Langkah-langkahnya adalah sebagai berikut.1 Buka lah Programm SPSS Yang und ein Miliki.2 Eingabedaten nya - sebagai contoh, Daten yang saya gunakan adalah Daten latihan dari buku Kategorische Datenanalyse Alan Agresti, 2007, edisi 2 - halaman 132, pada Kasus saya variabel penjelasnya ada 2 Durasi skala rasio dan T dengan skala nominal dan variabel terikatnya Y dalam bentuk nominal terdiri atas 2 kategori - biner.3 Pilih opsi variabel Ansicht lalu ubahlah variabel name dan label - nya sesuai dengan kasus masing-masing Saat ini , Saga akan menggubah nama menjadi D, T dan Y misalnya Kemudian Werte nya disesuaikan nilainya Bila Daten berbentuk nominal atau ordinal misalnya untuk T dan Y, Maß nya diganti dari Maßstab menjadi nominal.4 Daten telah beres, kemudian pilih opsi Analysieren Regression Binary Logistics. 5 Masukkan Y sebagai variabel Dependent dan D serta T sebagai Kovariaten Untuk Methode nya saat ini saya masih tetap menggunakan enter.6 Karena T berbentuk kategorik, maka harus ditetapkan beziehen sich auf Ence Kategorie nya dengan cara memilih opsi kategorisch Untuk kemudahan interpretasi biasanya saya memilih erste untuk referenz nya Artinya setiap kategori akan diperbandingkan dengan kategori pertama Kemudian JANGAN LUPA pilih ändern Klik Continue.7 Pilih Optionen Kemudian centang hosmer lemeshow dan Klassifikation Plots dan klik weiter Kemudian OK. Ok Untuk Interpretasi Outputnya silahkan membaca postingan berikutnya yang berjudul Analisis Regresi Logistik interpretasi Terimakasih telah membaca. Regresi logistik logistische regression sebenarnya sama dengan analisis regresi berganda hanya variabel terikatnya merupakan variabel dummy 0 dan 1 Seesselai contoh, pengaruh beberapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan Maka Variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat tepat Regresi logistik tidak memerlukan asumsi normalitas meskipun Screening Daten Ausreißer tetap dapat dilakukan Untuk asumsi multikolinearitas pada regresi logistik silahkan s Imak di sini. Interpretasi regresi logistik menggunakan ungerade ratio atau kemungkinan Seesselai contoh, jika rasio keuangan ROA meningkat sebesar 1 maka kemungkinan ketepatan menyampaikan laporan keuangan meningkat sebesar 1,05 kali Berarti semakin tinggi ROA kemungkinan tepat semakin tinggi Atau jika rasio keuangan DER meningkat sebesar 2 Maka kemungkinan ketepatan penyampaian laporan keuangan meningkat sebesar 0,98 kali atau bisa dikatakan menurun karena lebih kecil dari 1 yang berarti kemungkinan terlambat semakin tinggi. Berikut adalah simulasi aplikasi regresi logistik logistische regression dengan SPSS Versi 11 5 Contoh tabulasi Daten dengan 84 sampel bisa di download Di sini Tampilannya pada SPSS Versi 11 5 kurang lebih seperti ini. Simulasi adalah untuk melihat pengaruh antara variabel profitabilitas, kompleksitas perusahaan, opini auditor, likuiditas dan ukuran perusahaan terhadap ketepatan penyampaian laporan keuangan tahunan perusahaan Profitabilitas diukur dengan ROA kompleksitas diuku R dengan 1 jika mempunyai anak perusahaan dan 0 jika perusahaan tidak mempunyai anak perusahaan opini auditor diukur dengan 1 jika mendapatkan opini wajar tanpa pengecualian dan 0 untuk opini yang lain likuiditas diukur dengan Aktuelle Ratio dan kompleksitas diukur dengan logaritma natürlichen Marktwert Nah variabel terikatnya adalah ketepatan Penyampaian laporan keuangan dengan kode 1 untuk perusahaan yang tepat waktu dan 0 untuk perusahaan yang terlambat. Klik menu Analysieren, pilih Binär Logistik, seperti ini. Jika und a benar, maka akan keluar menu box untuk regresi logistik Masukkan variabel ketepatan ke dalam box dependend, dan Masukkan variabel bebas ke dalam box covariate Lalu klik pada Optionen, Sehingga Akan Keluar