Selamat Datang di Wajibstat Analysis

TETAP SEMANGAT. PIKIRKAN BAHWA SUKSES ITU HANYA TINGGAL SATU LANGKAH. HARUS SELALU ADA SEMANGAT UNTUK BISA*** Salam Sobat ***

Senin, 01 April 2013

KONSEP REGRESI LOGISTIK + CONTOH DENGAN SPSS 16 (Kasus Binary Reglog)



KONSEP REGRESI LOGISTIK + CONTOH DENGAN SPSS 16 (Kasus Binary Reglog)

Malam ni sobat semua,, Wah wah wah.. Pada gimana nih kabarnya? Moga baik dan sehat-sehat saja ya hehehe.. Yap, sekarang kita belajar lagi yuk materi yang baru.. Nah, kali ini saya mau ngebahas dan ngasi contoh untuk metode statistik Regresi Logistik. 

Kalau sobat pernah baca postingan saya tentang multiple regression, maka bedanya ada pada skala data variabel terikatnya sob.. Untuk regresi logistik, skala data variabel terikat (Y) adalah kategorik (non metrik). Ya bisa dua kategori, lebih dari dua (banyak kategori) dan bisa juga skala datanya ordinal kategorik. Terkait konsep, sebenarnya sama saja dengan regresi biasa (sederhana maupun berganda) yaitu melihat pengaruh dari variabel-variabel bebas terhadap variabel terikat.

Regresi logistik ini juga dipakai sebagai alternatif dari analisis multivariat yaitu analisis diskriminan (pembeda). Nah, sebagai pengantar pengetahuan saja, dalam analisis diskriminan kan dibutuhkan asumsi kenormalan multivariat.

Nah, bedanya dengan uji asumsi kenormalan biasa seperti ini; kalau uji asumsi kenormalan biasa, yang diuji kenormalannya adalah residual dari variabel terikat/dependennya sedangkan untuk multivariate normal, yang diuj kenormalannya adalah seluruh variabel bebasnya.

Asumsi multivariat normal ini terkadang sulit dipenuhi dalam analisis diskriminan karena variabel bebas yang digunakan merupakan gabungan antara skala data kategorik/non metrik dan kontinyu/metrik.

Dalam regresi logistik dikenal konsep Odds Ratio yang sama artinya dengan probabilitas atau kecenderungan.
By the way, terkait analisis diskriminan ini akan dibahas secara khusus pada postingan berikutnya. Sabar aja ya hehe..

Kalau seandainya,dalam penelitian sobat, pakainya ada dua kategori pada variabel terikatnya misalnya “lulus” dan “tidak lulus”, maka dinamakan binary logistic regression. Kalau semisalnya lebih dari dua kategori alias banyak dinamakan multinomial logistic regression. Nah, satu lagi, kalau skala data variabel terikatnya ordinal (peringkat), dinamakan ordinal logistic regression.
 
Oke deh kali ini saya berikan contoh pengerjaannya. Monggo, datanya download disini

Kalo sobat sudah ambil dan lihat datanya, ada tiga buah variabel yakni hasil tes tertulis, jenis kelas dan nilai tes praktikum. Disini saya mengambil sampel secara acak yakni 30 mahasiswa jurusan tehnik sipil suatu kampus. Hasil tes tertulis yang adalah variabel terikat merupakan kategorik (dua kategori yaitu 1=lulus dan 0=tidak lulus), jenis kelas juga kategorik (1=reguler dan 0=non reguler) dan nilai tes praktikum adalah non kategorik (kontinyu).

Berikut cuplikan tampilan data view dan variabel viewnya:



Langkah pertama, klik Analyze, Regression, lalu pilih Binary Logistics.
Masukkan variabel hasil tes tertulis ke dalam bagian Independent sedangkan variabel jenis kelas dan nilai tes praktikum masukkan ke bagian Covariates.. Berikut gambarannya:


Lalu, klik pada bagian Options dan centang seperti terlihat pada gambar di bawah ini: 


Lalu klik Continue dan OK, maka akan dihasilkan output seperti berikut (langsung dengan penjelasannya).



Apakah model sudah fit? Perhatikan saja nilai statistik-2 Log Likelihood. Untuk bagian Beginning, yaitu nilai -2 Log likelihood yang masih hanya menggunakan konstanta (c) adalah 41,455 sedangkan saat kita sudah melibatkan dua variabel bebasnya (jenis kelas dan nilai tes praktikum), nilai -2 Log Likelihood adalah 8,809 (iterasi maksimum/20). 

