49
3.5.3 Pengujian Model
Pengujian model dalam penelitian ini menggunakan pengujian Model Fit Overall Model Fit , Kelayakan Model Regresi Goodness of Fit dan
koefisien determinasi R
2
. a.
Pengujian Model Fit Overall Model Fit
Pengujian ini merupakan langkah pertama yang dilakukan untuk menilai overall fit model terhadap data. Statistik yang digunakan dalam
pengujian ini adalah berdasarkan fungsi likelihood. Likelihood L dari model merupakan probabilitas bahwa model yang dihipotesiskan menggambarkan
data input. Apabila terdapat pengurangan nilai antara -2LL awal dengan nilai -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data
Ghozali, 2013: 340. Dengan kata lain, penurunan Log Likehood menunjukkan model regresi semakin baik.
b. Pengujian Kelayakan Model Regresi Goodness of Fit
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hosmer and Lemeshow’s Goodness of Fit
Test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat
dikatakan fit. Hipotesis untuk menilai kelayakan model regresi ini adalah sebagai berikut Ghozali, 2013: 341:
1. Jika nilai
Hosmer and Lemeshow’s Goodness of Fit Test 0,05 maka H ditolak yang berarti adanya perbedaan antara model dengan nilai
Universitas Sumatera Utara
50
observasinya sehingga Goodness Fit Model tidak baik karena model tidak dapat memprediksi nilai observasinya.
2. Jika nilai
Hosmer and Lemeshow’s Goodness of Fit Test 0,05 maka H diterima yang berarti model dapat diterima karena cocok dengan data
observasinya.
c. Koefisien Determinasi
Koefisien determinasi digunakan untuk mengukur seberapa besar variabilitas variabel independen mampu memperjelas variabilitas variabel
dependen. Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Cox Snell R Square dan Nagelkerke R Square. Cox
Snell R Square merupakan ukuran yang meniru ukuran R
2
pada multiple regression sehingga sulit diinterpretasikan. Kelemahan mendasar yang
dimiliki Cox Snell R Square adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel
independen, baik nilai R
2
maupun nilai Cox Snell R Square akan mengalami peningkatan tanpa mempedulikan apakah variabel tersebut
berpengaruh atau tidak berpengaruh terhadap variabel dependen. Oleh sebab itu, Nagelkerke R Square digunakan dalam mengevaluasi model regresi yang
terbaik dikarenakan nilai yang dihasilkan dapat naik atau turun apabila satu variabel independen dimasukkan ke dalam model. Ghozali, 2013
d. Matriks Klasifikasi
Kategori