MODEL PROBIT

BAHAN KULIAH EKONOMETRIKA

PROGRAM STUDI KAJIAN KEPENDUDUKAN
UNIVERSITAS INDONESIA

1
Model Probit
Contoh 1:
Penelitian untuk mengetahui faktor-faktor yang
mempengaruhi apakah seorang kandidat akan
memenangkan pemilu atau tidak. Dalam kasus ini maka
hasilnya adalah menang atau kalah. Beberapa faktor yg
diduga berpengaruh adalah besarnyauang yang
dikeluarkan dalam kampanye, lamanya waktu
berkampanye negatif dan apakah kandidat memiliki
jabatan atau tidak.

Contoh 2:
Penelitian untuk mengetahui apakah latihan OR, usia, dan
jenis kelamin berpengaruh terhadap seseorang akan
terkena serangan jantung atau tidak.

2
Model Probit
Contoh 3:
Beberapa siswa SMU berkeinginan untuk melanjutkan
kuliah. Dalam berkas lamarannya, mereka memasukkan
skor GRE dan nilai GPA. Beberapa siswa berasal dari
sekolah unggulan dan ada juga yang dari sekolah non
unggulan. Beberapa bulan setelah siswa mengirimkan
aplikasi, siswa tersebut menerima 2 macam amplop (tebal
atau tipis) yang menandakan mereka diterima atau ditolak
di PT yang bersangkutan.

3
Model Probit
Pertama kali ditemukan oleh Chester Bliss (1930)
Probit = Probability Unit
Model logit menggunakan fungsi logistik kumulatif
(cumulative logistic function)
Model probit menggunakan fungsi normal kumulatif
(normal CDF) disebut juga dengan model normit
Secara prinsip utk memperoleh model probit dpt dilakukan
dg mengganti fungsi logistik kumulatif pd persamaan
1
Pi
1 eZi
dengan fungsi normal kumulatif

4
Model Probit

5
Model Probit
Contoh:
Keputusan untuk membeli/memiliki rumah dilihat dari
pendapatan keluarga.
Ada suatu nilai, semacam indeks kegunaan yg tdk dpt
diamati (unobservable utility index), misal Ii, sedemikian
sehingga makin besar nilai Ii, maka makin besar pula
peluang sebuah keluarga untuk membeli rumah.
Indeks Ii dapat dinyatakan sbb:

Ii = 1 + 2Xi

Xi = pendapatan keluarga ke-i

6
Model Probit
Bgmn hubungan Ii dg keputusan utk membeli rumah?
Pada model logistik, Y = 1 jika keluarga memiliki rumah dan Y = 0
jika keluarga tidak memiliki rumah
Pada model probit, dapat diasumsikan untuk setiap keluarga ada
batasan indeks, misal Ii* sedemikian shg jika Ii > Ii*, maka keluarga
tersebut akan membeli rumah
Jika diasumsikan Ii* berdistribusi normal dengan rata-rata
dan varian sama, maka Ii* maupun Ii dapat diestimasi
Dibawah asumsi kenormalan, maka
T 1 2 Xi
1 i t2 2 1 t
2
Pi P( Y 1) P(Ii Ii ) F(Ii )
*
e dt e 2 dt
2 2
dimana t ~ N(0,1)

7
Model Probit
Jika Pi = peluang sebuah event akan terjadi, maka
peluang untuk memiliki rumah dapat dihitung dari luas di
bawah kurva normal baku dari - s.d. Ii
Pi = F(Ii)

Ii = 1 + 2Xi
8
Model Probit
Untuk menghitung indeks Ii, dapat diperoleh dari
Ii = F-1(Ii) = F-1(Pi) = 1 + 2Xi
F-1 merupakan invers dari CDF normal
Pi = F(Ii) 1

Pi Pr(Ii*Ii)

- 0 Ii = F-1(Pi)
9
Model Probit
Bagaimana memperoleh indeks Ii, jika yg diketahui hanya
Xi (pendapatan) dan Y = 1 atau Y = 0 (tergantung apakah
keluarga tersebut memiliki rumah atau tidak)?
Misal datanya sbb: (X = dalam ribuan $)
X Ni ni
6 40 8
8 50 12
10 60 18
13 80 28
15 100 45
20 70 36
25 65 39
30 50 33
35 40 30
40 25 20
10
Model Probit
Untuk mengestimasi indeks Ii dpt dilakukan melalui nilai
Peluang (frekuensi relatif), selanjutnya bandingkan
dengan CDF normal
X Ni ni Est. Pi Ii
6 40 8 0,20 -0.84
8 50 12 0,24 -0.70
10 60 18 0,30 -0.52
13 80 28 0,35 -0.38
15 100 45 0,45 -0.12
20 70 36 0,51 0.03
25 65 39 0,60 0.25
30 50 33 0,66 0.40
35 40 30 0,75 0.67
40 25 20 0,80 0.84

