Regresi linier seperti Yang kita ketahui tidak dapat menyelesaikan kasus dimana variabel abhängig bersifat dikotomi dan kategori dengan dua atau Lebih kemungkinan (ex. Sukses atau Gagal terpilih atau tidak terpilih lulus atau tidak lulus melakukan pembelian atau tidak mendapat promosi atau tidak, dan gelegen-gelegen) . Deutsch - Übersetzung - Linguee als Übersetzung von "dummy" vorschlagen Linguee - Wörterbuch Deutsch - Englisch Andere Leute übersetzten 'dummy' so ins Deutsche:. Deutsch - Übersetzung - Linguee als Übersetzung von "pada regresi linier" vorschlagen Linguee - Wörterbuch Deutsch - Englisch Andere Leute übersetzten. Englisch: v3.espacenet. com/textdoc? DB = EPODOC & ... PN = Regresi logistik membentuk persamaan atau fungsi dengan pendekatan Maximum-Likelihood, Yang memaksimalkan peluang pengklasifikasian OBJEK Yang diamati Menjadi kategori Yang sesuai kemudian mengubahnya Menjadi koefisien regresi Yang Sederhana. Dua nilai Yang Biasa Digunakan Sebastian Variabel Abhängigkeit yang diprediksi Adalah 0 dan 1 (ex. 1berhasil, 0gagal). Regresi logistik menghasilkan rasio peluang (ungeradenverhältnisse) antara keberhasilan atau kegagalan suatu dari analisis. Dapat kita contohkan dengan seorang tokoh yang ingin menjadi Präsidentschaft, akan lebih baik peluangnya jika menjadi ketua partai politik tertentu. Disini Quotenverhältnis yang dimaksud adalah seberapa besar peluang tokoh tersebut dengan mempertimbangkan variabel prädiktor yang ada. Regresi logistik Akan membentuk Variabel Prediktor respon (log (p (1-p)) Yang merupakan kombinasi linier Dari Variabel independen. Nilai Variabel Prediktor ini kemudian ditransformasikan Menjadi probabilitas dengan fungsi Logit-. Asumsi-asumsi dalam regresi logistik Tidak mengasumsikan hubungan linier antar Variabel dependen dan unabhängige variabel dependen Harus bersifat dikotomi (2 variabel) variabel unabhängige tidak Harus memiliki keragaman yang sama antar Kelompok variabel Kategori dalam variabel unabhängige Harus terpisah satu sama Lain atau bersifat eksklusif Sampel yang diperlukan dalam Anzahl der Beiträge relatif besar, mindestens dibutuhkan hingga 50 sampel Daten untuk sebuah variabel Prediktor (bebas). Persamaan Regresi Logistik Regresi logistik menghasilkan Rasio peluang yang dinyatakan dengan transformasi fungsi logaritma (log), dengan demikian fungsi transformasi log ataupun ln diperlukan untuk p-Wert, dengan demikian dapat dinyatakan bahwa logit (p) merupakan log Dari peluang (Odds Ratio) atau Likelihood Ratio dengan kemungkinan terbesar nilai peluang adalah 1, dengan demikian persamaan regresi logistik Menjadi: logit (p) log (p 1-p) ln (p 1-p) dimana p bernilai antara 0-1. Modell Yang digunakan Pada regresi logistik adalah: Log (P 1 8211 p) 0 1X1 2X2 8230. KXK Dimana p adalah kemungkinan bahwa Y 1, dan X1, X2, X3 adalah Variabel independen, dan b adalah koefisien regresi. Konsep Log Quoten, Quotenverhältnisse Logit (log quoten) merupakan koefisien slope (b) dari persamaan regresi. Slope disini adalah perubahan nilai rata rata Dari Y Dari satu Einheit perubahan nilai X. Regresi logistik Melihat perubahan Pada nilai Variabel dependen Yang ditransformasi Menjadi peluang, bukan nilai aslinya seperti Pada regresi linier. Sebagai ilustrasi jika nilai peluang adalah 0,25, maka nilai odds adalah 3 (25. 75), sedangkan jika nilai peluang 50, maka nilai odds adalah 1 (50. 50), atau jika nilai peluang 0,33, maka nilai Chancen adalah 2 (33. 