Tutorial Contoh Analisis Regresi Logistik binerdikotomi dengan SPSS Pada hari sebelumnya telah dibahas tentang konsep dari regresi logistik biner. Sesuai dengan janji penulis akan dibahas tutorial regresi logistik biner dengan SPSS. (Kajak pemilu aja ya.:p). Untuk contoh kasus kali ini, terinspirasi dari tugas kelompok perkuliahan yang diambil dari tugas kakak tingkat. Bisa dibilang copas lah ya Tapi, jangan dilihat dari copasnya Tapi lihat dari niatnya dan keinginan untuk saling berbagi semoga dapat membantu mengerjakan tugas, skripsi, tesis atau bahkan disertasi. Contoh Kasus Analisis Regresi Logistik Biner: Dilakukan simulasi untuk melihat pengaruh antara variabel Profitabilitas, kompleksitas perusahaan, opini Auditor, likuiditas dan ukuran perusahaan terhadap ketepatan penyampaian laporan keuangan tahunan perusahaan. Profitabilitas diukur dengan ROA variabel kompleksitas terdiri atas 2 kategorik yaitu diberi angka 2 jika mempunyai anak perusahaan dan 1 jika perusahaan tidak mempunyai anak perusahaan opini auditor diukur dengan 2 jika mendapatkan opini wajar tanpa pengecualian dan 1 untuk opini yang lain likuiditas diukur dengan Aktuelle Ratio dan ukuran Perusahaan diukur dengan logaritma natürlichen Marktwert. Variabel terikatnya adalah ketepatan penyampaian laporan keuangan, dengan kode 1 untuk perusahaan yang tepat waktu dan 0 untuk perusahaan yang terlambat. Daten yang digunakan dalam penelitian ini tidak ditampilkan mungkin kalau teman ingin mencoba juga bisa dolchisch bawah nanti ya. Dalam tutorial ini menggunakan SPSS 20.Langsung saja ya dengan langkah-langkahnya. Langkah-langkah dalam pengujian analisis regresi logistik Pada posisi datei telah terbuka, maka akan terlihat pada layar daten tentang ketepatan penyampaian laporan keuangan perusahaan dengan sejumlah variabel-variabelnya. Untuk menganalisis, langkah awalnya adalah pilih menu Analysieren. Kemudian pilih Regression dan Binary Logistic. Maka akan muncul tampilan seperti di bawah ini Masukan variabel yang berfungsi sebagai variabel tak bebas dari box variabel ke kolom abhängig. Dan masukan semua varibel bebas pada kotak Covariate. Untuk-Methode, Pilih Enter. Sebenarnya bisa dipilih metode apa saja karena modell yang terbentuk akan sama (dalam artian penduga-penduga parameternya akan memiliki nilai-nilai yang sama). Akan tetapi, khusus metode Enter, harus dilakukan proses dua kali. Pertama, Daten di run dengan semua variabel untuk mengetahui variabel mana yang signifikan, setelah itu di run lagi dengan menggunakan variabel yang signifikan itu. Modell yang terbentuk akan sama dengan Modell yang diperoleh dengan metode lain. Klik kategorisch. Masukkan semua variabel bebas yang berbentuk kategori pada kotak kovariate ke dalam kotak kategorischen kovariaten. Biarkan contras pada default indikator Untuk referenz kategori pilih bagian kategori yang akan dipakai sebagai referensi atau pembanding yang akan digunakan dalam interpretasi Odds Ratio. Dapat menggunakan kategori akhir (zuletzt) atau kategori pertama (zuerst). Dalam penelitian ini digunakan kategori akhir (zuletzt). Kemudian klik Weiter. Setelah itu Pilih Menü Option. Centang Iterationsgeschichte untuk dapat mengetahui proses iterasi yang telah berlangsung. Selain itu, akan ditemukan Klassifikation abgeschnitten, yang pada kondisi default sudah diisi dengan 0.5. Nilai ini disebut dengane Wert vor der Wahrscheinlichkeit. Peluang