Regresi logistik merupakan salah satu jenis regresi yang menghubungkan antara satu atau beberapa variabel independen (variabel bebas) dengan variabel dependen yang berupa kategori; biasanya 0 dan 1. Jenis variabel independen berupa kategori inilah yang membedakan regresi logistik dengan regresi berganda atau regresi linear lainnya.

Nilai kategori biasanya tertulis 0 dan 1, saat artikel ini ditulis, kebanyakan peneliti menggunakan regresi logistik untuk  memproses 2 kategori saja. 0 biasanya digunakan untuk kategori “tidak” atau “belum”. Sedangkan angka 1 biasanya digunakan untuk mendeskripsikan responden yang bersesuaian dengan maksud penelitian. Misalnya, pada skripsi yang saya buat tahun 2008 mengisahkan tentang Faktor – Faktor yang mempengaruhi keputusan petani wortel memilih sistem pertanian organik di desa Tugu Selatan, Kecamatan Cisarua, Kabupaten Bogor”

Link skripsi itu adalah:

http://repository.ipb.ac.id/handle/123456789/1293

atau alternatif download lainnya disini

Pada skripsi tersebut menjelaskan variabel dependen yang terdiri dari petani yang tidak atau belum menggunakan sistem pertanian organik (dengan simbol : 0), dan kelompok kedua yakni petani yang sudah menggunakan sistem pertanian organik (dengan simbol : 1).

agungbudisantoso.com
terima kasih telah menyimpan blog ini di bookmarks

Karena nilai Dependen berupa kategori 0 dan 1, tentunya penjelasan persamaan yang menghubungkan antara variabel independen dan variabel dependen tidak bisa dilakukan secara linear seperti yang dilakukan pada regresi umumnya. Maka penggunaan regresi logistik diperlukan untuk menghitung peluang kecenderungan responden untuk bernilai 0 hingga 1.

Tujuan Menggunakan regresi Logistik

Pemahaman tujuan menggunakan regresi logistik sangat diperlukan sebelum anda menggunakannya sebagai alat penelitian. Anda bisa mendalami dan membahas secara detil jika tujuan penggunaan regresi logistik anda kuasai secara detil. Setelah saya membaca beberapa jurnal yang menggunakan regresi logistik, saya menyimpulkan tujuan penggunaan regresi logistik secara umum ada tiga, yakni

Menghitung peluang

Persamaan yang diperoleh dari proses regresi logistik, dapat digunakan untuk menghitung peluang responden diluar responden yang termasuk dalam penelitian. Contoh yang dapat dipahami adalah proses pengajuan kredit. Pihak bank biasanya melakukan evaluasi kelayakan seseorang layak atau tidak untuk menerima kredit pinjaman dari bank. Beberapa pertanyaan diberikan kepada pihak bank terhadap calon penerima kredit. Pertanyaan yang diberikan seputar karakteristik variabel calon penerima modal tersebut merupakan variabel independen yang akan diinput oleh petugas bank kedalam model. Dari beberapa variabel yang dipertanyakan itulah, petugas bank dapat menentukan peluang calon penerima kredit tersebut untuk bisa mengembalikan pinjaman atau tidak, nilai antara 0 – 1.

Tentunya model yang digunakan oleh petugas bank adalah model regresi logistik berdasarkan data-data peminjam sebelumnya. Dalam model tersebut terdapat komponen bahwa biasanya peminjam yang memiliki pendapatan dibawah sekian dengan pinjaman yang telah dimiliki sebelumnya sekian, ditambah tanggungan kerja sekian, memiliki peluang untuk mengembalikan pinjaman sebesar sekian ( nilai 0 -1).

Melihat karakteristik

Tujuan kedua ini sering digunakan untuk melihat perbedaan karakteristik antara 2 kelompok. Salah satunya adalah skripsi saya yang saya sebutkan diatas. Skripsi tersebut menggambarkan karakteristik petani anorganik dan petani organik. Hasil kesimpulan bahwa peluang petani mampu beralih dari anorganik ke organik adalah karena perbedaan harga produk hasil kedua proses tersebut. Petani organik bersedia beralih dari anorganik ke organik meskipun produktivitas organik lebih kecil dibanding anorganik. Namun, perbedaan harga yang tinggi menjadikan petani organik memiliki pendapatan yang lebih tinggi dibandingkan petani anorganik.

