1. Entri data ke SPSS
2. Klik Analyze → Regression → Binary Logistic
3. Masukkan “Y” di dependent variable dan “D” serta “T” di covariates
4. Pada tab Option, centang beberapa option seperti gambar di bawah ini, kemudian klik Continue lalu OK
5. Maka akan keluar output.
Nah, mari kita interpretasi satu per satu output yang muncul.
1. Overall Test |
|
Test
ini dilakukan untuk mengetahui apakah secara bersama-sama variabel
bebas berpengaruh signifikan terhadap variabel tidak bebas atau minimal
ada satu variabel bebas yang berpengaruh signifikan terhadap variabel
tak bebas. Uji ini mirip dengan uji F pada analisis regresi linier
berganda. Nilai uji ini dapat dilihat pada LR chi2 atau bila menggunakan
nilai p-value dapat dilihat pada item prob>chi2. Untuk lebih
mudahnya, dapat langsung kita lihat dengan menggunakan nilai p-value,
dimana nilai pob> chi2 menunjukkan angka 0.000. Nilai ini lebih kecil
dari tingkat signifikansi uji sebesar 0.05 sehingga kita dapat menolak
hipotesis nol yang menyatakan bahwa tidak ada variabel bebas yang
berpengaruh signifikan terhadap variabel tak bebas. Dengan demikian,
maka dengan tingkat kepercayaan 95 persen dapat disimpulkan bahwa
minimal terdapat satu variabel bebas yang berepengaruh signifikan
terhadap variabel tak bebas.
2. Parsial Test
Variables in the Equation
|
|||||||
B
|
S.E.
|
Wald
|
df
|
Sig.
|
Exp(B)
|
||
Step 1a
|
D
|
.069
|
.026
|
6.761
|
1
|
.009
|
1.071
|
T
|
-1.659
|
.923
|
3.231
|
1
|
.072
|
.190
|
|
Constant
|
-1.417
|
1.095
|
1.677
|
1
|
.195
|
.242
|
a. Variable(s) entered on step 1: D, T.
|
Test
ini dilakukan untuk mengetahui pengaruh setiap variabel bebas terhadap
variabel tak bebas secara parsial. Uji ini mirip dengan uji t pada
analisis regresi linier berganda. Nilai uji ini dapat dilihat pada nilai
z atau bila menggunakan nilai p-value dapat dilihat pada item Sig. Agar
lebih mudah, kali ini kita akan menggunakan nilai Sig. Untuk variabel T
nilai Sig. adalah 0.072. Nilai ini lebih besar dari nilai signifikansi
uji sebesar 0.05 sehingga gagal menolah H0 yang menyatakan bahwa
variabel T tidak berpengaruh signifikan terhadap variabel Y. Sehingga
dengan tingkat kepercayaan 95 persen dapat disimpulkan bahwa variabel T
tidak berpengaruh signifikan terhadap variabel Y. Sementara itu, untuk
variabel D, mepunyai nilai Sig sebesar 0.009. Nilai ini lebih kecil dari
nilai signifikansi uji sebesar 0.05 sehingga H0 yang menyatakan bahwa
variabel T tidak berpengaruh signifikan terhadap variabel Y bisa
ditolak. Sehingga dengan tingkat kepercayaan 95 persen dapat disimpulkan
bahwa variabel D berpengaruh signifikan terhadap variabel Y.
3. Pseudo R-Square
Model Summary
|
|||
Step
|
-2 Log likelihood
|
Cox & Snell R Square
|
Nagelkerke R Square
|
1
|
30.138a
|
.368
|
.502
|
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
|
Nilai ini disebut Pseudo R-square karena dihitung berbeda dengan
penghitungan R-square pada analisis regresi berganda atau analisis
regresi sederhana. SPSS secara default menghitung nilai R-Square pada
regresi logistik dengan menggunakan formula Nagelkerke R-squared.
Pembacaannya sama seperti pembacaan nilai R-squared pada analisis
regresi berganda/sederhana. Nilai pseudo R-squared pada model ini adalah
0.502 artinya 50,2 persen variasi yang terjadi pada Y dapat dijelaskan
oleh variabel dalam model, sedangkan sisanya dijelaskan oleh variabel
lain di luar model.
4. Interpretasi
Tidak seperti pada analisis regresi linier berganda/sederhana,
interpretasi pada analisis regresi logistik tidak dapat langsung dibaca
melalui nilai koefisiennya. Untuk dapat diinterpretasikan, terlebih
dahulu nilai koefisien setiap variabel harus di-eksponensial-kan. Untuk
variabel T, nilai exp(b) adalah 0.190 sedangkan nilai exp(b) dari
variabel D adalah 1.071.
Setelah
diperoleh nilai exp(b) atau yang lebih dikenal dengan odds ratio, maka
model akan siap diinterpretasi. Interpretasi antara variabel bebas
kuantitatif akan berbeda dengan variabel bebas kualitatif. Untuk
variabel bebas kuantitatif akan dibaca semakin besar atau semakin kecil
(tergantung tanda) sedangkan untuk variabel kualitatif akan dibaca
sebagai tingkat perbandingannya.
Untuk
variabel D: semakin lama durasi operasi seseorang, maka peluang untuk
mengalami sore throat setelah operasi akan semakin meningkat.
Untuk
variabel T: kecenderungan seseorang yang memakai tracheal tube untuk
mengalami sore throat adalah 0.190 kali dibanding pasien yang
menggunakan laryngeal mask airway.
download data model regresi logistik dalam m.excel
download data model regresi logistik dalam m.excel
0 komentar:
Posting Komentar