Regresi logistik merupakan salah satu jenis regression 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).
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 regression 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 regression 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.
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 :
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
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
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
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.
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
Terima kasih banyak, Pak artikelnya sangat membantu. Saya ada satu pertanyaan pak, dalam penelitian saya variabel A pada uji bivariat menunjukkan hasil yang tidak bermakna (p>0,05), namun variabel A dalam uji reglog menunjukkan hasil yang bermakna (p<0,05). Jika kasusnya seperti ini, kesimpulannya seperti apa ya Pak? Terima kasih, Pak
Mohon maaf pak izin bertanya, saya melakukan uji regresi logistik dan hasil Exp(B) terlalu tinggi 86,sekian, itu bagaiamana ya pak?
saya malah pernah ratusan nilainya… dilihat dulu signifikan atau tidak.
Malam Pak izin bertanya, jika uji chi square, hosmer and lemeshow, nagelkerke R square sudah 95% namun uji wald nya tidak lolos, semua nilai signifikannya hampir mendekati 1, bagaimana ya Pak?
https://agungbudisantoso.com/mengenal-dan-mengatasi-complete-separation-pada-regresi-logistik/
Terima kasih banyak pak 🙏🙏🙏🙏
Selamat siang pak. Perkenalkan nama saya andy, mahasiswa tingkat akhir. Mohon maaf sebelumnya telah mengganggu waktu bapak, disini saya ingin menanyakan tentang regresi yang saya gunakan apabila variabel independen atau bebas saya berskala ratio pak dan variabelnya ada 5, serta variabel dependen atau terikatnya dalam skala nominal dimana menggunakan variabel dummy yang berkategori 0 dan 1. jadi disini yang ingin saya tanyakan pak, lebih baik saya menggunakan regresi logistik atau regresi logistik berganda pak? dan untuk persamaannya gimana pak? Terimakasih banyak pak.
kuncinya ada di dummy nya ya ams. jika dummynya di variabel independen, maka menggunakan regresi berganda. tapi jika dummynya di variabel dependen atau variabel Y, maka menggunakan regresi logistik. terima kasih
Izin bertanya Pak, bagaimana jika smeua sudah lolos uji, namun uji wald nya tidak lolos, semua signifikan hampir mendekati 1? Mohon bantuannya ya Pak 😓
mungkin ini bisa membantu:
https://agungbudisantoso.com/mengenal-dan-mengatasi-complete-separation-pada-regresi-logistik/
Terima kasih
selamat malam, pak. terima kasih untuk artikelnya, sangat membantu sekali untuk mengerti regresi logistik. ada yang ingin saya tanyakan terkait regresi tsb, pak.
saya menggunakan model regresi logistik untuk penelitian saya, namun hasil yg didapatkan tidak ada variabel yang signifikan, pak. lalu dari uji hosmer & lemeshow dan uji omnibus hasilnya signifikan, pak (walaupun signifikansi uji omnibus sangat mepet sekali nilainya, 0,044), namun nagelkerke R squarenya hanya bernilai 0,201. jika masalahnya seperti itu, apa kemungkinan saya kurang tepat memilih model? adakah yg bisa diperbaiki jika saya tetap menggunakan model regresi logistik?
terima kasih, pak
coba perhatikan lagi teori yang digunakan dalam pembuatan model dan variabelnya. variabel yang digunakan tanpa mengikuti teori yang sudah ada memang berpotensi besar memiliki kebaikmodelan yang rendah. terima kasih
Terima kasih atas tanggapannya utk komentar saya, Pak.
Di situ masalahnya, Pak. Utk penelitian saya dengan menggunakan objek yg sama belum ada yg meneliti, jd utk teorinya saya mengacu dari teori objek2 yg sekiranya mirip dengan objek saya, Pak. Kalau begitu, bagaimana ya, Pak? Apakah tidak bisa diajukan acuan?
sebenarnya tidak harus berbeda sepenuhnya terhadap teori. kita bisa menambahkan variabel baru dan tetap menggunakan variabel yang kuat dari teori sebelumnya. saya berikan gambaran di pertanian: misalnya ada peneliti ingin menulis tentang pengaruh motivasi dan harga output terhadap produktivitas. dalam analisis regresinya dia tetap memasukkan variabel luas lahan jika ingin r squarednya tinggi, karena luas lahanlah faktor produksi yang paling dominan. namun, dalam modelnya dia berharap variabel motivasi dan harga juga mengalami signifikan dan berbanding lurus sesuai hipotesisnya sebagai bahan utama di pembahasan.
jika dia hanya menggunakan variabel motivasi dan harga sebagai variabel independen, sudah pasti penelitiannya tidak sesuai harapan karena r squared tidak akan membaik. semoga mbak paham dengan gambaran saya ini.