Tujuan melihat karakteristik ini biasanya membahas nilai odds ratio di masing masing variabel independen (nilai odds ratio adalah (exp(koefisien)) masing-masing variabel). Nilai odds ratio menjelaskan peluang responden beralih ke organik (contoh kasus diatas). Penjelasan nilai odds ratio berbeda dari nilai koefisien regresi pada umumnya. Bila koefisien regresi menjelaskan : “ jika variabel X naik 1 satuan, maka nilai Y akan naik sebesar nilai koefisien satuan” maka exp(koefisien) atau odds ratio pada regresi logistik menjelaskan : “ responden yang memiliki variabel x lebih tinggi, maka akan berpeluang untuk memilih organik (contoh kasus diatas) sebesar “exp(nilai koefisien) atau biasa disebut odds ratio” kali dibandingkan responden yang memiliki variabel x lebih rendah”. Iya, nilai exp(koefisien) pada regresi logistik atau disebut sebagai odds ratio menjelaskan peluang, dan tidak menjelaskan berapa yang dimaksud “lebih tinggi” dari variabel X tersebut.

Faktor Yang mempengaruhi

Tujuan ketiga ini merupakan pengembangan dari tujuan kedua, peneliti mampu mengetahui faktor yang mempengaruhi mengapa terdapat perbedaan antara kedua kelompok tersebut. Nilai odds ratio yang tinggi menandakan varaibel tersebut memiliki pengaruh yang tinggi  terhadap pemilihan beda dari responden. Tujuan untuk mengetahui faktor yang mempengaruhi ini adalah diharapkan faktor yang signifikan mempengaruhi tersebut merupakan faktor yang bisa diatur oleh peneliti atau pengambil kebijakan sehingga bisa menggiring responden lainnya untuk berbuat yang sama terhadap responden yang bernilai 1 sebelumnya.

Contoh pada skripsi ini adalah bahwa harga merupakan faktor yang paling berpengaruh terhadap preferensi petani memilih pertanian organik, maka pemerintah jika ingin mengembangkan pertanian organik harus melakukan kebijakan yang tetap menstabilkan harga agar terus berada diatas harga produk anorganik sehingga peminat petani organik akan sebakin banyak dan bisa terus berkembang.

Bagaimana Model Persamaan Regresi Logistik?

Jika regresi linear memiliki persamaan :

Y = a + b1X1 + …. + bnXn, dengan a sebagai konstanta, dan b1 hingga bn adalah koefisien, maka regresi logistik juga akan mengeluarkan output yang sama jika anda menggunakan software minitab atau SPSS. Namun, anda akan keliru jika langsung mengambil persamaan itu untuk menjelaskan atau membahas peluang.

regresi lgistik 01

Nilai koefisen masing masing variabel dari gambar diatas terletak pada kolom B, sedangkan penjelasan nilai odds ratio dari masing masing variabel adalah pada kolom Exp(B). jika anda menggunakan regresi logistik untuk membuat persamaan dan menginterpretasikan peluang pada responden lain, maka pembahasan anda akan berkutat kepada kolom B untuk membuat persamaan, jika anda akan membahas faktor yang mempengaruhi variabel secara parsial, maka anda akan membahas kolom odd ratio atau exp(B)

Persamaan regresi logistik adalah :

persamaan regresi logistik

B0  merupakan konstanta, B1 merupakan koefisien masing- masing variabel.

Nilai p atau peluang (Y=1) dapat dicari dengan persamaan :

Persamaan tersebut dapat anda gunakan untuk menghitung peluang responden yang memiliki nilai variabel yang sudah ditetapkan dalam persamaan, hasil akhir nilai p tentunya akan berkisar antara 0 – 1.

Tahapan Proses Regresi Logistik

Mari kita langsung praktek dengan menggunakan spss 22. Buka spss dan copikan data yang anda miliki. Proses regresi logistik bermula dari klik analyze – regression – binary logistic

regresi logistik 02

Kemudian isikan nilai kolom dependen dengan variabel Y dan kolom covariate dengan variabel independen. Anda bisa menggunakan bermacam – macam methode untuk mengeliminasi variabel dan memperoleh persamaan yang paling baik untuk menginterpretasikan penelitian anda, anda bisa membaca artikel saya tentang cara eliminasi variabel pada regresi. Pada latihan ini, kita pilih methode enter saja. Klik oK

regresi logistik 03

Interprestasi Output

Interpretasi output spss ini dimulai dengan melihat goodness of fit persamaan model regresi logistik apakah telah memenuhi syarat untuk menginterpretasikan nilai y atau kah belum. Beberapa syarat yang harus diperhatikan dalam goodness of fit regresi logistik adalah :

Omnibus Test dan R Squared

regresi logistik 04

Nilai signifikan omnibus test harus berada dibawah 0.05 jika anda menggunakan taraf kepercayaan 95%. Omnibus Test dengan jumlah variabel independen sebanyak x menghasilkan nilai signifikansi yang lebih rendah dari 0.05. Hal ini menunjukkan bahwa terdapat pengaruh yang signifikan dari x variabel independen secara simultan mempengaruhi variabel dependen.Kemudian nilai nagelkerke R Square merupakan nilai R squared pada regresi linear. Variabel independen mampu menjelaskan 86 persen variabel dependen yang terlihat dari nilai Square nagelkerke sebesar 0.86. Sedangkan 14 persen lainnya dapat dijelaskan oleh faktor lain diluar variabel independen dalam persamaan hasil regresi logistik.