Box Seperti Ini. Beri Tanda Centang Seperti Pada Gambar Di Atas Lalu Klik Weiter Sehingga Akan Dikembalikan Pada Menü Box Logistik Dan Tekan OK Programm Akan Melakukan Perhitungan Secara Otomatis, Dan Isil Selengkapnya Dapat und ein bandingkan dengan daten yang telah und ein dow Nload. Interpretasinya adalah sebagai berikut. Pertama Melihat kelayakan Modell dengan menginterpretasikan Ausgabe berikut ini. Nilai -2 Log Likelihood adalah sebesar 96,607 yang akan dibandingkan dengan nilai Chi Platz pada taraf signifikansi 0,05 dengan df sebesar N-1 dengan N adalah jumlah sampel, Berarti 84 1 83 Dari tabel Chi-Platz, diperoleh nilainya adalah 100,744 Jadi -2 Log Likelihood Chi-Quadrat 96,607 100,74.Jika konstanta saja dimasukkan tidak layak, semua variabel bebas dimasukkan juga tidak layak, tapi kan ada penurunan -2 Log Likelihood Yup penurunannya Adalah sebesar 96,607 84,877 11,73 Atau kalau males ngitung manuell, Ausgabe SPSS juga telah memberikan nilai itu yaitu sebagai berikut. Nah kelihatan kan kalau ausgang selisihnya adalah sebesar 11,729 dan mempunyai signifikansi 0,039 0,05.Kalau masih kurang puas, bisa dilihat nilai Hosmer Und Lemeshow Test Hosmer dan Lemeshow Test adalah untuk melihat apakah Daten empiris cocok atau tidak dengan Modell atau dengan kata lain dihara Pkan tidak ada perbedaan antara Daten empiris dengan Modell Modell akan dinyatakan layak jika signifikansi di atas 0,05 atau -2 Log Likelihood di bawah Chi Square Tabel Hati-hati, ini berkebalikan dengan uji yang lain sebelumnya Tampak kan bahwa nilai Hosmer und Lemeshow Test adalah Sebesar 9,778 dengan signifikansi 0,281 0,05 Berarti model adalah fit dan model dinyatakan layak dan boleh diinterpretasikan. Gambar di atas memberikan nilai Nagelkerke R Platz sebesar 0,191 yang berarti bahwa kelima variabel bebas mampu menjelaskan varians ketepatan penyampaian laporan keuangan sebesar 19,1 dan sisanya yaitu Sebesar 80,9 dijelaskan oleh faktor lain. Pengujian hipotesis penelitian dilihat dengan output berikut ini. Lihat aja signifikansinya, yang di bawah 0,10 10 berarti signifikan berpengaruh atau hipotesis diterima Pembahasannya silahkan dikaitkan dengan teori yang dikembangkan di awal. Silahkan download materi di atas Di sini. dan jika memerlukan Datei Daten contoh silahkan download di sini. Malam Mas mau nanya, kalo yg digunakan D1 perusahaan yg melakukan stock split dan D0 perusahaan yg tidak melakukan stock split, dalam periode 4tahun itu pemberian nmr 1 dan 0 untuk setiap 1 perusahaan slma 4thn gimana Misalkn tahn2009-2012 perusahaan Ein melakukan ss pda thn 2010, Apakh pmberian kode 1 hnya pda thn 2010, sdngkn untuk thn 08,11 12 diberi kode0, atau pemberian kode 1 pda perusahaan Ein yg sdh melakukan ss padathn 09-12 Terima kasih mohon bntuannya mas. Kalau melalukan diberi 1, tidak melakukan diberi kode 0 Selesai Terima kasih. mas, saya mau tanya, saya sdh uji logistik dan isilnya signifikan dibawah 0,05 namun betanya bernilai negatif padahal teori yang ada harusnya hubungan nya positif, kata dosen saya es dikarenakan Daten nya tidak normal, untuk menormalkan Daten di uji Logistik Es bagaimana ya mas sedangkan banyak buku mengatkan bahwa uji logistik tidak perlu uji normalitas trimakash. Regresi logistik tidak memerlukan asumsi normalitas Terima kasih. selamat siang pak, saya mau tan Ya, judul skripsi saya analisis faktor2 yang mempengaruhi persepsi pelaku UKM terhadap penyusunan laporan keuangan, saya menggunakan variabel dummy, baik variabel dependen maupun independen Regresi apakah yang cocok untuk penelitian saya tersebut regresi lineare berganda atau regresi logistik mohon pencerahannya terima kasih. Kalau dependen dummy gunakan Logistik Terima kasih. Selamat malam pak, saya ingin bertanya Saya sedang menyusun tesis Dalam