suatu observasi untuk masuk ke salah satu kelompok sebelum karakteristik variabel penjelasnya diketahui. Jika kita tidak mempunyai informasi tambahan tentang daten kita, maka kita bisa menggunakan default. Misalnya pada penelitian ini, sebelumnya tidak pernah dilakukan penelitian apakah ukuran perusahaan condong pada satu sisi. Dengan alasan ini, dapat digunakan klassifikation cutoff sebesar 0,5. Namun, misalnya pada ada penelitian lain yang telah meneliti maka bisa dinaikkanditurunkan klassifizierung cutoff sesuai hasil penelitian. Dalam penelitian ini semua variabel numerik dalam default 0,5. Abaikan Bagain Yang Lain, klik weiter. Abaikan Bagian Yang Lain, Dan Tekan OK Maka Akan Keluar Ausgang Dari Regresi Logistik. Intrepretasi Hasil analisis regresi logistik Setelah keluar Auslauf dari hasil laufende Daten von SPSS maka diperoleh hasil analisis sebagai berikut: Identifikasi Daten yang Hilang Pada tabel di atas, dapat dilihat tidak ada Daten yang hilang (fehlende Fälle). Pemberian Kode Variabel Reson Oleh SPSS Menurut Pengkodean SPSS, Yang Termasuk Kategori Sukses Adalah Penyampaian Laporan Keuangan Tahunan Yang Tepat. Pemberian kode untuk variabel penjelas yang kategorik Pengkodean variabel penjelas hanya dilakukan untuk variabel penjelas yang kategorik karena akan dibentuk dummy variabel. Penelitian ini menggunakan dua variabel penjelas yang kategorik yaitu variabel Opini dan variabel Kompleksitas. Untuk variabel opini Nantinya yang akan digunakan sebagai referenzcode (kode pembanding) adalah Wajar Tanpa Pengecualian (lihat pada tabel di atas bagian Parameter codings yang berkode nol). Sementara untuk variabel Kompleksitas. Yang menjadi kode pembanding adalah Punya anak perusahaan Kode pembanding ini akan digunakan untuk interpretasi Quotenverhältnis. Uji Signifikansi Model Dari hasil SPSS dapat digunakan tabel 8220 Omnibus Tests von Modell Koeffizienten 8221 untuk melihat hasil pengujian secara simultan pengaruh variabel bebas ini. Berdasarkan tabel di atas diperoleh nilai Sig. Model sebesar 0.000. Karena Nilai Ini Lebih Kecil Dari 5 Maka Kita Menolak Ho Pada Tingkat Signifikansi 5 Sehingga Disimpulkan Bahwa Variabel Bebas Yang Digunakan, Secara Bersama-Sama Berpengaruh Terhadap Ketepatan Penyampaian Laporan Keuangan Suatu Perusahaan. Atau minimal ada satu variabel bebas yang berpengaruh Persentase Ketepatan Klasifikasi (Prozentsatz korrigieren) Persentase Ketepatan Modell dalam mengkasifikasikan observasi adalah 78.6 persen. Artinya dari 70 Beobachtungen, Ada 55 Beobachtungs-Yang Tepat Pengklasifikasiannya Oleh Modell Regresi Logistik. Jumlah Beobachtungs-Yang Tepat Pengklasifikasiannya Dapat Dilihat Pada Diagonal Utama. Uji Parsial dan Pembentukan Modell Pada uji diharapkan Ho Akan ditolak Sehingga Variabel Yang Sedang Diuji Masuk Ke Dalam Modell. Dengan Bantuan Tabel 8220Variables in der Gleichung8221 Dapat Dilihat Variabel Mana Saja Yang Berpengaruh Signifikan Sehingga Bisa Dimasukkan Ke Modell. Jika nilai sig. lta maka Ho ditolak Berdasarkan hasil di atas diketahui bahwa terdapat 2 variabel bebas yang signifikan berpengaruh terhadap ketepatan penyampaian laporan keuangan perusahaan karena masing-masing variabel tersebut memiliki nilai signifikansi yang lebih kecil dari a5. Variabel-variabel tersebut adalah Profitabilitas (Sig.0.004) dan Likuiditas (Sig.0.000). Modell yang terbentuk adalah: Dimana: X1i Profitabilitas