67) dengan insgesamt keseluruhan nilai peluang adalah 1. Nilai Odds-Verhältnis biasanya dapat kita lihat pada kolom B pada 8216variables in der equation8217 Ausgabe SPSS. Kecocokan Modell (modellhaft) dan fungsi likelihood Wahrscheinlichkeit berarti juga peluang atau probabilitas untuk hipotesis tertentu. Seperti Yang Kita Ketahui Pada Kurva Regresi Linier Kita Lihat Adanya hubungan liner, Peningkatan Pada Sumbu Y Akan Diikuti Dengan Peningkatan Pada sumbu X dan sebaliknya. Tetapi pada regresi logistik dengan nilai Y Antara 0 dan 1, pendekatan linier tidak bisa kita gunakan. Oleh karena itu metode maximale Wahrscheinlichkeit sangat berguna dalam menentukan kecocokan Modell yang tepat bagi persamaan yang kita miliki. Hipótesis dalam regresi logistik antara gelegen: h0 Ketika persamaan regresi bernilai 0 logit (p) 0. h1 persamaan regresi berbeda nyata Dari 0 logit (p) 8800 0. Regresi logistik merupakan regresi nicht linier dimana Modell Yang ditentukan Akan mengikuti pola kurva linier seperti gambar Di bawah ini. Regresi logistik juga menghasilkan rasio peluang (Quotenverhältnisse) terkait dengan nilai setiap prediktor. Peluang (odds) dari suatu kejadianischen diartikanischen sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang (ungeradenverhältnisse) merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi Prediktor diartikan sebagai Anzahl der Beiträge relatif dimana peluang hasil meningkat (Rasio peluang gt 1) atau turun (Rasio peluang lt 1) Ketika nilai Variabel Prediktor meningkat sebesar 1 Einheit. Lebih jelasnya kita dapat mengikuti ilustrasi berikut ini: Kita ingin mengetahui apakah Berat badan (weightgain) sapi para Peternák di kota elgrow Bertambah signifikan atau tidak, dengan Variabel Prediktor adalah Sex Yang terdiri atas männlich (M) atau weiblich (F), pemberian obat cacing (Anthelmintic) secara rutin sesuai dosis yang dinyatakan dengan ja dan nein, dan biaya pemeliharaan pro bulan yang dinyatakan dalam US. Kali ini kita Akan menjalankan Modell Logit menggunakan bantuan Software IBM SPSS versi 23, untuk Yang masih menggunakan SPSS seri di bawahnya Jangan khawatir, masih Kurang Lebih sama koq cara aplikasinya, kamu bisa herunterladen datanya disini 1. tahap Bedeu Daten (misalnya Dari Excel), Buka SPSS kamu, Datei gt Lesetextdaten, pada kotak Dialog offene Daten, Dateien vom Typ gt pilih excel, maka datanya Muncul di layar, pilih lalu klik gt offen, kemudian dimunculkan lagi Jendela öffnen Daten, Prüfliste seperti gambar gt ok, Daten Telah masuk dalam Rekord spss, berikut adalah Dataview, lihat sususannya tidak beraturan, kamu bisa atur dalam Variablenansicht: atur Etikett, Desimal, dan Ansicht dalam variabel-Lain gelegen, 2. Tahap Analisis, gt Regression gt binäre logistische Analyse, Setelah Muncul Jendela Logistik Regression, masukkan weightgain kedalam dependen, dan variabel kategorik yaitu Sex dan Anthelminthikum ke kotak Kovariaten, lalu klik kategorisch, untuk menyesuaikan tipe Daten variabel kategorik, Di Jendela Kovariaten definieren Variablen Referenzkategorie pilih kemudian klik Änderungen gt zunächst fortsetzen, klik nächste lalu masukkan variabel kontinyu Kosten, ke dalam Kovariaten, kemudian Option, kemudian gt ok, maka outputnya Akan ditampilkan, Chi-Quadrat-Modell sebesar 18.440, angka ini menjelaskan kemampuan Modell dalam memprediksi variabel dependen weightgain fortzusetzen. Dengan signifikansi 0,000 lt 0,05, berarti terdapat peningkatan signifikansi dengan penambahan variabel Geschlecht, dan anthelmintic, ke dalam Modell. -2 log Wahrscheinlichkeit menjelaskan signifikansi Modell layaknya R-Quadrat pada regresi liner OLS. Tabel Hosmer und Lemeshow testen menunjukkan nilai penambahan signifikansi Modell dari konstanta, dan Modell sesudah ditambahkan variabel independen Geschlecht dan anthelmintic. Penambahannya cukup kecil dengan signifikansi 0,631 (gt0,05). Kita lihat Kembali Pada Ausgangsvariablen in der Gleichung menunjukkan Modell sesuai null atau Modell tanpa Prediktor hipótesis, Ausgangsvariablen nicht in der Gleichung menunjukkan signifikansi Masing-Masing Variabel independen terhadap weightgain. Dari tabel dapat kita lihat bahwa variabel anthelmintic (1) Mitgliedsantrag (1) Dieser Artikel ist nicht auf Lager und muss erst nachbestellt werden. (1) tidak signifikan (0,298). Tetapi secara keseluruhan