Rentang Range dinotasikan sebagai R, menyatakan ukuran yang menunjukkan selisih nilai antara maksimum dan minimum.Rentang cukup
baik digunakan untuk mengukur penyebaran data yang simetrik dan nilai datanya menyebar merata.Ukuran ini menjadi tidak relevan jika nilai data
maksimum dan minimumnya merupakan nilai ekstrim. 2. Variansi Variance=S
2
atau σ
2
Variansi variance dinotasikan sebagai S2 atau σ2 adalah ukuran
penyebaran data yang mengukur rata-rata kuadrat jarak seluruh titik pengamatan dari nilai tengah meannya.
3. Simpangan Baku s Simpangan baku standar deviation dinotasik
an sebagi s atau σ, menunjukkan rata-rata penyimpangan data dari harga rata-ratanya.
Simpangan baku merupan akar pangkat dua dari variansi.
2.3 Regresi
2.3.1 Pengertian Regresi
Suatu model matematis yang dapat digunakan untuk mengetahui bentuk hubungan antara dua variabel atau lebih, dengan tujuan untuk membuat prediksi nilai suatu
variabel dependen melalui variabel independen. Analisis regresi adalah teknik statistika yang berguna untuk memeriksa
danmemodelkan hubungan diantara variabel-variabel. Analisis regresi dapat digunakan untuk dua hal pokok, yaitu :
a Untuk memperoleh suatu persamaan dari garis yang menunjukkan persamaan hubungan antara dua variabel. Persamaan dan garis yang
dihasilkan bisa berupa persamaan garis bentuk linier maupun nonlinier.
b Untuk menaksir suatu variabel yang disebut variabel tak bebas terikat dengan variabel lain yang disebut variabel bebas berdasarkan hubungan
yang ditunjukkan persamaan regresi tersebut. Berdasarkan amatan dan analisis data, penyelesaian regresi ini dapat
berupa persamaan linier maupun nonlinier.Oleh karena itu analisis regresi ini terbagi atas regresi linier dan regresi nonlinier.Yang termasuk ke dalam regresi
linier adalah regresi linier sederhana, regresi linier berganda, dan sebagainya.Sedangkan yang termasuk regresi nonlinier adalah regresi model
parabola kuadratik, model parabola kubik, model eksponen, model geometrik, regresi logistik, dan sebagainya.
2.3.2 Regresi Logistik
Analisis regresi logistik merupakan salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan satu atau dua variabel independen
dengan sebuah variabel dependen kategorik yang bersifat dikotom binary. Variabel kategorik yang dikotom merupakan variabel yang mempunyai dua nilai
variasi yang mewakili kemunculan atau tidak adanya suatu kejadian yang diberi skor 0 atau 1 yaitu dalam hal ini mengenai kesadaran wajib pajak yaitu sadar atau
tidak sadar. Regresi logistik berbeda dengan regresi linear, karena pada regresi linear
menggunakan variabel dependen numerik sedangkan pada regresi logistik menggunakan variabel dependen kategorik yang bersifat dikotomus.
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.Regresi logistik menghasilkan rasio peluang odds ratio
antara keberhasilan atau kegagalan suatu dari analisis.Disini odds ratio yang dimaksud
adalah seberapa
besar peluang
dari suatu
variabel
denganmempertimbangkan 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. Tujuan dari analisis
regresi logistik adalah untuk memperoleh model yang paling baik fit dan sederhana yang dapat menggambarkan hubungan antara variabel dependen dan
variabel independen. Regresi logistik dibagi menjadi dua, yaitu :
1 Regresi logistik sederhana Digunakan untuk mengetahui hubungan antara satu variabel independen
dengan satu variabel dependen yang bersifat dikotomus. 2 Regresi logistik ganda
Digunakan untuk mengetahui hubungan antara beberapa variabel independen dengan satu variavel dependen yang bersifat dikotomus.
2.3.3 Asumsi Regresi Logistik