Hosmer and lemeshow Test

Berbeda dengan omnibus test, nilai hosmer and lemeshow test justru dikatakan baik jika nilai signifikannya > 0.05.

logistic regression

Nilai Hosmer tersebut lebih besar dibandingkan α = 0.05, artinya terima H0 yakni model regresi logistik mampu menjelaskan data dan tidak terdapat perbedaan antara model dan nilai observasinya. Hal ini menunjukkan bahwa persamaan regresi logistik dapat digunakan untuk menjelaskan hubungan variabel independen dan variabel dependen

Signifikan Tiap Variabel

Ketiga indikator tersebut merupakan goodness of fit apakah model tersebut cukup baik untu menginterpretasikan hubungan variabel independen dan variabel dependen. Jika ada masalah dengan ketiga indikator tersebut, anda bisa melakukan seleksi variabel dengan tehnik backward atau forward seperti yang saya jelaskan di artikel Cara eliminasi variabel pada regresi

Selanjutnya anda harus menilai variabel secara individu mana yang mempengaruhi variabel dependen dengan cara melihat nilai signifikansi masing masing variabel. Variabel dikatakan signifikan mempengaruhi varaiabel dependen jika nilai signifikannya < 0.05.

Interpretasi nilai Odds ratio

Pada gambar pertama diatas terlihat bahwa SPSS menyediakan range peluang atau nilai odds ratio dari batas bawah (lower) hingga batas atas (upper). Artinya bahwa interpretasi setiap variabel bisa dilakukan dengan menambahkan range peluang tersebut. Contohnya: variabel luas ( petani yang memiliki luas sawah lebih luas memiliki peluang untuk bernilai Y = 1 sebesar 3.267 hingga 176.130 kali dibandingkan petani yang memiliki luas lahan lebih sempit.

Gunakan variabel yang signifikan tersebut untuk dibahas secara mendetil dengan menambahkan penjelasan deskripsi, argumen, dan daftar pustaka yang kuat sehingga analisis anda bisa diterima oleh pembaca. Nilai nilai odds rasio inilah inti dari pembahasan anda jika bertujuan untuk melakukan perbedaan karakteristik dua kelompok atau analisis faktor yang mempengaruhi.

Membuat persamaan

Persamaan diperlukan apabila anda selanjutnya ingin membahas atau meramal suatu peluang dimana kondisi – kondisi variabel telah anda peroleh. Contoh simple seperti diatas adalah penentuan layak atau tidak seseorang mendapatkan kredit pinjaman. Atau, bisa juga memprediksi peluang keberhasilan suatu program apabila memiliki kondisi kkondisi yang mirip dengan variabel yang ada di persamaan tersebut.

Cara membuat persamaan sudah saya jelaskan diatas, namun sebagai gambaran saya ilustrasikan sebuah contoh:

Hasil interpretasi nilai logistic regression adalah sebagai berikut:
B0 = -4.2
B1 = 2.3
Variabel independen yang diproses adalah : IP semester 1 mahasiswa dengan variabel dependennya : 0 berarti lulus lebih atau sama dengan 4 tahun, nilai 1 berarti lulus kurang dari 4 tahun.
Jika IP semester 1 seorang mahasiswa adalah 3, maka berapa peluang mahasiswa tersebut untuk lulus kurang dari 4 tahun?

Kita tentukan persamaannya yakni :

p = e(B0+B1X) / (1+ e(B0+B1X) )

p = e(-4.2+2.3(3)) / (1+ e(-4.2+2.3(3)))

p = 0.94

Peluang mahasiswa tersebut untuk lulus kurang dari 4 tahun adalah 0.94%. Dengan cara yang sama, mahasiswa yang memiliki IP semester 1 = 2, memiliki peluang lulus kurang dari 4 tahun sebesar 0.59%.

Terima kasih telah berkunjung

Peneliti bidang sosial ekonomi pertanian. Pernah bekerja di bidang supply chain. Detil info silahkan kunjungi laman about me.