penelitian saya menggunakan variabel dummy untuk variabel dependen Sedangkan untuk variabel independen sebanyak 4 Dimana 2 variabel independen diukur melalui kuesioner dengan skala likert, sedangkan 2 variabel independen lainnya diukur melalui Daten sekuder Denai skala nominal Apakah penelitian saya bisa dianalisis menggunakan regresi logistik adakah literatur yang bisa mendukung Terimakasih. Bisa Terima kasih. mas, saya mau nanya judul penelitian saya penerapan sistem informasi geografis dalam pemetaan kejadian dbd di wilker puskesmas jenis penel Itiannya deskriptif kuantitatif variabel bebas curah hujan, kelembaban, kepadatan penduduk, abj, skala interval umur, jk, pendidikan, pekerjaan, keberadaan teman hias, keberadaan brg2 bekas, kondisi ventilasi nominal, suhu rasio variabel terikat nya itu ada penyebaran penyakit intervall sama status penderita Nominale saya bingung mau menggunakan uji apa mas yg cocok buat penelitian saya mohon bantuannya terimakasih. Silahkan simak di rujukan penelitian terdahulu Anda Terima kasih. Assalamu alaikum min, mau tanya kalau kita meneliti tentang pengaruh 3 variabel bebas terhadap variabel terikat yang datanya diambil dari 10 perusahaan Misalnya, datenmanakah yang seharusnya diinput ke dalam spss. apakah daten rata-rata masing2 variabel bebas dan terikatnya, apakah nilai maksimal atau nilai minimumnya. Terima kasih, min. Simak di metode penelitian Anda, lihat pada definisi operasional variabel Terima kasih. Selamat siang Pak, saya mau bertanya, seperti contoh yang bapak berikan tentang audit verzögerung di Atmen, dengan variabel indpendennya terdiri dari skala rasio dan skala nominal yang menggunakan variabel dummy, kira2 metode regresi seperti apa yang cocok digunakan untuk pengujian, apabila audit delaynya dihitung berdasarkan jumlah hari keterlambatan Bukan menggunanakan variabel dummy Lebih baik menggunaka regresi berganda atau regresi logistik Terimakasih. Silahkan lihat rujukan penelitian terdahulu Anda Terima kasih. selamat wunde pak saya mau tanya variabel dependen saya tentang pemahaman standar akuntansi dimana kuesioner saya berbentuk soal tentang dimana hanya ada dua jawaban benar dan salah analisisnya gmn ya pak. Pak, saya mau bertanya lagi Saya sedang mengerjakan Skripsi dengan regresi logistik 1 di tabel uji wald, variabel cr saya nilai beta dan se nya 0,000 signya 0,406 Itu kenapa bisa 0,000 ya Pak jadi bingung kalo bikin persamaannya Apa karena timpang ya Pak datanya nilai variabel cr bisa diatas 100 sedangkan variabel lain der, npm , Wachstum kebanyakan dibawah 10.2 Jika sig nya 0,000 itu menunjukkan signifikan Betul Pak. Mohon jawabannya Pak Terima kasih sebelumnnya.1 Coba diperbanyak angka di belakang koma, nanti kelihatan 2 Betul Terima kasih. Pak, apakah ada cara untuk menghitung jumlah Beispiel yg dibutuhkan ketika ingin menggunakan regresi logistik Apakah disesuaikan dengan jumlah variabel Unabhängigkeit atau bagaimana Terima Kasih. selamat malam ingin menyusun pertanyaan kuesioner jika sampelnya terbagi menjadi 2 kelompok apakah saya harus menyusun pertanyaan yang bisa dijawab keduanya atau memang ada beberapa pertanyaan tertentu dari total seluruh pertanyaan di kuesioner yang memang khusus untuk 1 kelompok saja terima kasih. Jika Ingin mengukur hal yang sama, tentunya harus menggunakan alat ukur yang sama Terima kasih. Assalamualaikum Saya mau Tanya mas, Kalau secara keseluruhan Variabel berpengaruh negativ berarti tak memiliki pengaruh bedeutend ya Apakah itu nanti bermasalah atau tidak mas. Regresi Logistik Ganda dalam SPSS. Tutorial Regresi Logistik Ganda. Uji Regresi Logistik ganda adalah uji regresi yang dilakukan pada penelitian apabila variabel dependen berskala dikotomi nominal dengan 2 kategori Untuk lebih jelasnya dengan