln e � � + � � � � + � � � � + … � � � � − ln1 + e � � + � � � � + � � � � + … � � � � − �ln 1 − 1 + e � � + � � � � + � � � � + … � � � � � = ln e � � + � � � � + � � � � + … � � � � − ln1 + e � � + � � � � + � � � � + … � � � � − ln 1 + ln �1 + e � � + � � � � + � � � � + … � � � � � = ln e � � + � � � � + � � � � + … � � � � − ln 1 = b + b 1 X 1 + b 2 X 2 + … b k X k ln e − 0 = b + b 1 X 1 + b 2 X 2 + … b k X k ln e = b + b 1 X 1 + b 2 X 2 + … b k X k 1 gx = b + b 1 X 1 + b 2 X 2 + … b k X k Maka diperoleh rumus regresi logistiknya adalah: Universitas Sumatera Utara ln � π x 1 − π x� = b + b 1 X 1 + b 2 X 2 + … b k X k ln � px i 1−px i � = b + b 1 X 1 + b 2 X 2 + … b k X k 3 Dengan, � � � = Probabilitas terjadinya peristiwa pada kelompok ke-i e = Basis dari logaritma natural; ≈ 2,71828 i = 1, 2, . . . ,n b , b 1 , . . . b k = Koefisien regresi pada model logistik X 1 , X 2 , . . .X k = Variabel independen

2.10.2 Uji Model Persamaan Regresi Logistik