Tugas Analisis Data Kategorik 1. Model R

Tugas Analisis Data Kategorik
1. Model Regresi Logit Ganda
a. Verifikasi variabel X
Ho : Variabel X tidak signifikan/tidak layak masuk model
H1 : Variabel X signifikan/layak masuk model
α = 0,25
Ho ditolak jika p-value < α (0,25)
Variabel X
Jenis_kelamin(1)
Usia
Asal
Asal(1)
Asal(2)
Asal(3)
Asal(4)
Rentang F-R
Rentang BC-BR
Blood(1)

P-value
0,285

0,198
0,993
0,666
0,703
0,999
0,998
0,005
0,041
0,256

Kesimpulan
Tidak signifikan
Signifikan
Tidak signifikan
Tidak signifikan
Tidak signifikan
Tidak signifikan
Tidak signifikan
Signifikan
Signifikan

Tidak signifikan

Variabel X yang layak masuk model adalah usia, rentang F-R dan rentang BC-BR.
b. Uji overall

Omnibus Tests of Model Coefficients
Chi-square
Step 1

df

Sig.

Step

14.144

3

.003

Block

14.144

3

.003

Model

14.144

3

.003

Ho : model tidak layak digunakan
H1 : model layak digunakan
α = 0,05

Ho ditolak jika p-value < α (0,05)
0,003 < 0,05
Kesimpulan : Ho ditolak atau model layak digunakan.
c. Model Summary

Model Summary

Step

Cox & Snell R

Nagelkerke R

Square

Square

-2 Log likelihood
130.037a

1

.066

.132

a. Estimation terminated at iteration number 5 because
parameter estimates changed by less than .001.

Sebesar 13,2 % variabel status campak dapat dijelaskan oleh variabel usia,
rentang F-R dan rentang BC-BR.
d. Hosmer and Lemeshow Test
Hosmer and Lemeshow Test
Step

Chi-square

1

9.237

df

Sig.
8

.323

Ho : model fit dengan data
H1 : model tidak fit dengan data
α = 0,05
Ho ditolak jika p-value < α (0,05)
0,323 > 0,05
Kesimpulan : Ho tidak ditolak atau model sit dengan data.

e. Classification Table
Classification Tablea
Predicted
status_campak
Observed

Step 1

status_campak

negatif campak

Percentage

positif campak

Correct

negatif campak

181

2

98.9

positif campak

22

1

4.3

Overall Percentage
a. The cut value is .500

Ketepatan prediksinya sebesar 88,3 %.

88.3

f. Variable in the Equation

Variables in the Equation
95% C.I.for EXP(B)
B

Step 1a

usia

Wald

df

Sig.

Exp(B)

Lower

.020

2.177

1

.140

.971

.935

1.010

.331

.122

7.381

1

.007

1.392

1.097

1.767

-.222

.124

3.179

1

.075

.801

.628

1.022

-1.938

.472

16.835

1

.000

.144

rentang_BCBR

a. Variable(s) entered on step 1: usia, rentang_FR, rentang_BFBR.



Model regresi logit I
π statu s
g(y) = ln
1−π statu s

[

campak

campak

]

¿−1,938−0,029 usia+0,331 rentang FR−0,222 rentang BCBR
2. Probabilitas seseorang akan terkena campak
1
P(Y = 1) =
−(−1,938−0,029 usia+0,331 rentang FR−0,222 rentang BFBR)
1+ e

Probabilitas seseorang akan terkena campak jika usia = 25 ; rentang F-R = 4 ; rentang BCBR = 3.
P(Y = 1) ¿

¿

¿

1
−(−1,938−0,029 ( 25 ) +0,331 ( 4 ) −0,222 ( 3 ) )

1+ e

1
1+ e

Upper

-.029

rentang_FR

Constant

S.E.

−( −1,938−0,725+1,324−0,666 )

1
=0,11867895
2.005
1+ e

3. Mencari variabel X yang berkontribusi paling besar terhadap variabel Y (status campak)
 Uji Koefisien variabel x dan constant
Ho : variabel tidak signifikan/tidak layak masuk model
H1 : variabel signifikan/layak masuk model
α = 0,05
Ho ditolak jika p-value < α (0,05)

Variable x di dalam model
p-value
Kesimpulan
Usia
0,140
Tidak signifikan
Rentang F-R
0,007
Signifikan
Rentang BC-BR
0,075
Tidak signifikan
Constant
0,000
Signifikan
Karena terdapat variabel x yang tidak signifikan yaitu usia dan rentang BC-BR maka
dilakukan uji regresi logit ulang dengan mengeluarkan variabel usia (karena nilai pvalue paling besar).
Uji Regresi Logit Ulang
a. Uji overall
Omnibus Tests of Model Coefficients
Chi-square
Step 1

df

Sig.

Step

11.708

2

.003

Block

11.708

2

.003

Model

11.708

2

.003

Ho : model tidak layak digunakan
H1 : model layak digunakan
α = 0,05
Ho ditolak jika p-value < α (0,05)
0,003 < 0,05
Kesimpulan : Ho ditolak atau model layak digunakan.
b. Model Summary
Model Summary

Step

-2 Log likelihood

1

132.472a

Cox & Snell R

Nagelkerke R

Square

Square
.055

.110

a. Estimation terminated at iteration number 5 because
parameter estimates changed by less than .001.