signifikan terhadap perbaikan Modell (Gesamtstatistik, sig 0,000). Dari Ausgangs Variablen in der Gleichung persamaan Yang kita peroleh adalah (lihat nilai Pada kolom B): Log odds (weightgain) B0 B1sex (1) B2anthelmintic (1) B3cost atau dengan nilai aslinya Log odds (weightgain) -3502 0,116sex (1) 2,638anthelmintic (1) 0,011cost Jika Sex (1) 1 (lihat Ausgangscodierung), Anthelminthikum (1) 1 (lihat Ausgang Codierung), dan costus 100, maka persamaannya Menjadi: Log odds (weightgain) -3502 0116 (1) 2638 (1) 0.011 (100) Log odds (weightgain) -3.502 0.116 2.638 1,1 Jika kita hilangkan log maka persamaan Akan dalam bentuk eksponensial: Odds (weightgain) e -3.502 0.116 2.638 1,1 Interpretasi Dari Persamaan Untuk setiap perubahan pro Einheit Pada variabel Geschlecht (1) (koding dummy untuk variabel M jantan), akan meningkatkan weightgain sebesar 0,116. Untuk setiap kenaikan pada variabel anthelmintic (1) sebesar 1 Einheit, maka akan meningkatkan Gewichtsklasse sebesar 2.638. Untuk setiap penambahan sebesar US1 terhadap variabel kosten, maka akan meningkatkan peluang weightgain sebesar 0,011. Dari nilai signifikansi dapat kita simpulkan bahwa Variabel Yang signifikan berpengaruh terhadap log odds (weightgain) adalah pemberian obat cacing Secara Rutin (Anthelminthikum (1)), dan kosten dengan nilai signifikansi berturut-Türüt 0,02 dan 0.018 (Pada Tingkat 95 signifikansi). Kemudian mari kita interpretasikan nilai exp (B) Pada Ausgangsvariablen in der Gleichung di atas: Variabel Sex (1) Yang mengacu Pada Männlich Jantan, memiliki kecenderungan untuk mendapatkan pertambahan Berat badan (weightg ain) 1122 kali daripada weiblich Betina Yang Menjadi kategori referensi kita (Ini adalah kodieren dummy, dimana 0 untuk F dan 1 untuk M). Variabel Anthelminthikum (1) Yang mengacu Pada ja, dimana pemberian obat cacing Secara teratur dan sesuai dosis memiliki peluang sebesar 13.988 kali daripada kategori referensi kita Yang mengacu Pada nein, dimana keine dinyatakan sebagai tidak memberikan asupan obat cacing Secara Rutin dan sesuai dosis. Variabel ini sangat signifikan mempengaruhi log odds (Gewichtsklasse) dengan nilai signifikansi 0,002. Variabel Kosten cenderung meningkatkan weightgain sebesar 0.030 kali dengan nilai signifikansi Yang baik yaitu 0.018 lt 0,05. (YOSO) herunterladen Materi dalam bentuk pdf di bawah ini gtgtgtTutorial Contoh Analisis Regresi Logistik Biner dikotomi 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 conti 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 membrane mengerjakan tugas, skripsi, tesis atau bahkan disertasi. Contoh Kasus Analisis Regresi Logistik Biner: Dilakukan simulasi untuk Melihat pengaruh antara Variabel profitabilitas, kompleksitas Perusahaan, Ihre Stellungnahmen Prüfers 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 Ihre Stellungnahmen Prüfers diukur dengan 2 jika mendapatkan Ihre Stellungnahmen wajar tanpa pengecualian dan 1 untuk Ihre Stellungnahmen Yang gelegen likuiditas diukur dengan Stromverhältnis dan ukuran Perusahaan diukur dengan logaritma natürlichen Marktwert. Variabel terikatnya adalah ketepatan penyampaian laporan keuangan, dengan kode 1 Untuk Perusahaan Yang Tepat 0 Untuk Perusahaan Yang Terlambat. Daten yang digunakan dalam penelitian ini tidak ditampilkan mungkin kalau teman ingin mencoba juga bisa didaktisch dibagian 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 Menü Analysieren. Kemudian pilih Regression als binäre Logistik. Maka akan muncul tampilan seperti di bawah ini. Deutsch - Übersetzung - Linguee als Übersetzung von. Deutsch - Übersetzung - Linguee als Übersetzung von "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 Geben Sie, harus dilakukan proses dua kali. Pertama, Daten di run dengan semua variabel untuk mengetahui variabel mana yang signifikan, setelah itu di laufen 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 