Izin bertanya pak, saya sedang melakukan uji dengan regresi logistik. Tetapi saya bingung pak bagaimana cara melihat pengaruh variabel x1 dan x2 terhadap y.
Apabila regresi berganda melihatnya nya dengan uji f. Lalu bagaimana dengan regresi logistik ini?
Sebelumnya Terima kasih, mohon bimbingannya
dengan melihat r squared nagelkerke dan omnibus test. terima kasih
selamat malam pak, chanel youtube nya apa pak
silahkan.. https://www.youtube.com/channel/UCFbye30FVP0zpliL47iXagg
Selamat siang pak, izin bertanya kenapa dalam data panel memggunakan log? Saya meresa kesulitan untuk menemukan literature alasan kenapa data saya di
log pak, Terima Kasih pak, mohon bantuanya pak🙏
ini sudah sy jawab via email
Pak izin bertanya, jika menggunakan analisis dengan regresi logistik biner apakah bisa mengetahui variabel independen yang paling berpengaruh/ paling dominan terhadap variabel dependen? Kalau bisa, caranya bagaimana ya Pak? Terima kasih, Pak.
variabel palimng berpengaruh ditunjukkan dengan odds ratio yang tertinggi dan signifikan pada taraf nyata ya mbak. terima kasih.
Halo selamat malam pa,ijin bertanya kalo untuk interpretasi dalam regresi logostik sederhana apakah lawer dan upper juga dibutuhkan?
Trus untuk interpretasi nilai koefisisennya bagaimna pa apabila nilaiinya positif
lower dan upper biasanya tidak dibahas. cuma klo mau bahas boleh boleh saja mbk. koefisien bisa dibahas jika mbak menampilkan persamaan linearnya (tapi belum persamaan expnensialnya ya..) terima kasih
Baik pa terima kasih,karena saya menggunakan regresi logistik sederhana dmna variabel indpandennya 1 dan dependennya 1,apakah sya harus mmbuat persamaanya atau bgimn pa?
Kalo untuk interpretasi lawer dan upper ini apakah smaa sprti analisis mnggnkan uji lain atau beda?
Pak ijin bertanya, bagaimana ya cara membaca expB untuk mengetahui peluang kategori saya, misalkan apakah ikut kategori dummy 1 atau 0 ? ExpB yg bagaimana yg bisa dibaca ikut kategori dummy 1 atau 0 ? Dasarnya apa ya ? Terimakasih sebelumnya
jika dummy maka patokan membacanya adalah angka 1, contoh: jika angka ExpB adalah 0.54, maka cara membacanya adalah peluang X pada dummy =1 untuk memilih Y (Y=1) adalah 0.54 lebih tinggi dibandingkan X dengan dummy = 0. terima kasih.
Halo slmt mlam pa..
Ijin bertanya jadi sya mnggunakan analisis regresi logostik sederhana..
Nah pada analsiis saya ada 5 variabel berpengaruh dan 1 variabel tdak berpengaruh dan nilai constannya negatif semua.
Setau saya nilai constan tidal mmpgrhi analisis saya.
Tetapi dosen saya mempertanyakan kenapa berpengaruh nilainya negtaf dan tidqk berpengaruh nilainya negatif juga.Terima kasih
Halo selamat malam,
Mungkin dosennya hanya menguji saja kak. Dijawab saja bahwa tanda koef negatif atau positif hanya menyatakan besarnya nilai peluang untuk nilai Y. Sedangkan signifikan mempengaruhi atau tidak itu ditentukan oleh nilao p value, bukan tanda koefisien. Terima kasih
Baik pa terima kasih.
Kemarin bimbgn sya sdah mnjlaskan,tapi mngkn online jadi bingung.
