33 Pada output Minitab 14 nilai G statistic disajikan dalam tampilan Test that all
slopes are zero yang terdiri dari nilai G statistic, derajat bebas, dan P-value. Uji parsial signifikansi koefisien digunakan uji Wald. Hosmer dan
Lemeshow 2000 menuliskan nilai uji Wald yang dinotasikan dengan W
i
sebagai berikut:
Nilai uji Wald menyebar mengikuti sebaran normal Z. Seperti pada uji G
statistic, Uji dignifikansi yang biasa digunakan adalah dengan melihat P-value dari uji tersebut. Apabila P-value dari Wald Test
lebih besar dari pada α atau nilai uji Wald Z hitung lebih kecil dari Z tabel maka terima H
the
null hypothesis
atau gagal menolak H pada tingkat α tersebut. Hipotesis pada uji parsial adalah:
H :
βi = 0 H
1
: β
i
≠ 0 dengan i = 1, 2,3 .....p. Pada output Minitab 14 nilai uji Wald Z hitung disajikan dalam tampilan
Logistic Regression Table pada kolom “ Z ” dan nilai P-value pada kolom “ P ”
untuk masing-masing koefisien. Pada penelitian ini uji signifikansi menggunakan taraf nyata sebesar 20 persen.
4.5.5. Intepretasi Koefisien
Berdasarkan Hosmer dan Lemeshow 2000, pengitepretasian hasil diperlukan pengenalan dan pembahasan mengenai istilah odds ratio. Sebelum
membahas istilah odds ratio, terlebih dahulu perlu didefinisikan mengenai istilah odds. Pada model regresi logistik, yang memiliki variabel bebas independent
variabel atau x yang bersifat dikotomous yakni x = 1 atau x = 0. Nilai odds dari hasil yang memiliki variabel bebas x = 1 didefinisikan sebagai
. Dengan cara yang sama, nilai odds dari hasil yang memiliki variabel bebas x = 0
didefinisikan sebagai . Nilai odds ratio yang dinotasikan dengan
OR, di definisikan sebagai nilai perbandingan antara nilai odds untuk x = 1 dan nilai odds untuk x = 0. Nilai odds ratio ditunjukkan oleh persamaan:
34 Hosmer dan Lemeshow 2000 juga menyebutkan tentang hubungan
antara odds ratio dengan koefisien regresi dari variabel yang bersifat dokotomi. Hubungan antara odds ratio dan koefisien regresi dituliskan:
Cara mengintepretasi koefisien dari variabel independent yang bersifat dikotomi dalam model regresi logistik biner, dapat dilihat dalam ilustrasi berikut.
Misalkan y menunjukkan kualitas karet petani yang telah ditranformasi ke dalam dikotomi variabel yakni y = 1 jika kogulump hariandan y = 0 jika koagulump dua
harian. Sedangkan x menunjukkan kondisi petani yang bergabung di dalam kelompok tani x = 1 atau tidak bergabung di dalam suatu kelompok tani x = 0
dan nilai OR=2. Hal ini memperkirakan bahwa petani yang bergabung dalam kelompok tani berkemungkinan memroduksi karet dengan jenis koagulump segar
dengan peluang dua kali lebih besar dari pada petani yang tidak bergabung dalam suatu kelompok tani.
Intepretasi koefisien variabel independent yang bersifat kontinu dibutuhkan penjelasan mengenai istilah Endpoint of 1001-
α persen Continuous Independent Estimate of ORc atau endpoint dari variabel kontinu. Endpoint dari
variabel kontinu dituliskan melalui hubungan dengan koefisien regresinya sebagai berikut:
dengan c adalah besarnya perubahan variabel satuan, puluhan dan seterusnya. Hosmer dan Lemeshow 2000 menyatakan bahwa intepretasi koefisien
dugaan dari variabel kontinu serupa dengan intepretasi variabel yang berskala nominal. Perbedan mendasarnya adalah makna besarnya skala perubahan c
harus didefinisikan pada variabel kontinu. Pada output Minitab 14, nilai OR baik variabel dikotomi maupun kontinu terletak pada kolom odds ratio di dalam
tampilan Logistic Regression Table.
35
4.6. Definisi Operasional
