32 matematis. Fungsi likelihood L atau
Lθ
1
menggambarkan joint probability atau likelihood dari data amatan yang telah dikumpulkan. Istilah joint probability
bermakna sebuah kemungkinan yang mengombinasikan pengaruh-pengaruh semua faktor pengamatan.
Hosmer dan Lemeshow 2000 menuliskan fungsi likelihood : � � = �
=1
1 − �
1 −
Pada prinsip maximum likelihood ML estimation nilai β yang digunakan di
dalam model regresi logistik dalah nilai β yang memaksimalkan nilai Lβ. Output Minitab 14 menunjukkan koefisien variabel atau parameter model
β , β
1
, β
2
,.....β
p
di dalam tampilan Logistic Regression Table pada kolom Coef. Di dalam tampilan tersebut, ditunjukkan besarnya koefisien berdasarkan prinsip
maximum likelihood ML estimation dan tanda koefisien positif atau negatif.
4.5.4. Uji Signifikansi
Uji parameter atau koefisien variabel β
, β
1
, β
2
,.....β
p
dan uji kelayakan model uji serempak atau uji signifikansi model dilakukan dengan menggunakan
uji likelihood ratio. Berdasarkan Hosmer dan Lemeshow 2000 dan Agresti 2002, uji likelihood ratio dapat digambarkan dalam nilai G statistic
2
. Pada uji serempak signifikansi model, nilai G statistic dinyatakan dengan:
Nilai G statistic menyebar mengikuti sebaran Chi-Square χ
2
. Apabila nilai G statistic lebih kecil dari nilai Chi-Square
χ
2
tabel atau pada output Minitab tergambar di dalam nilai P-value
yang lebih besar dari pada α maka terima H
the
null hypothesis
atau gagal menolak H pada tingkat α tersebut
Garson, 2009. Hipotesis yang dibangun pada uji parsial ini adalah: H
: β
1
= β
2
= β
3
=....= βp = 0
H
1
: minimal terdapat satu β
i
≠ 0 dengan i = 1, 2,3 ..... p.
1
Hosmer dan Lameshow 2000 menotasikannya dengan Lβ, dan notasi ini yang digunakan
dalam penulisan selanjutnya.
2
Uji G statistik disebut juga Hosmer and Lemeshows goodness of fit test, atau goodness of fit saja Garson,2009 dan Agresti,2002
33 Pada output Minitab 14 nilai G statistic disajikan dalam tampilan Test that all
slopes are zero yang terdiri dari nilai G statistic, derajat bebas, dan P-value. Uji parsial signifikansi koefisien digunakan uji Wald. Hosmer dan
Lemeshow 2000 menuliskan nilai uji Wald yang dinotasikan dengan W
i
sebagai berikut:
Nilai uji Wald menyebar mengikuti sebaran normal Z. Seperti pada uji G
statistic, Uji dignifikansi yang biasa digunakan adalah dengan melihat P-value dari uji tersebut. Apabila P-value dari Wald Test
lebih besar dari pada α atau nilai uji Wald Z hitung lebih kecil dari Z tabel maka terima H
the
null hypothesis
atau gagal menolak H pada tingkat α tersebut. Hipotesis pada uji parsial adalah:
H :
βi = 0 H
1
: β
i
≠ 0 dengan i = 1, 2,3 .....p. Pada output Minitab 14 nilai uji Wald Z hitung disajikan dalam tampilan
Logistic Regression Table pada kolom “ Z ” dan nilai P-value pada kolom “ P ”
untuk masing-masing koefisien. Pada penelitian ini uji signifikansi menggunakan taraf nyata sebesar 20 persen.
4.5.5. Intepretasi Koefisien
