Senin, 30 September 2019

Analisis pengujian model regresi logistik (skripsi dan tesis)

Analisis pengujian model regresi logistik (Kuncoro; 2001, Field; 2009, dan Ghozali; 2011):
 1. Menilai keseluruhan model (overall fit model)
Langkah pertama adalah menilai overall fit model terhadap data. Hipotesis untuk menilai model fit adalah : H0 = model yang dihipotesiskan fit dengan data HA = model yang dihipotesiskan tidak fit dengan data Statistik yang digunakan berdasarkan fungsi log-likelihood yang berbasis dengan probabilitas yang terkait dengan hasil prediksi dan aktual yang dihipotesakan mengggambarkan data input. Untuk menguji hipotesis nol dan alternatif, L ditransformasikan menjadi -2logL, lalu kemudian dibandingkan antara nilai -2logL pada awal (block number = 0) dimana model hanya memasukan konstanta dengan -2logL setelah mode memasukan variabel bebas (block number = 1). Apabila nilai -2logL block number = 0 > nilai -2logL block number = 1 maka menunjukan model regresi yang baik. Nilai yang besar dari statistik log-likelihood menunjukan model statistik yang buruk, karena semakin besar nilai dari log-likelihood, semakin pengamatn tidak dapat dijelaskan.
 2. Cox and Snell’s R Square
Merupakan ukuran yang mirip dengan ukuran R2 pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 (satu) . Memiliki persamaan seperti berikut : 𝑅𝑁 2 = 1 − 𝑒 ⌊− 2 𝑛 (𝐿𝐿(𝑛𝑒𝑀))−(𝐿𝐿(π‘π‘Žπ‘ π‘’π‘™π‘–π‘›π‘’))⌋ (3.7)
 3. Nagelkerke’s R Square
Merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu). Hal ini dilakukan dengan cara membagi nilai Cox and Snell’s R Square dengan nilai maksimumnya. Nilai nagelkerke’s R 2 dapat diinterprestasikan seperti nilai R 2 pada multiple regression.
4. Hosmer and Lemeshow’s Goodness of Fit Test
Hosmer and Lemeshow’s Goodness of Fit Test dilakukan untuk menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Jika nilai Hosmer and Lemeshow’s Goodness of Fit test statistics sama dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika lebih besar daripada 0,05, maka hipotesis diterima. 5. Menguji koefisien regresi Pengujian koefisien regresi dilakukan untuk menguji seberapa jauh variabel bebas yang dimasukan dalam model mempunyai pengaruh terhadap variabel terikatnya. Dalam regresi logistik menggunakan wald statistic yang memiliki distribusi khusus yaitu chi-square distribution. Untuk menentukan penolakan dan penerimaan H0 dapat ditentukan dengan wald statistic dan nilai probabilitas (sig), dengan cara nilai wald statistic dibandingkan dengan chi-square sedangkan nilai probilitas (sig) dibandingkan dengan tingkat signifikansi (Ξ±) 10% dengan kriteria:
a. H0 diterima apabila wald statistic < chi-square dan nilai probabilitas (sig) > tingkat signifikansi (Ξ±). Hal ini berarti HA ditolak atau hipotesis yang menyatakan variabel bebas berpengaruh terhadap variabel terikat ditolak.
 b. H0 ditolak apabila wald statistic > chi-square dan nilai probabilitas (sig) < tingkat signifikansi (Ξ±). Hal ini berarti HA diterima atau hipotesis yang menyatakan variabel bebas berpengaruh terhadap variabel terikat diterima

Tidak ada komentar: