Kesimpulan hipotesis juga dapat dilihat dari nilai P Chi-square atau Fhiser’s Exact Test, dimana dapat digunakan apabila expected count kurang
dari 5. H tolak jika P Chi-
square atau Fhiser’s Exact Test kurang dari α=5. Perhitungan uji Chi square dilakukan dengan menggunakan bantuan
software SPSS 15.0 for Windows.
3.6.3. Analisis Regresi Logistik Biner
Analisis ini bertujuan untuk melihat pengaruh variabel independen terhadap varibel dependen, dengan penjelasan sebagai berikut:
1. Model Regresi Logistik Biner
Regresi logistik biner digunakan untuk menguji hipotesis yang ada. Regresi logistik biner merupakan bentuk khusus dari analisis regresi.
Analisis ini tidak memerlukan asumsi distribusi multivariat normal atau kesamaan matrik varian kovarian Hosmer dan Lemeshow, 2000. Regresi
logistik biner digunakan karena semua data baik variabel dependent terikat maupun variabel independent bebas berbentuk satu-nol biner,
satu untuk menunjukkan loyalitas dan nol untuk menunjukkan tidak loyal. Pada penelitin ini model regresi logistik biner yang digunakan
adalah sebagai berikut Hosmer dan Lemeshow, 2000: Ε Y
i
\X
i
= π X
i
= e
+
1
X
1
+
2
X
2
+ ⋯+
5
X
5
1 + e
+
1
X
1
+
2
X
2
+ ⋯+
5
X
5
∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙ 9
Dimana:
Ε \ = �
= Ekspektasi kondisional dari Y
i
jika diberikan X
i
.
Tabel 3. Keterangan variabel-variabel dalam regresi logistik biner Variabel
Keterangan Skala
Kategori Loyal
Tidak Loyal
Y Loyalitas karyawan
Biner Y=1
Y=0 X
1
Komunikasi Biner
X
1
=1 X
1
=0 X
2
Insentif Biner
X
2
=1 X
2
=0 X
3
Kesejahteraan karyawan Biner
X
3
=1 X
3
=0 X
4
Keselamatan dan kesehatan kerja
Biner X
4
=1 X
4
=0 X
5
Hubungan industrial Pancasila Biner
X
5
=1 X
5
=0
Pada penelitian ini pendugaan model logistik biner dilakukan dengan metode maksimum likelihood. Fungsi likelihood menyatakan
probabilitas bersama dari data hasil observasi yang masih merupakan fungsi dari parameter yang tidak diketahui. Prinsip pendugaan dengan
metode ini adalah bila ada suatu fungsi likelihood , yaitu L β
1
, β
2
, …, β
p
, maka diperlukan untuk mencari nilai
�
1
, �
2
, …, �
�
yang dapat memaksimumkan nilai L β
1
, β
2
, …, β
p
. Untuk dapat menggunakan pendugaan maksimum likelihood, rumus model regresi logistik biner
terlebih dahulu ditransformasi kedalam persamaan logit. Berdasarkan persamaan model regresi logistik biner 10,
persamaan logitnya menjadi:
L X = ln
� X 1
− � X =
� +
�
1
X
1
+ �
2
X
2
+ ⋯ + �
�
X
�
∙∙∙∙∙∙∙∙ 10
Dimana: πX
= Probabilitas bersyarat y=1 bila diketahui x. 1
– πX = Probabilitas bersyarat y=0 bila diketahui x. Langkah selanjutnya adalah mencari p
enduga β , β
1
, …, β
p
dengan memaksimumkan fungsi likelihood LX. Karena Y bernilai 1 atau 0, maka
Y berdistribusi bernoulli. Akibatnya fungsi densitas dari Y dapat ditulis sebagai berikut:
F y
i
= π X
y
i
1 − π X
i 1
−y
i
∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙ 11 Sehingga fungsi likelihoodnya menjadi:
ℓ � = � X
�
1 − � X
1 −�
=1
∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙ 12
Prinsip maksimum likelihood pada intinya adalah mecari sekumpulan parameter β yang dapat memaksimumkan fungsi likelihood
L
β
. Sehingga logit ditulis:
L β = ln ℓ β = y
i
ln π x
i
+ 1 − y
1
ln 1 − π x
i n
i=1
∙∙∙∙∙∙∙ 13
ψerdasarkan teknik optimisasi, β , β
1
, …, β
p
yang optimal dapat diperoleh bila persyaratan FONC First Order Necessary Condition
berikut terpenuhi Nachrowi dan Usman, 2002: �L
�� = 0
FONC : �L
��
1
= 0 :
: :
�L ��
�
= 0 ∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙ 14
Bila persyaratan FONC terpenuhi maka akan diperoleh �
1
, �
2
, …, �
�
, perhitungan tersebut dilakukan dengan bantuan software SPSS 15.0 for windows dengan perhitungan Maximum Likelihood Estimation
MLE.
2. Pengujian Signifikansi Uji Hipotesis
