BELAJAR ANALISIS DAN BAHASA PEMROGRAMAN

Pembahasan Output Regresi Logistik Multinomial SPSS

Setelah melakukan analisis Regresi Logistik Multinomial menggunakan SPSS di post sebelumnya maka akan di dapatkan output. Disini kita akan membahas output tersebut.

Case Processing Summary

Dari output diatas dapat dilihat nilai dan persentasenya dari masing-masing kategori variabel ice cream dan gender. Untuk ice cream rasa cokelat ada 47 orang, fanilla ada 95 orang, dan strawberry ada 58 orang. Sedangkan untuk variabel gender male ada 91 orang dan sisanya sebanyak 109 orang adalah dengan gender female. Dengan keseluruhan data ada 200 orang.

Model Fitting Information

Kemudian outuput diatas adalah model fitting information, dari output tersebut kita akan melakukan uji apakah terdapat pengaruh variabel independent terhadap variabel dependent.

-- Menentukan hipotesis 

H0 =  variabel independent tidak berpengaruh pada variabel dependent

H1 ≠ variabel independent berpengaruh pada variabel dependent

-- Menentukan tingkat signifikansi

α = 0,05.

-- Daerah kritis

H0 ditolak jika p-value < tingkat signifikansi α = 0,05.

-- Statistik uji

P-value = 0,000.

-- Keputusan

Tolak H0 karena nilai probabilitas p-value 0,000 < α 0,05 .

-- Kesimpulan

Dengan tingkat signifikansi 0,05, diperoleh kesimpulan bahwa variabel independent berpengaruh pada variabel dependent.

Goodness-of-Fit


Pada output goodness-of-fit dapat dilakukan uji kesesuaian model dengan melihat nilai signifikasi pearsonnya. 

-- Menentukan hipotesis 
H0 :  model sesuai dengan data / tidak ada perubahan antara model dengan data sehingga dikatakan fit.
H1 : model tidak sesuai dengan data / ada perubahan antara model dengan data sehingga dikatakan tidak fit.

-- Menentukan tingkat signifikansi
α = 0,05.

-- Daerah kritis
H0 ditolak jika p-value < tingkat signifikansi α = 0,05.

-- Statistik uji
P-value = 0,240

-- Keputusan
Terima H0 karena nilai probabilitas p-value 0,240 > α 0,05 .

-- Kesimpulan
Dengan tingkat signifikansi 0,05, diperoleh kesimpulan bahwa model sesuai dengan data / tidak ada perubahan antara model dengan data sehingga dikatakan fit.

Pseudo R-Square

Kalau dalam regresi biasa menggunakan nilai R square dalam menunjukkan besar pengaruh variabel, maka dalam regresi logistik ini menggunakan Cox & Snell dan Nagelkerke untuk mengukur proporsi keragaman variabel dependent yang mampu dijelaskan oleh variabel independent dalam menunjukkan kebaikan model, semakin besar nilainya maka semakin baik modelnya. Output diatas menjelaskan bahwa nilai Cox & Snell = 0,153. Artinya sebesar 15,3% keragaman variabel dependent mampu dijelaskan oleh variabel independent dalam model, sedangkan sisanya dijelaskan oleh peubah lain yang diluar model. Sedangkan nilai Nagelkerke = 0,174. Artinya sebesar 17,4% keragaman variabel dependent mampu dijelaskan oleh variabel independent dalam model, sedangkan sisanya dijelaskan oleh peubah lain yang diluar model.

Likelihood Ratio Tests

Uji parsial untuk β0

-- Menentukan hipotesis 
H0: β0 =  0 (tidak ada pengaruh signifikan antara intercept terhadap rasa ice cream)
H1: β0 ≠ 0. (ada pengaruh signifikan antara intercept terhadap rasa ice cream)

-- Menentukan tingkat signifikansi
α = 0,05.

-- Daerah kritis
H0 ditolak jika p-value < tingkat signifikansi α = 0,05.

-- Statistik uji
P-value = 0,000.

-- Keputusan
Tolak H0 karena nilai probabilitas p-value 0,000 < α 0,05 .

-- Kesimpulan
Dengan tingkat signifikansi 0,05, diperoleh kesimpulan bahwa ada pengaruh signifikan antara intercept terhadap rasa ice cream
 
Uji parsial untuk β1

-- Menentukan hipotesis 
H0: β1 =  0 (tidak ada pengaruh signifikan antara video terhadap rasa ice cream)
H1: β1 ≠ 0 (ada pengaruh signifikan antara video terhadap rasa ice cream)

-- Menentukan tingkat signifikansi
α = 0,05.

