TUTORIAL ANALISIS REGRESI LOGISTIK MULTINOMIAL DENGAN CONTOH KASUS PENELITIAN

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 :)