Analisis Data Eksploratif
-
Upload
irwan-saputra -
Category
Documents
-
view
4 -
download
3
description
Transcript of Analisis Data Eksploratif
![Page 1: Analisis Data Eksploratif](https://reader036.fdokumen.com/reader036/viewer/2022072007/55cf8f03550346703b980f2c/html5/thumbnails/1.jpg)
Regresi Logistik
Regresi logistika adalah bentuk regresi yang digunakan untuk memodelkan hubungan antara variabel dependan dan variabel independen, dimana :
1. Variabel dependen adalah sebuag data denga ukuran biner atau dikonomi, missal ia atau tidak, sukes atau gagal, bagus atau rusak, dan mati atau hidup.
2. Jenis data untuk variabel independen dapat berupa jenis data nominal, ordinal, interval atau rasio.
Kelebihan regresi logistic dibandingkan regresi ols adalah:
1. Tidak mengasumsikan hubungan liniear anatar variabel dependen dan variabel independen.
2. Tidak memerlukan asumsi normalitas, homoskedastisitas dan memeiliki asumsi sedikit yang ketat.
Ciri-ciri regresi logistic yaitu :
1. Memiliki nilai R2 yang dinamakan pseudo R-square digunakan untuk mengkur derajat keeratan hubungan.
2. Pengujian Godness of Fit (kecokan model) dilakukan dengan beberapa metode seperti uji statistic G, uji pearson, uji deviace dan hosmer lemmsaow.
3. Hasil akurasi model regresi logistic dapat dilihat pada tabe klasifikasi yang akan mengelompokkan hasil prediksi dari model.
#UJI KELAYAKAN MODEL REGRESI
Hipotesis
H0 : tidak terdapat perbedaan yang signifikan antara klasisfikasi yang diprediksi
(frekuensi) dengan frekuensi yang diamati (kelulusan)
H1 : Terdapat perbedaan yang signifikan antara klasisfikasi yang diprediksi dengan
frekuensi yang diamati
#UJI KELAYAKAN MODEL KESELURUHAN (OVERALL)
![Page 2: Analisis Data Eksploratif](https://reader036.fdokumen.com/reader036/viewer/2022072007/55cf8f03550346703b980f2c/html5/thumbnails/2.jpg)
Model Summary
Step -2 Log likelihood Cox & Snell R
Square
Nagelkerke R
Square
1 52.158a .272 .366
a. Estimation terminated at iteration number 5 because
parameter estimates changed by less than .001.
Berdasarkan nilai log likelihood yaitu sebesar 52.15 Jika nilai ini semakin kecil dan mendekati
nol maka nilai ini semakin menggambarkan kecocokan model.
#MENGUJI KOEFISIEN REGRESI
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1aFrekuensi .317 .098 10.531 1 .001 1.373
Constant -3.815 1.270 9.019 1 .003 .022
a. Variable(s) entered on step 1: Frekuensi.
Hipotesis
H0 : Koefisien regresi tidak efisien
H1 : Koefisien regresi efisien
Daerah penolakan
Sig < alpa
# MENAKSIRKAN DAN MEMPREDIKSi
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1aFrekuensi .317 .098 10.531 1 .001 1.373
Constant -3.815 1.270 9.019 1 .003 .022
a. Variable(s) entered on step 1: Frekuensi.
Kelulusan = -3.815 + 0.317 Frekuensi
![Page 3: Analisis Data Eksploratif](https://reader036.fdokumen.com/reader036/viewer/2022072007/55cf8f03550346703b980f2c/html5/thumbnails/3.jpg)
Jika frekuensi belajar meningkat 1 jam maka rasio kesuksesan mahasiswa utuk lulus tepat waktu
meningkat sebesar 1.373 kali.
PENAFSIRANNYA.
Konstanta sebesar -3.815 yang berarti bahwa jika frekuensi belajar meningkat 1 jam maka rasio
kesuksesan mahasiswa utuk lulus tepat waktu sebesar 1.373 kali.
1. Pengenalan ADE (kiki,nur)2. Statistika Deskriptif (uli,cai)3. Managemen dan pemerikasaan data (fadli,tita)4. Uji t 1 sampel (One sampel t_test) (yuyun, sumartini)5. Uji t 2 sampel (independen) (irwan,yulianti, silvi)6. Manova7. Regresi logistic
Pengertian, rumus, soal+bahas, langkah, penyelesaiaan , soal lgk diselesaikan