Regresi Logistik Ganda dalam SPSS

Tutorial Regresi Logistik Ganda

Uji Regresi Logistik ganda adalah uji regresi yang dilakukan pada penelitian apabila variabel dependen berskala dikotomi (nominal dengan 2 kategori). (Untuk lebih jelasnya dengan Tipe Data, Baca Artikel kami berjudul “Pengertian Data).

Tentunya semua variabel independen haruslah berskala data dikotom juga, tetapi apabila skalanya kategorik nominal lebih dari 2 kategori, masih dapat dilakukan uji regresi logistik ganda dengan cara melakukan dummy.

Bahasan tentang dummy akan kita bahas pada artikel berikutnya. Pada bahasan kali ini khusus akan membahas tutorial melakukan uji regresi logistik ganda dengan menggunakan software SPSS For Windows.

CATATAN:
Tutorial ini untuk Regresi Logistik dalam upaya menentukan variabel bebas paling dominan terhadap variabel terikat. Untuk pembahasan Regresi Logistik secara umum, baca: Regresi Logistik. Untuk tutorial regresi logistik dengan SPSS, baca Regresi Logistik dengan SPSS.

Langsung saja, buka Aplikasi SPSS!

Kita buat 6 variabel dengan definisi sebagai berikut:

Variabel Independen:

  1. Tekanan Kandung Kemih: Kategori “Ya” dan “Tidak”
  2. Pruritus: Kategori “Ya” dan “Tidak”
  3. Kram Kaki: Kategori “Ya” dan “Tidak”
  4. Gerak Janin: Kategori “Aktif” dan “Pasif”
  5. Heart Burn: Kategori “Ya” dan “Tidak”

Variabel Dependen: Gangguan Tidur: Kategori “Ya” dan “Tidak”

Ubah Value pada tab Variable View di SPSS sebagai berikut: Ya/Aktif = 1, Tidak/Pasif = 2. Ubah Measure menjadi “Nominal”. Ubah Decimals menjadi “0”. Ubah Type menjadi “Numeric”

Langkah berikutnya adalah isi data dengan nilai 1 atau 2. 1 apabila jawaban “Ya” atau “Aktif” dan 2 apabila “Tidak” atau “Pasif”. Sebagai contoh gunakanlah 30 responden.

Setelah data terisi, maka kita mulai melakukan tahapan uji regresi logistik ganda yang sesungguhnya.

Ada beberapa metode atau teknik dalam melakukannya, yaitu antara lain: “Enter”, “Stepwise”, “Forward”, “Backward” di mana masing-masing punya maksud yang berbeda. Dalam bahasan ini akan kita lakukan secara “stepwise” dengan proses manual, agar mudah memahami maksudnya.

Langkah Pertama adalah seleksi kandidat.

Seleksi Kandidat

Dalam langkah ini kita akan menyeleksi, variabel independen manakah yang layak masuk model uji multivariat. Di mana yang layak adalah yang memiliki tingkat signifikansi (sig.) atau p value < 0,025 dengan metode “Enter” dalam regresi logistik sederhana. Yaitu dengan melakukan satu persatu regresi sederhana antara masing-masing variabel independen terhadap variabel dependen.

Caranya adalah sebagai berikut:

Klik Analyze, Regression, Binary Logistic

Masukkan variabel independen pertama yaitu “tekanan kandung kemih” ke dalam kotak Covariate.

Masukkan variabel dependen ke kotak Dependent.

 

 

Regresi Logistik Ganda
Regresi Logistik Ganda

 

 

Klik Options, Centang “CI For Exp (B)”

 

 

 

 

 

Klik OK

 

Lihat hasilnya!

Dari hasil di atas, lihat tabel “variables in the equation” dan lihat nilai “sig.” . Didapat nilai signifikan <0,25, yang berarti variabel “tekanan kandung kemih” layak masuk model multivariat.

Lakukan dengan cara di atas pada empat variabel independen lainnya. Apabila signifikansi > 0,25 maka variabel independen yang bersangkutan tidak layak masuk model multivariat.