Tip Daten, Baca Artikel kami berjudul Pengertian Data. Tentunya semua variabel independen haruslah berskala dikotom juga, tetapi apabila skalanya kategorik nominal lebih dari 2 kategori, masih dapat dilakukan uji regresi logistik ganda dengan cara melakukan dummy. Bahasan tentang dummy akan kita bahas pada artikel berikutnya Pada bahasan kali ini khusus akan membahas tutorial melakukan uji regresi logistik ganda dengan menggunakan software SPSS Für Windows. CATATAN Tutorial ini untuk Regresi Logistik Dalam upaya menentukan variabel bebas paling dominan terhadap variabel terikat Untuk pembahasan Regresi Logistik secara umum, baca Regresi Logistik Untuk tutorial regresi logistik dengan SPSS, baca Regresi Logistik dengan SPSS. Langsung saja, buka Aplikasi SPSS. Kita buat 6 variabel dengan definisi sebagai berikut. Tekana N Kandung Kemih Kategori Ya dan Tidak. Pruritus Kategori Ya dan Tidak. Kram Kaki Kategori Ya dan Tidak. Gerak Janin Kategori Aktif dan Pasif. Heart Burn Kategori Ya dan Tidak. Variabel Dependen Gangguan Tidur Kategori Ya dan Tidak. Ubah Wert pada Tab Variable Ansicht Di SPSS sebagai berikut Ya Aktif 1, Tidak Pasif 2 Ubah Maß menjadi Nominal Ubah Dezimalsmenjjju 0 Ubah Typ menjadi Numeric. Langkah berikutnya adalah isi Daten dengan nilai 1 atau 2 1 apabila jawaban Ya atau Aktif dan 2 apabila Tidak atau Pasif Sebagai contoh gunakanlah 30 Responden. Setelah Daten terisi, maka kita mulai melakukan tahapan uji regresi logistik ganda yang sesungguhnya. Ada beberapa metode atau teknik dalam melakukannya, yaitu antara lain Enter, schrittweise, vorwärts, rückwärts di mana masing-masing punya maksud yang berbeda Dalam bahasan ini akan kita Lakukan secara schrittweise dengan proses manuell, agar mudah memahami maksudnya. Langkah Pertama adalah seleksi kandidat. Seleksi Kandidat. Dalam langkah ini kita akan menyele Ksi, variabel independen manakah yang layak masuk modell uji multivariat di mana yang layak adalah yang memiliki tingkat signifikansi sig atau p value 0,025 dengan metode Geben Sie dalam regresi logistik sederhana Yaitu dengan melakukan satu persatu regresi sederhana antara masing-masing variabel independen terhadap variabel dependen. Caranya Adalah sebagai berikut. Klik Analysieren, Regression, Binär Logistik. Masukkan variabel independen Pertama yaitu tekanan kandung kemih ke dalam kotak Covariate. Masukkan variabel dependen ke kotak Dependent. Regresi Logistik Ganda. Klik Optionen, Centang CI Für Exp B. tuk penelitian pre post intervensi Tanpa kontrol bagaimana caranya melakukan analisis multivariat. Pemilihan uji itu tergantung pada skala daten variabel dependen atau terikatnya, jika skalanya ordinal maka gunakan skala ordinal, jika nominal dikotomi gunakan regresi logistik, jika multinominal gunakan regresi multinomial dan jika interval gunakan regresi lineare apabila skala daten Variabel juga inter Val Jika dependen interval dan independen nominal maka menggunakan ANOVA dan jika independennya campuran nominal dan interval maka gunakan ANCOVA. selamat malam pak, saya mengalami kesulitan dalam menentukan analisis daten, variabel independen penlitian saya adalah keinginan membayar suatu layanan ekosistem dalam Rp, sedangkan variabel dependennya seperti Persepsi skala Likert, usia, tingkat pendidikan, jumlah tanggungan keluarga, dan pengeluaran apakah analisis saya menggunakan regresi berganda tepat tapi itu kan datanya tidak semuanya dalam skala interval, apakah saya ubah dulu semuanya menjadi Daten Skala Intervall terima kasih sebelumnya. Pastikan und a tidak salah memberikan Kode Wert pada tiap variabel, kategori yang jelek harus diberi kode lebih tinggi, misal 1 Sedangkan kategori yang baik beri kode lebih rendah, misal 0 Gunakan pengkodean tersebut sama pada semua variabel