kuliah 9 regresi logisik dan an
TRANSCRIPT
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 1/25
LECTURE 9
REGRESI LOGISTIK &DISKRIMINANDR. MUDRAJAD KUNCORO, M.Soc.Sc
Fakultas Ekonomi & Pascasarjana UGM
Outline:Outline:
•• Mul t inomia lMul t inomia l RegresiRegresi
•• B inaryBinary Log is t i kLog is t i k
•• Anal is isAnal is is D iskr iminanDiskr iminan
•• PerbandinganPerbandingan
m ul t inom ia l , b inary,m ul t inom ia l , b inary, dandand iskr iminand iskr iminan
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 2/25
ANALISIS REGRESI LOGISTIK ANALISIS REGRESI LOGISTIK
– Tidak memiliki asumsi normalitas atas variabel bebas yang digunakan dalam model
– Variabel bebas bisa variabel kontinyu,diskrit, dan dikotomis
– Distribusi respon atas variabel terikat diharapkan nonlinear
– Jenis:
• binary logistic regression
• multinomial logistic regression
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 3/25
STUDI KASUS WANITA KARIR VS IBU RT STUDI KASUS WANITA KARIR VS IBU RT
• Studi kasus mengenaiprobabilitas wanita karir danibu rumah tangga(Tabachnick, 1996: bab 12)
• Pertanyaan yang hendakdijawab adalah: apakahstatus pekerjaan (wanita
karir versus ibu rumahtangga) dapat dijelaskanoleh empat variabel perilaku(ATTHOUSE, ATTMAR,ATTROLE, dan CONTROL)
• Keempat variabel penjelastersebut adalah:
– ATTHOUSE= perilaku
terhadap pekerjaan didalam rumah.
– ATTMAR=perilakuterhadap status
pernikahan. – ATTROLE= perilaku
terhadap perannan/hakwanita.
– CONTROL= kemampuanmengendalikan diri (locus of control ).
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 4/25
Tahapan Tahapan Estimasi Estimasi Regresi Regresi Logistik Logistik
Multinomial (1) Multinomial (1)
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 5/25
Tahapan Tahapan Estimasi Estimasi (2) (2)
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 6/25
Hasil Hasil Output SPSS Output SPSS
Model Fitting Information
884.175
836.411 47.764 8 .000
ModelIntercept Only
Final
-2 LogLikelihood Chi-Square df Sig.
• Chi square signifikan pada derajat 1% dengan nilai 47,8. artinya model denganhanya intercept berbeda secara statistik dibandingkan dengan model yangmemasukkan semua variabel prediktor.
Classification
213 25 2 88.8%
98 30 2 23.1%
63 10 3 3.9%83.9% 14.6% 1.6% 55.2%
Observedwanita karir
ibu RT bahagia
ibu RT tidak bahagiaOverall Percentage
wanita karir
ibu RT
bahagia
ibu RT tidak
bahagia
Percent
Correct
Predicted
• Dari hasil overall classification result untuk regresi logistik multinomialternyata kurang baik. Persentase kebenaran klasifikasi untuk ibu RT
bahagia dan ibu RT tidak bahagia yang di bawah 50 %, yaitu 23.1% dan3.9%, menunjukkan banyak salah klasifikasi untuk ibu RT bahagia dantidak bahagia. Oleh karenanya, kita perlu melakukan klasifikasi ulang danmen unakan re resi lo istik binari.
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 7/25
Tahapan Tahapan Estimasi Estimasi Binary Logistic Regression Binary Logistic Regression
Klasifikasi Klasifikasi ulang ulang : : Mengubah Mengubah values values pada pada workstat workstat 11” ” wanita wanita
karir karir
” ” , 2 , 2
” ” Ibu RT Ibu RT
bahagia bahagia
” ” , 3 , 3
“ “ Ibu Ibu
RT RT
tidak tidak
bahagia bahagia
” ” ,,
dan dan
values values
pada pada
status status 3 3 ” ” wanita wanita karir karir ” ” dan dan 4 4 “ “ Ibu Ibu RT RT ” ”
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 8/25
Tahapan Tahapan Estimasi Estimasi dengan dengan Logit Logit (1) (1)
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 9/25
Tahapan Tahapan Estimasi Estimasi Binary Logistic Regression (2) Binary Logistic Regression (2)
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 10/25
Tahapan Tahapan Estimasi Estimasi Binary (3) Binary (3)
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 11/25
Output Output Estimasi Estimasi Regresi Regresi Logistik Logistik Binari Binari
• Pengujian dengan modelpenuh dengan 4 variabelbebas dibanding modelhanya dengan konstantaterbukti secara statistikdapat dipercaya. Ini terlihat
dari Chi-Square(4,N=440)=22.78 yangsignifikan dengan p<,001artinya model dengan hanyaintercept berbeda secara
statistik dibandingkandengan model yangmemasukkan semuavariabel prediktor.