Setelah dilakukan seleksi kandidat, inventarisir variabel mana yang layak masuk model dan urutkan dalam tabel dimulai dari yang nilai signifikansinya terbesar.

Sebelum diurutkan (Semua)

Hasil analisis menunjukkan nilai p value subvariabel tekanan kandung kemih (0,377) dan heart burn (0,244) sehingga tidak masuk ke uji multivariat karena p valuenya > 0,25. Sedangkan pruritus (0,041), kram kaki (0,045), gerak janin (0,088) masuk ke uji multivariate karena p valuenya < 0,25.

Diurutkan (Hanya yang masuk model)

Berarti ada 3 variabel yang akan diuji, yaitu: gerak janin, kram kaki dan pruritus.

Langkah berikutnya adalah masukkan ketiga variabel di atas dalam regresi logistik ganda dengan cara:

Analisis Multivariat

klik analyze, regression, binary logistic.

Masukkan ketiga variabel independen ke dalam kotak Covariate.

Masukkan variabel dependen ke kotak Dependent.

Klik Options, centang CI For Exp (B)

Klik OK.

Lihat Hasilnya!


Subvariabel kram kaki dan gerak janin memiliki p value < 0,05 yaitu kram kaki (0,035) dan gerak janin (0,012). Sedangkan subvariabel pruritus memiliki p value > 0,05 yaitu 0,061.  Langkah berikutnya, subvariabel yang memiliki p value terbesar yaitu pruritus (0,061)  dikeluarkan dari model.

 

Cek Apakah setelah satu variabel pruritus dikeluarkan, ada perubahan ODDS Ratio (Exp (B)) > 10%?

Apabila ada, kembalikan variabel yang dikeluarkan kembali pada model dan ulangi dengan mengeluarkan yang terbesar selain yang dimasukkan kembali. Ulangi Terus hingga hanya tertinggal satu variabel atau tidak ada yang bisa dikeluarkan lagi karena perubahan ODDS Ratio > 10%.

Pada SPSS, gunakan cara yang sama dengan cara di atas!

 

Lihat contoh uraian langkah sebagai berikut!



Setelah subvariabel pruritus dikeluarkan, perubahan OR dapat dilihat pada tabel berikut:


Hasil analisis multivariat menunjukkan bahwa setelah subvariabel pruritus dikeluarkan diperoleh perubahan OR > 10% yaitu pada subvariabel kram kaki (54%) dan subvariabel gerak janin (34%) sehingga subvariabel pruritus dimasukkan kembali ke dalam pemodelan, seperti pada tabel berikut:


Langkah selanjutnya adalah pengeluaran subvariabel kram kaki (0,035) karena memiliki p value terbesar kedua setelah pruritus (0,061).



Setelah subvariabel pruritus dikeluarkan, perubahan OR dapat dilihat pada tabel berikut:

Hasil analisis multivariate menunjukkan bahwa setelah subvariabel kram kaki dikeluarkan diperoleh perubahan OR > 10% yaitu pada subvariabel pruritus (57,4%) dan subvariabel gerak janin (65,3%) sehingga subvariabel kram kaki dimasukkan kembali ke dalam pemodelan, seperti pada tabel berikut:

Model Akhir Multivariat

Hasil analisis: dapat disimpulkan bahwa dari keseluruhan variabel independen yang diduga mempengaruhi gangguan tidur (insomnia) pada ibu hamil trimester ketiga terdapat satu subvariabel (gerak janin) yang paling berpengaruh terhadap gangguan tidur dengan p value 0,012 < 0,05. Nilai OR terbesar yang diperoleh yaitu 26,252 artinya gerak janin aktif yang dirasakan responden mempunyai peluang 26,252 kali menyebabkan adanya gangguan tidur (insomnia).

