Cara Uji Regressi Logistik Biner Dengan SPSS

20 Januari 2021 - Eko Wahyu Adhi

Hello Audiens. SPSS merupakan salah satu software yang cukup populer diberbagai kalangan masyarakat yang biasanya digunakan dalam menganalisis data untuk tujuan penelitian.

Uji Regressi Logistik Biner merupakan suatu metode yang digunakan untuk menganalisa probabilitas serta hubungan dari variabel Independent terhadap variabel Dependent yang bertipe Dikotomi.

Tipe yang dimaksud ialah Benar / Salah, Tinggi / Rendah, Puas / Tidak Puas serta beragam contoh lainnya yang memiliki tipe serupa, Simak beberapa langkah yang sudah di terangkan dalam pembahasan kali ini untuk dapat melakukan serta membuat keputusan dalam melakukan Uji Regressi Logistik.

1. Berikut adalah data yang sudah saya miliki, Dari data yang berjumlah 55 sampel saya ingin mengetahui pengaruh yang ditimbulkan antar variabel dari data tersebut.


2. Selanjutnya buka software spss yang kini telah terinstall, Kemudian pilih Variable View.


3. Lalu ikuti sesuai dengan gambar yang tertera dibawah, Pastikan pada variabel Dependent ubah Measure menjadi Ordinal.


4. Klik Value pada variabel Dependent hingga menampilkan kotak dialog seperti gambar yang tertera dibawah.


5. Dari model penelitian ini saya ingin mengetahui seberapa berpengaruhnya antar variabel Independent terhadap variabel Dependent, Untuk mengetahuinya maka saya perlu membuat sebuah kode 0 yang berarti Tidak Puas dan 1 yang berarti Puas.


6. Langkah selanjutnya pindahkan seluruh data yang sudah dimiliki sebelumnya pada kolom Data View spss, Hingga tampilannya menjadi seperti berikut.


7. Beralih ke tab Analyze, Lalu pilih Regression kemudian Binary Logistics.


8. Selanjutnya pindahkan variabel Independent pada kolom Covariates lalu pindahkan variabel Dependent pada kolom Dependent kemudian pilih Options.


9. Beri centang pada Hosmer-Lemeshow Goodness-Of-Fit dan Iteration History lalu klik Continue.



DASAR PENGAMBILAN KEPUTUSAN

Hosmer-Lemeshow Goodness-Of-Fit

H0 = Model cocok dengan data pengamatan.
Ha = Model tidak cocok dengan data pengamatan.

Jika nilai Sig > 0.05, Maka dapat dinyatakan bahwa H0 diterima.
Jika nilai Sig < 0.05, Maka dapat dinyatakan bahwa Ha diterima.

Berdasarkan hasil output dari Hosmer-Lemeshow Goodness-Of-Fit diperoleh nilai Signifikansi sebesar 0.600 maka dapat dinyatakan bahwa nilai tersebut > 0.05 sehingga cocok dengan data pengamatan serta dapat dilanjutkan ke langkah selanjutnya.



DASAR PENGAMBILAN KEPUTUSAN

Model Fit

Jika nilai -2 Log Likelihood di periode sebelumnya Block 0 mengalami penurunan di periode selanjutnya Block 1, Maka dapat dinyatakan bahwa model tersebut fit dengan data.

Dapat ditarik kesimpulan bahwa nilai -2 Log Likelihood di periode sebelumnya sebesar 74.767 kemudian mengalami penurunan pada periode selanjutnya (Block 1) menjadi 57.968, Sehingga model tersebut dapat dinyatakan fit dengan data.

DASAR PENGAMBILAN KEPUTUSAN

Variables In The Equation

Jika nilai Sig > 0.05, Dapat dinyatakan H0 ditolak dan Ha diterima.
Jika nilai Sig < 0.05, Dapat dinyatakan H0 diterima dan Ha ditolak.

X1 (Kekuatan Sinyal) memiliki nilai Sig sebesar 0.002 < 0.05, Maka H0 ditolak serta dapat diambil kesimpulan bahwa variabel Kekuatan Sinyal memiliki pengaruh terhadap Kepuasan Pelanggan.

X2 (Harga) memiliki nilai Sig sebesar 0.438 > 0.05, Maka H0 diterima serta dapat diambil kesimpulan bahwa variabel Harga tidak berpengaruh terhadap Kepuasan Pelanggan.

X3 (Kualitas Pelayanan) memiliki nilai Sig sebesar 0.188 > 0.05, Maka H0 diterima serta dapat diambil kesimpulan bahwa variabel Kualitas Pelayanan tidak berpengaruh terhadap Kepuasan Pelanggan.

Jika kamu mengalami kendala saat mengikuti instruksi yang sudah di jelaskan diatas, Kamu bisa memberikan pertanyaan pada kolom komentar. Kami akan berupaya membantu untuk mengatasi masalah yang kamu hadapi saat ini.


KOMENTAR

Jika komentar berisi kata - kata negatif maka tidak akan di tampilkan.