43
Tabel 4.6 menunjukkan bahwa -2LogL awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat
dilihat pada step 4 memperoleh nilai sebesar 156.455. Kemudian
pada tabel 4.7 dapat dilihat nilai -2LogL setelah masuknya beberapa variabel independen pada model sehingga nilai -2LogL
akhir pada step 20 menunjukkan nilai 14.376. Selisih antara nilai -2LogL awal dengan nilai -2LogL akhir
adalah sebesar 142.079 156.455-14.376. Adanya pengurangannilai antara -2LogL awal dengan nilai -2LogL akhir
menunjukkan bahwa model yang dihipotesiskan fit dengan data.
b. Menilai Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan
menggunakan Hosmer and Lemeshow’s Goodness of Fit Test yang
diukur dengan nilai Chi-Square. Probabilitas signifikansi yang
diperoleh kemudian dibandingkan dengan tingkat signifikansi α 5.
Hipotesis untuk menilai kelayakan model regresi.
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 156.455 d. Estimation terminated at iteration number 20 because maximum iterations has been reached.
Final solution cannot be found.
Universitas Sumatera Utara
44
Ho : Tidak ada perbedaan antara model dengan data Ha : Ada perbedaan antara model dengan data
Tabel 4.8 Tabel Hosmer and Lemeshow Test
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 1.167
8 .997
Sumber : Hasil Pengolahan SPSS 18
Tabel 4.8 menunjukkan hasil pengujian Hosmer and
Lameshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 0,997, nilai signifikansi yang diperoleh lebih
besar dari α 0,05. Hal ini berarti model regresi layak untukdigunakan dalam analisis selanjutnya, karena tidak ada
perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati, atau dapat dikatakan model mampu
memprediksi nilai observasinya.
c. Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu
memperjelas variabilitas variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai
Nagelkerke R Square.
Universitas Sumatera Utara
45
Nilai Nagelkerke R Square dapat diinterpretasikan seperti nilai R
Square pada regresi berganda Ghozali,2006. Nilai ini didapat dengan cara membagi nilai
Cox Snell R Square dengan nilai maksimumnya.
Tabel 4.9 Tabel
Nagelkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 14.376
a
.607 .945
a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
Tabel di atas menunjukkan nilai Nagelkerke R Square. Dilihat
dari hasil output pengolahan data nilai Nagelkerke R Square adalah
sebesar 0,945 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 94,5 ,
sisanya sebesar 5,5 100-94,5 dijelaskan variabilitas variabel-variabel lain di luar model penelitian.
d. Matrik Klasifikasi