Dimana : r = Jumlah baris.
c = Jumlah kolom. Kesimpulan hipotesis juga dapat dilihat dari nilai P Chi-square atau
Fisher’s Exact Test. PFisher’s Exact Test digunakan apabila expected
count kurang dari 5. H ditolak jika P Chi-square atau Fisher’s Exact Test
kurang dari α = 5 Perhitungan uji Chi-square dilakukan dengan
menggunakan bantuan software SPSS 13.0 for Windows.
3. Analisis Regresi Logistik Biner
A. Model Regresi Logistik Biner
Regresi logistik biner digunakan untuk menguji hipotesis yang ada. Regresi logistik biner merupakan bentuk khusus dari analisis regresi.
Analisis ini tidak memerlukan asumsi distribusi multivariat normal atau kesamaan matrik varian kovarian Hosmer dan Lemeshow, 2000. Regresi
logistik biner digunakan karena semua data baik variabel dependent terikat
maupun variabel independent bebas berbentuk satu-nol biner satu untuk
menunjukkan kepuasan dan nol untuk menunjukkan ketidakpuasan.
Pada penelitian ini model regresi logistik biner yang digunakan adalah sebagai berikut Hosmer dan Lemeshow, 2000:
X ...
X X
1 X
... X
X X
X
8 8
2 2
1 1
8 8
2 2
1 1
i i
i
\ Y
E
β β
β β
β β
β β
π
+ +
+ +
+ +
+ +
+ =
=
e e
……..8
Dimana :
X X
i i
i
\ Y
E
π
=
: Ekspektasi kondisional dari Y
i
jika diberikan X
i
.
Tabel 4. Keterangan variabel-variabel dalam model regresi logistik biner
Kategori Variabel
Keterangan Skala
Puas Tidak Puas
Y Kepuasan karyawan
Biner Y = 1
Y = 0 X
1
Imbalan yang memadai dan adil Biner
X
1
= 1 X
1
= 0 X
2
Kondisi dan lingkungan pekerjaan yang aman dan sehat
Biner X
2
= 1 X
2
= 0 X
3
Kesempatan untuk menggunakan dan mengembangkan kemampuan
Biner X
3
= 1 X
3
= 0 X
4
Kesempatan untuk berkembang dan keamanan berkarya di masa depan
Biner X
4
= 1 X
4
= 0 X
5
Integrasi sosial dalam lingkungan kerja Biner
X
5
= 1 X
5
= 0 X
6
Ketaatan pada berbagai ketentuan formal dan normatif
Biner X
6
= 1 X
6
= 0 X
7
Keseimbangan antara kehidupan kekaryaan dan kehidupan pribadi
Biner X
7
= 1 X
7
= 0 X
8
Relevansi sosial kehidupan kekaryaan. Biner
X
8
= 1 X
8
= 0
Pada penelitian ini pendugaan model logistik biner dilakukan dengan metode maksimum
likelihood. Fungsi likelihood menyatakan probabilitas bersama dari data hasil observasi yang masih merupakan fungsi dari
parameter yang tidak diketahui. Prinsip pendugaan dengan metode ini adalah bila ada suatu fungsi
likelihood, yaitu: L β
1,
β
2, …,
β
p
, maka diperlukan untuk mencari nilai
p ∧
∧ ∧
β ,...,
β ,
β
2 1
yang dapat memaksimumkan nilai L
β
1,
β
2, ….,
β
p
. Untuk dapat menggunakan pendugaan maksimum likelihood,
rumus model regresi logistik biner terlebih dahulu ditransformasi kedalam bentuk persamaan logit.
Berdasarkan persamaan model regresi logistik biner 8, persamaan logitnya menjadi :
p p
2 2
1 1
X β
... X
β X
β β
X X
1 ln
LX
+ +
+ +
= ⎥
⎦ ⎤
⎢ ⎣
⎡
− =
π π
……. 9
Dimana :
X
π
: Probabilitas bersyarat y =1 bila diketahui x. 1 -
X
π
: Probabilitas bersyarat y =0 bila diketahui x. Langkah selanjutnya adalah mencari penduga
β
0,
β
1, …,
β
p
dengan memaksimumkan fungsi
likelihood LX. Karena Y bernilai 1 atau 0, maka
Y berdistribusi bernoulli. Akibatnya fungsi densitas dari Y dapat ditulis
sebagai berikut : Fy
i
=
[ ]
[ ]
i
y i
y −
−
1 i
i
X 1
X
π π
…………….. 10 Sehingga fungsi likelihoodnya menjadi :
β l
=
∏
= n
i 1 π
[ ]
[ ]
i
y i
y −
−
1 i
i
X 1
X
π π
………………..11
Seperti telah disebutkan sebelumnya bahwa prinsip maksimum likelihood
pada intinya adalah mencari sekumpulan parameter β yang dapat
memaksimumkan fungsi likelihood
β
L
. Secara logit ditulis :
[ ] [
] [
]
{ }
∑
=
− +
= =
n i
y y
i i
1 i
i
x -
1 ln
1 x
ln β
ln β
L π
π l
….12
Berdasarkan teknik optimisasi, β
0,
β
1, …,
β
p
yang optimal dapat diperoleh bila persyaratan FONC First Order Necessary Condition berikut
terpenuhi Nachrowi dan Usman, 2002:
FONC :
β β
L β
β L
1
= ∂
∂ =
∂ ∂
: :
:
β β
L
p
= ∂
∂
………….. 13
Bila persyaratan FONC terpenuhi maka akan diperoleh
p ∧
∧ ∧
β ,...,
β ,
β
2 1
, perhitungan tersebut dilakukan dengan menggunakan bantuan software SPSS
13.0 for windows dengan perhitungan Maximum Likelihood Estimator
MLE. B.
Pengujian Signifikansi
Dalam penelitian ini pengujian signifikansi model dan parameter yang digunakan menurut Hosmer dan Lemeshow, 2000 adalah sebagai
berikut :
1. Uji seluruh Model Uji G
