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