Kesimpulan Akhir:

  1. Semua variabel yang masuk model atau yang lolos seleksi kandidat, berarti memiliki pengaruh terhadap variabel dependen.
  2. Apabila setelah diuji dalam model akhir multivariat, yang tersisa dalam model berarti terbukti sebagai variabel independen yang secara bermakna atau signifikan mempengaruhi variabel dependen. Sedangkan yang tidak masuk model akhir, berarti sebagai variabel perancu atau counfounding yang artinya menjadi variabel yang mempengaruhi hubungan variabel independen dan dependen.
  3. Variabel dengan Odds Ratio terbesar dalam model akhir multivariat, menjadi variabel yang paling dominan mempengaruhi variabel dependen.

Baca Juga: Contoh Penelitian Kesehatan dengan Regresi Logistik.

By Anwar Hidayat

Jasa Olah Data Aman Terpercaya

106 KOMENTAR

  1. Pada tabel hasil analisa lihat nilai masing-masing Exp(B). Itu adalah nilai OR. Bandingkan antara OR tersebut dengan OR sebelumnya. Cara menghitungnya= ((OR Baru – OR Lama)/OR Lama) x 100 Persen

  2. B adalah peranan variabel-variabel penielas (x) dalam model, dilakukan penguiian terhadap parameter model (β).
    Wald adalah nilai uji WaId, digunakan untuk menguji parameter βi secara parsial.
    CI adalah Confidence Interval, adalah derajat kepercayaan penelitian, biasanya 95%: batas kritis 100%-95%=5%=0,05. Jadi Rentang dimana nilai OR dapat diterima/signifikan.

  3. Terima kasih atas semua jawabannya ya, tapi mau nanya lagi nih , dalam tabel model akhir multivariat apa kegunaan dari nilai B, Wald , dan CI , apa maksud dari nilai-nilai tersebut.

  4. mas kalau mau menghitung odds rasio apakah jumlah masing2 sampel harus sama? misal variabel dependennya obesitas dan normal, apakah jumlah sampel yang obesitas harus sama dengan jumlah sampel yang normal? terima kasih sebelumnya.

  5. Menentukan jenis uji tidak hanya bisa dilihat dari satu hal saja, tapi sangat kompleks: Tergantung sekali pada tujuan penelitian, desain penelitian, bentuk hipotesa, banyaknya semua variabel, skala data antar variabel, hubungan antar variabel apakah bebas atau berpasangan, jika kategori ada berapa kategori, ada dan seberapa besar ties, serta berbagai syarat-syarat asumsi jika uji parametris.

  6. Perhatikan dulu variabel dependen Y nya, kalau logistik, alangkah baiknya semua variabel independen juga diubah ke dalam bentuk logistik (biner). Bukan Dummy, sebab kalau dummy maksudnya memecah kategori lebih dari 2 menjadi pecahan biner, misal kategori 1, 2 dan 3 dipecah jadi 1 dan 2 serta 2 dan 3.

  7. Bagaimana melakukan pengujian jika data independennya bersifat data logistik dan menggunakan rasio?
    mohon pencerahannya gan..

  8. jika x1 & x2 menggunakan variabel dummy (1 dan 0) sedangkan x3 & x4 menggunakan data rasio keuanagan serta variabel y juga menggunakan variabel dummy (1 dan 0), pengujian data nya gimana gan?

  9. Bagaimana jika setelah dilakukan uji regresi logistik tidak ada satupun variabel mempunyai nilai p<0,05? Apakah perlu dilakukan uji tahap berikutnya? Dan jika dilakukan membuang variabel dgn p stertinggi didapatkan p<0,05 apakah bs dianggap itu variabel paling berpengaruh?
    Terima kasih

  10. mau tanya jika dalam analisa regresi logistik dg hosmer dan lemeshows goodness of fit.nanti apakah uji t dan f masih bisa digunakan?terimakasih ya

  11. mau tanya, bagai mana jika terdapat dua variabel independen dan lebih dari variabel dependen? menggunakan analisis apa?

