Binary Logistic
-
Upload
fariq-muhamad -
Category
Documents
-
view
216 -
download
2
description
Transcript of Binary Logistic
Interpretasi Binary Logistic
Classification Tablea,b
ObservedPredicted
Detak JantungPercentage Correct
rendahtinggi
Step 0Detak Jantungrendah220100.0
tinggi80.0
Overall Percentage73.3
a. Constant is included in the model.
b. The cut value is .500
Table di atas menunjukkan table 2x2 dapat dinyatakan bahwa persentase model yang benar dengan nilai yang cukup baik dimana 22/30 x 100% = 73.3%. dimana pada analisis ini tidak diperlukan asumsi homoskedastisitas. Model regresi logistic biner selalu mempunyai table 2x2. Sedangkan untuk ordinal dan multinomial logistic regression selalu mempunya table berupa table 2xn.
Variables in the Equation
BS.E.WalddfSig.Exp(B)
Step 0Constant-1.012.4136.0041.014.364
Pada table diatas dapat didapatkan b0=-1.012 atau exp(b0)=exp(-1.012). Karena responden yang mempunyai detak jantung tinggi ada 8 responden dan yang rendah 22 responden maka odds ratio = 8/22 = 0.364.Dapat dinyatakan bahwa koefisien regresi tersebut signifikan karena nilai signifikansi 0.014 < dari 0.05. Uji Wald = = 6.004.
Omnibus Tests of Model Coefficients
Chi-squaredfSig.
Step 1Step11.6172.003
Block11.6172.003
Model11.6172.003
Pada table diatas didapatkan chi-square goodness of fit test sebesar 11.617 dengan derajat bebas = 2. Nilai-p = 0.003 yang lebih kecil dar 0.05 dimana hasil uji ini signifikan. Chi-square goodness of fit digunakan untu menguji hipotesis:H0 : memasukkan variabel independen tidak akan menambah kemampuan prediksi model regresi logistik
Model Summary
Step-2 Log likelihoodCox & Snell R SquareNagelkerke R Square
123.178a.321.468
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.
Pada table diatas menunjukkan bahwa nilai statistic -2 Log Likelihood = 23.178, dimana semakin kecil nilai -2 Likelihood semakin baik model tersebut.Koefisien cox & snell R square di interpretasikan sama seperti R-square pada regresi linier berganda. Tetapi karena nilai maksimum cox & snell R square biasanya lebih kecil dari satu maka terjadi sukar untuk mendifinisikan dan digunakan pada penentuan model.Pada kolom Nagelkerke R-square merupakan modifikasi dari koefisien Cox agar nilai maksimum bias mencapai satu dan mempunyai kisaran 0 sampai 1.
Variables in the Equation
BS.E.WalddfSig.Exp(B)
Step 1amerokok3.4251.5604.8211.02830.712
berat-.166.0735.0801.024.847
Constant8.0164.0183.9801.0463027.815
a. Variable(s) entered on step 1: merokok, berat.
Hasil perhitungan koefisien dari model diatas adalah : Atau Pada kolom exp merupakan odds ratio yang diprediksi oleh model dan dihtung dengan masing2 variabel.Untuk menguji masing-masing koefisien digunkan Uji Wald:a. Koefisien merokokUji wald = = 4.821, nilai-p=0.028 menyatakan bahwa variabel merokok signifikan.b. Koefisien BeratUji wald = = 5.080, nilai-p=0.024 menyatakan bahwa variabel berat signifikan.c. Koefisien constantUji wald = = 3.980, nilai-p=0.046 menyatakan bahwa variabel constant signifikan.