Upload
dilacfaresha
View
1.480
Download
193
Embed Size (px)
Citation preview
8/11/2019 MAKALAH REGRESI LOGISTIK
1/17
MAKALAH REGRESI LOGISTIK
DAN
REGRESI DENGAN VARIABLE DUMMY
KELOMPOK :
Karlina Siti Faresha 135020200111071
Rezky Ridhowati 135020200111074
Pahriyatul Ummah 135020201111002
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BRAWIJAYA
MALANG
2014
8/11/2019 MAKALAH REGRESI LOGISTIK
2/17
KATA PENGANTAR
Puji dan syukur kami panjatkan kepada Allah SWT, karena dengan rahmat danhidayah-Nya kami dapat menyelesaikan makalah mata kuliah AplikasiKomputer Statistika tentang Regresi Logistik dan Regresi dengan Variable Dummy inidengan tepat waktu.
Harapan kami makalah ini dapat meningkatkan pemahaman dalam mempelajariregresi logistic dan dummy dalam Aplikasi Komputer Statistik. Apabilaterdapat kesalahan dan kekurangan baik yang disengaja maupun yang tidakdisengaja mohon dimaklumi dan dimaafkan karena kami masih dalam tahap
pembelajaran.
Kami menyadari bahwa makalah ini tidaklah sempurna, oleh karena itu kami
menerima kritikan dan saran yang membangun dari pembaca. Semoga makalahini dapat memberikan manfaat bagi kita semua. Atas perhatian dan kesempatanserta bimbingan yang telah diberikan Dosen matakuliah Aplikasi KomputerStatistika oleh Bapak Bayu , kami ucapkan terima kasih.
Malang , 30 Mei 2014
Penyusun
8/11/2019 MAKALAH REGRESI LOGISTIK
3/17
DAFTAR ISI
KATA PENGANTAR...i
DAFTAR ISI .ii
BAB I PENDAHULUAN.1
1.1 Latar Belakang....1
1.2 Rumusan Masalah..........1
1.2. Tujuan Penulisan.1
BAB II ISI
2.1 Regresi Logistik .2
2.1.1 Contoh Aplikasai dan Analisis Regresi Logistik...2
2.1.2 Fungsi Regresi Logistik.6
2.2 Regresi dengan Variable Dummy......6
2.2. 1 Fungsi Regresi denngan Variable Dummy.......6
2.2.2 Contoh Aplikasi Regresi dengan Variable Dummy .6
2.2.3 Analisis Regresi dengan Variable Dummy.7
2.2.4 Hasil Data Regresi dengan Variable Dummy9
BAB III KESIMPULAN
Kesimpulan .12
DAFTAR PUSTAKAiii
8/11/2019 MAKALAH REGRESI LOGISTIK
4/17
BAB 1PENDAHULUAN
1.1 Latar Belakang
Penggunaan statistika dalam segala bidang akan mempengaruhi tingkat analisis darihasil penelitian yang sedang dilakukan. Untuk mengukur besarnya pengaruh variabel bebasterhadap variabel tergantung dan memprediksi variabel tergantung dengan menggunakanvariabel bebas. Variabel pertama disebut juga sebagai variabel tergantung dan variabel kedua
disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari satu, maka analisis regresidisebut regresi linear berganda. Disebut berganda karena pengaruh beberapa variabel bebasakan dikenakan kepada variabel tergantung.
Salah satu bagian dari regresi linear berganda adalah regresi berganda dengan variabeldummy atau variabel yang digunakan untuk mengkuantitatifkan variabel yang bersifatkualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaansituasi dan lain- Regresi dengan. Variabel dummy merupakan variabel yang bersifatkategorikal yang diduga mempunyai pengaruh terhadap variabel yang bersifat kontinue
Model regresi logistik biner merupakan salah satu model regresi logistic yangdigunakan untuk menganalisa hubungan antara satu variabel respon dan beberapa variabel
prediktor, dengan variabel responnya berupa data kualitatif dikotomi yaitu bernilai 1 untukmenyatakan keberadaan sebuah karakteristik dan bernilai 0 untuk menyatakanketidakberadaan sebuah karakteristik.Model regresi logistik biner dengan satu variabelrespon dapat dikembangkan menjadi model regresi logistik biner dengan menggunakan duavariabel respon, dimana model ini disebut model regresi logistik biner bivariat
.1.2 Rumusan Masalah
A. Apa definisi regresi logistic?B. Apa fungsi regresi logistic ?C. Bagaimana aplikasi dan analisi regresi logistic ?D. Apa definisi regresi dengan variable dummy?E. Apa fungsi regresi dengan variable dummy ?F. Bagaimana aplikasi dan analisi regresi dengan variable dummy ?