• Kemampuan prediksi modelini lumayan bagus. Tingkatsukses total 60%, dengan46.6% ibu RT dan 71.3%wanita karir telah mampudiprediksi secara benar
Omnibus Tests of Model Coefficients
22.781 4 .000
22.781 4 .00022.781 4 .000
Step
BlockModel
Step 1Chi-square df Sig.
Classification Tablea
96 110 46.669 171 71.3
59.9
Observed
Ibu RTwanita karir
work status
Overall Percentage
Step 1
Ibu RT anita kari
work status Percentage
Correct
Predicted
The cut value is .500a.
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 12/25
Output Output Estimasi Estimasi Binary Binary Regresi Regresi
Variables in the Equation
-.032 .023 1.826 1 .177 .969 .925 1.014-.070 .016 19.851 1 .000 .932 .904 .962
.014 .012 1.345 1 .246 1.014 .991 1.038
-.055 .077 .506 1 .477 .947 .814 1.101
3.423 .978 12.255 1 .000 30.656
ATTHOUATTROL
ATTMAR
CONTRO
Constant
Step1a
B S.E. Wald df Sig. Exp(B) Lower Upper
.0% C.I.for EXP(
Variable(s) entered on step 1: ATTHOUSE, ATTROLE, ATTMAR, CONTROL.a.
Correlation Matrix
1.000 -.618 -.726 -.036 -.414
-.618 1.000 .313 -.230 -.113
-.726 .313 1.000 -.036 -.016
-.036 -.230 -.036 1.000 -.165
-.414 -.113 -.016 -.165 1.000
Constant
ATTHOUS
ATTROLE
ATTMAR
CONTROL
Step
1
Constant TTHOUSEATTROLE ATTMAR CONTROL
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 13/25
Output Output Estimasi Estimasi Binary Binary Logistik Logistik
• Matriks korelasi menunjukkan tidak adanyamultikolinearitas yang serius antarvariabel bebas,sebagaimana terlihat dari nilai korelasi antarvariabel
bebas yang di bawah 0,8.• Hasil di atas juga menyajikan koefisien regresi, statistik
Wald, odds ratio, serta interval dengan keyakinan 95%atas odds ratio untuk masing-masing variabel bebas.Menurut kriteria Wald, hanya variabel perilaku terhadapperanan wanita yang dapat diandalkan untukmemprediksi status pekerjaan wanita. Ini terlihat dari
nilai z sebesar –19.8 dengan p<0,01. Odds ratio 0,93menunjukkan adanya sedikit perubahan dalamkemungkinan bekerja atas dasar satu unit perubahanperilaku terhadap peranan wanita.
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 14/25
ANALISIS DISKRIMINAN ANALISIS DISKRIMINAN
- Semua variabel independen merupakan variabel yang kontinyu dan berdistribusi
normal - Tujuan utama:
• diskriminasi: Pembedaan grup
dicapai dengan fungsi diskriminan
• klasifikasi: mengklasifikan
individu/obyek ke dalam grup terpisah berdasarkan sejumlah variabel bebas
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 15/25
Studi tentang Kluster Industri
Michael E. Porter• Innovation: Location Matters (2001)•Competing Across Locations (1998)• On Competition (1998)
• The Role of Geography in the Process of Innovation and the Sustainable(1998)• Competitive Advantage of Firms (1998)• Clusters and the New Economics of Competition (1998)
Mudrajad Kuncoro• Analisis Spasial & Regional: Studi Aglomerasi dan Kluster Industri Indonesia(2002)
• Why Manufacturing Industry Persisted to Cluster Spatially in Java ?, Gadjah Mada International Journal of Business (2003), 5(2)• “Regional Clustering Of Indonesia’s Manufacturing Industry: A SpatialAnalysis with Geographic Information System (GIS)”, Gadjah Mada
International Journal of Business (2001), 3(3)
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 16/25
KasusKasus IKRTIKRT didi JawaJawa
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 17/25
Kasus Kasus IKRT IKRT di di Jawa Jawa
• Sebagai contoh aplikasi analisisdiskriminan akan disajikan studiempiris mengenai industri kecil danrumah tangga (IKRT) di Jawa(Kuncoro, 2000)
• Pertanyaan penelitian yanghendak dijawab adalah: Apakahsentra-sentra IKRT di Jawamerupakan industrial district dengan ciri-ciri yang menonjol?
