30 � =
� Dimana :
I = besar interval kelas
R = range atau panjang kelas nilai maksimum dikurangi nilai minimum k
= jumlah kelas Mean dicari dengan menggunakan rumus :
� = �
Xi = data ke-i n = jumlah data
Persentase ditentukan dengan menggunakan persamaan: �
� = �ℎ � �� � �
�ℎ � � x 100
� Statistik dasar juga digunakan dalam transformasi data dalam peneliian ini.
Statistik dasar yang digunakan adalah uji perbedaan dengan menggunakan uji T. Dalam penelitian ini, tingkat kepercayaan yang digunakan dalam uji satatistik
dasar adalah 80 persen α = 20 persen atau lebih dari 80 persen α 20 persen.
4.5.2. Model Regresi Logistik Biner
Regresi logistik biner merupakan suatu bentuk regresi yang digunakan ketika variabel dependennya bersifat dikotomi dan variabel independen nya terdiri
dari berbagai tipe Garson,2009. Metode ini Digunakan untuk mengukur hubungan fungsi antara satu variabel dependent Y yang bersifat dikotomus
hanya memiliki dua kemungkinan nilai dengan variabel-variabel independent X dari jenis kuantitatif dan kualitatif.
Hosmer dan Lemeshow 2000 menuliskan bentuk model persamaan logit dari multiple logistic regression adalah sebagai berikut:
� = � +
�
1 1
+ �
2 2
+ ⋯ + �
� �
dimana � =
� 1
− � dengan bentuk model regresi logistiknya adalah
31 � =
�
1 +
�
� =
� +
�
1 1
+ �
2 2
+ ⋯+�
� �
1 +
� +
�
1 1
+ �
2 2
+ ⋯+�
� �
Dimana � = � = 1 merupakan peluang bersyarat kejadian Y=1.
Berikut ini adalah persamaan regresi logistik yang digunakan oleh penulis : � = �
+ �
1 1
+ �
2 2
+ �
3 3
+ �
4 4
+ �
5 5
+ �
6 6
+ �
7 7
+ �
8 8
+ �
9 9
+ �
10 10
Dimana : gx = y = 1 jika petani memroduksi koagulump segar harian
y = 0 jika petani memroduksi koagulump 2 harian
1
= Usia petani karet tahun
2
= Pendidikan petani karet tahun
3
= Pengalaman tahun
4
= Jumlah anggota keluarga orang
5
= Pendapatan keluarga Rp
6
= Luas lahan karet yang dimiliki petani responden hektar
7
= Keikutsertaan dalam kegiatan sosial 1= jika ikut serta dalam kegiatan sosial dan 0 = jika tidak ikut serta
8
= Keanggotaan dalam kelompok tani 1 = jika menjadi anggota kelompok tani dan 0 = jika tidak menjadi anggota kelompok tani
9
= Keberadaan pegawai penyuluh lapang 1 = jika PPL menetap di desa tempat responden tinggal dan 0 = jika tidak
10
= Harga yang diterima oleh petani Rupiah β
= konstanta β
1
, β
2
,.. β
13
= koefisien dugaan dari variabel independen.
4.5.3. 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
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