Jadi sy pikir mksd ibu saya itu hrus ubah nilai constannya karena bertolak belkang pa.
Kalo di analisis multivariat saya,sy mnggunakan rgrsi logstik sbrgnda nah nilai constannya juga negatif dan di beri tanda merah sama dosen saya jadi seprti bingung.
Kalo di regresi lgsrik sdrhan diberi tanda merah pada bagian constan yg varibelnya beprgaruh.
Mksh pa sudah mmbntu.
Maaf pa kalo bapak berkenan apakah sya bisa brknsltasi lewat email,soalnya seperti buntu.bingung mau mnjlskannnya bagaimna.
Merubah nilai tanda koefisien hampir mustahil kak kecuali kk mengubah lagi kombinasi variable variable independen atau mengiliminasi sebagian besar data, dan takutnya nanti mengarah modifikasi data. Coba buka layanan page di blog ini. Disana ada link wa saya. Terima kasih
Baik pa terima kasih,kalo ini untuk nilai constannya pa🙏
Pak, hasil analisis bivariat saya hasilnya ada hubungan semua dan nilai ORnya tinggi, Setelah di uji regresi logistik nilai omnibus = 0,000, nilai nagelkerke 0,965 namun semua variabel independen tidak berpengaruh semua Wald = 0,000, dan sig = 0,996. Kenapa bisa begitu
Sepertinya nyaris terkena complete separation. Sudah saya jelaskan di salah satu artikel. Silahkan dicari.
Terima kasih
maaf sebelumnya saya mau bertanya, bagaimana jika nilai R square nya mencapai angka 100%? nilainya terlalu tinggi, apakah ada yang salah dengan data saya ?
terimakasih sebelumnya
jika nilai pada kolom “B” bernilai negatif semua. apakah berarti variabel independen berpengaruh negatif terhadap variabel respon pak?lantas, apakah penelitian masih bisa digunakan?🙏
saya sudah pernah menjelaskan, entah melalui video atau lewat artikel blog, bahwa dalam penerjemahan koefisien pada regresi logistik tidak terletak pada positif atau negatifnya. karena logistik berbicara peluang. jadi yang diperhitungkan dalam penjabaran outputnya adalah odds ratio. meskipun kecenderungannya jika koef B bernilai negatif, biasanya nilai odds ratio antara 0 dan 1 yang artinya peluangnya kecil sekali. terima kasih.
oh iya, terkait penelitian bisa digunakan atau tidak, tergantung hasil tersebut sesuai teori atau bisa dipertahankan tidak argumennya..
nilai e nya itu dari mana ya pak?yang dalam persamaan tersebut?
nilai e adalah eksponensial. karna kurva logit berupa eksponensial.
Selamat siang pak, izin bertanya. Nilai Omnimbus test saya signifikan. Namun pada uji wald tidak ada yang signifikan. Apa bisa diatasi ya pak? Mohon bantuannya. Terimakasih
uji wald biasanya uji parsial di regresi berganda ya.. jika memang ingin signifikan pada uji wald, maka sebaiknya mbak run satu persatu variabel independen dengan variabel dependennya. temukan mana yang lebih dominan mempengaruhi variabel dependennya. terima kasih
Pak agung izin bertanya. Apakah bisa jika pada uji chi square saya menggunakan acuan Pvalue < 0,25 ? karna yang saya tahu biasanya menggunakan 0,05 atau 0,1.
Terima kasih pak
jika pertanyaannya bisa atau tidak, maka jawabnnya adalah bisa. ini terkait masalah tingkat kepercayaannya saja. jika mengambil alpha 0.25 maka tingkat kepercayaannya hanya 75%. terima kasih
Bagaimana jika pada koefisien Beta nilai constan positif sedangkan nilai koefisien Beta X1, X2 dan X3 negatif. Dan hanya X2 yang signifikan . Bagaimana interpretasi persamaan Logistiknya?
jika negatif, biasanya nilai odds rationya dibawah 1. cara interpretasinya sudah ada di artikel ini. persamaan logistiknya juga udah ada di bagian akhir, menggunakan rumus e . terima kasih
Pak izin bertanya kalau kasusnya seperti ini apakah hasil dr pengujiannya benar? Soalnya saya lihat rata2 nilai constant nya negatif dan koefisien beta nya yg positif. Saya takut data saya yang salah. Terima kasih banyak pak mohon pencerahannya
yang penting nilai odds rationya dilihat. kemudian cocokkan dengan teori nya. terima kasih
Selamat sore, saya izin bertanya
Apabila nilai pada kolom B 0,000 dan niali lower dan upper nya 1,000, itu kenapa ya pak? Lalu harus dibagaimanakan?