  12. pak saya menliti tentang flypaper effect dimana dikatakan terjadi flypaper itu jika PAD<DAU maka 1 dan sebaliknya 0. nah bagaimana kalau ternyata datanya PAD<DAU semua, jadi berkategori 1 semuakan dependentnya, apakah itu bisa dilanjutkan dgn logistik? mohon pencerahannya pak saya buta bener tentang analisis ini =,=

  13. 1. Skala data yang lebih tinggi lebih bagus, tetapi pada uji regresi logistik jika anda tidak mengubah variabel independen ke dalam data biner, maka anda akan kesulitan, salah satu solusi yang bisa dilakukan adalah dengan melakukan dummy.
    2. Ada yang salah dengan interprestasi anda dalam membaca output SPSS, sebab OR 0,000 mustahil terjadi. Jika yang anda maksud 0,000 adalah maka nilai Signifikansi dari OR maka itu wajar saja terjadi.
    3. Saya beri ilustrasi: Tiap responden diberi soal, tiap soal mempunyai beberapa item. Melihat pertanyaan anda, coding yang dimaksud dalam per item soal. Untuk uji regresi logistik biner, yang dimaksud dikotomi adalah 0 dan 1 pada tiap responden. artinya 0 dan 1 didapat dari pengkategorian hasil jawaban soal semua item per responden. Sedangkan indeks yang anda maksud adalah nilai kumpulan dari beberapa responden, maka tidak ada kaitannya dalam uji regresi logistik biner.
    4. Regresi sederhana hanya 1 variabel independen dan 1 variabel dependen, sedangkan berganda ada lebih dari 1 variabel dependen.

  14. Untuk menentukan pilihan uji statistik yang tepat, tidak semudah seperti membalikkan telapak tangan. Sangat tidak cukup hanya berdasarkan pernyataan anda di atas. Banyak sekali pertimbangan: desain penelitian, tujuan penelitian, bentuk hipotesa, skala data, jumlah kategori, TIES, sifat hubungan bebas atau berpasangan dan asumsi-asumsi klasik serta masih banyak pertimbangan lainnya.

  15. Saya meneliti tentang pengaruh pola makan terhadap kejadian overweight. Dan pola makan itu terbagi dua jenis makanan dan jumlah asupan zat gizi. Yang saya tanyakan, uji apa yang tepat digunakan dalam penelitian itu?

  16. Salam Pak Pintar, saya ingin tanya.

    1. Saya telah melakukan analisis regresi logistik tapi tidak semua independent variable nya saya ubah menjadi biner dengan anggapan bahwa skala data yang lebih tinggi itu lebih "berharga". Sebenarnya lebih baik skala data apa adanya saja atau diubah jadi dikotom ya? karena setelah saya coba2 hasilnya sama saja tidak signifikan.

    2. Saya menemukan 1 variabel yang signifikan akan tetapi odds ratio-nya 0,000. Apakah terdapat kesalahan dalam proses analisis atau mungkin ada interpretasi lain mengenai nilai 0 ini?

    3. Jadi saya punya data variabel keluhan A-F, semuanya variabel dikotom dengan coding 0 untuk tidak sakit dan 1 untuk sakit. Kemudian setiap responden saya hitung berapa dia menjawab 0 atau merasakan keluhan. Hasil perhitungan skor jawaban itu yang saya maksud dengan indeks. Indeks itu skala datanya apa ya? Rasio kah?

    4. Apa yang membedakan regresi yang sederhana dan ganda? serta kriteria apa saja dalam memilih penggunaanya?

    Mohon bantuannya ya Pak, saya desperate ini belum bisa konsul ke dosen statistik hehe. Terimakasih banyak semoga sukses selau.

  17. 1. boleh, asalkan batasannya jelas dengan alasan apa. Mengapa batasannya 40 tahun, harus ada kajian terhadap batasan itu.
    2. Ya betul OR = Exp (B). Rumus sederhana OR = ad/bc. abcd adalah kolom atau cell. a artinya baris 1 kolom 1, b baris 1 kolom 2, c baris 2 kolom 1, d baris 2 kolom 2. Hanya akan muncul nilai OR 0 jika nilai ad = 0. Misal ad/bc=(10 x 0)/(5 x 5)
    3. Ya, berarti indeks kan rekap dari semua responden, jadi tidak ada kaitannya dengan regresi logistik.

