Tabel 3.22 Uji Signifikansi Parameter Secara Individu
Variabel Prediktor
Deskripsi Wald
Sig. X
1
jenis kelamin kepala rumah tangga 6.461
0.011 X
2
usia kepala rumah tangga 6.584
0.010 X
3
status kepala rumah tangga 4.054
0.044 X
4
jumlah anggota rumahtangga 26.285
0.000 X
5
ijazah kepala rumah tangga 78.807
0.000 X
6
kesehatan kepala rumah tangga 0.259
0.611 X
7
kegiatan utama kepala rumah tangga 1.275
0.259 X
8
lapangan usaha utama kepala rumah tangga
1.350 0.245
X
9
Status pekerjaan kepala rumah tangga 5.370
0.020 X
10
Pengalaman membeli beras raskin selama tiga bulan terakhir
20.530 0.000
X
11
Status penguasaan
bangunan tempat
tinggal 0.007
0.935 X
12
Sumber air minum 15.172
0.000 X
13
Cara memperoleh air minum 7.892
0.005 X
14
Bahan bakar memasak 32.705
0.000 X
15
Penguasaan telepon seluler 0.981
0.322 X
16
Penguasaan komputer desktop 7.418
0.006 X
17
Penguasaan laptop 15.473
0.000
Pada tabel di atas menunjukkan bahwa variabel prediktor yang tidak signifikan berpengaruh
pada taraf α = 5 adalah variabel X
6
, X
7
, X
8
, X
11
, dan X
15
. Denagn demikian, pada pembentukan model regresi logistik biner secara serentak
terdapat 12 variabel prediktor yang dapat dimasukkan ke dalam model.
3.3.2 Regresi Logistik Biner Secara Serentak
Pembentukan model regresi logistik biner secara serentak ini bertujuan untuk mengetahui peranan setiap variabel prediktor dalam model secara bersama-sama
serentak.Varibel prediktor yang digunakan untuk membentuk model regresi logistik biner ini adalah variabel prediktor yang secara individu signifikan
berpengaruh terhadap variabel respon.
Teknik yang digunakan dalam uji serentak adalah teknik backward wald. Teknik backward wald digunakan dengan memasukkan secara serentak semua
variabel prediktor kemudian dikeluarkan secara satu persatu variabel yang tidak signifikan berpengaruh dalam model. Metode backward hanya akan menyisakan
variabel yang berpengaruh. Sebagaimana halnya dengan model regresi linier dengan metode OLS,
dalam pengujian model logit juga dapat dilakukan pengujian model secara keseluruhan yaitu dengan Uji G. Statistik G ini menyebar menurut sebaran khi
kuadrat χ
2
.Uji G menunjukkan bahwa model logistik secara keseluruhan dapat menjelaskan atau memprediksi variabel prediktor terhadap variabel respon.
Uji hipotesisnya adalah sebagai berikut : H
: Variabel prediktorsecara bersama-sama tidak mempunyai pengaruh terhadap variabel respon.
H
1
: Variabel prediktorsecara bersama-sama mempunyai pengaruh terhadap variabel respon.
Dengan tingkat signifikansi α sebesar 0,05, maka kesimpulan yang dapat di
ambil adalah :
1 Jika p-value dalam hal ini adalah sig -2 tailed 0,05 H
diterima berarti variabel prediktorsecara bersama-sama tidak berpengaruh terhadap variabel respon atau nilai
G ≤ χ
2 df;α
2 Jika p-value dalam hal ini sig -2 tailed 0,05 H
ditolak berarti variabel prediktorsecara bersama-sama berpengaruh terhadap variabel respon atau
nilai G χ
2 df;α
Setelah dilakukan proses backward wald maka hasilnya sebagai berikut :
Tabel 3.23 Uji Signifikansi Parameter Secara Serentak
Variabel prediktor
S.E. Wald
Sig. X
2
0.008 3.319
0.068 X
4
0.081 88.468
0,000 X
5
0.036 13.561
0,000 X
10
0.209 12.647
0,000 X
12
0.066 12.94
0,000 X
14
0.056 7.106
0.008 X
16
1.093 3.031
0.082 X
17
0.437 7.184
0.007 Konstanta
2.432 10.014
0.002
Nilai statistik uji G yang dihasilkan adalah sebesar 223,133 dimana nilai ini lebih besar dari nilai χ
2 8;0,05
= 15,507 maka keputusan yang diambil adalah tolak H
, atau dengan kata lain bahwa variabel prediktor secara bersama-sama mempengaruhi variabel respon. Tabel di atas mengindikasikan bahwa variabel
prediktor yang signifikan berpengaruh dalam hal ini sig -2 tailed 0,05 terhadap variabel respon adalah X
4
, X
5
, X
10
, X
12
, X
14
dan X
17
.
3.3.3 Persamaan Regresi Logistik