X2i Likuiditas i1,2,8230, n 7. Interpretasi Odds Ratio Nilai Quotenverhältnis ini juga disediakan oleh tabel 8220 Variablen in der Gleichung 8221 pada kolom Exp (B): Berdasarkan hasil di atas kita dapat Menginterpretasikan Quotenverhältnis sebagai berikut: Jika jumlah Profitabilitas perusahaan bertambah 1 Einheit maka kecendrungan perusahaan tersebut untuk tepat waktu menyampaikan laporan keuangan menjadi 2.780 kali lipat. Sebuah perusahaan yang tidak mempunyai anak perusahaan akan memiliki kecenderungan untuk menyampaikan laporan keuangan secara tepat waktu sebesar 3.057 kali dibanding perusahaan yang memiliki anak perusahaan (merujuk pada referenzcode). Perusahaan dengan opini Auditor adalah opini lain cenderung 0.848 kali (lebih rendah) untuk tepat waktu dalam menyampaikan laporan keuangan dibanding dengan perusahaan yang Wajar tanpa Pengecualian. Jika Aktuelle Beziehung pada likuiditas bertambah 1 persen maka perusahaan akan cenderung 1.708 kali untuk tepat waktu menyampaikan laporan keuangannya. Ketika ukuran perusahaan bertambah 1 Einheit Maka perusahaan tersebut cenderung 1.123 kali untuk tepat waktu dalam menyampaikan laporan keuangannya. Buil yang ingin mencoba silahkan download filenya dibawah ini: tutorial reglog biner (SPSS 20) Geschrieben von: Nasrul Setiawan Terima kasih sudah membaca artikel Analisis regresi Regresi Logistik SPSS dengan judul Tutorial Contoh Analisis Regresi Logistik binerdikotomi dengan SPSS. Anda bisa Lesezeichen Halaman Ini Dengan URL statistikceria. blogspot201301tutorial-analisis-regresi-logistik. html. Apabila Ada Yang Kurang Jelas Silahkan Tinggalkan Komentar Atau Pesan. Die logistische Regression kann verwendet werden, um eine Beziehung zwischen einer zwei Kategorien (binäre) Outcame-Variable (auch als abhängige Variable bezeichnet) und einer oder mehreren axplanatorischen Variablen (auch als unabhängige oder prädiktorische Variablen bezeichnet) zu modellieren. Die Schätzungen aus einem logistischen Regressionsmodell für jede unabhängige Variable geben eine Schätzung der Wirkung dieser Variablen auf die Outcame-Variable nach Anpassung für alle anderen unabhängigen Variablen im Modell, (Cath Robert, Rachel Dolman, Anne Kingdon, 2007). (Modell regresi logistik dapat digunakan untuk memodelkan hubungan antara dua kategori (binär) variabel hasil (variabel dependenterikat) dan dua atau lebih variabel penjelas (variabel independenbebas) Estimasi model regresi logistik untuk masing-masing variabel bebas memberikan perkiraan efek variabel tersebut terhadap variabel terikat setelah Menyan dan Heri, SPSS Complete, 2009 Ada Beberapa Perbedaan Antara Analisis Regresi Berganda Dengan Analisis Regresi Logistik Binär Logistik Yaitu: Analisis Regresi Berganda terdapat uji F yaitu uji pengaruh bersama-sama variabel independen terhadap variabel dependen dan uji t yaitu untuk mengetahui pengaruh tiap variabelmasing-masing variabel independen terhadap variabel dependen sedangkan analisis regresi logistik hanya terdapat uji t. Pada analisis logistik variabel dependennya berskala dikotomis (dua Pilihan). Misalnya ya atau tidak, berkualitas atau tidak berkualitas, lulus atau gagal, sering atau jarang Selanjutnya Langkah Analisis Regresi Logistik dengan SPSS Silahkan download artikelnya PDF Regresi logistik (logistische Regression) sebenarnya sama dengan analisis regresi berganda. Hanya variabel terikatnya merupakan variabel dummy (0 dan 1). Seesselai contoh, pengaruh beberapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan. Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat (tepat). Regresi logistik tidak memerlukan asumsi normalitas Meskipun screening data outliers tetap dapat dilakukan Untuk asumsi multikolinearitas pada regresi logistik silahkan simak di sini Interpretasi regresi logistik menggunakan ungerade Verhältnis atau kemungkinan. Seutelai contoh, jika rasio keuangan ROA meningkat sebesar 1 maka kemungkinan ketepatan menyampaikan laporan keuangan meningkat sebesar 1,05 kali. Berarti semakin tinggi ROA kemungkinan tepat semakin tinggi. Atau jika rasio keuangan der meningkat sebesar 2 maka kemungkinan ketepatan penyampaian laporan keuangan meningkat sebesar 0,98 kali atau bisa dikatakan menurun karena lebih kecil dari 1 yang berarti kemungkinan terlambat semakin tinggi. Berikut adalah simulasi aplikasi regresi logistik (logistische regression) dengan SPSS Versi. 11.5 Contoh tabulasi data dengan 84 sampel bisa di herunterladen di sini. Tampilannya pada SPSS Versi 11.5 kurang lebih seperti ini Simulasi adalah untuk melihat pengaruh antara variabel profitabilitas, kompleksitas perusahaan, opini auditor, likuiditas dan ukuran perusahaan terhadap ketepatan penyampaian laporan keuangan tahunan perusahaan. Profitabilitas diukur dengan ROA kompleksitas diukur dengan 1 jika mempunyai anak perusahaan dan 0 jika perusahaan tidak mempunyai anak perusahaan opini auditor diukur dengan 1 jika mendapatkan opini wajar tanpa pengecualian dan 0 untuk opini yang lain likuiditas diukur dengan Aktuelle Ratio dan kompleksitas diukur dengan logaritma natürlichen Marktwert . Nah variabel terikatnya adalah ketepatan penyampaian laporan keuangan dengan kode 1 untuk perusahaan yang tepat waktu dan 0 untuk perusahaan yang terlambat. Klik-Menü Analysieren, Pilih Binär Logistik, Seperti ini: Jika anda Benar, Maka Akan Keluar Menu Box Untuk Regresi Logistik. Masukkan variabel ketepatan ke dalam box dependend, dan masukkan variabel bebas ke dalam box kovariate. Lalu klik pada Optionen, sehingga akan keluar box seperti ini: Beri tanda centang seperti pada gambar di atas lalu klik weiter sehingga akan dikembalikan pada menu box logistik dan tekan OK. Programm akan melakukan perhitungan secara otomatis, dan hasil selengkapnya dapat unda bandingkan dengan daten yang telah anda herunterladen Interpretasinya adalah sebagai berikut: Pertama. Melihat kelayakan Modell dengan menginterpretasikan Ausgabe berikut ini: Nilai -2 Log Likelihood adalah sebesar 96,607 yang akan dibandingkan dengan nilai Chi Platz pada taraf signifikansi 0,05 dengan df sebesar N-1 dengan N adalah jumlah sampel, berarti 84 8211 1 83. Dari tabel Chi-Platz, diperoleh nilainya adalah 100,744. Jadi -2 Log Likelihood lt Chi-Platz (96,607 lt 100,74) Jika konstanta saja dimasukkan tidak layak, semua variabel bebas dimasukkan juga tidak layak, tapi kan ada penurunan -2 Log Likelihood. Yup penurunannya adalah sebesar 96,607 8211 84,877 11,73. Atau kalau males ngitung manual, Ausgabe SPSS juga telah memberikan nilai itu yaitu sebagai berikut: Nah kelihatan kan kalau ausgang selisihnya adalah sebesar 11,729 dan mempunyai signifikansi 0,039 lt 0,05. Kalau masih kurang puas, bisa dilihat nilai Hosmer und Lemeshow Test. Hosmer dan Lemeshow Test adalah untuk melihat apakah Daten empiris cocok atau tidak dengan Modell