• Untuk memudahkan analisis, kitamengklasifikasikan sentra-sentraindustri dan non-sentra industri
• Di = di1 RURAL + di2 WAGES +di3 SKILL + di4 STEP + di5AGE+ di6 POP + di7 UNPAIDW + di8PRODUCTIVITY
Variabel:• proporsi daerah perdesaan
(RURAL)• upah rata-rata (WAGES)• jumlah tenaga terdidik dengan
pendidikan minimum SMU(SKILL)
• proporsi perusahaan yangterlibat dalam program BapakAngkat (STEP)
• rata-rata umur perusahaan(AGE)
• jumlah penduduk (POP)• proporsi pekerja keluarga
(UNPAIDW)• produktivitas tenaga kerjada
(PRODUCTIVITY)
TahapanTahapan EstimasiEstimasi DiskriminanDiskriminan
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 18/25
Tahapan Tahapan Estimasi Estimasi Diskriminan Diskriminan
TahapanTahapan EstimasiEstimasi DiskriminanDiskriminan
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 19/25
Tahapan Tahapan Estimasi Estimasi Diskriminan Diskriminan
define range define range min: 0, max: 1min: 0, max: 1
TahapanTahapan EstimasEstimasi DiskriminanDiskriminan
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 20/25
Tahapan Tahapan Estimas Estimasi Diskriminan Diskriminan klik klik statistics statistics
TahapanTahapan EstimasiEstimasi DiskriminanDiskriminan
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 21/25
Tahapan Tahapan Estimasi Estimasi Diskriminan Diskriminan
klik klik classify classify
OutputOutput EstimasiEstimasi DiskriminanDiskriminan
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 22/25
Output Output Estimasi Estimasi Diskriminan Diskriminan
Classification Results a
52 6 58
8 37 45
89.7 10.3 100.0
17.8 82.2 100.0
Industrial clustersNon-industrial clusters
Industrial clusters
Non-industrial clusters
Industrial clusters
Count
%
Original
Non-industrial
clusters
Industrial
clusters
Predicted Group
Membership
Total
86.4% of original grouped cases correctly classified.a.
Secara umum model diskriminan ini mampumengalokasikan secara benar lebih dari 86% kasus.
Tabel diatas menyajikan ringkasan klasifikasi dari modeltsb, yang hanya gagal mengalokasikan 6 kabupaten kedalam non-sentra industri dan 8 kasus untuk sentraindustri. Akibatnya, keanggotan grup secara benar telah
diprediksi sebesar 89.7% untuk non-sentra industri dan82.2% untuk sentra industri.
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 23/25
Output Output Estimasi Estimasi Diskriminan Diskriminan
Wilks' Lambda
.407 87.312 8 .000Test of Function(1
Wilks'
Lambda Chi-square df Sig.
Tabel diatas memperlihatkan chi-square yang tinggidan signifikan pada derajat kepercayaan 1% yaitusebesar 87.312. Artinya model dengan hanyaintercept berbeda secara statistik dibandingkan
dengan model yang memasukkan semua variabelprediktor
OutputOutput EstimasiEstimasi DiskriminanDiskriminan
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 24/25
Output Output Estimasi Estimasi Diskriminan Diskriminan
• upah merupakan variabel terbaik untuk memprediksi lokasi IKRT di sentraindustri dan non-sentra industri.
• Koefsien untuk upah yang positif menunjukkan bahwa semakin tinggiupah semakin besar kemungkinan IKRT mengelompok di sekitar sentra
industri• Proporsi tenaga kerja keluarga dan proporsi yang tinggal di perdesaan
memiliki daya prediksi yang kurang lebih sama dengan tanda negatif.Tanda koefisien yang negatif menunjukkan bahwa semakin rendahproporsi pekerja keluarga dan proporsi pedesaan dalam suatu kabupatenmaka akan mendorong IKRT untuk mengelompok di seputar sentraindustri.
Structure Matrix
.667
-.659
-.656
.558
-.319
.232
.054
.041
Average wages
Family workers proportion
Rural proportion
Productivity of labour
Age of firm
Step father proportion
Number of skilledworkers
Population
1
Function
Pooled within-groups correlations between discriminating
variables and standardized canonical discriminant functions
Variables ordered by absolute size of correlation within function.
5/10/2018 Kuliah 9 Regresi Logisik Dan an - slidepdf.com
http://slidepdf.com/reader/full/kuliah-9-regresi-logisik-dan-an 25/25
HOMEWORK
1.Untuk kasus studi wanita:a. coba anda lakukan estimasi dengan model diskriminan, baik
dengan 3 klasifikasi (workstat) dan 2 klasifikasi (STATUS),dengan menggunakan prediktor yang sama.
b. Bandingkan hasil estimasi dengan diskriminan dan regresilogistik.
c. Interpretasikan hasil berdasarkan model yang menurut andapaling baik.
2.Untuk kasus IKRT di Jawa:
a. Bandingkan hasil estimasi model diskriminan dengan 2klasifikasi daerah (D) dan 3 klasifikasi (GROUP3).
b. Bandingkan hasil estimasi dengan diskriminan dan regresi
logistik.