Академический Документы
Профессиональный Документы
Культура Документы
PENDAHULUAN
A.1 Latar Belakang
Model persamaan aljabar layaknya OLS yang biasa kita gunakan adalah
berikut: Y = B0 + B1X + e. Dimana e adalah error varians atau residual. Dengan regresi
logistik, tidak menggunakan interpretasi yang sama seperti halnya persamaan regresi
OLS. Model Persamaan yang terbentuk berbeda dengan persamaan OLS.
A.2 Rumusan Masalah
A.3 Tujuan
B. TINJAUAN PUSTAKA
B.1 Studi Khasus
B.2 Teori
a. Analisis regresi logistik biner
Analisis regresi logistik biner digunakan untuk menjelaskan hubungan antara
variabel respon yang berupa data dikotomik/biner dengan variabel bebas yang berupa
data berskala interval dan atau kategorik
Regresi logistik biner (logistic regression) sebenarnya sama dengan analisis
regresi berganda, hanya variabel terikatnya merupakan variabel dummy (0 dan 1).
Sebagai 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.
Asumsi-asumsi dalam regresi logistik biner:
Tidak mengasumsikan hubungan linier antar variabel dependen dan independent
Variabel dependen harus bersifat dikotomi (2 variabel)
Variabel independent tidak harus memiliki keragaman yang sama antar kelompok
variabel
Kategori dalam variabel independent harus terpisah satu sama lain atau bersifat
eksklusif
Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga
50 sampel data untuk sebuah variabel prediktor (bebas).
Tidak seperti regresi linier biasa, regresi logistik biner tidak mengasumsikan
hubungan antara variabel independen dan dependen secara linier. Regresi logistik biner
merupakan regresi non linier dimana model yang ditentukan akan mengikuti pola kurva
seperti gambar di bawah ini.
untuk mengestimasi parameter model regresi logistik multinomial pada penulisan ini
adalah metode maksimum likelihood (maximum likelihood methods). Persamaan
likelihood pada regresi logistik multinomial merupakan persamaan nonlinear dalam
parameter koefisien regresi , sehingga untuk menyelesaikan persamaan tersebut
sampai diperoleh nilai estimasi parameternya digunakan algoritma Newton Raphson.
Kemudian setelah diperoleh estimasi parameter, dilakukan uji taraf nyata parameter
menggunakan Uji rasio likelihood dan uji Wald.
p=𝝫(Z);Z=β0+β1X1+β2X2+⋯+βqXq
d. Analisis regresi Ordinal
Regresi ordinal adalah salah satu dari berbagai jenis analisis yang khusus
digunakan jika variabel dependen adalah data berskala kategorik bertingkat. Istilah
kategori bertingkat juga biasa disebut dengan istilah ordinal atau ranking.
Ordinal atau ranking adalah salah satu jenis skala data yang mempunyai ciri
kategorik namun tiap kategorik yang ada terdapat perbedaan derajat, dimana ada yang
lebih baik atau buruk dan tinggi atau rendah. Contohnya adalah tingkat pengetahuan
seseorang, dimana ada kategorik tingkat pengetahuan rendah, pengetahuan sedang dan
pengetahuan tinggi. Contoh lain adalah pecandu alkohol berat, sedang dan ringan.