Nah, hal ini sudah nunjukin ada penurunan nilai dong saat variabel bebas sudah ikut “bermain” yakni sebesar 41,455-8,809= 32,646 (Lebih jelasnya, lihat pada bagian Omnibus Tests of Coefficients)

Untuk Beginning, ternyata dihasilkan koefisien dari -2 Log Likelihood 0,134 yang lebih besar dibanding alpha 5% sehingga dengan demikian kita menerima hipotesis nol yakni model sudah fit. Atau bisa juga dengan membandingkan nilai 41,455 dengan nilai statistik Chi Square (0,05; df=30-1) yaitu 42,5569678. Hasilnya tetap kita menerima hipotesis nol dan disimpulkan model sudah fit.

Selanjutnya, untuk block 1
Nilai -2LogL kedua adalah sebesar 8,809. Lalu, kita bandingkan nilai ini dengan Chi Square (0,05,df=30-3), ternyata hasilnya 8,809 < 40,1132721 (terima hipotesis nol >> tidak signifikan) sehingga model sudah fit dengan data.

 
Kalau dalam regresi biasa, kita pakai nilai R square untuk menunjukkan pengaruh bersama. Nah, pada regresi logistik kita pakai Cox & Snell dan Nagelkerke R Square. Secara bersama, variabel jenis kelas dan nilai tes praktikum yang kita pakai dalam penelitian sudah mampu menjelaskan keragaman data pada variabel hasil tes tertulis sebesar 88,6% (misal dengan Nagelkerke) sedangkan sisanya sebesar 11,4% dijelaskan oleh variabel lain di luar model penelitian

Saatnya kita uji hipotesis dengan Hosmer and Lemeshow Test. Hasilnya, nilai Sig 0,999 lebih besar daripada Alpha 5% sehingga kita menerima hipotesis nol (secara statistik tidak terdapat perbedaan yang signifikan antara model dengan nilai observasi) sehingga model sudah fit dengan data. Bisa juga dengan membandingkan nilai Chi Square hitung Hosmer dan Lemeshow Test dengan chi square tabel seperti berikut; 0,583 < 14,0671404 (hasilnya tetap terima hipotesis nol)
  
Sekarang, sampai di bagian akhir untuk interpretasi model regresi logistik.. Yes yes yes hehehe.. Oiya berikut model penelitiannya yaaa..
Ln P/1-P=-19,856+2,552 Nilai_Tes_Praktikum+19,683 Jenis_Kelas

Karena variabel jenis kelas secara statistik tidak berpengaruh secara signifikan, maka yang kita modelkan dan interpretasikan hanya variabel nilai tes praktikum saja. Tapi, camkan satu hal bahwa variabel jenis kelas ini dikatakan tidak signifikan secara statistik, bukan berarti pengaruhnya tidak ada (nol rasio), melainkan ada pengaruhnya, hanya saja sangat kecil. Mungkin untuk penelitian lain (beda waktu, beda mahasiswa, beda universitas) bisa saja hasilnya akan signifikan. Naaah, ini model penelitian yang akan kita ajukan hehehe..

Ln P/1-P=-19,856+2,552 Nilai_Tes_Praktikum

Tidak seperti regresi berganda, karena kita memakai Odds Ratio, maka untuk interpretasi variabel kualitatif tentu cukup sulit dilakukan. Memang terkesan cukup memaksa kita menginterpretasikan seperti ini:

"Kecenderungan mahasiswa jurusan teknik sipil untuk lulus tes tertulis berhubungan positif dengan nilai tes praktikum. Setiap peningkatan nilai tes praktikum sebesar satu poin, membuat tendensi/kecenderungan lulus tes tertulis 12,833  kali". 

Naaaah, interpretasi sedemikian kurang rasional dan terkesan sedikit absurd, makanya untuk variabel kuantitatif pada reglog cukup kita interpretasikan seperti ini:
"Semakin tinggi nilai tes praktikum mahasiswa jurusan teknik sipil, maka kecenderungannya untuk lulus pada tes tertulis akan meningkat"

Andaikata, variabel jenis kelas kita anggap signifikan (ini sekedar belajar cara membaca output variabel kualitatif yaaa hehehe) maka interpretasinya sebagai berikut: 

Nilai odds ratio sebesar 3,533 yang artinya Kecenderungan mahasiswa jurusan teknik sipil kelas reguler untuk lulus dalam ujian tertulis 3,533 kali mahasiswa jurusan teknik sipil kelas non reguler.

