Model regresi merupakan komponen penting dalam beberapa analisis data dengan
menggambarkan hubungan antara variabel respon dan satu atau beberapa variabel
penjelas. Pada umumnya analisis regresi digunakan untuk menganalisis data
dengan variabel respon berupa data kuantitatif. Akan tetapi sering juga ditemui kasus dengan variabel responnya bersifat kualitatif/kategori. Untuk mengatasi
masalah tersebut maka dapat digunakan model regresi logistik.
Pendekatan model persamaan regresi logistik digunakan karena dapat
menjelaskan hubungan antara variabel bebas dan peluangnya yang bersifat tidak
linear, ketidaknormalan sebaran dari variabel terikat, serta keragaman respon yang
tidak konstan dan tidak dapat dijelaskan oleh model regresi linear biasa (Agresti,
1990). Menurut Hosmer (1989), metode regresi logistik adalah suatu metode
analisis statistika yang mendeskripsikan hubungan antara peubah respon yang
memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala
kategori atau interval. Yang dimaksud dengan peubah kategorik yaitu peubah
yang berupa data nominal dan ordinal.
Pada dasarnya regresi logistik sama dengan analisis diskriminan,
perbedaan ada pada jenis data dari variabel dependen. Jika pada analisis
diskriminan variabel dependen adalah data rasio, maka pada regresi logistik
variabel dependen adalah data nominal. Data nominal di sini lebih khusus adalah
data binary. Dengan demikian, tujuan regresi logistik adalah pembuatan sebuah
model regresi untuk memprediksi besar variabel dependen yang berupa variabel
binary dengan menggunakan data variabel independen yang sudah diketahaui
besarnya.
Regresi logistik biner adalah salah satu metode statistika yang sering
digunakan untuk mengklasifikasikan sejumlah pengamatan dengan respon biner
ke dalam beberapa kelompok berdasarkan satu atau lebih variabel prediktor.
Melalui metode ini akan dihasilkan peluang dari masing-masing kategori respon
yang akan dijadikan sebagai pedoman pengklasifikasian dan suatu pengamatan
akan masuk kedalam respon kategori tertentu berdasarkan nilai peluang yang
terbesar.
Pada Regresi logistik biner (dikotomus), variabel responnya mempunyai
dua kategori. Fenomena dimana variabel responnya dua (bivariat) dan masingmasing berkategorikan biner, dapat dianalisis mengunakan regresi logistik biner
bivariat, dengan asumsi antar peubah respon biner terdapat dependensi.
Regresi
logistik cukup baik dan sering digunakan. Regresi logistik memiliki beberapa keuntungan dibandingkan regresi lainnya,
yaitu:
1. Regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang
digunakan dalam model. Artinya variabel penjelas tidak harus memiliki
distribusi normal, linier, maupun memiliki varian yang sama dalam setiap
group.
2. Variabel dalam regresi logistik dapat berupa campuran dari variabel kontinu,
diskrit, dan dikotomis.
3. Regresi logistik amat bermanfaat digunakan apabila distribusi respon atas
variabel terikat diharapkan non linier dengan satu atau lebih variabel bebas
Tidak ada komentar:
Posting Komentar