baik independen maupun dependen. pak kalo B pada regresi logistik ternyata minus semua artinya Apa ya pak conto H Kepatuhan Y 5 a 5 B x jarak -6 B x biaya, tks rian. Masih bisa, tetapi und ein pikirkan lagi untuk menggunakan jenis uji yang lain untk daten independen yang campuran antara kategorik dan numerik, sedangkan variabel dependen skala numerik Yaitu dengan Uji ANCOVA Baca artikelnya di. pak, saya mau tanya, jika x1 x2 menggunakan variabel dummy 1 dan 0 sedangkan x3 x4 menggunakan Daten rasio keuangan serta variabel y menggunakan rasio apakah bisa menggunakan regresi lineare berganda sedangkan skala pengukuran berbeda-beda pak mohon petunjuk kasih. Coba gunakan Metode nach vorn bedingte, sehingga variabel yang tersisa di dalam modell hanyalah variabel yang memberikan pengaruh bermakna secara simultan pada variabel dependen. Pak, mau nanya, penelitian saya menggunakan dummy untuk abhängig dan 3 unabhängige variable serta 2 unabhängige variable lainnya menggunakan Daten numerisch, saya coba menggunakan Uji regresi logistik, ternyata semua variabel hasilnya tidak signifikan, itu kenapa ya pak apa harus men Coba uji lain atau ada kesalahan pada data. Maaf, sebaiknya und ein lebih spesifik dalam pertanyaannya agar tidak terlalu luas saya menjawabnya Trims. mas bagaimana mencari hubungan pengetahuan sikap perilaku status gizi. Tutorial Uji Regresi Logistik dengan SPSS. Regresi Logistik dengan SPSS. Artikel ini mengulas Cara uji regresi logistik dengan SPSS Pengantar Regresi Logistik telah kami bahas dalam artikel sebelumnya yaitu Regresi Logistik Sebelum melangkah lebih jauh, ada baiknya kita mengenal dulu beberapa metode yang dipakai dalam pengujiannya menggunakan SPSS. Metode Uji Regresi Logistik dalam SPSS. Metode tersebut antara lain metode Simultan , Hirarki dan Stepwise Berikut Penjelasannya. Simultan Disebut juga metode enter, yaitu memasukkan semua variabel bebas ke dalam modell secara bersamaan. Hirarki Memasukkan variabel secara satu per satu, dimulai dengan memasukkan variabel kontrol sebelum variabel prediktor. Stepwise Disebut juga vorwärts bedingte yaitu variabel bebas diseleksi Yang Terba Ik untuk tetap berada dalam modell di mana merupakan sekumpulan variabel bebas yang dapat memberikan prediksi terbaik Sehingga dalam prosesnya pada aplikasi SPSS, variabel dimasukkan dan dikeluarkan secara satu persatu dan bergantian Namun proses tersebut dapat dijalankan secara otomotasi oleh aplikasi SPSS. Tutorial Uji Regresi Logistik. Pada Kesempatan ini kita akan membahas bagaimana cara melakukan uji regresi logistik metode enter dengan menggunakan aplikasi SPSS Misalkan kita akan melakukan uji regresi logistik sebuah penelitian yang berjudul Pengaruh Rokok dan Riwayat Kanker Terhadap Kanker Paru Di Mana variabel bebas ada 2 yaitu rokok dan riwayat kanker pada keluarga dan Variabel terikatnya adalah kejadian kanker paru Rokok terdiri dari 2 kategori yaitu tidak merokok kode 0 dan merokok kode 1 Riwayat terdiri dari 2 kategori yaitu tidak ada riwayat kode 0 dan ada riwayat kode 1 Kanker paru terdiri dari 2 kategori yaitu tidak mengalami kanker kode 0 dan mengalami Kanker Kode 1 Sebaga Ich katze kategori yang terburuk diberi kode 1 dan kategori yang terbaik diberi kode 0.Tahap Deklarasi Variabel Regresi Logistik. Langsung saja anda buka aplikasi SPSS anda dan masukkan Daten sebagai berikut sebanyak 200 sampel Bisa anda isikan sesuai dengan dalam tabulasi Excel yang bisa di herunterladen DI SINI Atau anda langsung saja download file kerja Dataset DI SINI dan outputnya DI SINI. Dataset Regresi Logistik. Jangan lupa pilih tab Variable viewVariable Ansicht Regresi Logistik dengan SPSS. Lalu klik Werte X1 dan isikan sebagai berikut. Value Merokok Regresi Logistik dengan SPSS. Lalu klik Werte X2 dan