Join the Conversation

230 Comments

Your email address will not be published. Required fields are marked *

  1. selamat malam pak, terimaksh telah berbagi ilmunya. begini kk, saya ingin menanyakan sekaligus meminta bantuin sedikit perihal skripsi yg sedang saya krjakan sekrang. begini pak penjelasannya.. skripsi saya kan memiliki 4 var independen, 1 dependen dengan 1 var moderasi. nah! saya kn sdh mencoba mengolah data yg pertama, data yg sy olah blm mencantmkan data var moderasi dan diperoleh hasil utk hosmer and lemeshow test di atas 0.05 atau dpt dikatakan fit sehingga data tsb dpt diolah. kedua, saya mencoba utk mengolah data dgn menambahkan data var moderasi dan diperoleh hasil utk hosmer and lemshow test di bawah 0.05 sehingga data tsb tdk fit. oleh krn itu pertanyaan yg akn sy ajukan yaitu bagaimana cara mengolah data agar hasil hosmer and lemeshow testnya di atas 0.05? mohon penjelasannya. terima ksh.

    1. Jika ingin menggunakan moderasi, baiknya jangan menggunakan regresi logistik. Gunakan path analysis atau SeM. Silahkan browsing di blog ini juga tentang sem. Terima kasih

  2. Selamat malam pak, maaf saya ingin bertanya skripsi saya tentang pengaruh ukuran perusahaan, profitabilitas, leverage, dan pertumbuhan penjualan terhadap tax avoidance. Bagaimana caranya menetukan nilai 0/ 1 ( melakukan tax avoidance (1) dan tidak melakukan tax avoidance (0) pada suatu sampel? Kemudian apakah yang diberikan nilai 0/1 variabel X dan Y atau Y saja? Terima kasih

  3. Maaf mau tanya pak, penelitian saya itu kan tentang analisis faktor risiko yang berhubungan dengan kejadian pneumonia pada balita di puskesmas x.. terdiri dari 6 variabel. yg mau saya tnyakan apa boleh saya menggunakan uji qhi square sja nggak perlu uji regresi logistik? Mohon saran dan penjelasannya pak. Terimaksih:)

  4. Selamat malam pak, saya mau bertanya. Kenapa di output saya hasil wald test nya 0 semua ya pak? Sehingga secara parsial tidak ada variabel independen yang signifikan, padahal waktu uji serentak hasilnya signifikan. Mohon jawabannya pak🙏

  5. Permisi pak izin bertanya, apakah bisa menggunakan regresi logistik apabila variabel dependen menggunakan rasio? Namun variabel independen campuran nominal dummy dan rasio tp lebih banyak menggunakan dummy utk variabel independen

  6. selamat malam pak, skripsi saya telah selesai saya kerjakan akan tetapi ada satu permasalahan yang ditekankan oleh penguji saya. Judul skripsi saya adalah pengaruh debt default, pertumbuhan perusahaan, opini audit going concern tahun sebelumnya, reputasi kap terhadap penerimaan opini audit going concern.
    opini going concern ini merupakan variabel kategorik dimana 1 utk prsh yang menerima opini going concern, dan 0 untuk perusahaan yang tidak menerima audit going concern. Akan tetapi dosen saya mempermasalahkan kenapa sampel saya mengikutsertakan perusahaan yang tidak menerima opini audit going concern, padahal itu merupakan variabel dummy, saya bingung menjelaskannya seperti apa lagi :(. Mohon pencerahaannya pak 🙁

    1. perlunya mengambil sample pada perusahaan dengan nilai 0 adalah untuk menghitung peluang dan membndingkan karakteristik dua kelompok. jawaban lebih detil silahkan melihat video TJBudi#02. terima kasih

  7. Selamat malam Pak Agung. Maaf mengganggu waktunya, saya angki mau bertanya apakah uji regresi logistik memerlukan uji multikolinearitas, seandainya iya apakah cuman perlu multikolinearitas saja. Kalau iya buku siapa yg menyebutkan klu regresi logistik hanya perlu uji multikol. Terimakasih Pak Agung.
    Salam horma

    1. selamat pagi… dalam regresi logistik tidak ada uji asumsi klasik mas.. simak pembahasannya di video youtube channel catatan budi dengan judul TJ Budi #1

  8. Selamat malam pak agung, bagaimanakah cara menginterpretasikan hasil logistik regresi dimana Variabel independennya gabungan dari data kontinyu (ex: Jumlah penyakit) dan kategorik(status perkawinan: menikah dan single)?apakah sama cara menginterpretasikannya jika ada referensinya bolehkah sy mendapatkannya pak?terimakasih banyak.