atau dengan kata lain diharapkan tidak ada perbedaan antara Daten empiris dengan Modell. Modell akan dinyatakan layak jika signifikansi di atas 0,05 atau -2 Log Likelihood di bawah Chi Square Tabel. Hati-Huti, Ini Berkebalikan Dengan Uji Yang Lain Sebelumnya. Tampak kan bahwa nilai Hosmer und Lemeshow Test adalah sebesar 9,778 dengan signifikansi 0,281 gt 0,05. Berarti Modell adalah fit dan Modell dinyatakan layak dan boleh diinterpretasikan. Gambar di atas memberikan nilai Nagelkerke R Platz sebesar 0,191 yang berarti bahwa kelima variabel bebas mampu menjelaskan varians ketepatan penyampaian laporan keuangan sebesar 19,1 dan sisanya yaitu sebesar 80,9 dijelaskan oleh faktor lain. Pengujian hipotesis penelitian dilihat dengan output berikut ini: Lihat aja signifikansinya, yang di bawah 0,10 (10) berarti signifikan berpengaruh atau hipotesis diterima. Pembahasannya silahkan dikaitkan dengan teori yang dikembangkan di awal. Silahkan download materi di atas di sini dan jika memerlukan datei datum contoh silahkan herunterladen di sini Malam mas mau nanya, kalo v. dummy yg digunakan D1 perusahaan yg melakukan stock split dan D0 perusahaan yg tidak melakukan stock split, dalam periode 4tahun itu pemberian nmr 1 Dan 0 untuk setiap 1 perusahaan slma 4thn gimana Misalkn tahn2009-2012 perusahaan Ein melakukan ss pda thn 2010, apakh pmberian kode 1 hnya pda thn 2010, sdngkn untuk thn 08,11amp12 diberi kode0, atau pemberian kode 1 pda perusahaan Ein yg sdh melakukan ss Padathn 09-12. Terima kasih mohon bntuannya mas Kalau melalukan diberi 1, tidak melakukan diberi kode 0. Selesai. Terima kasih Mas, saya mau tanya, saya sdh uji logistik dan isilnya signifikan dibawah 0,05 namun betanya bernilai negatif padahal teori yang ada harusnya hubungan nya positif, kata dosen saya es dikarenakan Daten nya tidak normal, untuk menormalkan Daten di uji Logistik es bagaimana ya mas Sedangkan banyak buku mengatkan bahwa uji logistik tidak perlu uji normalitas trimakash Regresi logistik tidak memerlukan asumsi normalitas. Terima kasih Selaat siang pak, saya mau tanya, judul skripsi saya analisis faktor2 yang mempengaruhi persepsi pelaku UKM terhadap penyusunan laporan keuangan, saya menggunakan variabel dummy, baik variabel dependen maupun independen. Regresi apakah yang cocok untuk penelitian saya tersebut regresi lineare berganda atau regresi logistik mohon pencerahannya. Terima kasih Kalau dependen dummy gunakan logistik. Terima kasih Selamat malam pak, saya ingin bertanya Saya sedang menyusun tesis. Dalam penelitian saya menggunakan variabel dummy untuk variabel dependen Sedangkan untuk variabel independen sebanyak 4. Dimana 2 variabel independen diukur melalui kuesioner dengan skala likert, sedangkan 2 variabel independen lainnya diukur melalui Daten sekuder dengan skala nominal. Apakah penelitian saya bisa dianalisis menggunakan regresi logistik adakah literatur yang bisa mendukung Terimakasih. Bisa Terima kasih Mas, saya mau nanya Judul penelitian saya penerapan sistem informasi geografis dalam pemetaan kejadian dbd di wilker puskesmas. Jenis penelitiannya deskriptif kuantitatif. Variabel bebas: curah hujan, kelembaban, kepadatan penduduk, abj, (skala interval) umur, jk, pendidikan, pekerjaan, keberadaan teman hias, keberadaan brg2 bekas, kondisi ventilasi (nominal), suhu (rasio) variabel terikat nya itu ada penyebaran penyakit (Intervall) sama status penderita (nominal) saya bingung mau menggunakan uji apa mas. Yg cocok buat penelitian saya Mohon bantuannya terimakasih .. Silahkan simak di rujukan penelitian terdahulu Anda. Terima kasih Assalamu39alaikum .. min, mau tanya. Kalau kita meneliti tentang pengaruh 3 variabel bebas terhadap variabel terikat yang datanya diambil dari 10 perusahaan misalnya, datenmanakah yang seharusnya diinput ke dalam spass apakah daten rata-rata masing2 variabel bebas dan terikatnya, apakah nilai maksimal atau nilai minimumnya Terima kasih, min. Simak di metode penelitian Anda, lihat pada definisi operasional variabel. Terima kasih Selamat siang pak, saya mau bertanya, seperti contoh yang bapak berikan tentang audit verzögerung diatas, dengan variabel indpendennya terdiri dari skala rasio dan skala nominal yang menggunakan variabel dummy, kira2 metode regresi seperti apa yang cocok digunakan untuk pengujian, apabila audit delaynya dihitung berdasarkan jumlah Hari keterlambatan Bukan menggunanakan variabel dummy Lebih baik menggunaka regresi berganda atau regresi logistik Terimakasih Silahkan lihat rujukan penelitian terdahulu Anda. Terima kasih Selamat wunde pak Saya mau tanya variabel dependen saya tentang pemahaman standar akuntansi dimana kuesioner saya berbentuk soal tentang dimana hanya ada dua jawaban benar dan salah. Analisisnya gmn ya pak Pak, saya mau bertanya lagi. Saya sedang mengerjakan skripsi dengan regresi logistik. 1. Di tabel uji wald, variabel cr saya nilai beta dan s. e nya 0,000 signya 0,406. Itu kenapa bisa 0,000 ya Pak jadi bingung kalo bikin persamaannya. Apa karena timpang ya Pak datanya nilai variabel cr bisa diatas 100 sedangkan variabel lain (der, npm, Wachstum) kebanyakan dibawah 10. 2. Jika sig nya 0,000 itu menunjukkan signifikan. Betul Pak Mohon jawabannya Pak. Terima kasih sebelumnnya 1. Coba diperbanyak angka di belakang koma, nanti kelihatan. 2. Betul. Terima kasih Pak, apakah ada cara untuk menghitung jumlah probe yg dibutuhkan ketika ingin menggunakan regresi logistik Apakah disesuaikan dengan jumlah variabel independen atau bagaimana Terima Kasih selamat malam pak..saya ingin bertanya..bagaimana menyusun pertanyaan kuesioner jika sampelnya terbagi menjadi 2 kelompok. Apakah saya harus menyusun pertanyaan yang bisa dijawab keduanya Atau memang ada beberapa pertanyaan tertentu dari total seluruh pertanyaan di kuesioner yang memang khusus untuk 1 kelompok saja. Terima kasih Jika ingin mengukur hal yang sama, tentunya harus menggunakan alat ukur yang sama. Terima kasih Assalamualaikum Saya mau Tanya mas, Kalau secara keseluruhan Variabel berpengaruh negativ berarti tak memiliki pengaruh bedeutend ya Apakah itu nanti bermasalah atau tidak masKONSEP REGRESI LOGISTIK CONTOH DENGAN SPSS 16 (Kasus Binary Reglog) Malam ni sobat semua. Wah Wah Wah. Pada gimana nih kabarnya Mama baik dan sehat-sehat saja ya hehehe. Yap, s ekarang kita belajar lagi yuk materi yang baru Nah, kali ini saya mau ngebahas dan ngasi contoh untuk metode statistik Regresi Logistik. Kalau sobat pernah baca postingan saya tentang mehrere regression. Maka bedanya ada pada skala daten variabel terikatnya sob. Untuk regresi logistik, skala daten variabel terikat (Y) adalah kategorik (nicht metrik). Ya bisa dua kategori, lebih dari dua (banyak kategori) dan bisa juga skala datanya ordinal kategorik. Terkait konsep, sebenarnya sama saja dengan regresi biasa (sederhana