1.3 Tujuan Penulisan
8/11/2019 MAKALAH REGRESI LOGISTIK
5/17
Tujuan penulisan makalah ini adalah agar para pembaca makalah dapat lebihmengetahui secara luas mengenai regresi logistic dan regresi dengan variable dummy sertatujuan penulisan makalah ini juga untuk memenuhi nilai dari mata kuliah Aplikasi KomputerStatistika .
BAB II
ISI
2.1 Regresi Logistik
Pengertian Regresi logistik adalah bagian dari analisis regresi yang digunakanketika variable dependen (respon) merupakan variabel dikotomi. Variabeldikotomi biasanya hanya terdiri atas dua nilai,yang mewakili kemunculan atautidak adanya suatu kejadian yang biasanya diberi 0 atau angka.
2. 1.1 Contoh Aplikasi dan Analisis Regresi Logistik
Jika kita ingin mengetahui pembelian tas merk tertentu oleh beberapa orang wanitadengan beberapa variabel penjelas antara lain adalah umur, tingkat pendapatan ( low, medium,high ), dan status (M menikah; S untuk single ). Pada data tersebut, pembelian merupakanvariabel prediktor yang dijelaskan dengan angka 1 sebagai membeli dan 0 sebagai tidakmembeli.
1. Dengan SPSS 17.0 data yang diinput dapat berupa:
2. Setelah data diinput, pilih Analyze Regression Binary logistic seperti berikut:
http://4.bp.blogspot.com/_u4bpjUnKqWU/SyesERTxwmI/AAAAAAAAAro/2LaO4Y5amic/s1600-h/logit_2.JPG8/11/2019 MAKALAH REGRESI LOGISTIK
6/17
3. Setelah muncul kotak dialog logistic regression , masukkan variabel dependen purchase kekolom dependent, dan ketiga variabel independen ke dalam kolom covariates , lalu pilih
button categorical untuk memasukkan variabel kategorik yaitu pendapatan dan status klik continue :
4. Setelah itu pilih option, checklist classification plot dan Hosmer-lemeshow goodness offit , kemudian continue:
http://4.bp.blogspot.com/_u4bpjUnKqWU/SyetAAEaXwI/AAAAAAAAAsA/8QJA-WzDULM/s1600-h/logit_5.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyetPiHkZzI/AAAAAAAAAsI/Wzj0JVeII2Y/s1600-h/logit_6.JPGhttp://1.bp.blogspot.com/_u4bpjUnKqWU/SyeshYQi4VI/AAAAAAAAArw/yp-XiAssKb8/s1600-h/logit_3.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/Syes0RG1anI/AAAAAAAAAr4/j7_i5EBPqCA/s1600-h/logit_4.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyetAAEaXwI/AAAAAAAAAsA/8QJA-WzDULM/s1600-h/logit_5.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyetPiHkZzI/AAAAAAAAAsI/Wzj0JVeII2Y/s1600-h/logit_6.JPGhttp://1.bp.blogspot.com/_u4bpjUnKqWU/SyeshYQi4VI/AAAAAAAAArw/yp-XiAssKb8/s1600-h/logit_3.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/Syes0RG1anI/AAAAAAAAAr4/j7_i5EBPqCA/s1600-h/logit_4.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyetAAEaXwI/AAAAAAAAAsA/8QJA-WzDULM/s1600-h/logit_5.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyetPiHkZzI/AAAAAAAAAsI/Wzj0JVeII2Y/s1600-h/logit_6.JPGhttp://1.bp.blogspot.com/_u4bpjUnKqWU/SyeshYQi4VI/AAAAAAAAArw/yp-XiAssKb8/s1600-h/logit_3.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/Syes0RG1anI/AAAAAAAAAr4/j7_i5EBPqCA/s1600-h/logit_4.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyetAAEaXwI/AAAAAAAAAsA/8QJA-WzDULM/s1600-h/logit_5.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyetPiHkZzI/AAAAAAAAAsI/Wzj0JVeII2Y/s1600-h/logit_6.JPGhttp://1.bp.blogspot.com/_u4bpjUnKqWU/SyeshYQi4VI/AAAAAAAAArw/yp-XiAssKb8/s1600-h/logit_3.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/Syes0RG1anI/AAAAAAAAAr4/j7_i5EBPqCA/s1600-h/logit_4.JPG8/11/2019 MAKALAH REGRESI LOGISTIK
7/17
5. Kemudian pada method pilih enter , kemudian klik OK :
6. Output yang didapatkan adalah sebagai berikut:
Output Case Processing Summary menghilangkan variabel yang tidak diperhitungkan dalammodel.
