Keempat bauran pemasaran tersebut merupakan empat proses yang efektif pada usaha kecil, bagaimana place tempat berperan sebagai tempat bertahan dan
distribusi aliran produk. Tempat suatu usaha menentukan keberhasilan suatu usaha, karena tempat merupakan suatu pertahanan usaha. Product merupakan hal
penting karena produk yang diciptakan adalah penentu suatu usaha dapat sukses atau tidak, sementara price dan promotion adalah harga dan promosi berperan
penting namun keberadaan mereka masih perlu banyak dipelajari untuk dapat menciptakan suatu kesuksesan usaha Nastiti dan Soebari, 2007.
2.1.7 Teori Regresi Logistik
Regresi Logistik merupakan salah satu metode regresi yang digunakan untuk mencari hubungan antara peubah respon bersifat kategorik berskala
nominal, ordinal dengan satu atau lebih peubah penjelas kontinyu maupun kategorik. Jika peubah respon berskala nominal digunakan regresi logistik
multinomial, sedangkan pada peubah respon berskala ordinal digunakan regresi logistik ordinal Fahmeir dan Tutz, 1994. Tingkatan skala data dimulai dari
tertinggi rasional, interval, ordinal dan nominal terendah. Data berskala lebih tinggi dapat diubah ke skala lebih rendah, sehingga data berskala ordinal dapat
dipandang sebagai data yang berskala nominal. Jadi data yang dapat dianalisis menggunakan regresi logistik ordinal dapat pula dianalisis dengan regresi logistik
multinomial, sehingga analisis regresi logistik ordinal dapat pula dipandang sebagai analisis regresi logistik multinomial. Pendugaan parameter model regresi
logistik multinomial dan ordinal dilakukan dengan metode Maximum Likelihood Estimation MLE
Husaini, 2006. Menurut Husaini 2006, regresi logistik logistic regression sebenarnya
sama dengan analisis regresi berganda, hanya variabel terikatnya merupakan variabel dummy 0 dan 1. Sebagai contoh, pengaruh beberapa rasio keuangan
terhadap keterlambatan penyampaian laporan keuangan. Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat tepat. Regresi logistik tidak
memerlukan asumsi normalitas, meskipun screening data outliers tetap dapat dilakukan.
Gujarati 2002, regresi logistik membentuk persamaan atau fungsi dengan pendekatan
maximum likelihood,
yang memaksimalkan
peluang pengklasifikasian objek yang diamati menjadi kategori yang sesuai kemudian
mengubahnya menjadi koefisien regresi yang sederhana. Dua nilai yang biasa digunakan sebagai variabel dependen yang diprediksi adalah 0 dan 1 ex.
1=berhasil, 0=gagal. Regresi logistik menghasilkan rasio peluang odds ratios antara keberhasilan atau kegagalan suatu dari analisis. Dapat kita contohkan
dengan seorang tokoh yang ingin menjadi presiden, akan lebih baik peluangnya jika menjadi ketua partai politik tertentu. Disini odds ratio yang dimaksud adalah
seberapa besar peluang tokoh tersebut dengan mempertimbangkan variabel prediktor yang ada. Regresi logistik akan membentuk variabel prediktorrespon
log p1-p yang merupakan kombinasi linier dari variabel independen. Nilai variabel prediktor ini kemudian ditransformasikan menjadi probabilitas dengan
fungsi logit. Menurut Husaini 2006, model regresi logit menggunakan transformasi
logit. Model umum regresi logistik biner adalah : PY=1 = π = e
β0+β1x1+....βkxk
1+ e
β0+β1x1+....βkxk
Untuk memeriksa peranan variabel-variabel penielas x dalam model, dilakukan pengujian terhadap parameter model β. Pengujian secara simultan
dilakukan menggunakan uji C, sedangkan secara persial menggunakan uji Wald. Statistik uji C adalah rasio kemungkinan likelihood ratio test yang digunakan
untuk menguji peranan variabel penjelas didalam model secara bersama-sama. Rumus umum uji C untuk menguji hipotesis :
H : β
1
= β
2
= ...... =β
k
= 0 H
1
: minmal ada satu β
1
yang tidak sama dengan 0
Statistik C ini secara teoritis mengikuti X
2
dengan derajat bebas k. Kriteria pengambilan keputusan yang diambil yaitu menolak H0 bila Chitung X
2 uk.
Sementara untuk uji Wald digunakan untuk menguji pa rameter β
1
secara parsial. Hipotesis yang diuji adalah :
H : β
1
= 0 H
1
: β
1
≠ 0 Formula untuk statistik Wald adalah
W = β SE β
1
Secara teori statistik Wald mengikuti sebaran normal baku jika H0 benar. Kriteria pengambilan keputusan adalah H0 ditolak jika W
Zα. Goodness of fit adalah suatu alat statistik yang digunakan untuk pengujian kebaikan atau
kecocokan model yang dipostulatkan dengan data yang diamati.
2.2 Kerangka Pemikiran