Dalam interpretasi variabel kualitatif ini, kita gunakan mahasiswa non reguler (kode nol) sebagai reference category. Kita pilih saja "first" pada Change Contrast. Naaah, untuk penelitian yang menggunakan lebih dari dua kategori pada variabel bebas kualitatif, misalkan besar, sedang dan kecil, maka penentuan reference category (variabel bebas rujukan untuk interpretasi) ini sangat penting. Gunanya untuk kepentingan interpretasi..

Kalau dalam penelitian ini, saya hanya pakai dua kategori pada variabel kualitatif yaitu kelas non reguler dan reguler sehingga pengaturan reference categorinya sudah langsung pada category first (kelas non reguler).


Oke deh sobat semua, ini dulu yang bisa saya bagikan tentang binary logistic regression.. Kurang lebihnya saya minta maaf.. Doakan aja ya agar reglog multinomial dan ordinal bisa saya berikan postingannya juga hehehe.. Oke deh.. Semoga bermanfaat.. Salam sukses
:-)












46 komentar:

  1. mw nanya mas
    1. kalo masukin datanya di variabel dependen 1: tidak berkunjung, 2: berkunjung bisa tidak?
    2. truz kalo salah satu variabel ada 3 kategori bagaimana? misal 1:rendah, 2:sedang, 3: tinggi? itu caranya sama seperti di atas apa tidak? karena koq hasilnya beda.. cuma ada 2 kategori yang keluar di hasil olah dg SPSS-nya.. mohon pencerahannya.. trims ;)

    BalasHapus
  2. maaf mas nanya lagi.. maksud saya yg 3 kategori itu di variabel X-nya Mas.. bukan Y..
    bukankah kalo reglog biner yg penting Y-nya punya 2 kategori? jd menurut saya tetap bisa menggunakan reglog biner krn yg di lihat Y bukan X.. karena pemahaman saya kalo reglog multinomial itu di pakai kalo kategori y-nya lebih dari 2..
    begitu bukan Mas? apa saya salah paham? he"
    trims ;)

    BalasHapus
  3. salam kenal ella..
    1) untuk pengkodean 1 dan 2 bisa krn seharusnya nilainya sama dengan pengkodean 0 dan 1 karena kita membaca prob (p/1-p). Lebih baik saya sarankan pakai saja pengkodean dengan 0 dan 1
    2) untuk pertanyaan ini, saya mau tanya sudahkah ella mendefinisikan variabel bebas 3 kategori itu dengan ordinal pada variable view?

    BalasHapus
  4. benar saya kira tadi saudari ella menggunakan tiga kategori untuk variabel dependennya.. jadi, kamu tetap pakai binary reglog..

    BalasHapus
  5. Kalau sudah diatur menjadi ordinal maka benar hasilnya ketika kamu pakai 3 kategori, akan muncul output dummy sejumlah (k-1) sehingga pada output maka hanya akan ada dua yang muncul..
    satu variabel akan dipakai sebagai reference category (spss menyediakan kategori pertama/first atau terakhir kah/last yang menjadi reference) pada Change Contrast..
    demikian semoga membantu.. salam

    BalasHapus
  6. mohon pencerahan mas....saya melakukan uji reg log ordinal krn var dep 3 kategori tingkatan, sdgk var x nya ada yg nominal n ordinal apakah sdh tepat?
    kedua: pertama saya lakukan uji partial menggunakan reg log ordinal juga, kemudian sy uji serentak dg memasukkan var yg signifikan, outputnya saya jadi bingung: di uji serentak pada model fiting informt : hasil signifm tapi begitu saya lihat di parameter estimates tdk ada satu variabelpun yg sign..... terus interpretasikannya bgmn?
    ke tiga: yang disebut dengan konstanta, Beta pada output reg log ordinal itu yang mana? terimakasih mas......