http://2.bp.blogspot.com/_u4bpjUnKqWU/Syetsbib_vI/AAAAAAAAAsY/71dMbsGh0v0/s1600-h/logit_8.JPGhttp://2.bp.blogspot.com/_u4bpjUnKqWU/SyetcPg02SI/AAAAAAAAAsQ/uKHIg80XhTU/s1600-h/logit_7.JPGhttp://2.bp.blogspot.com/_u4bpjUnKqWU/Syetsbib_vI/AAAAAAAAAsY/71dMbsGh0v0/s1600-h/logit_8.JPGhttp://2.bp.blogspot.com/_u4bpjUnKqWU/SyetcPg02SI/AAAAAAAAAsQ/uKHIg80XhTU/s1600-h/logit_7.JPG8/11/2019 MAKALAH REGRESI LOGISTIK
8/17
Output classification table diatas menjelaskan bahwa persentase variabel yang diprediksisebesar 88,9 persen adalah baik, dan dari perbandingan antara kedua nilai mengindikasikan
tidak terdapatnya masalah homoskedastisitas (asumsi model logit) .
Pada output variables in equation signifikansi adalah 0,05 artinya model tidak signifikan dan dengan demikian terima H0.
Pada output omnibus test menyatakan bahwa hasil uji chi-square goodness of fit lebih kecildari 0,05 , ini mengindikasikan bahwa model adalah signifikan.
Hasil output pada Cox-Snell R2 dan Nagelkerke R memiliki analogi sama dengan nilai R-square pada regresi linie r , menyakatan bahwa sebanyak 50,2 persen keragaman dapatdijelaskan oleh model , sedangkan sisanya diluar model.
http://statistik4life.blogspot.com/2009/11/ada-beberapa-jenis-tes-chi-kuadrat.htmlhttp://statistik4life.blogspot.com/2009/11/ada-beberapa-jenis-tes-chi-kuadrat.htmlhttp://statistik4life.blogspot.com/2009/11/ada-beberapa-jenis-tes-chi-kuadrat.htmlhttp://statistik4life.blogspot.com/2009/11/regresi-linier-berganda.htmlhttp://statistik4life.blogspot.com/2009/11/regresi-linier-berganda.htmlhttp://statistik4life.blogspot.com/2009/11/regresi-linier-berganda.htmlhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyeuQgm8WyI/AAAAAAAAAso/wjo964KpK6M/s1600-h/logit_10.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/Syet3zTLx5I/AAAAAAAAAsg/VAQXpZXUBFI/s1600-h/logit_9.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyeuQgm8WyI/AAAAAAAAAso/wjo964KpK6M/s1600-h/logit_10.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/Syet3zTLx5I/AAAAAAAAAsg/VAQXpZXUBFI/s1600-h/logit_9.JPGhttp://statistik4life.blogspot.com/2009/11/regresi-linier-berganda.htmlhttp://statistik4life.blogspot.com/2009/11/ada-beberapa-jenis-tes-chi-kuadrat.html8/11/2019 MAKALAH REGRESI LOGISTIK
9/17
Hasil pada output Hosmer and Lemeshow Goodness-of-Fit Test mengindikasikan bahwa kitadapat menerima H0 karena lebih dari 0,05 (1 > 0,05) .
output variables in the equation menunjukkan nilai signifikansi berdasarkan Wald Statistic , jika model signifikan, maka nilai sig. adalah kurang dari 0,05 .
