KONSEP REGRESI LOGISTIK

 

A.     A. Pengertian dan Konsep Regresi Logistik

Analisis regresi logistik digunakan untuk menjelaskan hubungan antara variabel respon yang berupa data dikotomik/biner dengan variabel bebas yang berupa data berskala interval dan atau kategorik (Hosmer dan Lemeshow, 1989). Variabel yang dikotomik/biner adalah variabel yang hanya mempunyai dua kategori saja, yaitu kategori yang menyatakan kejadian sukses (Y=1) dan kategori yang menyatakan kejadian gagal (Y=0).  Jadi, intinya regresi logistic disebut juga model logit karena menggunakan model dengan variable rensponya dikotomus.

Pada model model linear umum komponen acak tidak harus mengikuti sebaran normal, tapi harus masuk dalam sebaran distribusi eksponensial. Sebaran bernoulli termasuk dalam salah satu dari sebaran keluarga eksponensial. Variabel respon Y ini, diasumsikan mengikuti distribusi Bernoulli.

Transformasi dari  phi(x) menjadi focus pada regresi logistic adalah tranformasi logit. Transformasi tersebut didefinisikan dalam bentuk logit phi(x)=g(x) , sebagai berikut :

B. Asumsi-asumsi dalam regresi logistik:

a)     -  Tidak mengasumsikan hubungan linier antar variabel dependen dan independent

b)     - Variabel dependen harus bersifat dikotomi (2 variabel)

c)      - Variabel independent tidak harus memiliki keragaman yang sama antar kelompok variabel

d)     - Kategori dalam variabel independent harus terpisah satu sama lain atau bersifat eksklusif

e)    -  Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50 sampel data untuk sebuah variabel predikt

C. Contoh  Kasus dalam regresi logsitik biner :

1.       Pengaruh Tingkat Pendidikan, Lapangan Kerja yg dimasuki, Pendapatan, Pengeluaran, Jumlah ART terhadap status kemiskinan (Miskin/TIdak Miskin).

2.       Pengaruh Pendapatan Keluarga, Banyaknya Anggota Keluarga, Jenis rumah, Usia Kepala Keluarga terhadap Kepemilikan rumah (Punya rumah/tidak).

B.   D.   Pendugaan Parameter

1.       Uji chi-Square

2.       Uji Kesesuaiam Model (Goodness of Fit –Test)

3.       Uji Simultan (Likelihood Ratio Test)

4.       Uji Parsial (Wald Test)

5.       Rasio Krcenderungan (Odds Rasio)