    BalasHapus
  7. Ternyata setelah saya coba-coba, terkadang satu variabel bisa memperkuat atau memperlemah variabel yang lain,,,, apakah ini yang dinamakan dengan kovarian?, apa confounding? trims

    BalasHapus
  8. Salam kenal Elisa..
    1. Memang bisa saja pakai regresi logistik (reg log)tetapi kamu bertanya yang paling baiknya dalam kasus var dependen dan independen sama-sama kualitatif (nominal, ordinal), pakailah regresi log linier (log lin)
    2. Mungkin pola pikir Elisa masih belum tepat ya karena menurut saya kamu itu meregress satu per satu var indep thdp dep dan selanjutnya uji serentak.. Nah, cara sedemikian tidak tepat krn kapanpun kita harus lebih dulu melakukan uji serentak baru (omnibus test) setelah itu baru uji parsial (variables in the equation)

    BalasHapus
  9. 3. Ya kalau yang disebut konstanta dan beta untuk menuliskan model (P/1-P) ya tetap yang B pada variables in the equation. Nah, untuk interpretasi konstanta dan beta jangan paka yang B karena sulit kan untuk interpretasinya, maka pakailah nilai exp (B).
    4. Nah, jika dalam kasus kamu variabel ada yang menguatkan dan melemahkan variabel lain berarti mengindikasikan terjadinya multikolinieritas antar variabel bebasnya. Demikian. Salam

    BalasHapus
  10. maaf pak, untuk mengajukan model yang paling fit itu apakah boleh langsung membuang variabel yang tidak signifikan seperti yg bapak lakukan dgn membuang variabel jenis kelas?

    setau saya apabila data yang di run adalah 2 variabel independen maka model yang paling terakhir tetap 2 variabel walaupun ada yg tidak signifikan (kan tdk signifikan itu bukan berarti tidak ada hubungan. ada hubungan tapi kecil)

    nah jika ingin membuang variabel yg tidak signifikan maka harus me-run lagi dari awal dengan 1 variabel yg signifikan itu. karena koefisien yang dihasilkan dengan me-run 2 variabel kemudian membuang 1 variabel yg tdk signifikan akan berbeda dengan me-run 1 variabel yg signifikan saja.

    bagaimana pak tanggapannya?

    BalasHapus
  11. Salam kenal saudara anonim. Ya benar sekali kata sobat anonim, terimakasih atas kejelian dan koreksinya. Memang jika dalam penelitian kita ada variabel bebas yang tidak signifikan, kita harus me-run ulang kembali model dengan variabel yang signifikan untuk mendapatkan model penelitian. Andaikata pun kita tetap mengikutkan variabel yang tidak signifikan untuk model penelitian, maka perlu mencantumkan nilai signifikansinya. Nanti akan saya perbaharui kembali postingan ini. Terimakasih

    BalasHapus
  12. @ anonim: untuk masalah model dikatakan fit, lebih baiknya, setelah kita punya model penelitian, maka kita kembalikan ke ilmu dasar/ ilmu esensinya terlebih dahulu apakah benar hubungannya sudah seperti itu secara ilmu esensinya atau belum. Jika sudah benar, maka kita yakinkan dengan statistiknya (yang hanya sebagai tools) dilihat dari Hosmer Lemeshow, Nagelkerke Square dan Classification Plot. Demikian. Salam

    BalasHapus
  13. Salam kenal mas,, saya mau tanya dong..
    penelitian saya menggunakan regresi logistik karena variabel dependennya adalah status (1=Perusahaan Perata Laba, 2=Perusahaan bukan perata laba)
    setelah dilakukan pengujian ternyata hasilnya tidak ada satupun variabel independen yang signifikan (ada 5 variabel independen yang saya gunakan), setelah saya baca2 lagi, ternyata terjadi overdispersi, karena nilai SE nya begitu tinggi..
    pertanyaan saya,
    1. bagaimana “mengobati” overdispersi tanpa harus membuang variabelnya?
    2. data yang saya gunakan berupa data panel, apakah itu berpengaruh terhadap pengujiannya? ada beberapa yang menyarankan saya harus running regresi data panel dulu, namun saya belum faham mas..
    untuk mengolah data saya menggunakan SPSS..
    mohon pencarahannya ya mas..
    terimakasih sebelumnya..

    BalasHapus
  14. Ln (p/1-p)=..... p itu peluang apa ya?

