TUTORIAL ANALISIS REGRESI LOGISTIK
MULTINOMIAL DENGAN CONTOH KASUS PENELITIAN
Halo
selamat siang sobat semua.. Apa kabarnya neh soob? Semoga sehat, jaya dan
sukses selalu yaa amin amin hehehe.. Nah, sesuai dengan janji saya kemarin
untuk merilis postingan tentang contoh kasus penerapan analisis regresi
logistik (reglog ) multinomial, maka hari ini saya akan berikan postingannya
buat sobat semua yaaa… Sebelumnya, saya sarankan agar sobat terlebih dahulu
membaca postingan saya sebelumnya tentang “Konsep dan Pemahaman Reglog Multinomial
disini. Tujuannya agar mempermudah
pemahaman sobat dengan contoh kasus terapan yang diberikan.
Nah,
untuk contoh kasus dan data yang akan diolah dengan reglog multinomial, saya
kutip dari website University of
California (UCLA). Jika ingin berkunjung ke web tersebut, silahkan sobat
klik disini. Jadi, kasus penelitian
ini adalah untuk melihat bagaimana variabel independen nilai menulis (writing)
dan status sosial ekonomi (social economic status) memengaruhi seorang
memilih jenis kelas perkuliahan. Jenis
data untuk variabel independen nilai menulis
adalah kuantitatif (skala data rasio), jenis data untuk variabel status sosial ekonomi adalah kualitatif
(skala data nominal yang terdiri atas: 1= low,
2= medium, 3=high). Selanjutnya, jenis data untuk variabel dependen jenis kelas perkuliahan adalah
kualitatif (skala data nominal yang terdiri atas: 1=general, 2=academic, 3=vocation). Silahkan sobat download data yang akan diolah disini.
Setelah
sobat mendownload datanya (format .sav), silahkan buka datanya dengan program
SPSS. Jika sudah, maka sobat akan melihat tampilan datanya seperti berikut:
Sumber
data: University of California (UCLA)
Dari
data asli UCLA, terdapat banyak variabel, namun sobat silahkan menggunakan tiga
buah variabel saja yaitu ses sebagai
variabel independen pertama, write sebagai
variabel independen kedua dan prog sebagai
variabel dependen. Sampai disini oke
ya sooob hehehe..
Selanjutnya,
klik menu Analyze, lalu pilih Regression dan pilih Multinomial Logistic,
berikut gambarannya:
Selanjutnya
akan muncul kotak dialog Multinomial Logistic Regression. Lalu,
masukkan variabel dependen prog ke
bagian Dependent. Nah, dalam penentuan reference category ini saya mengacu
kepada contoh yang diberikan oleh UCLA, dimana kategori program kelas “academic” dijadikan sebagai reference
category atau baseline guna
membentuk fungsi logit untuk membandingkan kategori jenis kelas yang lain (general dan vocation) terhadap dirinya (academic).
Sebelumnya, coba deh sobat perhatikan variable view pada data aslinya, khusus
untuk variabel jenis kelas perkuliahan (prog).
Reference
category yaitu jenis kelas academic, dilabelkan dengan nilai 2 sehingga kita tetapkan yang kategori
yang berlabel/bernilai 2 (merujuk ke academic)
sebagai reference category. Dalam
SPSS, silahkan klik Reference Category,
lalu pilih Custom dan isikan Value dengan nilai 2. Sementara untuk pengurutan
output kategori variabel dependennya, kita tetapkan secara Ascending. Jika sudah selesai, sekarang masukkan variabel bebas ses ke bagian Factor karena jenis datanya adalah kualitatif sedangkan variabel
bebas writing score (write) masukkan ke bagian Covariate mengingat jenis datanya adalah
kuantitatif. Berikut
ilustrasinya:
Selanjutnya
sobat klik pada bagian Statistics dan centang beberapa pilihan yang akan
dimunculkan di output. Langkah terakhir, sobat klik Continue dan OK. Silahkan sobat centang pilihannya sesuai
ilustrasi berikut:
Cara
kedua, sobat bisa menggunakan syntax untuk mengolah datanya. Tentu dengan men-set kategori academic sebagai reference
list (value 2). Caranya dengan mengklik menu File, New, Syntax dan ketikkan syntax berikut:
nomreg prog (base = 2) by ses with write
/print = lrt cps mfi parameter summary.
Jika sudah
selesai, sobat tinggal blok semua syntax
dan pilih Run All. Berikut ilustrasinya:
Oke
deeeh, selanjutnya kita akan masuk ke bagian Interpretasi Output Reglog
Multinomial yang akan segera rilis soob hehehe.. Tetap optimis dan selalu ada
semangat untuk bisa hehehe. Salam damai dan salam sukses selalu buat kita semua :)