  18. Wah terimakasih pak, saya boleh tanya lagi ya Pak.

    1. Untuk pertanyaan saya yang nomor 1, independen saya berskala data interval dan rasio, jadi haruskah itu diubah menjadi biner juga, semisal untuk umur dikelompokkan menjadi kurang dari 40 dan lebih dari 40 tahun?

    2. Untuk yang nomor 2 Pak, OR yang dibaca kan di kolom Exp (B) kan ya Pak? Karena saya yakin tidak salah baca 🙁

    3. Untuk yang nomor 3, indeks yang saya maksud adalah jumlah dari jawaban ya (skor 1) dari tiap responden, jadi yang saya maksud dari indeks disini adalah nilai dari tiap responden. Konsepnya hampir seperti nilai ujian multiplechoice (menjumlah jawaban benar). Jadi apakah itu termasuk rasio?

    Maaf ya Pak mohon bantuannya 🙂

  19. Multikolinearitas adalah syarat untuk uji parametris, yaitu regresi linear berganda. Sedangkan regresi logistik berganda bukanlah uji parametris. Karena bukan parametris, maka tidak perlu memperhatikan parameter-parameter, salah satunya multikolinearitas. Anda perhatikan kata "multikolinearitas", tersisip kata linear. Linear itu prinsip dari data interval, sedangkan logistik bukanlah data interval. Jika anda pahami artikel saya di atas, adanya perubahan besar OR terhadap salah satu atau beberapa variabel dalam model, maka variabel yang seharusnya dikeluarkan dari model, malah harus dimasukkan kembali, karena keberadaannya sangat penting di dalam model.

  20. Oh begitu ya Pak.
    Saya ingin tanya lagi pak
    Jika pada regresi linier kan tidak boleh ada multikolinieritas ya pak? kalau di regresi logistik apakah ada konsep korelasi antar variabel independen seperti yang di regresi linier?
    Maksudnya apakah dalam regresi logistik variabel independen tersebut saling mempengaruhi satu sama lain? yang kemudian jika saya hilangkan atau tambahkan variabel lain akan mempengaruhi signifikansi dan hasil lainnya?

  21. Dengan metode backward iya. Perlu diketahui ini adalah simulasi secara manual untuk mencari variabel paling dominan berpengaruh.

    Ya, terpengaruh.

    Hasil tidak akan sama, bila anda pakai backward perhatikan batasan F untuk enter dan remove.

  22. assalamualaikum
    terima kasih sudah share, mohon bantuannya
    saya sudah coba untuk menganalisis..
    tahap penyaringan sudah dilakukan yaitu variabel yang p valuenya kurang dari o,25 saja
    variabel tersebut saya analisis sekaligus ketiganya
    hasil yang muncul adalah ketiga variabel tersebut, seluruhnya memiliki nilai p lebih dari 0,05
    bagaimana penafsiran nya apa yang harus dilakukan??
    terima aksih

  23. Oh iya ya pak, kan kalau di artikel bapak diatas, variabel dikeluarkan satu2 diliat apakah dengan mengeluarkan satu variabel ada pengurangan OR < 10% baru variabel tersebut dikeluarkan. Kalau di output bisa langsung dilihat kan ya pak? misal kalau tidak memakali metode backward, bisa dilihat OR pada Step terakhir begitu?

    Jika OR terpengaruh dengan mengeluarkan atau memasukkan variabel, kalau signifikasi akan terpengaruh ngga pak dengan jumlah atau apa saja variabel independennya?

    Karena kalau saya dapat kuliah SPSS itu, uji regresi logistik gandanya langsung gitu pak, ngga perlu pake regresi logistik sederhana (seleksi kandidat), jadi semua variabel independen yang diteliti langsung masuk begitu saja ke dalam model. Jadi saya bingung, apakah sama aja nanti hasilnya.

  24. Kalo berhenti gitu berarti kesimpulannya gimana?
    Contoh kasus yg sy lakukan: model tidak layak digunakan pada uji hipotesis omnibus regresi logistik ganda dan (parsimony-nya) jumlah variabel independen yang tidak signifikan adalah semuanya. gimana kesimpulannya? uji berhenti karena model sdh tidak layak digunakan. dan jika model tetap digunakan utk proses uji selanjutnya maka akibatnya model akhir hanya tersisa variabel independennya sj. begitu kah? atau ada tambahan lain?