Sebesar 11,0 % variabel status campak dapat dijelaskan oleh variabel rentang F-R
dan rentang BC-BR.
c. Hosmer and Lemeshow Test

Hosmer and Lemeshow Test
Step

Chi-square

1

df

Sig.

13.860

7

.054

Ho : model fit dengan data
H1 : model tidak fit dengan data
α = 0,05
Ho ditolak jika p-value < α (0,05)
0,054 > 0,05
Kesimpulan : Ho tidak ditolak atau model sit dengan data.
d. Classification Table

Classification Tablea
Predicted
status_campak
Observed
Step 1

negatif campak

status_campak

Percentage

positif campak

Correct

negatif campak

182

1

99.5

positif campak

23

0

.0

Overall Percentage

88.3

a. The cut value is .500

Ketepatan prediksinya sebesar 88,3 %.
e. Variable in the Equation
Variables in the Equation
95% C.I.for EXP(B)
B
Step 1a

rentang_FR
rentang_BFBR
Constant

S.E.

Wald

Model Logit II

Sig.

Exp(B)

Lower

Upper

.304

.118

6.690

1

.010

1.355

1.076

1.706

-.227

.124

3.369

1

.066

.797

.625

1.016

-2.268

.422

28.822

1

.000

.104

a. Variable(s) entered on step 1: rentang_FR, rentang_BFBR.



df

g(y) = ln

[

π statu s
1−π statu s

campak

campak

]

¿−2,268+0,304 rentang FR−0,227 rentang BCBR


Uji Koefisien variabel x dan constant
Ho : variabel tidak signifikan/tidak layak masuk model
H1 : variabel signifikan/layak masuk model
α = 0,05
Ho ditolak jika p-value < α (0,05)
Variable x di dalam model
p-value
Kesimpulan
Rentang F-R
0,010
Signifikan
Rentang BC-BR
0,066
Tidak signifikan
Constant
0,000
Signifikan
Karena terdapat variabel x yang tidak signifikan yaitu rentang BC-BR maka dilakukan
uji regresi logit ulang dengan mengeluarkan variabel rentang BC-BR.

Uji Regresi Logit Ulang
a. Uji overall
Omnibus Tests of Model Coefficients
Chi-square
Step 1

df

Sig.

Step

7.611

1

.006

Block

7.611

1

.006

Model

7.611

1

.006

Ho : model tidak layak digunakan
H1 : model layak digunakan
α = 0,05
Ho ditolak jika p-value < α (0,05)
0,006 < 0,05
Kesimpulan : Ho ditolak atau model layak digunakan.
b. Model Summary

Model Summary

Step

Cox & Snell R

Nagelkerke R

Square

Square

-2 Log likelihood
136.570a

1

.036

.072

a. Estimation terminated at iteration number 5 because
parameter estimates changed by less than .001.

Sebesar 7,2 % variabel status campak dapat dijelaskan oleh variabel rentang F-R.
c. Hosmer and Lemeshow Test
Hosmer and Lemeshow Test
Step

Chi-square

1

4.401

df

Sig.
3

.221

Ho : model fit dengan data
H1 : model tidak fit dengan data
α = 0,05
Ho ditolak jika p-value < α (0,05)
0,221 > 0,05
Kesimpulan : Ho tidak ditolak atau model sit dengan data.
d. Classification Table
Classification Tablea
Predicted
status_campak
Observed
Step 1

status_campak

negatif campak

Percentage

positif campak

Correct

negatif campak

183

0

100.0

positif campak

23

0

.0

Overall Percentage
a. The cut value is .500

Ketepatan prediksinya sebesar 88,8 %.
e. Variabel in the Equation

88.8

Variables in the Equation
95% C.I.for EXP(B)
B
Step 1a

rentang_FR
Constant

S.E.

Wald

df

Sig.

Exp(B)

.329

.116

8.021

1

.005

1.389

-2.765

.365

57.519

1

.000

.063

Lower
1.107

Upper
1.744

a. Variable(s) entered on step 1: rentang_FR.



Model Regresi Logit III
g(y) = ln

[

π statu s
1−π statu s

campak

campak

]

¿−2,765+0,329 rentang FR


Uji Koefisien variabel x dan constant
Ho : variabel tidak signifikan/tidak layak masuk model
H1 : variabel signifikan/layak masuk model
α = 0,05
Ho ditolak jika p-value < α (0,05)
Variable x di dalam model
Rentang F-R
Constant

p-value
0,005
0,000

Kesimpulan
Signifikan
Signifikan

Maka variabel yang berkontribusi paling besar terhadap variabel Y (status campak) adalah
variabel rentang F-R.
4. Pemilihan model terbaik
Criteria Pemilihan Model
R2 Negerlkerke
Proporsi Konkordansi
Hosmer Lemeshow test
Omnibus test
Parsimony

Model Logit I
0,132 *
88,3 %
0,323 *
0,003 *
2

Didapat model logit terbaik adalah model logit I yaitu :

Model Logit II
0,110
88,3 %
0,054
0,003 *
1

Model Logit III
0,072
88,8 % *
0,221
0,006
0*

g(y) = ln

[

π statu s
1−π statu s

campak

campak

]

¿−1,938−0,029 usia+0,331 rentang FR−0,222 rentang BCBR