    1. berbeda mbk. untuk data continyu: setiap satu satuan X memiliki peluang sebesar (odd ratio) kali dibandingkan nilai sebelumnya. untuk yang kategorik misalnya : menikah memiliki peluang sebesar (odds ratio) kali dibandingkan yang single.

  9. malam pakk aku lagi skripsian dimana tujuan 3 aku menganalisis faktor-faktor yang mempengaruhi kesediaan masyarakat membayar untuk kelestarian lingkungan Ruang terbuka hijau(taman)
    dimana y nya bersedia/tidak
    var independen nya ada
    umur(Thn)
    kelamin(L&P),
    pendidikan(1 SD,2SMP,3SMA sampai 6 S2),
    pendapatan(03jt),
    tanggungan keluarga(orang),
    jarak ke RTH(02km),
    status tempat tinggal (1 milik pribadi 0 sewa)
    dan status kepndudukan (1 asli 0 pendatang).

    aku mentok di implementasinya karena koefisiennya terbalik.
    dimana var independen aku yang signifikan ada
    umur, tanggungan keluarga,jarak dan status tempat tinggal.
    tapi hubunganya kok aneh.

    koefisien negatif ada umur dan status tempat tinggal dimana harusnya positif
    semakin tua umur kesediaan membayar harusnya makin besar
    status tempat tinggal milik sendiri harusnya lebih besar dibanding yang ngontrak

    koefisien positif ada jarak dan tanggungan (yang harusnya negatif)
    harusnya semakin banyak tanggungan kesediaan membayarnya berkurang
    dan semakin jauh jarak tempat tinggal ke RTH kesediaanya membayarnya semakin kecil :(.

    kira” aku salah masukin data yang 0 dan 1 atau implementasinya harus gimana pak?

    1. pertanyaannya kurang lengkap mas. jadi yang bersedia membayar pada variabel dependennya diberi nilai 1 atau 0 ya?

        1. Oke.. ini hanya hipotesis aja ya. Tentang umur lebih tinggi malah enggan membayar, mungkin kaitannya dengan bauran pengguna taman. Apa sudah dipastikan mayoritas orang yang berumur? Siapa tau justru yang menikmati adalah kaum muda dan pasangan muda. Tentang kepemilikan rumah (ini juga masih hopotesis), taman biasanya ada di perkotaan dan kebanyakan orang di perkotaan lebih banyak yang menyewa dibandingkan kepemilikan sendiri, terlebih disangkut pautkan dengan umur tadi yang masih muda muda.

          Sekali lagi ini hipotesis. Saran saya baiknya diperiksa bauran umur data yang anda miliki nanti akan terlihat deskripsinya disana. Terima kasih.

        2. halo mas fadil, permasalahan mas tentang koefisien dan odds ratio saya jadikan bahan artikel dan video pembahasan youtube. silahkan disimak ya… kemungkinan tanggal 18 sudah saya upload videonya. artikel blog saya upload malam ini. terima kasih.

  10. selamat sore.. maaf saya sudah mencoba mencari literatur tersebut. tetapi ternyata prabayar. apakah bpk bisa menjelaskan kenapa regresi logistik tidak pakai uji autokorelasi, sedangkan uji multikolinearitas masih di perbolehkan ? terimakasih, saya sangat menunggu jawaban bpk.

    1. karena regresi menggunakan model logit atau kurva S. berbeda dengan regresi yang mengansumsikan semua linear atau garis lurus. terima kasih

  11. Selamat malam pak saya ingin bertanya
    apakah beda dari Forward conditional, LR, dan wald?
    dan bagaimana jika saya menggunakan model enter tetapi hasil sig nya > 0,05 semua?apa yang harus saya lakukan?
    terima kasih

    1. ini kaitannya tentang cara software mencari model yang terbaik. sepertinya saya sudah bahas ya.. terima kasih

  12. Malam pak saya ingin bertanya, jika Nilai Nagelkerke R Square nya sangatlah kecil sebear 12% padahal jumlah data 180, itu penyebabnya apa ya?

    1. ini ibarat ke dokter kemudian bilang “dok, saya demam, penyebabnya apa ya?” dan kita tau bahwa penyebab demam itu ada banyak.
      saran saya silahkan baca artikel saya dengan kategori regresi ya… selamat bereksplorasi.. terima kasih

  13. pa agung saya mau tanya, ini spss nya pake yang berapa yah ?
    apa tiap versi nnti hasilnya beda?

    makasih…

    1. Mohon maaf pak mengganggu. Saya mau nanyak, jika variabel independennya rasio dan variabel dependennya dummy apakah bisa menggunakan regresi logistik?
      Contohnya dalam “pengaruh laporan keuangan dalam memprediksi financial distrees”.
      Mohon pengarahannya pak.