Kolom Exp(B) menunjukkan nilai odds ratio yang dihasilkan. Nilai odds ratio yang hanyamendekati 1,0 mengindikasikan bahwa variabel independen tidak mempengaruhi variabel
dependen.
Output classplot diatas menunjukkan prediksi pada regresi logistik . Sumbu X menujukkan probabilitas yang diprediksi, sedangkan sumbu Y menunjukkan jumlah kasus yang diamati.
http://2.bp.blogspot.com/_u4bpjUnKqWU/SyevqzdB6KI/AAAAAAAAAtA/pZ4fmDfUFec/s1600-h/logit_12.JPGhttp://3.bp.blogspot.com/_u4bpjUnKqWU/SyevbRhcmTI/AAAAAAAAAs4/GmabkbkUl68/s1600-h/logit_13.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyevDM7iCtI/AAAAAAAAAsw/ME6ty--olQA/s1600-h/logit_11.JPGhttp://2.bp.blogspot.com/_u4bpjUnKqWU/SyevqzdB6KI/AAAAAAAAAtA/pZ4fmDfUFec/s1600-h/logit_12.JPGhttp://3.bp.blogspot.com/_u4bpjUnKqWU/SyevbRhcmTI/AAAAAAAAAs4/GmabkbkUl68/s1600-h/logit_13.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyevDM7iCtI/AAAAAAAAAsw/ME6ty--olQA/s1600-h/logit_11.JPGhttp://2.bp.blogspot.com/_u4bpjUnKqWU/SyevqzdB6KI/AAAAAAAAAtA/pZ4fmDfUFec/s1600-h/logit_12.JPGhttp://3.bp.blogspot.com/_u4bpjUnKqWU/SyevbRhcmTI/AAAAAAAAAs4/GmabkbkUl68/s1600-h/logit_13.JPGhttp://4.bp.blogspot.com/_u4bpjUnKqWU/SyevDM7iCtI/AAAAAAAAAsw/ME6ty--olQA/s1600-h/logit_11.JPG8/11/2019 MAKALAH REGRESI LOGISTIK
10/17
2.1.2 Fungsi Regresi Logistik membentuk persamaan atau fungsi dengan pendekatan maximum likelihood , yang
memaksimalkan peluang pengklasifikasian objek yang diamati menjadi kategori yangsesuai kemudian mengubahnya menjadi koefisien regresi yang sederhana.