maupun berganda) yaitu melihat pengaruh dari variabel-variabel bebas terhadap variabel terikat. Regresi logistik ini juga dipakai sebagai alternatif dari analisis multivariat yaitu analisis diskriminan (pembeda). Nah, sebagai pengantar pengetahuan saja, dalam analisis diskriminan kan dibutuhkan asumsi kenormalan multivariat. Nah......................................................................................................................... Asumsi multivariat normal ini terkadang sulit dipenuhi dalam analisis diskriminan karena variabel bebas yang digunakan merupakan gabungan antara skala daten kategoriknon metrik dan kontinyumetrik. Dalam regresi logistik dikenal konsep Quoten Ratio yang sama artinya dengan probabilitas atau kecenderungan. Apropos. T erkait analisis diskriminan ini akan dibahas secara khusus pada postingan berikutnya. Sabar aja ya hehe. Kalau seandainya, dalam penelitian sobat, pakainya ada dua kategori pada variabel terikatnya misalnya 8220lulus8221 dan 8220tidak lulus8221, maka dinamakan binäre logistische Regression. Kalau semisalnya lebih dari dua kategori alias banyak dinamakan multinomiale logistische regression. Nah, satu lagi, kalau skala daten variabel terikatnya ordinal (peringkat), dinamakan ordinal logistische regression. Oke deh kali ini saya berikan contoh pengerjaannya. Monggo, datanya herunterladen disini Kalo sobat sudah ambil dan lihat datanya, ada tiga buah variabel yakni hasil tes tertulis, jenis kelas dan nilai tes praktikum. Disini saya mengambil sampel secara acak yakni 30 mahasiswa jurusan tehnik sipil suatu kampus. Hasil tes tertulis yang adalah variabel terikat merupakan kategorik (dua kategori yaitu 1lulus dan 0tidak lulus), jenis kelas juga kategorik (1reguler dan 0non reguler) dan nilai tes praktikum adalah nicht kategorik (kontinyu). Berikut cuplikan tampilan datenansicht dan variabel viewnya: japra: jadi dalam analisis reglog kita menggunakan variabel bebas yang berskala daten kualitatif (nominal atau ordinal) sehingga kita tidak bisa menghitung varians dan rerata dari variabel yang berskala daten kualitatif. Selanjutnya, dalam uji asumsi yang lain misalnya multikol, itu hanya digunakan kalau kita menggunakan variabel bebas dengan skala daten yang sama bukan gabungan (beberapa kuantitatif dan ada juga yang kualitatif). Uji F dan T sama dengan yang di OLS anonim: kalau untuk melihat besarnya pengaruh suatu variabel bebas kamu bisa lihat nilai koefisiennya modelnya saja dan coba sandingkan dengan teori yang ada. Ingat bahwa statistik itu hanya tools sehingga harus selalu dilakukan uji kebaikan model statistik, bisa dgn melihat nilai R quadratisch, klassifizierungsgrundstück bahkan mengembalikan hubungan variabel bebas terhadap tidak bebas ke dalam esensi keilmuannya (apa benar pengaruhnya benar seperti yang ditunjukkan oleh model statistik). Demikian Salam Salam kenal mas .. Saya punya tugas seberapa besar pengaruh website promosi yg saya buat terhadap jumlah transaksi penjualan perharinya selama 1bulan. Jd Y nya saya Bikin 1 Dari Website saya 0 Dari Medien lain, buat X nya saya buat kuisioner skla likert dengan 2 variabel dr website saya, jadi ketika ada pembeli yg membeli barang saya kasikan kuisionernya. Apakah bisa analisis reg log untuk mencari besran pengaruh website promosi saya terhadap jmlah transaksi penjualan perharinya selama satu bulan. Trimss
No comments:
Post a Comment