Analisis Regresi Logistik - SPSS


Analisis Regresi Logistik merupakan salah satu teknik analisis yang digunakan untuk menguji pengaruh variabel bebas terhadap variabel terikat yang berupa data kategorik (data ordinal). Berikut ini adalah contoh interpretasi hasil analisis regresi logistik dengan bantuan program SPSS :
Sebuah penelitian akan menguji apakah tingkat pengetahuan dan sikap petugas laboratorium berpengaruh terhadap kesehatan pendengarannya. Dalam penelitian ini, variabel sikap dikategorikan dalam 2 kategori ( 1 = sikap negatif dan 2 = sikap positif), selanjutnya variabel pengetahuan dikategorikan dalam 3 kategori ( 1 =  rendah, 2 = sedang dan 3 = tinggi) dan variabel audio dikategorikan dalam 2 kategori ( 1 = pendengaran menurun, 2 = pendengaran normal). Oleh karena variabel terikat dalam penelitian ini berupa data kategorik maka analisis pengaruh dapat dilakukan dengan menggunakan analisis regresi logistik. Langkah - langkah dari analisis regresi dengan program SPSS dapat anda lihat pada artikel sebelumnya, adapun interpretasi dari hasil analisis regresi logistik dapat anda lihat pada artikel ini :

Uji Asumsi Multikolinearitas
Dalam analisis regresi logistik, diperlukan uji asumsi klasik berupa uji multikolinearitas. Ada tidaknya multikolinearitas dalam model, dapat dilihat dari tabel Correlation Matriks, yaitu apabila terdapat variabel bebas yang memiliki koefisien korelasi > 0,8 maka dikatakan model memuat multikolinearitas, sehingga analisis regresi logistik tidak bisa dilakukan hingga multikolinearitas dalam model dapat dihilangkan.
Tabel 1 Hasil Uji Multikolinearitas
Correlation Matrix


Constant  
sikap     
pengetahuan
Step 1
Constant  
1.000
-.925
-.833
sikap     
-.925
1.000
.602
pengetahuan
-.833
.602
1.000

Berdasarkan tabel di atas, nilai koefisien korelasi antara variabel bebas sikap dan pengetahuan adalah sebesar 0,602, nilai ini < 0,8 yang berarti model tidak memuat multikolinearitas.
Kelayakan Model Regresi
Menilai kelayakan model regresi dapat dilakukan dengan melihat nilai signifikan pada tabel Hosmer and Lemeshow Goodness of Fit. Model dikatakan mampu memprediksi nilai observasi dan cocok dengan data observasinya apabila nilai Chi-square > 0,05 (Ghozali, 2005). Berikut ini adalah hasil uji kelayakan model regresi dalam penelitian ini :



Tabel 1 Hasil Uji Kelayakan
Model Regresi
Hosmer and Lemeshow Test
Step
Chi-square
df
Sig.
1
4.722
4
.317

Pada tabel di atas, diperoleh nilai signifikan hasil uji kelayakan model sebesar 0,317 dengan nila Chi Square sebesar 4,722, nilai signifikan > 0,05 menunjukkan bahwa model regresi yang terbentuk mampu memprediksi nilai observasi dengan baik dan cocok dengan data observasinya, sehingga model regresi yang dipergunakan dalam penelitian ini layak dipakai untuk analisis selanjutnya, hal ini karena karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
Menilai Keseluruhan Model
Menilai keseluruhan model dapat dilakukan dengan memperhatikan angka -2Log Likehood (-2LL) block number = 0 dan -2Log Likehood (-2LL) block number =1 pada akhir hasil analisa. Penurunan dalam -2LL pada awal dan -2LL pada akhir hasil analisa menunjukkan regresi yang lebih baik. Dalam langkah ini bertujuan untuk menguji kesesuaian antara model dengan data. Berikut ini merupakan hasil pengujian overall model fit:

Tabel 2 Hasil Uji Keseluruhan Model

Iteration Historya,b,c,d
Iteration
-2 Log likelihood
Coefficients
Constant
sikap
pengetahuan
Step 1
1
36.231
-5.088
2.217
.839
2
34.482
-7.257
3.010
1.299
3
34.326
-8.152
3.341
1.487
4
34.324
-8.277
3.388
1.512
5
34.324
-8.279
3.389
1.513
6
34.324
-8.279
3.389
1.513
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 55,352
d. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.