    BalasHapus
  15. mas mau tanya neh …. langsung sjah .. variabel (y = o tidak sukses, 1= sukses..)
    dan variabel bebas
    x1= harga ( rasio) dan x2 = Jumlah Barang (rasio) …
    untuk model seperti ini ,,
    dengan skala data seperi ini
    apakah cocok menggunakan metode reg.logistik biner ? mohon bantuannya mas… dan untuk hasil konstanta tidak signifikan , apakah itu tidak apa apa juga mas? mohon dengan sangat bNTUANNYA,

    BalasHapus
  16. @diki: mas diki bisa pakai reglog biner. Untuk konstanta tidak masalah jika tidak signifikan. Hal ini secara implisit sekedar mengindikasikan bahwa kita membutuhkan kontribusi dari variabel-variabel bebas dalam melihat pengaruh kepada variabel terikatnya. Demikian. Salam

    BalasHapus
  17. @cidaro: itu adalah peluang distribusi binomial dengan parameter rata-rata (n*p) dan varians (n*p*p-1). Demikian. Salam

    BalasHapus
  18. Selanjutnya, untuk block 1
    Nilai -2LogL kedua adalah sebesar 8,809. Lalu, kita bandingkan nilai ini dengan Chi Square (0,05,df=30-3), ternyata hasilnya 8,809 < 40,1132721 (terima hipotesis nol >> tidak signifikan) sehingga model sudah fit dengan data.

    pertanyaan saya : df 30-3 itu darimana ya? kan kalo chi square nyari df nya (k-1) (b-1)? terima kasih.

    BalasHapus
  19. Salam kenal sdri Orryn
    Nah, pertanyaan kamu itu bagus dan mendasar sekali.
    Ingat bahwa uji chi square itu tidak hanya melulu dipakai dalam uji independensi (hubungan antara 2 var kualitatif) yang memang punya db= (kolom-1) (baris-1).
    Dalam analisis multiple regression, uji chi square ini sudah mengalami penurunan rumus (berdasarkan ilmu statistik matematika) guna kepentingan uji parsial (uji t).
    Kamu harus pahami dulu penurunan rumus bahwa uji parsial (rasio antara slope/Beta dengan Std Error Beta) akan mengikuti distribusi student t. Mengapa? Karena Beta mengikuti dist. normal standar dibagi derajat bebasnya (0,1) sedangkan Std Error Beta mengikuti distribusi chi square dibagi derajat bebas n-k-1 atau n-p.
    Semoga bermanfaat. Salam

    BalasHapus
  20. selamat malam mas
    saya melakukan regresi logistik, sudah mengikuti tata cara nya namun untuk variable in equation step 1 nya ga timbul
    itu bagaimana yah ? mohon penjelasan nya terima kasih

    BalasHapus
  21. salam kenal mas Ramadhan
    Seharusnya hasilnya bisa keluar mas jika prosedurnya sudah benar dilakukan seperti yang saya contohkan
    Coba kamu ulangi kembali.
    Semoga bermanfaat. Semoga sukses :)

    BalasHapus
  22. siang mas, saya mau tanya.
    sya bingung dengan reference category. disini sya pakai 3 var. independen dan smuanya itu merupakan var. kategori. nah yg mau sya tanyakan, apakah semua var tersebut di change ke first ?
    kemudian ada lagi mas, kalo kita mau tahu berapa besar faktor variabel X mempengaruhi terhadap variabel Y itu di lihat dari mana mas ?
    Terima Kasih

    BalasHapus
  23. Salam kenal mas Reza
    Penentuan reference category perlu diakukan untuk kepentingan interpretasi variabel kualitatifnya.
    Pilih aja mau dibandingkan ke kategori yang awal atau yang akhir. Jika mau yang awal yasudah set referencenya ke first, kalau pilihnya yang akhir set referencenya ke last.
    Untuk tahu berapa besar pengaruhnya, lihat dari perbandingan nilai exp (B) nya alias odds ratio masing-masing variabel bebas yang signifkan.
    Mas sebenarnya mas paling baik pakainya regresi log linier (loglin) + chi square test tetapi jika mas mau pakai reglog boleh saja akan tetapi biasanya Omnibus Test tidak terpenuhi (jika meregress kualitatif VS kualitatif). Silahkan di run saja dulu. Sukses

    BalasHapus
  24. salam kenal, mas wajib
    saya ani. terima kasih atas penjelasannya yang cukup memberikan pencerahan ttg reglog. mas, saya boleh minta data dengan dv kategori, 2 iv kategori, dan 1 iv kontinum, serta jumlah samplenya >200? saya dapat tugas dari dosen untuk analisis reglog, tapi belum punya datanya. kalau boleh kirim ke email saya anchan_leo@yahoo.com
    terima kasih :)

    regads,
    ani M

    BalasHapus
  25. salam kenal mas wajib.
    mas saya mau tanya dong,skripsi saya menggunakan regresi logistik tetapi data saya panel,apakah bisa diolah menggunakan SPSS?
    teman saya menyarankan menggunakan EVIEWS,memang mana yg lebih cocok mas? terima kasih.

