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)

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

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