i SE
i W
β β
Λ Λ
=
15
Secara teori, statistik W ini mengikuti sebaran normal baku. Dengan kriteria keputusan adalah menolak H
jika |W| ≥ Z
α2
atau nilai p ≤ α .
2.3.2. Pereduksian Peubah Penjelas
Pereduksian peubah dalam regresi logistik dikenal sebagai analisis regresi logistik bertatar stepwise logistic regression, dimana langkah yang
dilakukan adalah menambah dan mengurangi peubah-peubah penjelas satu demi satu dari model sampai didapatkan model dengn peubah-peubah penjelas yang
mempunyai pengaruh signifikan. Analisis regresi logistik bertatar stepwise logistic regression terdiri dari
forward selection dan backward elimination. Dalam metode forward selection
prosedur dimulai dengan intersep, kemudian peubah penjelas dimasukkan satu persatu ke dalam model dan diuji dengan uji Khi-Kuadrat. Apabila peubah
penjelas tidak signifikan pada nilai α yang ditentukan, maka peubah dikeluarkan
dari model. Tetapi peubah penjelas yang signifikan akan dimasukkan ke dalam model. Sedangkan dalam metode backward elimination, prosedur dimulai dengan
memasukkan semua peubah penjelas ke dalam model, kemudian peubah diuji satu persatu dengan uji Khi-Kuadrat. Peubah penjelas yang tidak signifikan pada nilai
α yang ditentukan dikeluarkan dari model, tetapi peubah penjelas yang signifikan tetap berada dalam model Gonzales 2003. Teknik pereduksian peubah penjelas
ini telah tersedia dalam paket pengolahan komputer. Dalam penelitian ini metode pereduksian yang digunakan adalah backward elimination.
2.3.3. Interpretasi Koefisien
Ukuran untuk melihat seberapa besar kecenderungan pengaruh peubah penjelas terhadap respon digunakan Rasio Odds Hosmer Lemeshow 2000.
Sedangkan interpretasi koefisien pada model regresi logistik dilakukan dengan melihat nilai rasio odds dan selang kepercayaan rasio oddsnya. Tanda positif dari
koefisien menunjukkan bahwa nilai rasio odds lebih dari satu. Begitupun sebaliknya, untuk tanda koefisien negatif, maka nilai rasio oddsnya kurang dari
satu. Koefisien model logit dapat ditulis sebagai
β=gx+1-gx yang menginterpretasikan bahwa perubahan nilai logit gx terjadi untuk setiap
perubahan satu unit peubah penjelas X yang selanjutnya disebut log odds. Secara umum dapat dikatakan bahwa log odds adalah beda antara penduga logit yang
dihitung pada dua nilai sembarang, misalnya x=a dan x=b yang dinotasikan sebagai :
ln [ ψa,b]= gx=a-gx=b=βa-b
16 Sedangkan penduga rasio odds dinyatakan sebagai
ψa,b=exp[βa-b]. Sehingga apabila dimisalkan a-b=1 maka diperoleh
ψa,b=expβ, dapat diinterpretasikan bahwa peluang untuk y=1 pada x=1 adalah
ψ kali dibandingkan dengan x=0. Untuk lebih jelasnya berikut disajikan tabel model logistik dengan satu peubah
dikotomi. Tabel 1 Nilai-nilai Model Regresi Logistik dengan Peubah Penjelas Dikotomi
Transformasi logitnya :
n n
x x
x x
x x
g β
β β
β π
π +
+ +
+ =
⎥ ⎦
⎤ ⎢
⎣ ⎡
− =
... 1
ln
2 2
1 1
17 Nilai odds pada y=1 untuk x=1 adalah
1 1
1 π
π −
dengan nilai log adalah g1 Peubah Bebas X
x=1 x=0
Y=1 Peubah
Respon Y=0
Jumlah 1
1
1
1 1
1 1
β β
π
+
+ =
− e
1
β β
π e
e +
=
1 1
1 1
β β
β β
π
+ +
+ =
e e
1 1
1
β
π e
+ =
−