  14. Selamat siang pak. Maaf mengganggu waktunya. Saya sedang melakukan penelitian mengenai “faktor yang mempengaruhi terhadap ketepatan waktu penyampaian laporan keuangan”, terdapat 6 variabel x atau 6 faktor yang akan saya uji. Namun 4 variabel menggunakan metric dan 2 variabel menggunalan skala nominal, untuk variabelnya juga menggunakan skala nominal (0 dan 1). Apakah penelitian menggunakan regresi logistik sudah tepat pak? Dan apakah cukup menggunakan regsresi logistik saja? Atau saya harus menambahkan uji lain? Terimakasih pak

    1. menentukan penggunaan regresi logistik atau tidak adalah karakter variabel dependen, bukan variabel independen. jika variabel dependennya dummy maka bisa menggunakan regresi logistik. sudah cukup kah? itu tergantung penelitiannya. tapi klo hanya skripsi saya rasa sudah cukup. terima kasih

  15. Selamat malam Pak, mohon izin bertanya untuk metode variabel selection di spss kan ada enter, forward, backward dan stepwise kira2 mana yang paling baik ya pak? Atau bagaimana kelebihan dan kekurangannya? Soalnya saya ditanya dosen saya mengapa menggunakan metode enter pak, apakah ada patokan tertentu dalam memilih metode tersebut? Terima kasih

    1. selamat malam mbk..selamat belajar ya.. metode enter secara gampangnya tidak menyertakan seleksi variabel, artinya variabel yang kita masukkan sudah given, tidak boleh spss mengeliminasinya. metode forward, spss memulai dari variabel yang memiliki r square tertinggi, kemudian menambah satu demi satu variabel apakah masih signifikan atau tidak. pada titik sudah tidak signifikan, spss akan stop memproses. kebalikannya metode backward, spss memproses seluruh variabel, kemudian mengelliminasi satu demi satu variabel yang dinilai memiliki signifikan paling kecil, terus demikian sehingga spss menemukan kombinasi variabel independen yang tepat. sedangkan stepwise adalah kombinasi keduanya.

      kelebihannya, kita bisa menganalisa atau bongkar pasang variabel disana. kelemahannya, terkadang variabel yang tereliminasi adalah variabel yang kita harapkan signifikan. terima kasih

  16. Selamat malam pak, mau bertanya, bagaimana cara menginterpretasi nilai EXP(B) apabila variabel dependennya 2 kategori, dan variabel independennya 4 kategori ? Karena yang saya temukan biasanya keduanya hanya terdiri dari 2 kategori.

    1. sama saja.. cara membacanya adalah responden yang memiliki kategori satu tingkat lebih tinggi memiliki peluang exp(B) lebih tinggi dibandingkan kategori tepatnya dibawahnya.

  17. Mohon pencerahannya pak, saya saat ini sedang melakukan penelitian untuk skripsi dengan tujuan mencari faktor-faktor yang berpengaruh pada perempuan berpendidikan tinggi yang menjadi IRT, apakah uji regresi logistik merupakan uji yang tepat untuk digunakan? Selain itu, apakah jika sebuah model tidak fit tetap bisa digunakan pada penelitian tersebut?

      1. Pak saya mau nanya, untuk regresi logistik apakah diperbolehkan untuk tranformasi data ?

          1. Halo pak, maaf pak saya mau nanya data saya y pake dummy jadi saya pake regresi logistik. Namun hasil semua variabel tidak berpengaruh. Akhirnya saya lakukan transformasi data baik sqrt lg10 dan ln +0,5 hasil berpengaruh 2 variabel pak. Y dummy itu saya ikut transform pak. Tapi saya jg coba y nya tdk ditransform hasil tetap sama pak masih berpengaruh 2 variabel. Yang mau saya tanyakan apa boleh pak regresi logistik kasus saya ini pake transformasi data? Lalu saya harus memperkuat ini dengan landasan apa ya pak? Mohon dibantu jawab pak. Saya sudah pusing sekali pak 🙏😭

  18. Mohon pencerahannya pak, saya sedang melakukan penelitian dengan tujuan mencari faktor apa saja yang berpengaruh terhadap perempuan berpendidikan tinggi yang menjadi IRT, apakah penggunaan uji regresi logistik merupakan hal yang tepat? Selain itu, apakah jika sebuah model tidak fit tetap bisa digunakan pada penelitian tersebut?

  19. Saya sedang melakukan penelitian dengan tujuan mencari faktor apa saja yang berpengaruh terhadap perempuan berpendidikan tinggi yang menjadi IRT, apakah penggunaan uji regresi logistik merupakan hal yang tepat?

