dosen: prof. dr. ir. zulkifli alamsyah, m.sc. program ... · • merupakan regresi yang hampir sama...

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan

Dosen: Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc.

PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIANUNIVERSITAS JAMBI

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan

• Merupakan regresi yang hampIr sama dengan regresi linear berganda.

• Digunakan untuk menjelaskan hubungan antara variable terikat (dependent) berupa data

dikotomik/biner (missal: Pria–Wanita, Ya–Tidak, Tua–Muda, yang hanya mempunyai

nilai 1 dan 0) dengan variabel bebas (independen) dapat berupa data nominal/ordinal

atau interval/rasio.

• Sebaran error pada model ini tidak harus menyebar normal, tapi diasumsikan mengikuti

distribusi Bernoulli (eksponensial)

• Regresi logistik tidak mengharuskan hubungan linier antara variabel independen dengan

variabel dependen.

• Variabel independen tidak memerlukan asumsi multivariate normality.

• Asumsi homokedastisitas tidak diperlukan

• Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat eksklusif

2

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 3

• Tidak mengasumsikan hubungan linier antara variabel dependen dan independent

• Variabel dependen harus bersifat dikotomi (2 variabel)

• Variabel independent tidak harus memiliki keragaman yang sama antar kelompok

variabel (homoscedasticity)

• Kategori dalam variabel independent harus terpisah satu sama lain atau bersifat

eksklusif

• Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50

sampel data untuk sebuah variabel prediktor (bebas).

Asumsi Regresi Logistik

Model Umum:

(x) adalah probabilitas logistic, dimana:

exp adalah nilai konstanta 2,71828.

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 4

Pendugaan Parameter

▪ Metode yang umum acdalah maximum likelihood dengan alasan lebih praktis

▪ Metode maximum likelihoood menduga parameter dengan nilai yang memaksimumkan

fungsi likelihood (likelihood function).

Contoh:

▪ Seorang mahasiswa memperoleh informasi rendahnya minat petani melaksanakan

peremajaan kelapa sawit yang sudah berumur lebih 25 tahun.

Terkait dengan itu, mahasiswa tersebut tertarik untuk meneliti faktor-faktor apa saja

yang mempengaruhi keputusan petani untuk melaksanakan peremajaan. Dari

fenomena yang diperoleh dilapangan, faktor-faktor tersebut diantaranya adalah

produktivitas kelapa sawit saat ini (sebelum diremajakan), luas lahan kelapa sawit yang

dimiliki, dan pendapatan keluarga saat ini (sebelum sawit diremajakan).

Untuk memperoleh data untuk analisis, diambil sampel sebanyak 105 petani sawit, baik

yang belum maupun sudah meremajakan kelapa sawit.

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan

Uji Signifikansi Model

• Untuk mengetahui pengaruh variabel independen terhadap variabel dependen secara

bersama-sama (overall), digunakan Uji Likelihood Ratio.

• Hipotesis nya adalah:

Ho: β1 = β2 =....= βp = 0

(tidak ada pengaruh veriabel independen secara simultan terhadap variabel

dependen)

Ha: minimal ada satu βj ≠ 0

(ada pengaruh paling sedikit satu veriabel bebas terhadap variabel tak bebas)

Untuk j = 1,2,...,p

5

Pendugaan Parameter

▪ Metode yang umum acdalah maximum likelihood dengan alasan lebih praktis

▪ Metode maximum likelihoood menduga parameter dengan nilai yang memaksimumkan fungsilikelihood (likelihood function).

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 6

Langkah–langkah AnalisisMenggunakan SPSS:

• Entry data Keputusan, pendapatan, produktivitas dan luas ke lembar data SPSS

Data View

Sampai 105

Variable View

▪ Untuk variabel keputusan, pada kolom Values, klik kotak dengan 3 titik untuk mengeluarkan Value Label

▪ Pada Value Label dialog box, input angka 0 pada value dan TIDAK pada Label, lalu klik Add.

▪ Demikian pula, angka 1 untuk YA, lalu Klik Add, dan klik OK

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 7

▪ Pada Logistic Regression dialog box,masukkan Keputusan ke Dependent,dan variabel lainnya ke Covariates.

▪ Karena tidak ada data kategori padavariabel independent, langsung klikoptions.

Pada lembar Data View, klik Analyze → Regression → Binary Logistic

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 8

▪ Pada Logistic Regression-Options dialog box,centang: Classification Plots - Hosmer-Lemeshow goodness-of-fit - Correlation ofEstimates - Iteration History dan CI for exp(B)

▪ Klik Continue lalu OK.

OutputPenjelasan umum

data

Hasil estimasi tanpa

memasukkan variabel

independen

Hasil estimasi dengan

memasukkan semua

variabel independen

Data yang diolah ada 105, tidak ada missing

values, artinya data yang digunakan valid.

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 9

▪ Nilai -2 Log likelihood = 144.789.Dibandingkan dengan nilai Chi-squaretabel (=5%, df=n-1) = 128,80, artinyamodel ini tidak layak digunakan.

▪ Dari tabel diatas, 57 responden tidakmeremajakan, dan 48 respondenmeremajakan kelapa sawit.

▪ Ketepatan model memprediksi keputusanuntuk meremajakan = 54,5%

BLOCK 0.

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 10

BLOCK 1.

▪ Dengan masuknya variabel independent,nilai -2 Log likelihood = 37,804. Terjadipenurunan nilai dibandingkan dengan nilaipada BLOCK 0, sebesar 106,984.

▪ Pada Omnibus Tests, Nilai Chi-square =106.984 dengan nilai Sig.=0.000 < 0.05.

▪ Artinya, model yang digunakan memilikigoodness-of-fit yang tepat.

▪ Pada Model Summary diperoleh nilaiNagelkerke R Square = 0.854.

▪ Artinya, kemampuan variabel independenmenjelaskan keputusan peremajaan tinggiyaitu 85,4%.

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 11

▪ Hasil Hosmer and Lemeshow Tests, diperoleh NilaiChi-square = 1,149 dengan nilai Sig.=0.992 < 0.05→ tidak signifikan.

▪ Artinya, model yang digunakan memiliki goodness-of-fit yang tepat dan layak untuk memprediksiFaktor-faktor yang mempengaruhi keputusan petaniuntuk melakukan peremajaan sawit.

▪ Pada Classification Tabel diperoleh nilai ketepatanmemprediksi sebesar 92,4%

▪ Pengaruh factor-faktor secara parsial dilihat nilaiWald dan Nilai Sig, pada tabel Variables in theequation

▪ Dari hasil uji Wald, diperolehbahwa hanya faktorpendapatan yang berpengaruhsignifikan terhadap keputusanpetani meremajakan tanamankelapa sawit.

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 12

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan

Uji Signifikansi Model

• Alat uji yang digunakan adalah:.

13

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 14

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 15

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 16

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 17

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 18

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 19

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 20

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 21

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 22

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 23

Program Studi AgribisnisFakultas PertanianBerbagi untuk kecerdasan 24