  25. assalam..
    pak skripsi saya menggunakan 2 kategori
    bagaimana cara uji regresi logistik ganda dengan cara melakukan dummy?
    mohon pencerahannya..

  26. pak, untuk mencari degre of freedom (df) dalam logistik gimana ya ??? penelitian saya pake kuisioner, dengan 50 responden. variabel independennya ada 4. thx, mohon bantuannya

  27. Makasih infonya….karena saya masih bingung….dengan metode enter regresi tidak varabel independen berpengaruh…tetapi menggunakan backward/forward LR tersisa satu variabel bermakna.

  28. metode enter: memasukkan semua variabel independen secara serentak dan tidak ada yang dikeluarkan dari model sedangkan metode backward: serentak dimasukkan kemudian dikeluarkan secara satu persatu variabel yang tidak signifikan berpengaruh dalam model. Metode enter apabila hasil akhirnya semua yang di dalam model punya pengaruh signifikan atau dapat digunakan untuk metode tutorial di atas. Backward hanya akan menyisakan variabel yang berpengaruh atau dapat digunakan untuk proses mengeluarkan variabel seperti contoh di atas.

  29. aslm. pak beda antara metode enter dan backward pada regresi logistik itu apa?? penggunaan utk msg2 metode itu bagaimana? terima kasih

  30. Pemilihan uji itu tergantung pada skala data variabel dependen atau terikatnya, Jika skalanya ordinal maka gunakan skala ordinal, jika nominal dikotomi gunakan regresi logistik, jika multinominal gunakan regresi multinomial dan jika interval gunakan regresi linear apabila skala data variabel juga interval. Jika dependen interval dan independen nominal maka menggunakan ANOVA dan jika independennya campuran nominal dan interval maka gunakan ANCOVA.

  31. selamat malam pak,
    saya mengalami kesulitan dalam menentukan analisis data, variabel independen penlitian saya adalah keinginan membayar suatu layanan ekosistem (dalam Rp), sedangkan variabel dependennya seperti persepsi (skala Likert), usia, tingkat pendidikan, jumlah tanggungan keluarga, dan pengeluaran. apakah analisis saya menggunakan regresi berganda tepat?
    tapi itu kan datanya tidak semuanya dalam skala interval, apakah saya ubah dulu semuanya menjadi data skala interval?
    terima kasih sebelumnya

  32. Pastikan anda tidak salah memberikan kode/value pada tiap variabel, kategori yang jelek harus diberi kode lebih tinggi, misal 1. Sedangkan kategori yang baik beri kode lebih rendah, misal 0. Gunakan pengkodean tersebut sama pada semua variabel baik independen maupun dependen.

  33. pak,saya mau tanya,jika x1 & x2 menggunakan variabel dummy (1 dan 0) sedangkan x3 & x4 menggunakan data rasio keuangan serta variabel y menggunakan rasio.
    apakah bisa menggunakan regresi linear berganda sedangkan skala pengukuran berbeda-beda pak?mohon petunjuk nya.terima kasih.

  34. Pak, mau nanya, penelitian saya menggunakan dummy untuk dependent dan 3 independent variable serta 2 independent variable lainnya menggunakan data numeric, saya coba menggunakan uji regresi logistik, ternyata semua variable hasilnya tidak signifikan, itu kenapa ya pak? apa harus mencoba uji lain atau ada kesalahan pada data?