  20. Haloo pak. saya ingin bertanya kenapa hasi dari uji regresi logistik saya pada tabel variabel in the equation hasilnya >0,05 semua? mohon pencerahannya pa saya sudah coba menambah variabel tapi hasilnya tetap sama

    1. Bisa jadi semua variable tersebut memang tidak signifikan terhadap nilai Y. Pastikan uji asumsi klasiknya sudah terpenuhi, jumlah datanya banyak dan heterogen, teori pendukungnya kuat.

    2. assalamualaikum pak, saya ingin bertanya mengenai skripsi saya berjudul perbandingan kinerja perbankan konvensional dan perbankan syariah di indonesia. itu bagaimana menginterpretasi ke regresi logistik ya pak. syaa bingung, terimakasih.

      1. assalamualaikum pak, saya ingin bertanya mengenai skripsi saya berjudul perbandingan kinerja perbankan konvensional dan perbankan syariah di indonesia menggunakan RGEC pak. itu bagaimana menginterpretasi ke regresi logistik ya pak. syaa bingung, terimakasih

        1. Wa alaikum salam. Biar ga bingung, coba di list dulu apa yang menjadi variabel Y dan variabel Xnya.
          Kemudian tentukan masing masing variabelnya skalanya apa? Dari situ bisa terlihat mau menggunakan analisis apa. Terima kasih

          1. variabel X = RGEC (risk profile, GCG, Earning, Capital)
            variabel Y = Tingkat Kesehatan bank
            menggunakan Skala ordinal pak, soalnya menentukan bank sangat sehat, cukup sehat, sehat, tidak sehat.. apa benar pak ?
            mohon pencerahannya, Terimakasih

          2. Klo mau pakai regresi logistik, maka variabel y menggunakan skala nominal. Iya dan tidak. Atau dalam hal ini sehat atau tidak sehat. Nanti yang dihitung adalah peluang sebuah bank apakah dia sehat aoa enggak. Kok ngomongin sehat? Banknya kena covid?

          3. bapak jangan bercanda hehe, oh berarti pakai skala nominal ya pak.. hehe terimakasih pak
            lalu bagaimana mengintrepetasikan ke analisis logistik ya pak..
            soalnya saya bandingkan antara bank syariah sama bank konven sehat yg mana?

          1. Saya rasa mbk harus banyak banyak membaca literatur atau skripsi tentang analisis regresi logistik. Kuncinya ya antara bank sehat atau tidak, entah itu syariah atau bukan

  21. selamat pagi mas, saya mau minta pendapat karena masih bingung dg alat analisis. dengan judul skripsi “analisis penerapan prinsip etika bisnis islam dalam strategi bisnis online” menggunakan regresi logistik biner, apakah cocok? minta sarannya ya mas

    1. selamat pagi mbk.. regresi logistik biasanya mengambil data sample dari 2 kelompok. artinya jika analisis ini dilanjutkan, berarti mbak akan mengelompokkan kumpulan bisnis yang beretika dan yang tidak beretika? apakah itu tidak menyulitkan diri sendiri? yang kedua, biasanya regresi itu membahas pengaruh a terhadap b, jika lihat topiknya yang mbak tulis itu tidak memenuhi. strategi bisnis lebih kearah analisis manajemen. namun jika dipaksa harus menggunakan kuantitatif, SEM lebih mendekati karena nantinya akan menggunakan variabel laten terhadap variabel prinsip etika bisnisnya. demikian pendapat saya

  22. Pak Agung, saya mau bertanya saya sedang megolah data pakai spss dengan model regresi logistik.. di option pada regresi logistik di spss saya tidak mencetangkan “include constan in model” agar modelnya menjadi fit apakah tidak apa-apa Pak? terima kasih

    1. Boleh saja… Asal argumennya dapat kenapa konstanta tidak diikutkan. Tidak ada konstanta bisa diartikan hampir tidak ada variabel lain diluar variabel independen yang mempengaruhi dependen.

  23. Selamat siang pak, saya mau tanya kenapa regresi logistik di penelitian saya hasil sig di variables in the equation tidak signifikan semua?

  24. Assalamualaikum pak, saya ingin bertanya jika hasil hosmer and lemeshow test dibawah 0,05 apa yang harus saya lakukan yaa agar hasil tersebut bisa diatas 0,05?
    terimaksih

    1. Wa alaikum salam mas… Biasanya jika hosmer lemeshow tdk signigikan, r squarednya juga ikut kecil. Maka caranya adalah meningkatkan r squarednya. Terima kasih

  25. Selamat malam pak.. Saya ingin menanyakan interpretasi omnimbust test of model coefficient pak, nilai signifikan omnimbust test of model coefficient dilihat pada step, blok atau model ya pak? Adakah kemungkinan nilai sig. Di step blok dan model berbeda pak? Mohon pencerahan ny pak

  26. Sore pak, mau nanya untuk uji multikolinearitas pada regresi logistik kn dilihat dari matriks korelasi dan nilainya harus < 0,9
    apa yang harus dilakukan jika hasilnya diatas 0,9? apakah boleh jika untuk uji multiko dilihat dr tolerance dan vif yang biasa digunakan pada regresi linear berganda? terima kasih.

