Analisis pengujian model regresi logistik (Kuncoro; 2001, Field; 2009, dan
Ghozali; 2011):
1. Menilai keseluruhan model (overall fit model)
Langkah pertama adalah menilai overall fit model terhadap data. Hipotesis
untuk menilai model fit adalah :
H0 = model yang dihipotesiskan fit dengan data
HA = model yang dihipotesiskan tidak fit dengan data
Statistik yang digunakan berdasarkan fungsi log-likelihood yang berbasis
dengan probabilitas yang terkait dengan hasil prediksi dan aktual yang
dihipotesakan mengggambarkan data input. Untuk menguji hipotesis nol
dan alternatif, L ditransformasikan menjadi -2logL, lalu kemudian
dibandingkan antara nilai -2logL pada awal (block number = 0) dimana
model hanya memasukan konstanta dengan -2logL setelah mode
memasukan variabel bebas (block number = 1). Apabila nilai -2logL block
number = 0 > nilai -2logL block number = 1 maka menunjukan model
regresi yang baik. Nilai yang besar dari statistik log-likelihood
menunjukan model statistik yang buruk, karena semakin besar nilai dari
log-likelihood, semakin pengamatn tidak dapat dijelaskan.
2. Cox and Snell’s R Square
Merupakan ukuran yang mirip dengan ukuran R2
pada multiple regression
yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum
kurang dari 1 (satu) . Memiliki persamaan seperti berikut :
π
π
2 = 1 − π
⌊−
2
π
(πΏπΏ(πππ€))−(πΏπΏ(πππ πππππ))⌋
(3.7)
3. Nagelkerke’s R Square
Merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan
bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu). Hal ini dilakukan
dengan cara membagi nilai Cox and Snell’s R Square dengan nilai
maksimumnya. Nilai nagelkerke’s R
2
dapat diinterprestasikan seperti nilai
R
2 pada multiple regression.
4. Hosmer and Lemeshow’s Goodness of Fit Test
Hosmer and Lemeshow’s Goodness of Fit Test dilakukan untuk menguji
hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak
ada perbedaan antara model dengan data sehingga model dapat dikatakan
fit). Jika nilai Hosmer and Lemeshow’s Goodness of Fit test statistics sama
dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada
perbedaan signifikan antara model dengan nilai observasinya sehingga
Goodness fit model tidak baik karena model tidak dapat memprediksi nilai
observasinya. Jika lebih besar daripada 0,05, maka hipotesis diterima.
5. Menguji koefisien regresi
Pengujian koefisien regresi dilakukan untuk menguji seberapa jauh
variabel bebas yang dimasukan dalam model mempunyai pengaruh
terhadap variabel terikatnya. Dalam regresi logistik menggunakan wald
statistic yang memiliki distribusi khusus yaitu chi-square distribution.
Untuk menentukan penolakan dan penerimaan H0 dapat ditentukan dengan
wald statistic dan nilai probabilitas (sig), dengan cara nilai wald statistic dibandingkan dengan chi-square sedangkan nilai probilitas (sig)
dibandingkan dengan tingkat signifikansi (Ξ±) 10% dengan kriteria:
a. H0 diterima apabila wald statistic < chi-square dan nilai
probabilitas (sig) > tingkat signifikansi (Ξ±). Hal ini berarti HA
ditolak atau hipotesis yang menyatakan variabel bebas
berpengaruh terhadap variabel terikat ditolak.
b. H0 ditolak apabila wald statistic > chi-square dan nilai
probabilitas (sig) < tingkat signifikansi (Ξ±). Hal ini berarti HA
diterima atau hipotesis yang menyatakan variabel bebas
berpengaruh terhadap variabel terikat diterima
No comments:
Post a Comment