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. Pertama kita akan melakukan pengujian model peluang linear yang umum menggunakan metode OLS, sehingga tahapan yang dilakukan sama dengan tahapan penggunaan SPSS dalam pembentukan model regresi yang sudah dijelaskan sebelumya. 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 Linear lalu klik, maka akan muncul jendela SPSS seperti gambar di bawah ini, yang berisikan menu-menu kelengkapan analisis regresi. Masukan variabel-variabel pada sisi sebelah kanan ke dalam kolom pendefinisian variabel yaitu variabel dependent dan variabel independent guna menghasilkan model peluang linear yang kita inginkan.
- Klik menu Save, lalu pada kolom Predicted centang Unstandardized untuk mendapatkan taksiran nilai peluang hasil dari model peluang linear. Lalu klik Continue. Setelah masuk kembali ke jendela utama analisis regresi lalu klik OK.
- Maka SPSS akan memproses pembentukan model dan akan muncul tampilan output SPSS seperti gambar di bawah ini.
- Dari output SPSS terlihat ada 3 bagian utama yang menjadi perhatian utama dari peneliti. Pertama, Model Summary secara sederhana menggambarkan kebaikan variabel X dalam menjelaskan variabel Y. Kedua, uji ANOVA untuk memastikan bahwa model linier berlaku atas variabel Y (goodnes of fit). Dan ketiga, Coefficients merupakan uji parsial dari variabel X atas variabel Y.
- 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 peluang linear adalah P > 1 dan harus dibulatkan menjadi 1 serta jika pun ada nilai P yang bernilai minus harus dibulatkan menjadi nol (0) secara manual. Seperti tampak pada kolom PRE_1.
Dari tahapan pengujian data atas model peluang linear 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”
———————————————————————————————————————————————————-