    BalasHapus
  26. Salam kenal mas Anonim
    Terimakasih sudah berkunjung
    Untuk analisis dengan jenis data panel, spss punya keterbatasan yang hanya bisa untuk common effect (regresi biasa dengan asumsi slope dan intercept sama antar cross section dan sepanjang waktu). Disarankan, mas pakai eviews untuk pertimbangan model terbaiknya (common, fixed atau random effect). Kembali kasih

    BalasHapus
  27. Salam kenal Mas.
    Saya ingin menanyakan apabila hasil hosmer and lemeshow test menunjukkna sig lebih kecil dari alfa 5%, apa yang harus dilakukan agar model menjadi fit?

    BalasHapus
  28. Salam kenal mbak Tya
    Solusinya bisa dengan menambahkan beberapa variabel bebas yang diharapkan akan signifikan memengaruhi variabel terikatnya. Cara lain juga bisa dengan pengecekan data yang outliers untuk dieliminasi dari observasi penelitian. Sekian. Semoga bermanfaat

    BalasHapus
  29. salam kenal, mas..
    saya ingin menanyakan teknik analisa untuk data panel selain OLS, yang dapat melihat apakah terdapat pengaruh antara variabel independen dan dependennya.

    Terimakasih mas.

    BalasHapus
  30. Salam kenal juga mbak Regina
    Untuk penelitian dengan data panel, selain OLS, bisa juga dengan teknik analisis lain seperti Panel VAR, Panel Kointegrasi, Panel Simultan, Panel Reglog, dll mbak.

    Kembali kasih mbak.

    BalasHapus
  31. Salam kenal mas.
    Saya sedang melakukan penelitian menggunakan regresi logistik biner dengan 14 peubah penjelas yang terdiri dari 6 peubah bebas kontinu, 4 peubah bebas nominal dan 4 peubah bebas ordinal. Saya sudah melakukan analisis seperti yang mas contohkan di atas. Kemudian yang ingin saya tanyakan adalah :

    1. Di Block 0 pada variable not in the equation terdapat keterangan "residual chi-square are not computed because of redundancies". Maksudnya bagaimana ya, mas? Apa yang dimaksud dengan redudansi tersebut? Apakah hal ini akan mempengaruhi model?
    2. Di Block 1 pada iteration history terdapat keterangan "Redundancies in design matrix : X13(1) = 1- X2. Saya lagi-lagi bingung dengan kata-kata redudansi ini. Mohon pencerahannya, mas..
    3. Di block 1 pada variable in the equation, ada dugaan beta, SE, dan exp(B) dari 2 peubah bebas yang tidak muncul, mas. Nilai signifikannya memang lebih dari taraf nyata sih mas, hanya saja saya bingung kenapa dugaan beta dan sebagainya itu bisa tidak ada nilainya?
    4. Sebenarnya saya agak khawatir dengan proses atau data yang saya kerjakan karena dari sekian peubah bebas yang saya gunakan hanya sedikit yang ternyata signifikan. Apakah hal ini tidak apa-apa? Atau mungkin ada yang harus saya kerjakan dulu sebelum melakukan analisis atau mungkin sesudahnya mas?

    Sementara itu dulu mas. Mohon maaf jika pertanyaanya nge-borong. Mohon bantuan dan pencerahannya mas.
    Terima kasih mas.

    BalasHapus
  32. Salam kenal mas,
    Mau tanya, kalo hasil outputnya ada warnings 'the dependent variable has more than two non-missing values' itu kenapa yah mas??
    Apa ada data yang salah?
    Soalnya berkali-kali saya coba,hasilnya warnings teruss,cuman sekali bisa..itu bagaimana mas?trimakasih.

