REGRESI MULTINOMIAL DENGAN SPSS

Bacaan Selanjutnya ...

Model regresi dimana Dependent variabelnya merupakan VARIABEL KATEGORIK  yang memiliki kategori lebih dari dua, disisi lain bentuk variabel Independennya (variabel Penjelas) dapat berupa vaiabel KATEGORIK maupun VARIABEL NUMERIK.

SEBARAN MULTINOMIAL

Bila setiap ulangan menghasilkan salah satu dari k hasil percobaan E1 , E2 ..,EK , dengan peluang p1,p2 ..,pk, maka sebaran peluang bagi peubah acak X1, X2, .. Xk,
menyatakan berapa kali E1, E2 …,Ek terjadi dalam n ulangan yang bebas, adalah 

Suatu transformasi logit untuk peluang multinomialke gugus parameteryang didefinisikan sebagai

disebut logit multinomial. Diasumsikan, sehingga ada K – 1 parameter logit. Asumsi ini menganggap bahwa katagori terakhir ( K ) sebagai landasan (baseline-catagorical) atau katagori acuan (reference-catagorical). Dalam pemilihan katagori acuan tidak khas, kita dapat memilih sembarang katagori dari (k =1,2 … K )

PELUANG RESPON

Misalkan responden dihadapakan pada j alternative yang tersedia. 

Andaikan(j=1, 2, …,p ; k = 1,2 …,K) menyatakan peluang bahwa responden j memilih alternative k, X_j menyatakan karakteristik individu j, 

dan Z_jk menyatakan karakteristik dari alternative k yang menjadi pilihan individu j. dalam ilustrasi 1, X_j adalah umur dan setiap Z_jk adalah waktu perjalanan. Dalam model logit terampat, setiap subyek/individu dianggap sebagai satuan analisis (analysis unit) dan karakteristik individu digunakan sebagai peubah penjelas. Sebagai peubah penjelas, karakteristik individu dianggap konstan terhadap alternatif yang tersedia.

dimanaPeluang individu j memilih alternatif k ,adalah vektor parameter regresi berukuran p,karakteristik individu Dalam model ini ada salah satu katagori misal katagori ke K yang dijadian ucuan dimanasehingga. Dengan adanya acuan tersebut maka nantinya akan terbantuk k-1 persamaan. Misalkan ada 3 katagori dan katagori ke-1 dijadikan acuan maka bentuk persamaannya akan menjadi

Model logit ini dapat terindentifikasi dengan asumsi, salah satu katagori (sembarang)  respon peluangnya harus nol (Baselines-Category / Reference). Kemudian peluang dari katagori yg lainya didasarkan pelung relative terhadap Baselines Category

BEBERPA CONTOH PENERAPAN REGRESI MULTINOMIAL LOGIT

Contoh 1. Pilihan Karir/Pekerjaan seseorang apakah dipengaruhi oleh pekerjaan orang tua, bidang pendidikan yang ditempuh seseorang, gender, asal wilayah (urban/rural) dll. Disini Karir/Pekerjaan seseorang lebih dari dua kategori dan bertindak sebagai variabel Dependent

Contoh 2. Pilihan program yang diambil pada saat masuk kuliah apakah ingin masuk program general (universitas), vocational  (D3) atau academic program dimana pemilahnnya dilatarbelakangi oleh sosial ekonomi dan hasil ujian tertulis.  .

LATIHAN ANALISA REGRESI MULTINOMIAL DENGAN SPSS

Cotoh yang digunakan adalah data sebanyak 200 pelajar dalam memilih program yang akan dipilih pada saat masuk perguruan tinggi. Ada 3 program yang tersedia yaitu general program, vocational program dan academic program. Adapun variabel yang dianggap mempengaruhi pilihan para pelajar dalam memilih program yang akan diambil di perguruan tinggi diantaranya sosial economic status (ses), tipe sekolah (schtyp) dan nilai hasi skor ujian tettulis (write).

Gambaran Data

PROSEDUR ANALISA

Analyze

          Regression

      Multinomial Logistic…

Mulcul kotak dialog berikut :

Klik  Reference Category..

Muncul kotak dialog

Klik Statistics…

Muncul kotak dialog

HASIL ANALISA

I.        Uji Fit Model

Sebelum melahkah lebih lanut dala melakukan analisa multinomial logit, diuji dahulu apakah model yang terbentuk sudah cukup Fit

Hipotesis Uji

H0 : Model Fit

H1: Model Tidak Fit

Hasil uji kelayakan metode Pearson didapat nilai signifikan 0.798 menerima Ho yang meyatakan bahwa model fit 

I.        Uji Pengaruh Umum

Setelah model dinyakana fit, kemudian diuji apakah secara umum variabel independen berpengaruh terhadap variabel dependen.

Hipotesis Uji

H0 : Variabel Independen Tidak Berpengaruh terhadap Variabel  Dependen

H1: Variabel Independen Berpengaruh terhadap Variabel  Dependen

Hasil uji menunjukan nilai signifikan 0.000 yang berarti kita menerima H1, ada pengaruh variabel independen terhadap variabel dependen

II.        Model Persamaan

ü  Model Pilihan General Program

Hasil menunjukan bahwa untuk prediksi pilihan program general dibandingkan dengan vocation, write berpengaruh dengan signifikan 0.027, ses low tidak berpengaruh signifikan dengan signifikan 0.677,  ses midle tidak berpengaruh signifikan dengan signifikan 0.260, type of school public tidak berpengaruh signifikan dengan signifikan 0.117

ü  Model Pilihan Academic Program

a. The reference category is: vocation.
b. This parameter is set to zero because it is redundant.

Hasil menunjukan bahwa untuk prediksi pilihan program general dibandingkan dengan vocation, write berpengaruh signifikan dengan signifikan 0.000., ses low tidak berpengaruh signifikan dengan signifikan 0.166,  ses midle berpengaruh signifikan dengan signifikan 0.010, type of school public berpengaruh signifikan dengan signifikan 0.020.  

ü  Koefisien Determinasi

Berdasrkan Nagelkerke 0.280 artinay bahwa pengaruh variabel independen ses, type of school dan writing score berpengaruh pada pilihan program (type of program) sebesar 28%.

Download File Latihan: Klik