Berdasarkan tabel di atas, nilai -2LL awal adalah sebesar 36,231 dan setelah dimasukkan variabel independennya nilai -2LL akhir sebesar 34,324, hal ini menunjukkan adanya penurunan nilai -2LL sebesar 2,251. Penurunan nilai -2LL ini menunjukkan model regresi yang baik atau model yang dihipotesiskan fit dengan data.
Koefisien Determinasi
Uji penilaian model bertujuan untuk mengetahui seberapa besar variabel dependen yang dapat dijelaskan oleh variabel independen dengan melihat nilai Cox and Snell’s R Square. Hasil output dalam Cox and Snell’s R Square memiliki analogi yang sama dengan R-Square pada regresi linear.
Tabel 3 Koefisien Determinasi
Model Summary
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1
34.324a
.409
.546
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Berdasarkan tabel di atas, diperoleh nilai Cox & Snell R Square sebesar 0,409, hal ini menunjukkan bahwa besar sumbangan efektif yang diberikan variabel sikap dan pengetahuan terhadap penurunan audio adalah sebesar 40,9%. Selanjutnya, nilai Negelkerke R Square dalam model regresi tersebut adalah sebesar 0,546 yang berarti besar variansi variabel audio yang dapat dijelaskan oleh variabel sikap dan pengetahuan adalah sebesar 54,6%, sedangkan sisanya sebesar 45,4% dipengaruhi oleh faktor lain di luar variabel sikap dan pengetahuan.
Tabel Klasifikasi
Tujuan akhir dari regresi logistik adalah menentukan tingkat keakuratan dari analisis regresi logistik dalam mengklasifikasikan terjadinya gangguan fungsi pernafasan pekerja laboratorium di institusi K3 lingkungan kerja wilayah Kalimantan Timur berdasarkan tingkat pengetahuan dan sikap petugas.
Tabel klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi petugas yang mengalami gangguan atau tidak mengalami gangguan dalam fungsi pendengarannya setelah bekerja di laboratorium  institusi K3 lingkungan kerja wilayah Kalimantan Timur. Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan terjadinya variabel terikat yang dinyatakan dalam persen. 

Tabel 4 Tabel Klasifikasi

Classification Tablea

Observed
Predicted

audio
Percentage Correct

penurunan
normal
Step 1
audio
penurunan
15
6
71.4
normal
3
16
84.2
Overall Percentage


77.5
a. The cut value is ,500

Berdasarkan tabel di atas, jumlah petugas yang diprediksi mengalami gangguan fungsi pendengaran adalah sebanyak 15 responden, sedangkan berdasarkan hasil observasi jumlah petugas yang mengalami gangguan fungsi pendengaran adalah sebanyak 21 responden, sehingga diperoleh nilai kekuatan prediksi sebesar 71,4% yang diperoleh dari (15/21) x100%.
Selanjutnya, berdasarkan tabel di atas, jumlah petugas yang diprediksi akan tetap normal fungsi pendengarannya atau tidak mengalami gangguan pendengaran selama bekerja di laboratorium tersebut adalah sebanyak 16 responden, sedangkan berdasarkan hasil observasi, jumlah responden yang tetap normal fungsi pendengarannya adalah sebesar 19, sehingga diperoleh nilai kekuatan prediksi model dalam memprediksi petugas yang tetap normal pendengarannya adalah sebesar 84,2% yang diperoleh dari (16/19) x 100%.
Secara keseluruhan, model ini mampu memprediksi ada tidaknya gannguan pendengaran petugas dengan tingkat keakuratan sebesar 77,5%.