    BalasHapus
  33. salam kenal mas ..
    saya ingin bertanya dengan kata yg anda tulis "Tapi, camkan satu hal bahwa variabel jenis kelas ini dikatakan tidak signifikan secara statistik, bukan berarti pengaruhnya tidak ada (nol rasio), melainkan ada pengaruhnya, hanya saja sangat kecil."
    untuk mengetahui seberapa besar setiap variabel mempengaruhi meskipun kecil itu gimana caranya ya mas ??

    BalasHapus
  34. salam kenal mas

    maaf klo pertanyaan saya agak kurang bagus karena saya msh awam am yg namanya statistik.. hehe..

    mau tanya mas, dalam hal kita menggunakan regresi logistik, apa msh perlu dilakukan uji asumsi klasik? klo uji F dan uji T msh diperlukan jugakah? terima kasih

    BalasHapus
  35. @japra: Dlm analisis reglog tidaj diperlukan uji asumsi klasik mas setelah model terbentuk
    Uji simultan F dan parsial t harus dilakukan mas, kmbali kasih :-)

    BalasHapus
  36. @Wajibman : klo boleh tau, knp tidak perlu dilakukan uji asumsi klasik lg y mas utk reglog ini? saya ud cari alasanny dibeberapa buku namun tidak ad yg menerangkan hal dimaksud. mohon pencerahan dr suhu Wajibman... :D

    dan yg kedua (maaf banyak tanya.. hehe), uji f dan uji t utk reglog, apakah sama seperti uji f dan uji t seperti biasa? apakah ada contohnya d situs ini? terima kasih lg :)

    BalasHapus
  37. maaf mas saya yg bernama anonim yg berada diatas japra fajar ..

    mohon dibalas ya mas ..
    ini penting banget mas buat penelitian saya

    BalasHapus
  38. @japra: jadi dalam analisis reglog kita menggunakan variabel bebas yang berskala data kualitatif (nominal atau ordinal) sehingga kita tidak bisa menghitung varians dan rerata dari variabel yang berskala data kualitatif. Selanjutnya, dalam uji asumsi yang lain misalnya multikol, itu hanya digunakan kalau kita menggunakan variabel bebas dengan skala data yang sama bukan gabungan (beberapa kuantitatif dan ada juga yang kualitatif). Uji F dan T sama dengan yang di OLS

    BalasHapus
  39. @anonim: kalau untuk melihat besarnya pengaruh suatu variabel bebas kamu bisa lihat nilai koefisiennya modelnya saja dan coba sandingkan dengan teori yang ada. Ingat bahwa statistik itu hanya tools sehingga harus selalu dilakukan uji kebaikan model statistik, bisa dgn melihat nilai R square, classification plot bahkan mengembalikan hubungan variabel bebas terhadap tidak bebas ke dalam esensi keilmuannya (apa benar pengaruhnya benar seperti yang ditunjukkan oleh model statistik). Demikian. Salam

    BalasHapus
  40. Salam kenal mas..
    Saya punya tugas seberapa besar pengaruh website promosi yg saya buat terhadap jumlah transaksi penjualan perharinya selama 1bulan.. Jd Y nya saya bikin 1= dari website saya 0 = dari media lain, buat X nya saya buat kuisioner skla likert dengan 2 variable dr website saya, jadi ketika ada pembeli yg membeli barang saya kasikan kuisionernya.. Apakah bisa analisis reg log untuk mencari besran pengaruh website promosi saya terhadap jmlah transaksi penjualan perharinya selama satu bulan?? Trimss

    BalasHapus
  41. Komentar ini telah dihapus oleh penulis.

    BalasHapus
  42. @anonim: kalo kasus dmikian, analisis yg bs kamu pakai adalah regresi ols dgn dummy variable, bukan pakai analisis reglog krn var Y nya (jumlah transaksi) adalah var kuantitatif dan bukan var kualitatif (nominal atau ordinal). Smoga mbntu mncerahkan. Kmbli kasih.

    BalasHapus
  43. misalkan transakasi hari pertama 5, klo pke ols berarti tiap harinya y hanya menhasilkan nilai satu yaitu 5, sedangkan x nya menghasilkan niai nilai 5 dari responden yang membeli.. apakah bisa seperti itu? jmlah N pada y dan x gak sama???

    BalasHapus
  44. ini saya yang anonim diatas mas..

    BalasHapus
  45. Permisi mas mau tanya
    kalau nilai B pada reglog 0,000 bagaimana menginterpretasikannya?

    BalasHapus