-- Daerah kritis
H0 ditolak jika p-value < α = 0,05.

-- Statistik uji
P-value = 0,174.

-- Keputusan
Terima H0 karena nilai probabilitas p-value 0,174 > α 0,05.

-- Kesimpulan
Dengan tingkat signifikansi 0,05, diperoleh kesimpulan bahwa tidak ada pengaruh signifikan antara video terhadap rasa ice cream.

Uji parsial untuk β2

-- Menentukan hipotesis 
H0: β0 =  0 (tidak ada pengaruh signifikan antara puzzle terhadap rasa ice cream)
H1: β0 ≠ 0. (ada pengaruh signifikan antara puzzle terhadap rasa ice cream)

-- Menentukan tingkat signifikansi
α = 0,05.

-- Daerah kritis
H0 ditolak jika p-value < tingkat signifikansi α = 0,05.

-- Statistik uji
P-value = 0,002.

-- Keputusan
Tolak H0 karena nilai probabilitas p-value 0,002 < α 0,05 .

-- Kesimpulan
Dengan tingkat signifikansi 0,05, diperoleh kesimpulan bahwa ada pengaruh signifikan antara puzzle terhadap rasa ice cream

Uji parsial untuk β3

-- Menentukan hipotesis 
H0: β1 =  0 (tidak ada pengaruh signifikan antara gender terhadap rasa ice cream)
H1: β1 ≠ 0 (ada pengaruh signifikan antara gender terhadap rasa ice cream)

-- Menentukan tingkat signifikansi
α = 0,05.

-- Daerah kritis
H0 ditolak jika p-value < α = 0,05.

-- Statistik uji
P-value = 0,078.

-- Keputusan
Terima H0 karena nilai probabilitas p-value 0,078 > α 0,05 .

-- Kesimpulan
Dengan tingkat signifikansi 0,05, diperoleh kesimpulan bahwa tidak ada pengaruh signifikan antara gender terhadap rasa ice cream.


Semakin tinggi nilai seorang dari video, maka kecenderungan untuk memilih ice cream rasa cokelat itu 0,955x lipat dari ice cream rasa strawberry.
Semakin tinggi nilai seorang dari puzzle, maka kecenderungan untuk memilih ice cream rasa cokelat itu 0,921x lipat dari ice cream rasa strawberry.

Kecenderungan seseorang dengan gender wanita, untuk memilih ice cream rasa cokelat, darpd ice cream rasa strawberry, itu sebesar 0,428x lipat dr seseorang dg gender laki-laki. 


Kesimpulan :
  1. Berdasarkan uji kesesuaian model, maka didapatkan bahwa variabel independent berpengaruh pada variable dependent.
  2. Nilai Cox & Snell = 0,153. Artinya sebesar 15,3% keragaman variabel dependent mampu dijelaskan oleh variabel independent dalam model, sedangkan sisanya dijelaskan oleh peubah lain yang diluar model. 
  3. Sedangkan nilai Nagelkerke = 0,174. Artinya sebesar 17,4% keragaman variabel dependent mampu dijelaskan oleh variabel independent dalam model, sedangkan sisanya dijelaskan oleh peubah lain yang diluar model.
  4. Berdasarkan uji parsial dengan tingkat signifikansi 0,05 diperoleh kesimpulan bahwa :
    • Ada pengaruh signifikan antara intercept terhadap rasa ice cream
    • Tidak ada pengaruh signifikan antara video terhadap rasa ice cream.
    • Bahwa ada pengaruh signifikan antara puzzle terhadap rasa ice cream
    • Tidak ada pengaruh signifikan antara gender terhadap rasa ice cream.
  5. Semakin tinggi nilai seorang dari video, maka kecenderungan untuk memilih ice cream rasa cokelat adalah 0,955x lipat dari ice cream rasa strawberry. 
  6. Semakin tinggi nilai seorang dari puzzle, maka kecenderungan untuk memilih ice cream rasa cokelat adalah 0,921x lipat dari ice cream rasa strawberry. 
  7. Kecenderungan seseorang dengan gender wanita, untuk memilih ice cream rasa cokelat, daripada ice cream rasa strawberry adalah sebesar 0,428x lipat dr seseorang dg gender laki-laki. 
Pembahasan Output Regresi Logistik Multinomial SPSS Pembahasan Output Regresi Logistik Multinomial SPSS Reviewed by Jimmy Pujoseno on October 20, 2020 Rating: 5

No comments:

Recent Post

Powered by Blogger.