  35. mau tanya , variabel independen dan variabel dependen dalam penelitian saya skalanya rasio , tapi variabel dependen nya mau dibuat persentil , misal hasil data dari variabel y yg urutan 25 terkecil itu di anggap perusahaan fleksible, kalo yang 25 teratar itu tdk fleksibel, nah itu pake regresi logistik atau tidak ya , karena yg saya baca regresi logistik itu variabel independenn ya kategorikal juga ,

  36. Pak saya mau tanaya misalkan variabel dependent say interval tapi variabel dependent saya dummy , setiap saya gunakan binary logistik hasilnya warnings. Mohon bantuannya ya pak. Makasih

  37. Pak kalau nilai koefisien(B) di variabel in the equation negatif tapi nilai signifikannya <0,05 boleh?misal B nya -0,54 tapi signifikannya 0,04
    trs kalau (B) nya negatif dan nilai signifikan >0,05 boleh?
    misal B nya -0,02 tapi signifikannya 0,70

  38. Pak, untuk analisis multivariat, ketika tahap seleksi bivariat terdapat variabel yang memiliki nilai p.value=0,250. Apakah variabel tersebut masuk ke dalam model atau tidak ya?

  39. pak mau nanya..
    saya mlakukan penelitian dengan regresi logistik berganda dengan metode backward stepwise.. untuk melihat p valueny yang dilihat dari step 1a or step 2a nya pak… karena saya bingung pak mau lihat p valueny yg mana dipakai.. variabel independent saya pengetahuan dan sikap stelah saya lakukan uji bivariat n dependentny pemakaian APD.. jdi yg mana qta pakai pak.. makasih pak..

  40. maaf pak, mau tanya.
    untuk uji regresi logostik, apakah bisa dipakai untuk semua jenis desain misalnya cross sectional. atau hanya bisa case control dan kohort. trimakasih

  41. 1. Besarnya pengaruh simultan dapat di lihat pada nilai Nagelkerke R Square dan Cox and Snell R Square. Kedua nilai tersebut dapat dianalogikan dengan Nilai R Square. Keduanya disebut sebagai R Square Semu. Sedangkan tingkat signifikansinya dengan melihat nilai Chi-Square pada Omnibus Test.
    2. Dinyatakan outlier bila nilai Studentized Residual > 2.

  42. pak penelitian sya ttg perataan laba (income smoothing) dgn kategori 0:tdk melakukan perataan laba, 1:melakukan perataan laba. x1:size, x2:der, x3:age of company. yg mau sya tanyakan adalah:
    1. bagaimana cara melihat pengaruh secara simultan jika menggunakan binary logistic?
    2. apakah data boleh d outlier kan jika menggunakan binary logistic?
    terimakasih…

  43. Kalau skala rasio dan interval diperlakukan sama dalam uji statistik. Tetapi sampel yang berbeda yang anda maksud itu yang bagaimana, harap pertanyaannya lebih detail dan spesiifik pada jenis uji statistik tertentu.

  44. selamat siang pak, salam kenal.. saya mau tanya, kalo cara mengolah data campuran (rasio+interval (kuesioner)) di spss itu bagaimana? soalnya kan sample yg diambil berbeda.

    mohon bantuannya mas, terima kasih 🙂

  45. maaf pak, saya mau nanya. pengujian saya menggunakan logistic regresion ( Hosmer and Lemeshow Test, -2 Log Likehood, Nagelkerke R Square, log reg parsial (met : Enter), dan Log reg simultan (Omnibus) . apakah perlu dilakukan uji normalitas (komogorov) dan uji asumsi klasik (Uji Multikolonieritas, Uji Heteroskedastisitas, Uji Autokorelasi) sebelumny?

  46. pak anwar saya mau tanya jika variabel dependen (y) berskala nominal (kuesioner jawaban ya/tidak) kemudian variabel independen x1 dan x2 berskala likert-interval ( 1 -5), uji apakah yg cocok untuk penelitian ini? (judul: pengaruh x1 dan x2 thd y)

  47. slmt mlm Pak. sya ,mau bertnya
    1. SY mhsiswa yg sdg dlm proses pngrjaan skripsi. sy meneliti var.demografi trhdp tingkat loyalitas. Dmn u/ analisis loyalitas yg dilakukan peneliti sblmnya menggunakan interval skala dan rata-rata. Sdngkan u/ analisis var.demografi apa sj yg mempengaruhi tingka loyalitas nya menggunakn regresi logistik. Sy jd bingung pak. Dikarenakan regresi logistik menggunakan kuesioner pertanyaan "ya" dan "tidak" . ttp u/ analisis tingkat loyalitas peneliti terdahulu ny menggunakan interval rata-rata yg mrnggunakan kuesioner "ss, ts, cs,s,dan ts". Mohon bantuannya pak. Terima kasih

  48. Harusnya variabel kontrol tidak dimasukkan ke dalam pengujian apapun. Karena hanya menjadi kontrol, misalkan apakah sampel yang bersangkutan berhak untuk diteiliti atau tidak. Yang boleh masuk dalam pengujian adalah variabel counfounding atau perancu.