isikan sebagai berikut. Value Riwayat Merokok Regresi Logistik dengan SPSS. Lalu klik Werte Y dan isikan sebagai berikut. Value Kanker Paru Regresi Logistik dengan SPSS. Tahap Analisis Regresi Logistik. Kemudian pada Menü, klik Analysieren - Regression - Binär Logistik Kemudian masukkan variabel terikat ke kotak abhängig dan masukkan semua variabel bebas ke kotak Covariates. Jendela Utama Re Gresi Logistik dengan SPSS. Save Regresi Logistik. Tekan tombol Sparen Sie Lalu centang Wahrscheinlichkeiten, Gruppenmitgliedschaft, Unstandardized Dan Studentized kemudian klik Continue. Tombol Speichern Regresi Logistik. Tekan tombol Optionen lalu centang Klassifizierungsplots, Hosmer-lemeshow Güte-von-fit, Casewise Auflistung Residuals dan pilih Ausreißer außerhalb von dan isi dengan angka 2, Korrelation von Schätzungen, Iterationsgeschichte, CI für exp B dan isi dengan 95.Opsi Regresi Logistik. Sedangkan nilai Maximale Iteration Biarkan Tetap Sebesar 20 Dan Nilai Klassifizierung Cutoff Tetap 0 5 Nilai Ini Krankheit Dengan Der Schnittwert atau vorherige Wahrscheinlichkeit yaitu peluang suatu observasi untuk masuk ke dalam salah satu kelompok sebelum karakteristik variabel penjelasnya diketahui Apabila kita tidak mempunyai informasi tambahan tentang daten kita, maka bisa langsung menggunakan nilai default yaitu 0,5 Jika tidak ada penelitian sebelumnya, dapat digunakan Klassifizierung cutoff sebesar 0,5 Namun, jika ada penelitian lain yang telah Meneliti maka bisa dinaikkan diturunkan klassifikation cutoff sesuai hasil penelitian. Tombol Optionen Regresi Logistik. Kemudian pada jendela utama, klik OK dan segera lihat Ausgabe anda. Demikian cara melakukan Uji Regresi Logistik dengan SPSS menggunakan metode simultan atau metode enter Untuk interprestasi hasil pengujian atau outputnya, Bisa anda baca pada artikel selanjutnya yaitu Interprestasi Regresi Logistik dengan SPSS Untuk mempelajari regresi logistik dalam pemilihan faktor paling dominan, unda bisa pelajari di artikel kami yang berjudul Regresi Logistik Ganda dalam SPSS. By Anwar Hidayat. Kontributor Kharisma Prima Herausgeber Gin Gumilang. Seperti yang telah Dipaparkan pada artikel sebelumnya dimana modell regresi logistik digunakan untuk menggambarkan hubungan antara variabel respon biner dengan satu atau beberapa buah variabel prediktor, kali ini saya akan memberikan tutorial singkat tentang bagaimana cara mengestimasi modell regresi logistik tersebut dengan menggunakan bantuan aplik Asi Programm SPSS Dalam Tutorial ini saya menggunakan SPSS versi 13 0, namun Anda dapat menggunakan versi lainnya dengan tampilan yang kurang lebih sama dengan versi yang saya gunakan Oke langsung saja kita beranjak pada contoh kasus. Misalkan seorang peneliti ingin mengetahui faktor-faktor apa saja yang Mempengaruhi sebuah perusahaan akan melakukan praktik perataan laba Einkommensglättung Faktor-faktor tersebut telah diidentifikasi sebanyak 3 faktor yang kemudian akan menjadi variabel prediktor, antara lain ukuran perusahaan LnTA Profitabilitas perusahaan Roa dan rasio Schulden perusahaan DAR Ketiga variabel ini akan memprediksi praktik perataan laba, sehingga variabel Respo di dalam modell regresi logistik ini adalah variabel einkommen glättung IS. Pertama-tama, buka SPSS Dateneditor dan pada tab Variable Ansicht 1 buatlah 4 variabel dengan nama masing-masing LnTA, RoA, DAR dan ist Ubah nilai desimal variabel IS pada kolom Dezimalstellen 2 menjadi 0.Langkah selanjutnya, klik pada bagian baris IS dan ko Lom Werte 3, sehingga akan muncul jendela Wert Etiketten Pada bagian ini kita definisikan kategori Einkommen Glättung IS berdasarkan Daten yang kita miliki 4, dimana kategori perata kita beri skor 1 dan kategori bukan perata kita beri skor 0 Masukkan skor 0 pada bagian