4.2.2. 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 a 5.
Hipotesis untuk menilai kelayakan model regresi: 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
2.002 7
.960 Sumber: SPSS 17, Data diolah 2013
Tabel 4.8 menunjukkan hasil pengujian Hosmer and Lameshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 0,960, nilai
signifikansi yang diperoleh lebih besar dari a 0,05. Hal ini berarti model regresi layak untuk digunakan 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.
4.2.3. 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
Universitas Sumatera Utara
nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat diinterpretasikan seperti nilai R Square pada regresi berganda. 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
16.319
a
.251 .605
a. Estimation terminated at iteration number 8 because parameter estimates changed by less than
,001.
Sumber: SPSS 17, Data diolah 2013 Tabel di atas menunjukkan nilai Nagelkerke R Square. Hasil output
pengolahan data nilai Nagelkerke R Square adalah sebesar 0,605 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen
adalah sebesar 60,5 , sisanya sebesar 39,5 100 - 60,5 dijelaskan variabilitas variabel-variabel lain di luar model penelitian.
4.2.4. Matrik Klasifikasi
Kategori