Uji Signifikansi Parameter Model Awal

3.5.2 Uji Signifikansi Parameter Model Awal

Sebelum membentuk model regresi logistik terlebih dahulu dilakukan uji signifikansi parameter. Uji yang pertama kali dilakukan adalah pengujian peranan parameter didalam model secara keseluruhan overall yaitu dengan hipotesis sebagai berikut: , :  k H  Dengan . ..., , 2 , 1 n k  Secara simultan variabel independen tidak berpengaruh terhadap variabel dependen. : 1 H ,  k  Dengan . ..., , 2 , 1 n k  Minimal ada satu variabel independen yang berpengaruh secara simultanterhadap varibel dependen. Statistik uji yang digunakan adalah:   2 log log 2 log 2 1 1 1 L L l l l l G               Nilai 2 1 L L   tersebut mengikuti distribusi chi-square dengan derajat bebas banyaknya parameter dalam model p df  . Keputusan . 2  Kriteria ujinya adalah H terima jika 2 , p G    dan H tolak jika 2 , p G    .uji diperoleh dengan membandingkan nilai G dan dan . 2  Untuk melihat tingkat variasi data menggunakan Cox Snell R Square pada tabelModel Summary berikut: Tabel 3.14Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 34.820 a .362 .531 a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001. Hasil pada tabel model summary di atas dapat kita peroleh dengan menggunakan software SPSS 16.0, dari perhitungan tersebut maka diperoleh nilai rasio kemungkinan sebesar 34,820 dapat dilihat pada tabel 3.14. Nilai chi- squaretabel =11,070dengan p = 5. Universitas Sumatera Utara Dengan demikian dapat dilihat bahwa, 2 , p G    yaitu 34,820 ≥ 11,070 sehingga H ditolak, ini berarti bahwa paling sedikit ada satu variabel independen yang berpengaruh secara simultanterhadap varibel dependen pada . 05 ,   Tabel diatas menunjukkan koefisien determinasi regresi logistik yakni 0,531 sehingga dapat dikatakan variabel-variabel independen dalam penelitian ini sudah menjelaskan 53,1 terhadap variabel dependennya. Dan sisanya 46,9 dapat dijelaskan oleh variabel lain di luar model. Tabel 3.15 Tabel Klasifikasi Observed Predicted Kepemilikan Hp Android Percentage Correct 1 bulan 1 bulan Step 1 Kepemilik an Hp Android 1 bulan 8 5 .61.5 1 bulan 2 35 94.6 Overall Percentage 86.0 a. The cut value is ,500 Pada tabel 3.15 memperlihatkan bahwa ketepatan prediksi dalam penelitian ini adalah sebesar 86 untuk mengetahui koefisien dari parameter mana yang berarti tersebut, maka dilakukan uji secara individual. Uji ini dapat dilakukan dengan uji wald dengan hipotesis sebagai berikut: , :  k H  Dengan . ..., , 2 , 1 n k  Tidak ada pengaruh variabel independen ke- k terhadap variabel dependen. , : 1  k H  Dengan . ..., , 2 , 1 n k  Ada pengaruh variabel independen ke- k terhadap variabel dependen. Statistik Uji:          ˆ ˆ 2 i i i SE W   dengan n i ,..., 2 , 1  Universitas Sumatera Utara Statistik Wald mengikuti distribusi normal sehingga untuk memperoleh keputusan pengujian, dibandingkan nilai W dengan nilai 2  Z H ditolak jika nilai 2  Z W  atau p-value α. Dengan menggunakan software SPSS 16.0 dapat kita peroleh nilai-nilai statistik uji wald sebagai berikut: Tabel 3.16 Nilai Koefisien Variabel B S.E. Wald Df Sig. ExpB Step 1 a X 1 1.012 .487 4.313 1 .038 2.752 X 2 -.501 .443 .1.278 1 .258 .606 X 3 .304 .198 2.343 1 .126 1.355 X 4 .299 .196 2.336 1 .126 1.349 X 5 .035 .159 .050 1 .824 1.036 Constant -11.295 3.711 9.264 1 .002 .000 a. Variables entered on step 1: X 1 , X 2 , X 3 , X 4 , X 5 . Dengan 05 ,   dan 1  df pada tabel chi-square diperoleh nilai chi- squaretabel = 3,841. Dari hasil uji statistik wald di tabel, nilai uji statistik wald pada variabel X 2 , X 3 , X 4 , dan X 5 lebih kecil dari nilai chi-square tabel. Sedangkan untuk nilai uji statistik wald pada variabel X 1 lebih besar dari nilai chi-square tabel.Dari nilai uji statistik wald tersebut dapat disimpulkan bahwa H ditolak, ini berarti bahwa variabel X 1 berpengaruh secara signifikan terhadap kepemilikan Hp Android Y pada mahasiswa F MIPA USU. Setelah dilakukan uji signifikansi parameter pada tabel di atas maka model regresi logistik dapat dibentuk dengan menggunakan nilai taksiran persamaan transformasi logistik yaitu sebagai berikut: [ ] Universitas Sumatera Utara Persamaan menunjukkan bahwa nilai intersep = -11,295. Artinya: [ ] = - 11,295 pada saat semua variabel berharga 0, yaitu pada saat variabel X 1 , X 3 , X 4 , dan X 5 tidak berpengaruh terhadap besarnya peluang kepemilikan Hp Android Y. Diperoleh besaran [ ] = -11,295atau besarnya probabilitas 295 , 11 295 , 11 1     e e x p i = 0,00001.

3.5.3 Uji Kecocokan Model