36
mungkin dilakukan. Pendekatan yang dapat dilakukan dalam kondisi ini adalah regresi logistik. Efferin, Darmadji, dan Tan 2008 menyatakan,
“Regresi logistik memungkinkan penggunaan model regresi untuk memprediksi probabilitas respon terhadap kategori tertentu untuk seperangkat
variabel yang telah ada sebelumnya. Model regresi ini berdasar pada odds ratio
, yang mempresentasikan probabilitas suatu kesuksesan akan dibandingkan dengan probabilitas kegagalan.”
Hosmer, et al. 2013:1 menjelaskan, “Perbedaan antara regresi logistik dan linier ini tercermin dalam bentuk model dan asumsi yang digunakan
walaupun metode yang digunakan dalam analisis regresi logistik menyerupai prinsip umum yang sama yang digunakan dalam regresi linier.”
3.5.1. Uji Multikolinearitas
Uji normalitas tidak dapat dipenuhi seperti yang telah dijelaskan di atas maka uji asumsi klasik yang masih digunakan dalam penelitian ini
adalah uji multikolinearitas. Tujuan uji multikolinearitas menurut Ghozali 2011:105 adalah, “Untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.”
Ghozali 2011:105 menjelaskan bahwa untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi dapat dilakukan dengan,
“Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas
0,90, maka hal ini merupakan indikasi adanya multikolinearitas.” Jika
37
tabel matrik korelasi menunjukkan nilai yang lebih besar dari 0,90 berarti ada korelasi yang besar antara variabel independen. Sebaliknya nilai yang
lebih kecil dari 0,90 berarti tidak ada korelasi yang besar antara variabel independen.
3.5.2. Overall Model Fit Test
Statistik yang digunakan untuk menguji Overall Model Fit Test berdasar pada fungsi likelihood. Ghozali 2011:340 menjelaskan bahwa,
“Likelihood L dari model adalah probabilitas bahwa model yang dihipotesakan menggambarkan data input.” Pengujian model fit dilakukan
dengan mentransformasikan L menjadi -2LogL. Pengujian dilakukan dengan membandingkan nilai antara -2LogL
awal dengan nilai -2LogL akhir. Model dikatakan fit bila nilai -2LogL akhir menurun dari nilai -2LogL awal. Ghozali 2011:346 menyatakan
bahwa, ”Penurunan ini signifikan atau tidak dapat dibandingkan dengan tabel c2 dengan df selisih df dengan konstan saja dan df dengan 3 variabel
independen.” Jika penurunan nilai -2LogL lebih besar daripada nilai yang tertera pada tabel C-2 hal ini berarti penambahan variabel independen ke
dalam model akan memperbaiki model fit penelitian ini sehingga model penelitian dinyatakan fit.
38
3.5.3. Hosmer and Lemeshow’s Goodness of Fit Test