    1. Saya biasa melihat multikol dari nilai vif baik regresi berganda ataupun regresi logistik. Cara mengatasinya tentu mengeliminasi variabel yang memiliki korelasi yang tinggi

  27. Pagi pak, mau nanya. Ada pertanyaan dari dosen tapi saya belom bisa jawabnya . Alasan nilai alpha bisa 0,25 pada regresi logistik gimana ya? Disini menggunakan metode backward : LR. Terima kasih. Mohon bantuannya pak

    1. Klo bicara alasan, itu tergantung setiap kasus mbak. Tidak bisa disamaratakan. Klo artinya sudah jelas, variabel atau model tidak signifikan atau tidak bagus. Kenapa? Ya perlu dilihat variabel yang dipakai apa saja, kita sedang bahas topik apa, teorinya apa, dll

    1. Pertama, gunakan hipotesis berdasarkan teori. Kira kira mana yang bisa dijadikan variabel moderasi. Kedua, biasanya variabel moderasi justru variabel yang tidak signifikan pada persamaan regresi. Ketiga, hindari dummy untuk ditetapkan sebagai variabel moderasi.

  28. Malam Pak,
    Hasil reglog saya menunjukkan konstanta bernilai -11,23 untuk y=1 bukan pekerja anak dan y=2 pekerja anak.
    Apakah benar jika konstanta tersebut saya baca demikian
    jika x=0 maka peluang anak menjadi pekerja anak akan kecil?

    1. penjelasan untuk mengartikan koefisien dan konstanta saya rasa sudah ada dalam artikel ya mbk..terima kasih

    2. mas agung saya ingin bertanya jadi saya sedang menganalisis data regresi logistik juga, namun sepertinya ada yang salah atau gimana, sehingga data saya jika semua saya kategorikan hasilnya untuk salah satu variabel EXP(B)nya 0,000 tp jika tidak EXP(B)nya jau 12840299,3 mas… saya bingung sekali, saya sudah pakai metode backwrd:wald jadi itu hasil akhirnya tp tetap begitu mas…, selanjutnya pakai metode enter juga sama saja, kira2 mas tau gak ya permasalahannya dimana jika hasilnya jdi seperti itu

      1. Sebenarnya jangan anggap itu sebagai masalah. Dipikirkan dulu apakah nilai 0 pada odds ratio masuk akal atau tidak. Jangan jangan memang variabel tersebut tidak ada perbedaan antara nilai 0 dan 1 pada nilai Y. Klo tentang salah operasional atau tidak saya tidak tau, karna saya tidak lihat bagaimana mbk mengoperasionalkan. Hehehehe..

        Saran: perhatikan sebaran nilai pada variabel. Baca artikel saya tentang overfit pada regresi

        1. sore pak, saya ingin bertanya lagi, jadi saya juga sedang melaksanakan uji survival pak… nah tapi anehnya di uji survival saya muncul seperti ini Warnings
          Since coefficients did not converge, no further models will be fitted. itu kira2 kenapa ya pak, terimakasih banyak pak

  29. Selamat sore pak, saya ingin bertanya mengenai interpretasi koefisien parameter. Jika penelitian saya menggunakan 10 variabel prediktor, sementara hanya 2 variabel prediktor yang bersifat kategorik (0 dan 1), ke 8 variabel lainnya bersifat nominal (1, 2, dan 3). Bagaimana cara untuk menginterpretasi koefisien parameter menggunakan odds rationya pak? Terimakasih..

    1. Nominal dengan notasi 1,2, dan 3 belum bisa digunakan diregresi. Maaf mbk, mungkin krna keterbatasan pengetahuan saya. Regresi mengakomodir nilai nominal hanya pada dummy (0, dan 1).
      Beda halnya jika variabelnya ordinal, kemungkinan besar masih bisa dimasukkan karena nilainya bertingkat (1,2,3) misalnya pendidikan sd smp sma. Cara membaca odds ratio di skala ordinal ini: peluang responden yang memiliki pendidikan lebih tinggi senilai odds ratio kali dibandingkan responden yang berpendidikan rendah.
      Terima kasih