Terima kasih sebelumnya.
yang dilihat nilai EXP(B). lower berarti peluang terendah. upper adalah peluang tertinggnya. terima kasih
Izin pak, saya juga mendapat hasil yang seperti ini dimana nilai OR kurang dari 1, apakah masih dapat di jadikan faktor resiko/bermakna tidak? Apakah terdapat kesalahan dlm data nya pak? Terimakasih banyak pak
bermakna atau tidaknya silahkan lihat p valuenya mbak. jika kurang dari 5 persen, meskipun kecil berarti signifikan. terima kasih
selamat siang pak, izin bertanya. apakah regresi logistik memerlukan hubungan koefisien korelasi? kalau iya, bagaimana ya caranya pak? terimakasih
selamat pagi. regresi logistik dalam menginterpretasikan menggunakan odds ratio. jadi tidak perlu menggunakan korelasi koefisien. munculnya regresi logistik disebabkan karena tidak memenuhi kaidah asumsi klasik, sehingga asumsi klasik tidak berlaku di logistik. terima kasih
selamat siang pak izin bertanya
mengapa nilai OR variabel bebas saya pd uji chi square tidak sinkron dengan nilai OR pada uji regresi logistik uji?
dalam uji chi square nilai OR > 1, namun pada uji regresi logistik nilai OR < 1 karena nilai koef B per variabel negatif dan juga nilai konstantanya positif
kenapa itu bisa terjadi ya pak? bagaimana solusinya agar sinkron?
terimakasih pak
Regresi Logistik dipengaruhi juga oleh variabel independen yang lain. jadi pastikan antar variabel tidak memiliki multikoliniearitas. Terima kasih
selamat siang.. saya izin bertanya pak
saat ini sy sdg dalam proses menyusun skripsi yg juga menggunakan analisis multivariat regresi logistik untuk mencari faktor2 yg berpengaruh thdp variabel Y
hasil analisis bivariat saya menunjukkan bahwa variabel sikap, pengetahuan, pekerjaan, pendidikan menghasilkan nilai p 1 yg berarti variabel tsb dianggap sbg faktor resiko
namun, setelah sy masukan ke dalam uji regresi logistik malah menghasilkan koefisien B negatif semua sehingga nilai Exp(B) menjadi < 1 dan juga nilai constant positif
apabila Exp(B) < 1 brrti variabel tsb bukan merupakan faktor resiko kan pak?
Mohon untuk penjelasannya pak, mengapa nilai OR dalam bivariat tidak sinkron dengan nilai OR dalam multivariat
terimakasih pak
jelas sebuah kasus yang berbeda antara bivariat dan multivariat. anda harus memperhitungkan hub hub antara variabel bebas dalam regresi logistik tersebut. terima kasih
selamat pagi pak, hendak bertanya, saya telah melakukan uji reg logistik, Nilai signifikan omnibus di atas 5% yaitu 0,628 , nilai R nya 14,8%. sedangkan nilai hosmer sudah di atas 5% yaitu 0,271. dan hasil uji pengaruhnya, tidak ada yang signifikan atau di atas 5% semua pak.
cara mengatasinya gimna ya pak? agar salah satu variabel saya ada yg signifikan.
varaibel Y ; duummy = Financial Statment Fraud
Variabel X1,X2,X5 = rasio
variabel X3 dan X4 = Dummyb
Silahkan simak video saya di youtube meningkatkan r square ya mbk… Nanti perlaham variabelnya ada yang signifikan.
Terima kasih
Mohon ijin bertanya, bagaimana jika nilai sig Omnibus tes nya lebih dari 0,5/0,1/0,01?
Biasanya itu bersesuaian dengan r squared nya. Tingkatkan r squarednya, omnibus tes akan mengikuti. Terima kasih
Terimakasih bermanfaat sekali