Wert dan bukan perata Pada bagian Wert Label lalu klik Hinzufügen Lakukan hal yang sama untuk kategori perata Klik OK Perlu diperhatikan bahwa pendefinisian skor 1 dan 0 tidak boleh terbalik, skor 1 untuk kategori peluang sukses dan skor 0 untuk kategori peluang gagal. Klik pada tab Datenansicht 5, lalu Masukkan satu per satu daten penelitian sesuai variabel-variabel yang bersangkutan 6.Sebagaimana terlihat pada gambar di atas, variabel LnTA, RoA dan DAR masing-masing bertipe Daten metrik, sedangkan variabel IS bertipe Daten kategorik binary. Klik Analysieren Regression Binary Logistic sehingga akan muncul Jendela Logistic Regression Masukkan variabel LnTA, RoA dan DAR ke kolom Kovariaten sedangkan variabel IS ke kolom Abhängige Pada bagi Eine Methode paling tidak terdapat 3 opsi yang dapat digunakan, yakni Geben Sie Dan Stepwise Metode Schrittweise sendiri terbagi menjadi dua, yakni Vorwärts Dan Rückwärts Pada contoh kali ini kita gunakan metode Geben Sie dimana seluruh variabel prediktor dimasukkan ke dalam Modell dan diestimasi secara bersama-sama Metode Stepwise Akan dibahas pada artikel lainnya. Masih pada jendela Logistik Regression klik Optionen lalu beri tanda Checkliste pada bagian Klassifikation Plots Hosmer-Lameshow goodnes-of-fit Korrelationen von Schätzungen Iterationsgeschichte Dan CI für Exp B Klik WeiterApabila pada variabel-variabel prediktor terdapat variabel Yang bertipe daten kategorik, maka kita perlu mendefinisikannya dengan cara klik kategorisch lalu masukkan variabel prediditor bertipe Daten kategorik tersebut ke kolom Kategorische Kovariaten klik Weiter Namun pada contoh kasus kali ini, seluruh variabel prediktor bertipe Daten metrik. Klik OK maka akan muncul jendela SPSS Viewer yang Berisi output hasil estimasi regresi lo Gistik. Hasil dan Interpretasi. Melalui kedua tabel Iteration Geschichte di atas kita dapat menghitung nilai -2 L 0 L 1 sebagai berikut. Dengan 0,05 dan Freiheitsgrad df k 3 dimana k adalah jumlah variabel prediktor, didapat nilai p dari tabel distribusi Chi - kuadrat sebesar 7,815 Dikarenakan 21,992 7, 815 atau -2 L 0 L 1 p maka dapat disimpulkan bahwa secara bersama-sama simultan, ketiga variabel prediktor berpengaruh signifikan terhadap variabel Einkommensglättung IS. SPSS tidak mengakomodir nilai R 0, adj koefisien determinasi yang Disesuaikan Namun sebagai alternatif, SPSS menyediakan Cox Snell R Platz dan Nagelkerke R Platz Untuk dapat mengestimasi nilai R 0, adj kita harus melakukannya secara manuell menggunakan bantuan aplikasi programm atau yang lainnya Tutorial estimasi nilai R 0, adj ini akan dibahas pada artikel lainnya. Cox Snell s R Platz merupakan ukuran yang mencoba meniru ukuran R pada mehrere lineare regression yang didasarkan pada teknik estimasi likelihood dengan nilai m Aksimum kurang dari 1 satu sehingga sulit diinterpretasikan Ghozali, 2011 341 Lebih lanjut menurut Ghozali, Nagelkerke s R Platz merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu Hal ini dilakukan dengan cara membagi nilai Cox Snell s R Platz nördlich nilai maksimumnya Nilai Nagelkerke s R Quadrat dapat diinterpretasikan seperti nilai R pada mehrere lineare regression. Melalui tabel Modell Zusammenfassung di atas didapat nilai Nagelkerke s R Quadrat sebesar 0,055 Hal ini mengindikasikan bahwa variabilitas variabel dependen IS yang dapat dijelaskan oleh variabilitas variabel independen LnTA, Roa dan DAR secara simultan adalah sebesar 5,5, sedangkan sisanya sebesar 94,5 dijelaskan oleh variabilitas variabel lain diluar ketiga variabel independen yang diteliti tersebut. Melalui tabel Variablen in der Gleichung di atas dapat terlihat nilai taksiran koefisien regresi modelnya, sehingga didapatkan Modell regresi Logistik sebagai berikut. d Imana e adalah bilangan