11
Model Probit
Dari data tersebut, model probit dapat diperoleh sbb:
Berdasarkan est. Pi (frekuensi relatif), maka dapat diperoleh Ii dari
CDF normal (ada di tabel sebelumnya)
Setelah Ii diperoleh, maka dapat dicari 1 dan 2 dg mudah
Pada analisis probit, Ii disebut normal equivalent deviate
(n.e.d) atau disebut juga normit
Karena Ii atau n.e.d akan bernilai negatif (-) pada saat Pi <
0.5, maka dalam prakteknya ditabahkan dengan nilai 5
dan hasilnya disebut probit
probit = n.e.d + 5 = Ii + 5
1 dan 2 dapat diestimasi berdasarkan model:
Ii = 1 + 2Xi + ui ; dimana ui = unsur gangguan
12
Model Probit
Tahapan dalam model probit:
1. Dari data yang sudah dikelompokkan, estimasi Pi
(frekuensi relatif)
2. Berdasarkan estimasi dari Pi, cari n.e.d (Ii) dari CDF
normal
3. Gunakan estimasi Ii (Ii*), sebagai variabel terikat dalam
regresi
Ii* = 1 + 2Xi + ui
4. Jika diperlukan, tambahkan 5 pada nilai n.e.d (Ii) untuk
mengubah menjadi probit dan gunakan sebagai
variabel terikat pada
Ii* = 1 + 2Xi + ui

13
Perkiraan Peluang Logit &
Probit

14
Logit atau Probit?
Logistic didasarkan pada kondisi dimana variabel tak
bebasnya bersifat kualitatif (menggunakan fungsi logit)
Probit didasarkan pada kondisi dimana variabel tak
bebasnya bersifat kuantitatif (menggunakan distribusi
kumulatif normal Probabilita Sukses)
Dalam prakteknya kedua model seringkali memberikan
hasil yang sama/mirip.
Logit lebih mudah diinterpretasikan.

15
Contoh:
(Aplikasi menggunakan SPSS)

Beberapa siswa SMU berkeinginan untuk melanjutkan

kuliah. Dalam berkas lamarannya, mereka memasukkan
skor GRE dan nilai GPA. Beberapa siswa berasal dari
sekolah unggulan dan ada juga yang dari sekolah non
unggulan. Beberapa bulan setelah siswa mengirimkan
aplikasi, siswa tersebut menerima 2 macam amplop (tebal
atau tipis) yang menandakan mereka diterima atau ditolak
di PT yang bersangkutan.

16
Contoh:
(Aplikasi menggunakan SPSS)
Variabel tak bebas/terikat = admit
1 = diterima (admitted)
0 = tidak diterima (not admitted)
Variabel bebas =
gre (graduate record exam score),
gpa (grade point average),
topnotch (asal sekolah) :
- 1 jika berasal dari sekolah ungulan

- 0 jika berasal dari sekolah non unggulan

17
Contoh:
(Aplikasi menggunakan SPSS)

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Graduate Record Exam 400 220,00 800,00 587,7000 115,51654
Grade Point Average 400 2,26 4,00 3,3899 ,38057
Valid N (lis twis e) 400

Asal Sekolah

Cumulative
Frequency Percent Valid Percent Percent
Valid Non Unggulan 335 83,8 83,8 83,8
Unggulan 65 16,3 16,3 100,0
Total 400 100,0 100,0

18
Beberapa Strategi
Regresi OLS
Analisis ini akan bermasalah, karena asumsi OLS akan
terlanggar jika digunakan pada kasus variabel terikatnya
berupa kategorik.
Uji t
Uji ini bisa digunakan jika kasusnya hanya terdiri dari
satu variabel bebas dan bersifat kuantitatif, misal hanya
melihat pengaruh dari GPA terhadap diterima atau
tidaknya seorang siswa di PT.
Regresi Logit
Model ini sangat mirip dengan model probit

19
Penggunaan Model Probit
Sebelum menjalankan model probit, maka periksa dulu
apakah ada sel yang kosong/terlalu kecil frekuensinya
(pada tabulasi silang antara variabel bebas kategorik dan
variabel tak bebasnya). Jika terdapat sel yang kosong,
maka akan sulit menjalankan model probit.
Admission Status * Asal Sekolah Crosstabulation
Tidak ada
Count
sel yang kosong
Asal Sekolah
Non
Unggulan Unggulan Total
Admis s ion not admitted 238 35 273
Status admitted 97 30 127
Total 335 65 400

20
Model Probit
Sebelum menjalankan model probit, maka periksa dulu
apakah ada sel yang kosong/terlalu kecil frekuensinya
(pada tabulasi silang antara variabel bebas kategorik dan
variabel tak bebasnya). Jika terdapat sel yang kosong,
maka akan sulit menjalankan model probit.

Karena GPA dan GRE

kuantitatif/kontinu

21
 Digunakan untuk
Model Probit mengetahui
apakah model dg
Semua data
beberapa variabel
valid digunakan
bebas lebih baik
drpd model tanpa
variabel bebas
(hanya intersep).
Nilai sig. sebesar
0.000 < (misal
5%) menunjukkan
bahwa model dg
variabel bebas
lebih baik dari
model tanpa
variabel bebas.

22