42 d
Setelah domain superior terpilih, masing-masing faktor di analisis sev=cara kualitatif berdasarkan pengamatan lapang.
4.7.4. Model Regresi Logistik Biner
Regresi logistik biner merupakan suatu bentuk regresi yang digunakan ketika variabel dipendennya bersifat dikotomi dan variabel independennya tediri
dari berbagai tipe Garson, 2009. Penggunaan model regresi logistik biner dalam penelitian ini dilakukan melalui enam tahap yaitu:
1. Transformasi kualitas dari skala 1 hingga 10 menjadi skala biner 1 dan 0
dengan titik potong adalah rata-rata kualitas seluruh responden. Kualitas karet yang dibawah rata-rata kualitas responden dimasukan kedalam kelompok
“kualitas lebih rendah” dan diberi simbol 0, sedangkan petani dengan kualitas diatas rata-rata dimasukan kedalam kelompok “kualitas lebih tinggi’ dengan
simbol 1. Hasil tranformasi ini akan menjadi variabel dependen pada model regresi logistik biner.
2. Menduga faktor-faktor yang memengaruhi yang memengaruhi kualitas karet.
3. Membuat model hubungan kualitas dan faktor-faktor yang memengaruhinya
dengn model regresi logistik biner. 4.
Menduga parameter koefisien variabel-variabel independen yang terdapat pada model.
5. Menentukan variabel independen yang signifikan dalam model uji parsial
atau individual dan menentukan signifikansi model uji kelayakan model. 6.
Melakukan intepretasi dan pembahasan terhadap faktor-faktor yang memengaruhi kualitas karet perkebunan rakyat.
Dalam penelitian ini, tahap pendugaan koefisien tahap 4 dan uji signifikansi tahap 5 dilakukan dengan menggunakan perangkat lunak komputer
Minitab 14.
4.7.4.1. Pendugaan Model
Hosmer dan Lemeshow 2000 menuliskan bentuk model persamaan logit dari multiple logistic regression adalah sebagai berikut:
dimana
43 1
dengan bentuk model regresi logistiknya adalah 1
+
,
-+
. .
-+ --+
1
+
,
-+
. .
-+ --+
Dimana 1 2 1| merupakan peluang bersyarat kejadian Y=1.
Dalam penelitian ini, varibel dependen Y adalah kualitas yang ditransformasi dalam dua variabel nominal yakni 1 untuk kelompok kualitas lebih
tinggi, dan 0 untuk kelompok kualitas lebih rendah. Variabel independent x adalah faktor sosial ekonomi petani dan faktor teknis usahatani karet. Variabel
independen terdiri dari variabel-variabel dengan skala nominal atau rasio.
4.7.4.2. Pendugaan Koefisien
Koefisien variabel atau parameter model β ,
β
1
, β
2
,..... β
p
dalam model regresi logistik biner diduga dengan menggunakan maximum likelihood ML
estimation. Menurut Klienbaum dan Klein 2002 maximum likelihood ML estimation merupakan salah satu dari beberapa alternatif pendekatan yang
dikembangkan oleh para ahli statistik untuk menduga parameter di dalam model 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: 4 5
6
7
8 9
:1 ;
6
7
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.
1
Hosmer dan Lameshow 2000 menotasikannya dengan Lβ, dan notasi ini yang digunakan dalam penulisan selanjutnya.
44 Di dalam tampilan tersebut, ditunjukkan besarnya koefisien berdasarkan prinsip
maximum likelihood ML estimation dan tanda koefisien positif atau negatif.
4.7.4.3. Uji Signifikansi
Kategori