konstanta bernilai 2,71828 Hasil persamaan regresi logistik di atas tidak bisa langsung diinterpretasikan dari nilai koefisiennya seperti dalam regresi linier biasa Interpretasi bisa dilakukan dengan melihat nilai Exp B atau nilai eksponen dari koefisien persamaan regresi yang terbentuk Yamin Kurniawan, 2014 101 Interpretasi Dalam persamaan regresi logistik harus dilakukan secara hati-hati ketika variabel prediktor yang dimasukkan ke dalam modell memiliki beberapa tipe daten Untuk variabel prediktor pada contoh kasus ini, dimana ketiga variabel prediktor bertipe daten metrik, nilai Exp B dapat diinterpretasikan jika variabel LnTA meningkat sebesar 1 satuan , Maka akan terdapat perubahan Quotenquote sebesar 1,207 Demikian juga halnya interpretasi pada variabel prediktor lainnya. Melalui persamaan modell tersebut kita dapat melakukan prediksi einkommen glättung IS berdasarkan nilai-nilai tertentu yang telah diketahui pada variabel LnTA, RoA dan DAR Misalkan diketahui nilai LnTA sebesar 20,51 RoA sebesar 6,67 dan DAR sebesar 0,62, kemudian nilai-nilai tersebut kita substitusikan ke dalam persamaan modell sebagai berikut. Seperti yang telah didefinisikan sebelumnya bahwa skor 1 merupakan kategori perata dan skor 0 merupakan kategori bukan perata, Maka hasil prediksi di atas dapat dikategorikan sebagai perusahaan yang melakukan praktik perataan laba einkommen glättung Hal ini dikarenakan hasil nilai logit sebesar 0,718 tersebut di atas bernilai lebih besar dari nilai cut-off 0,5 Namun jika nilai logit kurang dari nilai cut-off 0, 5, maka hasil prediksi dapat dikategorikan sebagai bukan perata. Masih melalui tabel Variablen in der Gleichung nilai probabilitas p-Wert signifikansi Parameter dapat dilihat pada kolom Sig, dimana p-Wert yang lebih kecil dari taraf signifikansi yang telah ditetapkan 0,05 dapat diartikan bahwa Variabel prediktor yang bersangkutan memiliki pengaruh yang signifikan terhadap variabel respon Dapat diketahui bahwa secara parsial, variabel LnTa berpengaruh signifikan terhadap IS 0,001 0,05, variabel RoA tidak berpengaruh signifikan terhadap IS 0,068 0,05 dan variabel DAR tidak berpengaruh signifikan terhadap IS 0,067 0,05 Uji signifikansi Parameter dapat pula dilakukan menggunakan nilai interval konfidensi 95 Sebagai contoh nilai 95,0 CI für EXP B pada variabel LnTa adalah sebesar 1.077 Unterer dan sebesar 1.353 Oberer, maka dapat disimpulkan bahwa LnTA berpengaruh nyata terhadap IS Hal ini dikarenakan nilai 1 satu berada diluar retang interval konfidensi tersebut Sebaliknya, apabila nilai 1 satu berada di dalam rentang interval konfidensi, Maka variabel prediktor dapat dinyatakan tidak berpengaruh nyata terhadap variabel respon seperti terlihat pada hasil interval konfidensi variabel RoA dan DAR. Tabel Hosmer und Lemeshow Test di atas digunakan untuk menguji kesesuaian Modell Güte der fit, atau dengan kata lain untuk menguji apakah Modell yang kita gunakan, Yaitu dengan menggunakan dua variabel independen LnTa, RoA da N DAR sudah sesuai dengan daten empiris atau tidak Hipoteis nol pada pengujian ini adalah modell telah cukup menjelaskan daten fit dengan kriteria uji tolak hipoteis nol jika nilai probabilitas lebih kecil atau sama dengan taraf signifikansi yang telah ditetapkan p 0,05 Berdasarkan tabel di atas didapat nilai Chi-Quadrat Sebesar 8,502 Dengan Nilai probabilitas Sebesar 0,386 Dengan Demikian Hipoteis Nol Diterima 0,386 0,05, Artinya Modell telah cukup menjelaskan Daten fit. Ghozali, Imam 2011 Aplikasi Multivariate Dengan Programm IBM SPSS 19, Edisi 5 Semarang Badan Penerbit Universitas Diponegoro. Yamin, Sofyan Heri Kurniawan 2014 SPSS Komplette Teknik Analisis Statistik Terlengkap dengan Software SPSS, Edisi 2 Jakarta Salemba Infotek.
No comments:
Post a Comment