2. 2 Regresi Dengan Variable Dummy
Pengertian Regresi Dengan Variable DummyVariabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan variabelyang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakanpemerintah, perbedaan situasi dan lain-lain)
.2.2.1 Fungsi Regresi Dengan Variable Dummy
digunakan sebagai upaya untuk melihat bagaimana klasifikasiklasifikasi dalam sampel
berpengaruh terhadap parameter pendugaan
2.2.2 Contoh Aplikasi
Seorang Manager sebuah perusahaan industri mobil ingin mengetahui gajikaryawan berdasarkan masa kerja, jenis kelamin dan tingkat pendidikankaryawannya Diketahui data sampel gaji 30 karyawan adalah sebagai berikut
Y D X 1 X2
6.5010 1.00 2.00
6.50 10 1.00 2.006.25 10 .00 2.006.25 10 .00 2.005.50 7 1.00 2.005.50 7 1.00 2.006.00 10 .00 2.005.25 8 1.00 2.004.50 5 1.00 2.005.00 10 1.00 1.005.25 7 .00 2.00
4.25 5 .00 2.005.50 7 1.00 2.004.00 8 1.00 1.004.00 8 1.00 1.003.75 8 .00 1.006.00 12 1.00 1.005.00 10 1.00 1.003.75 8 .00 1.00
3.75 7 .00 1.004.75 10 .00 1.00
4.00 9 1.00 1.004.00 8 1.00 1.005.00 10 1.00 1.006.00 12 1.00 1.005.75 12 .00 1.004.00 8 1.00 1.004.75 9 .00 1.006.00 8 1.00 2.004.75 11 .00 1.00
8/11/2019 MAKALAH REGRESI LOGISTIK
11/17
2.2.3 Analisi Regresi Variable Dummy
1. Buatlah variable dan masusakan data SPSS
2. Lakukanlah analisi dengan cara klik Analyze > Regression > Linear>, Selanjutnyaakan muncul dialog Linear Regression
3. Pindahkan variable Y ke dalam kolom Dependent dan pindahkan X1 ,X2 , dan D ke kolom Independent
8/11/2019 MAKALAH REGRESI LOGISTIK
12/17
4. Klik Statistic, aktifkan Estimets , Model fit, Descriptives, Collinearitydiagnostics , dan Durbin Watson. Klik Countinue
5. Klik Plots pindahkan variable *Zresid* ke dalam kolom Y dan pindahkan*Zresid* ke dalam kolom X . aktifkan Histogram dan NormalProbability Plots klik Countinue
6. Klik save pada Predictide values aktifkan unstandardized. Pada residualaktifkan unstandardized klik Countinue dan klik ok
8/11/2019 MAKALAH REGRESI LOGISTIK
13/17
2.2.4 Hasil data
a) Tabel 1
Dari table diatas diketahui bahwa variable yang dimasukkan adalah tingkat pendidikan, jenis kelamin, dan masa bekerja.
b) Table 2
menunjukkan bahwa kofisien atau R simultannya adalah 0,939. Kisaran nilai Radalah 0 hingga 1. Semakin nilai R mendekati angka 1, maka semakin kuatvariabel-variabel bebas memprediksikan variabel terikat. Karena 0,939mendekati angka 1, maka variabel-variabel bebas berupa tingkat pendidikan,
jenis kelamin dan masa kerja dapat gaji pekerja dengan cukup kuat.
8/11/2019 MAKALAH REGRESI LOGISTIK
14/17
8/11/2019 MAKALAH REGRESI LOGISTIK
15/17
d) Table 4
disamping itu, kolom Sig. diatas juga menunjukkan nilai signifikansi hubunganantara setiap variab el bebas dngan variable terikat dimana jika Sig.hitung < (= 0,05), maka variabel bebas tersebut berpengaruh signifikan terhadap variabelterikat. Artinya:
Masa Kerja Sig.hitung = 0.00 = 0.05 , jadi Jenis kelamin tidak berpengaruh secarasignifikan terhadap gaji karyawan.
Tingkat Pendidikan Sig.hitung = 0,00 < = 0,05 , jadi Tingkat Pendidikan berpengaruh secara signifikan terhadap gaji karyawan.
Karena tidak semua variable bebas pada regresi tersebut yang signifikan terhadapvariabel terikat, maka model persamaan regresi tersebut menjadi: =-1,014 +0,093X1 + 1,603X2 + 0,428D
8/11/2019 MAKALAH REGRESI LOGISTIK
16/17
8/11/2019 MAKALAH REGRESI LOGISTIK
17/17
DAFTAR PUSTAKA
http://www.slideshare.net/agecastaneda/model-regresi-dengan-variabel-bebas-dummy http://id.wikipedia.org/wiki/Regresi_logistik
http://www.slideshare.net/agecastaneda/model-regresi-dengan-variabel-bebas-dummyhttp://www.slideshare.net/agecastaneda/model-regresi-dengan-variabel-bebas-dummyhttp://id.wikipedia.org/wiki/Regresi_logistikhttp://id.wikipedia.org/wiki/Regresi_logistikhttp://id.wikipedia.org/wiki/Regresi_logistikhttp://www.slideshare.net/agecastaneda/model-regresi-dengan-variabel-bebas-dummy