t hitung lebih kecil dari t tabel t hitung t tabel atau P value lebih besar dari α
P 5,00 , maka terima hipotesis nol H0. Untuk memudahkan pengolahan data, maka digunakan program komputer
statistik. Program komputer statistik yang dimaksud adalah SPSS Statistical Product and Solution Services
versi 13.
4.4.4 Analisis Regresi Logistik
Regresi logistik merupakan persamaan matematik yang menggambarkan hubungan antar variabel tidak bebas terikat dengan sejumlah variabel bebas.
Pada model regresi logistik, variabel terikatnya bersifat biner atau dikotomi yakni memiliki nilai yang diskontinu 0 atau 1. Dalam penelitian ini analisis regresi
logistik digunakan untuk meneliti faktor-faktor yang mempengaruhi seorang konsumen membeli telur ayam bermerek dan telur ayam curah. Faktor-faktor yang
dianggap mempengaruhi keputusan membeli telur bermerek dan telur curah adalah usia, pendidikan, pendapatan, jumlah anggota keluarga, jumlah balita
dalam keluarga, tuntutan kesehatan dan ketersediaan telur. Dengan demikian yang termasuk ke dalam variabel terikat adalah keputusan pembelian telur ayam
bermerek atau telur ayam curah. Sedangkan yang termasuk ke dalam variabel bebasnya adalah usia, pendidikan, pendapatan, jumlah anggota keluarga, jumlah
balita dalam keluarga, tuntutan kesehatan dan ketersediaan produk.
Model Matematis :
Nilai variabel terikat bersifat dikotomi : Y = gX = b0 + b1X1 + b2X2 + ... + bnXn
Y = 1, jika konsumen membeli telur ayam bermerek Y = 0, jika konsumen membeli telur ayam curah
Model regresi logistiknya :
dimana : b
= Intersep
b
1
– b
8
= Koefisien variabel bebas X X1
= Tingkat pendapatan Rp bulan X2
= Usia tahun X3
= Jumlah anggota keluarga orang X4
= Jumlah balita dalam keluarga orang X5
= Tuntutan kesehatan 1 : Menderita penyakit tertentudianjurkan dokter
0 : Tidak menderita penyakit tertentudianjurkan dokter X
6
= Ketersediaan produk 1 : Selalu tersedia
0 : Pernah tidak tersedia Pd
Diploma
= Variabel Dummy Pendidikan Diploma D
1
= 1 : Diploma D
= 0 : lainnya 1
| harapan
Nilai
X g
X g
e e
X X
Y +
= =
π
⎥ ⎦
⎤ ⎢
⎣ ⎡
− =
1 ln
X X
X g
π π
= b + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ b
6
X
6
+ b
7
Pd
Diploma
+ b
5
Pd
Sarjana
+ b
6
Pd
Pasca Sarjana
Pd
Sarjana
= Variabel Dummy Pendidikan Sarjana D
1
= 1 : Sarjana D
= 0 : lainnya Pd
Pasca Sarjana
= Variabel Dummy Pendidikan Pasca Sarjana D
1
= 1 : Pasca Sarjana D
= 0 : lainnya
Nilai Odds Ratio
Menurut Agung 2001, nilai odds ratio digunakan untuk melihat hubungan antara variabel terikat Y dengan variabel bebas X yang didapatkan
dari perhitungan ekponensial koefisien estimasi atau exp bi. Dalam penelitian ini nilai odds ratio merupakan nilai yang menunjukkan perbandingan peluang Y=1
jika konsumen memilih telur ayam bermerek dengan Y=0 jika konsumen memilih telur ayam biasa dengan dipengaruhi oleh variabel bebas. Rumus dari
odds ratio adalah :
⎥ ⎦
⎤ ⎢
⎣ ⎡
− =
Ψ 1
i i
X p
X p
ratio Odds
atau ⎥
⎦ ⎤
⎢ ⎣
⎡ −
1 Xi
P Xi
P atau exp bi
dimana : Ψ =
Odds ratio Xi
= Variabel bebas P
= Peluang variabel terikat Y terhadap variabel bebas X
Uji Rasio Likelihood
Uji ini fungsinya untuk melihat pengaruh seluruh variabel bebas terhadap variabel terikat secara bersama-sama dengan membandingkan G hitung dengan
Chi Square pada tabel, dimana derajat bebasnya sebesar jumlah variabel bebasnya Hosmer and Lemeshow, 1989.
G hitung = 2
{
nilai log likelihood -
[
n
1
lnn
1
+ n lnn
- n lnn
]
}
dimana : G hitung
= Nilai rasio likelihood log likelihood = Nilai likelihood model tanpa variabel bebas
n
1
= Jumlah sampel yang termasuk dalam kategori P Y=1 n
= Jumlah sampel yang termasuk dalam kategori P Y=0 n
= Total jumlah sampel
Uji Wald
Uji Wald digunakan untuk mengetahui variabel-variabel bebas X yang mempengaruhi variabel terikat Y secara sendiri-sendiri. Uji ini sebanding
dengan uji t pada regresi linier. Rumus umum untuk menguji hipotesis ini adalah:
H0 : bi = 0 variabel bebas tidak mempengaruhi variabel terikat H1 : bi
≠ 0 variabel bebas mempengaruhi variabel terikat Rumus dari Uji Wald adalah :
i i
i
b SE
b W
=
dimana : Wi
= Nilai Wald hitung pada variabel bebas ke-i bi
= Koefisien penduga regresi logisitk pada variabel bebas ke-i
SEbi = Penduga galat baku pada variabel bebas ke-i
4.5 Definisi Operasional