  49. Uji normalitas dan asumsi klasik hanya diperuntukkan untuk uji parametris, sebab datanya numerik. Sedangkan uji regresi logistik, datanya kategorik. Uji simultan dalam regresi logistik ditunjukkan dengan nilai chi-square omnibus test. Sedangkan uji t identik dengan uji wald.

  50. setelah di analsisi regresi logistik dg alpha 5%, semua variabel indepnden p value nya > 0,05,jdi semua variabel independn tdk ada yg berpengaruh,,
    jika saya analisis ulang dg alpha 10%, boleh kah???
    mohon bantuannya dan terimaksih…..

  51. mas,, kalau kasus nya hanya variabel dependen (Y) nya adalh kategorikal dengan nilai ya=1, tidak = 0….Dengan 4 variabel independent yang bukan kategorikal,,,bagaimana menyelesaikan kasus ini ??? terimakasih mas

  52. Selamat Malam Pak,

    Mohon bantuannya pak,

    mengapa uji logistik tidak memerlukan uji normalitas & uji asumsi klasik? dan apakah mungkin dalam uji regresi logistik di lakukan uji parsial (t) dan slimutan (f)? mohon penjelasannya

    terima kasih dan mohon di bantu

  53. pak, saya mau nanya. penelitian regresi saya variabel dependennya menggunakan skala dikotomi, tetapi variabel independennya menggunakan skala dikotomi.. dengan kondisi yang seperti itu berarti analisa data penelitian saya pakai analisa regresi apa ya pak?
    mohon bantuannya pak.

  54. Jika variabel dependen berkategori > 2 dan berskala ordinal (ada yang baik dibandingkan yang buruk) maka menggunakan regresi ordinal. Jika variabel dependen berkategori > 2 dan berskala nominal, maka menggunakan regresi mutinomial.

  55. mas maaf saya mau tanya saya mau analisis multivariat dengan 5 variabel independen dan 1 variabel dependen (variabel dependen terdiri dari 5 kategori), saya sebaiknya pakai regresi logistik ganda dengan dummy apa regresi ordinal ya? makasih mas

  56. Ass. selamat malam pak Anwar. Saya mau bertanya pak penelitian saya tetang bpjs dimana saya memakai data primer sebagai data yang saya gunakan. y saya dummy(ya/tidak) lalu x saya ada x1,x2,x3,x4,x5 ini memakai skala 1-5 namun bukan skala likert, hanya skala untuk memudahkan saja. Menurut bapak, regresi logitik apa yang cocok untuk saya pak? memakai univariat atau multivariat? Terimakasih.

    • Univariat logistic regression, sebab hanya ada 1 variabel terikat. Atau pilihan lain anda bisa melakukan analisis diskriminan, jika variabel bebas anda adalah data interval atau rasio dan memenuhi syarat normalitas.

  57. assalammualaikum… admin saya mau tanya, kalau data variabel Y nya data nominal dan ordinal bisa di uji pengaruh gak ? makasih 🙂

    • Bisa, misalakan anda akan melakukan uji prediksi dengan variabel dependen berskala ordinal, maka silahkan anda gunakan uji regresi ordinal. Kalau variabel dependen berskala nominal lebih dari 2 kategori maka gunakan regresi multinomial. Sedangkan jika variabel dependen berskala nominal dikotomi maka gunakan regresi logistik.

TINGGALKAN KOMENTAR

Silakan masukkan komentar anda!
Silakan masukkan nama Anda di sini