51
X
9
= teknologi X
10
= motivasi X
11
= sumber informasi i
= nasabah ke-i β
1
β
1
= intersept
β
2
... β
12
=
koefisien – koefisien estimasi
4.6. Uji Multicolinaerity
Sebelum melakukan estimasi persamaan sebaiknya terlebih dahulu dilakukan uji apakah antar variabel bebas mengandung multicolinaerity Gujarati,
1997. Jika korelasinya kurang dari 0,8 maka dapat dikatakan tidak ada multicolinaerity.
4.7. Pengujian Keberartian Model
Pengujian keberartian model dibuat untuk memastikan keterkaitan antara peubah-peubah penjelas dalam model dengan peubah responnya. Untuk keperluan
pengujian tersebut dapat digunakan statistik uji-G, dimana statistik uji-G ini mengikuti sebaran X
2
dengan derajat bebas p Hosmer dan Lemeshow, 1989. Pengujian keberartian model ini dapat juga dilakukan dengan menggunakan nilai
Likelihood Ratio LR Statistic, dimana LR statistik mengikuti distribusi Chi- square dengan df = degrees of freedom sebesar banyaknya variabel bebas
Supranto, 2004. Statistik uji-G adalah:
} ln
ln ln
[ log
{ 2
1 1
n n
n n
n n
likelihood nilai
G −
+ −
= ........................... 4.4
dimana: G = nilai rasio likelihood
52
Log likelihood = nilai likelihood model tanpa variabel tak bebas n = total jumlah sampel
n
1
= jumlah sampel yang termasuk dalam kategori P Y = 1 | X n
= jumlah sampel yang termasuk dalam kategori P Y = 0 | X
4.8. Uji Nyata Parameter
Untuk memeriksa peranan peubah penjelas dalam model secara parsial dilakukan uji-Wald. Rumusan uji-Wald berdasarkan hipotesis H
: 0 =
i
β lawan
hipotesis H
1
: ≠
i
β i = 1,2,.........,
ρ tersebut adalah:
∧ ∧
=
i i
i
se W
β β
.................................................................................................. 4.5
dimana
∧ i
β merupakan penduga
i
β dan se
∧ i
β . Statistik uji-Wald megikuti sebaran normal baku dibawah hipotesis
=
i
β
Homser dan Lemeshow, 1989. 4.9.
Interpretasi Koefisien
Interpretasi koefisien dilakukan pada peubah-peubah yang berpengaruh nyata. Interpretasi dilakukan dengan melihat tanda dari koefisien tersebut. Jika
koefisien yang diperoleh bernilai positif maka kecenderungan Y=1 lebih besar terjadi pada peubah bebas X=1 dari pada X=0 menurut Hosmer dan Lemeshow
1989 koefisien model logit ditulis sebagai
i
β = gx +1 – gx. Parameter
i
β slope mencerminkan perubahan dalam fungsi logit gx untuk perubahan satu
unit peubah bebas x yang disebut log odd. Log odd merupakan beda antara dua penduga yang dihitung pada dua nilai misal x=a dan x=b yang dinotasikan
sebagai berikut:
53
, ln
b x
g a
x g
b a
= −
= =
ψ b
a
i
− =
β ................................................................................. 4.6
sedangkan penduga odds ratio adalah:
[ ]
exp ,
i
b a
b a
− =
β ψ
.............................................................................. 4.7 sehingga jika a-b=1 maka
exp
i
β ψ =
. Interpretasi dari odds ratio ini adalah bahwa untuk X = 1 memiliki kecenderungan Y = 1 sebesar
ψ kali dibandingkan dengan untuk X = 0 Hosmer dan Lemeshow 1989. Titik potong intersept sering
tidak mempunyai arti, sehingga bisa diabaikan.
4.10. Metode analisis