Uji Simultan
Uji Chi-square dibuktikan untuk mengetahui pengaruh secara simultan antara variabel independen terhadap variabel dependen. Hasil perhitungan terdapat pada Tabel 12.
Tabel 5 Hasil Uji Simultan

Omnibus Tests of Model Coefficients


Chi-square
df
Sig.
Step 1
Step
21.028
2
.000
Block
21.028
2
.000
Model
21.028
2
.000

Berdasarkan tabel diatas, nilai chi Square model adalah sebesar 21,028 dengan nilai signifikan sebesar 0,000. Nilai signifikan sebesar 0,000 < 0,05 yang menunjukkan bahwa variabel sikap dan pengetahuan secara simultan berpengaruh signifikan terhadap variabel audio, dengan kata lain, tingkat pengetahuan dan sikap petugas laboratorium selama bekerja di laboratorium tersebut secara simultan berpengaruh simultan terhadap ada tidaknya gangguan fungsi pendengaran pada petugas tersebut.
Uji Parsial
Tahap akhir setelah uji koefisien regresi adalah uji parsial yang dilakukan dengan cara melakukan uji wald. Uji parsial dilakukan untuk menguji signifikansi setiap variabel independen dengan melihat kolom sig atau significance. Prosedur pengujian menggunakan tingkat signifikansi sebesar 0,05 atau 5% yang berarti variabel-variabel independen berpengaruh signifikan secara parsial terhadap variabel terikat jika nilai < 0,05. Hasil uji parsial dapat dilihat pada tabel berikut:
Tabel 6 Hasil Uji Parsial
Variables in the Equation


B
S.E.
Wald
df
Sig.
Exp(B)
95% C.I.for EXP(B)


Lower
Upper
Step 1a
sikap
3.389
1.099
9.503
1
.002
29.634
3.436
255.601
pengetahuan
1.513
.643
5.530
1
.019
4.540
1.287
16.018
Constant
-8.279
2.700
9.399
1
.002
.000


a. Variable(s) entered on step 1: sikap, pengetahuan.

Dari pengujian persamaan regresi logistik tersebut maka dapat diperoleh beberapa hasil sebagai berikut:
(1)   Nilai signifikan variabel sikap adalah sebesar 0,002 dengan nilai Wald sebesar 9,503 dan koefisien regresi sebesar 3,389. Nilai signifikan tersebut < 0,05 dan nilai Wald berikut koefisien regresi bernilai positif yang menunjukkan bahwa variabel sikap berpengaruh positif dan signifikan terhadap variabel audio. Semakin tinggi nilai sikap (semakin positif sikap) petugas laboratorium selama bekerja di laboratorium tersebut maka semakin tinggi nilai audionya ( audio petugas akan tetap normal atau petugas tidak mengalami gangguan fungsi pendengaran), sebaliknya semakin rendah nilai sikap petugas (semakin negatif sikap petugas) maka semakin rendah nilai audionya (fungsi pendengaran petugas akan menurun atau petugas mengalami gangguan fungsi pendengaran).
(2)   Nilai signifikan variabel pengetahuan adalah sebesar 0,019 dengan nilai Wald sebesar 9,530 dan koefisien regresi sebesar 1,513. Nilai signifikan tersebut < 0,05 dan nilai Wald berikut koefisien regresi bernilai positif yang menunjukkan bahwa variabel pengetahuan berpengaruh positif dan signifikan terhadap variabel audio. Semakin tinggi tingkat pengetahuan petugas yang bekerja di laboratorium tersebut maka semakin tinggi nilai audionya (audio petugas akan tetap normal atau petugas tidak mengalami gangguan fungsi pendengaran), sebaliknya semakin rendah tingkat pengetahuan petugas maka semakin rendah nilai audionya (fungsi pendengaran petugas akan menurun atau petugas mengalami gangguan fungsi pendengaran).
(3)   Nilai kontanta dalam model regresi tersebut adalah sebesar -8,279, selanjutnya nilai koefisien variabel sikap adalah sebesar 3,389 dan koefisien regresi variabel pengetahuan sebesar 1,513. Dengan demikian, persamaan regresi yang terbentuk dari hasil analisis regresi logistik tersebut adalah sebagai berikut :
Ln(Audio) = -8,279 + 3,389 Sikap + 1,513 Pengetahuan + e




0 Komentar