Voreinstellung. Un......................................... Dapat menggunakan kategori akhir (letzte) atau kategori pertama (erste). Dalam penelitian ini digunakan kategori akhir (zuletzt). Kemudian klik Weiter. Setelah itu pilih Menüwahl. centang Iterationsprotokoll untuk dapat mengetahui proses iterasi Yang Telah berlangsung. Selain itu, Akan ditemukan Klassifizierung abgeschnitten, Yang Pada kondisi Standard sudah diisi dengan 0,5. Nilai ini disebut dengan Wert der vorherigen Wahrscheinlichkeit. Deutsch - Übersetzung - Linguee als Übersetzung von "peluang suatu observasi" vorschlagen Linguee - Wörterbuch Deutsch - Englisch ausschließlich englische Resultate für "peluang suatu observasi untuk masuk ke salah satu kelompok sebelum karakteristik variabel penjelasnya diketahui. Jama kita tidak mempunyai informasi tambahan tentang Daten kita, maka kita bisa menggunakan Ausfall. Misalnya pada penelitischen ini, sebelumnya tidak pernah dilakukan penelitischen apakah ukuran perusahaan condong pada satu sisi. Dengan alasan ini, dapat digunakan Klassifizierung cutoff sebesar 0,5. Namun, misalnya pada ada penelitian lain yang telah meneliti maka bisa dinaikkan diturunkan Klassifizierung cutoff sesuai hasil penelitian. Dalam Peneliter ini semua variabel numerisch dalam default 0,5. Abaikan bagain Yang lain, klik weiter. Deutsch - Übersetzung - Linguee als Übersetzung von "abaikan bagian yang lain, dan tekan" vorschlagen Linguee - Wörterbuch Deutsch - Englisch Andere Leute übersetzten. Intrepretasi Hasil analisis regresi logistik Setelah keluar Ausgang Dari Hasil laufenden Daten di SPSS maka diperoleh hasil analisis sebagai berikut: Identifikasi Daten Yang Hilang Pada Tabel di atas, dapat dilihat tidak ada Daten Yang hilang (Fälle fehlt). Pemberian kode variabel antworten 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 kategorisch karena akan dibentuk dummy variabel. Penelitian ini menggunakan dua Variabler penjelas yang kategoris yaitu variabel Mehr Informationen Opini dan variabel Kompleksitas. Untuk variabel opini. ........................................................... Sementara untuk variabel Kompleksitas. Yang menjadi Kode Pembandieren adalah Punya anak perusahaan. Kode Pembandieren ini akan digunakan untuk interpretasi Odds Ratio. Uji Signifikansi Modell Dari hasil SPSS dapat digunakan tabel 8220 Omnibus-Tests von Modellkoeffizienten 8221 untuk melihat hasil pengujian secara simultan pengaruh variabel bebas ini. Berdasarkan tisch diablo 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 observasi yang tepat pengklasifikasiannya oleh Modell regresi logistik. Jumlah Beobachtungen 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 Die Gleichung8221 dapat dilihat variabel mana saja yang berpengaruh signifikan sehingga bisa dimasukkan ke model. 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 Odds Ratio ini juga werden gestellt oleh Tabel 8220 Variablen in der Gleichung 8221 Pada kolom Exp (B): Berdasarkan hasil di atas kita dapat menginterpretasikan Odds ratio sebagai berikut: Jika Anzahl der Beiträge 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 Ihre Stellungnahmen Prüfers adalah Ihre Stellungnahmen cenderung Lain 0.848 kali (Lebih rendah) untuk tepat Waktu dalam menyampaikan laporan keuangan dibanding dengan Perusahaan Yang Wajar tanpa Pengecualian. Jika Aktuelles Verhältnis pada likuiditas bertambah 1 Person maka perusahaan hat ein neues Objekt erhalten: akan cenderung hat ein neues Objekt erhalten: 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. Buat Yang ingin mencoba silahkan herunterladen 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 Biner dikotomi dengan SPSS. Anda bisa Lesezeichen halaman ini dengan URL statistikceria. blogspot 2013 01 tutorial-analisis-regresi-logistik. html. Apabila ada yang kurang jelas silahkan tinggalkan komentar atau pesan.
No comments:
Post a Comment