Pada kesempatan yang lalu kita sudah mengupas secara konsepsi jenis dari model regresi dengan variabel Y berskala ukur nominal (kategori – biner). Setidaknya ada 3 jenis model yang bisa dihasikan dengan variabel Y berskala ukur nominal (kategori – biner) diantaranya model peluang linear, model logit dan model probit. Dari ketiga model tersebut hanya model logit dan probit yang secara kriteria kebagusan model memenuhi prasyarat kebagusan model, seperti telah dijelaskan pada 4 artikel sebelumnya, Model Regresi Y-Dummy.
Pada kesempatan kali ini kita akan coba uraikan secara aplikatif tahapan-tahapan dalam menghasikan ke-3 model tersebut dengan menggunakan SPSS. Pada pembahasan pertama kita sudah praktekan pemodelan peluang linear dengan menggunakan SPSS dan pada kesempatan kali ini kita akan melakukan pengujian model logit (binary) masih dengan menggunakan SPSS. Adapun tahapan-tahapannya adalah sebagai berikut :
- Persiapkan data yang kita miliki dalam file excel seperti tampak pada gambar berikut. Pastikan variabel yang kita miliki merupakan variabel kategori untuk variabel Y-nya, sesuai dengan judul yang kita akan ujikan pada kesempatan kali ini.
- Buka software SPSS lalu definisikan variabel penelitian kita pada jendela Variabel View, setelahnya masukan data ke dalam software SPSS melalui jendela Data View. Dalam tampilan SPSS akan terlihat seperti gambar berikut :
- Pilih menu Analyze lalu klik Regression lalu pilih Binary Logistik lalu klik, maka akan muncul jendela SPSS seperti gambar di bawah ini, yang berisikan menu-menu kelengkapan analisis regresi dengan model logit biner. Masukan variabel-variabel pada sisi sebelah kanan ke dalam kolom pendefinisian variabel yaitu variabel dependent dan variabel independent guna menghasilkan model logit yang kita inginkan.
- Kik menu Categorical untuk mendefinisikan variabel X penelitian yang kita miliki jika memang ada variabel bersifat dummy juga. Pada contoh data di atas kita gunakan variabel X yang merupakan dummy pula yaitu Size sehingga kita perlu definisikan terlebih dahulu. Seperti tampak pada gambar berikut. Setelah kita definisikan lalu klik Continue.
- Klik menu Save, lalu pada kolom Predicted Values centang pada Probabilities dan Group Membership untuk mendapatkan taksiran nilai peluang hasil dari model logit biner dan keanggotaan setiap unit data pada grup dari variabel Y. Lalu klik Continue.
- Klik menu Options dan pilih pada pilihan yang disesuaikan dengan output dan pengujian yang diharapkan oleh peneliti terhadap model logit biner yang akan dihasilkan. Lalu klik Continue.
- Maka tampilan akhir jendela pemodelan logit biner akan tampak seperti gambar berikut. Untuk method dapat disesuaikan dengan kebutuhan peneliti dalam memperlakukan variabel X dalam analisis (enter : sekaligus atau stepwise : satu per satu). Jika sudah yakin dengan semua kelengkapan analisis yang akan di terapkan pada data, lalu klik OK.
- Maka SPSS akan memproses pembentukan model logit biner dan akan muncul tampilan output SPSS seperti gambar di bawah ini.
- Dari output SPSS terlihat ada 4 bagian utama yang menjadi perhatian utama dari peneliti. Pertama, Iteration History secara sederhana menggambarkan uji signifikansi dari variabel independen yang dimasukan ke dalam model Logit yaitu selisih antara initial -2 Log Likelihood dengan -2 Log Likelihood yang diperoleh dari hasil iterasi dibandingkan dengan nilai chi-kuadrat tabel (kriteria uji : nilai selisih harus lebih besar dibandingkan chi-kuadrat tabel; signifikan). Kedua, uji Hosmer and Lemeshow yang digunakan untuk memastikan bahwa model logit berlaku atas variabel Y (goodnes of fit), uji ini sama dengan membandingkan nilai -2 Log Likelihood yang diperoleh dari hasil iterasi dibandingkan dengan nilai chi-kuadrat tabel (kriteria uji : nilai -2 Log Likelihood harus lebih kecil dibandingkan chi-kuadrat tabel; tidak signifikan). Ketiga, Variables in Equation merupakan uji parsial dari variabel X atas variabel Y dengan melihat nilai Sig. atau nilai Wald yang dibandingkan dengan nilai chi-kuadrat tabel (kriteria uji : nilai Wald harus lebih besar dari nilai chi-kuadrat tabel; signifikan). Dan keempat, untuk melihat besarnya pengaruh dari variabel independent terhadap variabel dependent dapat digunakan nilai Nagelkerke R Square sebagai pendekatan nilai R Square pada model regresi dengan OLS.
- Selain itu dengan melihat pada SPSS Data Editor, kita dapat melihat nilai peluang yang dihasilkan dari model peluang linear yang dihasilkan. Nilai peluang yang dihasilkan sesuai dengan apa yang sudah kita jelaskan bahwa kemungkinan peluang yang dihasilkan dari model logit jaulebih baik dari pada model peluang linear yaitu sudah terletak antara 0 ≤ P ≤ 1. Seperti tampak pada kolom PRE_2.
Dari tahapan pengujian data atas model logit yang perlu dicermati oleh peneliti adalah hasil peluang yang dihasilkan oleh model. Peluang yang dihasilkan seperti telah dijelaskan pada artikel sebelumnya adalah untuk kepentingan pengelompokan salah satunya. Dan lainnya untuk diinterpretasikan secara langsung penggolongan unit data atas suatu kelompok yang diujikan (merujuk pada pengelompokan pada variabel Y). Pengelompokan yang dihasilkan salah satunya berguna dalam menghasilkan nilai rasio kemungkinan atau odds yang dapat sangat membantu peneliti dalam interpretasi perbandingan antar kategori.
Sampai jumpa pada pembahasan artikel selanjutnya. SELAMAT MENCOBA!!!
———————————————————————————————————————————————————-
- Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
- WhatsApp : 081321709749
- Email : welcome@mobilestatistik.com
- Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
- “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”
———————————————————————————————————————————————————-

