Regreso logística merupakan salah satu analisi multivariante, yang berguna untuk memprediksi dependiente variabel berdasarkan variabel independen. Pada logística regresi, dependen variabel adalah variabel dikotomi (kategori). Ketika de la variabilidad de la dependencia de la división de la música de la logística binaria de digunakan binario, de la ketika dependen de la variable de la música de la división de la regla logística multinominal. Lalu ketika dependen variabelnya berbentuk ranking, maka disebut dengan regresión logística ordinal. Konsep Regresi Logistik Regresi Logistik alternativa merupakan uji jika asumsi distribución normal multivariante pada variabel bebasnya tidak bisa terpenuhi ketika Akan dilakukan analisis diskriminan. Tidak terpenuhinya asumsi en dikarenakan variabel bebas merupakan campuran antara variabel kontinyu (métrico) dan kategorial (no métrico). Misalnya, probabilitas bahwa orang yang menderita Serangan jantung pada waktu tertentu de Dapat diprediksi dari Informasi USIA, merokok kebiasaan, jenis kelamin, dan lainnya. Asumsi Regresi Logistik Regresar logistik tidak membutuhkan hubungan linier antara variabel bebas dengan variabel terikat. Regresar a la lista de los resultados de la discusión. Odd dalam regresi logistik sering dinyatakan sebagai probabilitas. Misal Odd sebuah perusahaan dapat bangkrut atau berhasil atau extraño seorang anak dapat lulus atau tidak pada Ujian Nasional. Variabel bebas tidak memerlukan asumsi multivariante normalidad Asumsi homokedastis tidak diperlukan variabel bebas tidak Perlu dirubah ke bentuk métrica (atau intervalo de relación de Skala) Contoh KASUS de regresión logística de los datos Yang Diberikan Adalah datos Fiktif Bukan datos Sebenarnya, Cuma Sebagai Latihan Uji Statistik Seorang dokter Ingin mengetahui probabilitas seorang pasien terkena penyakit jantung berdasarkan rutinitas kebiasaan merokok dan uSIA datos dikumpulkan dari Catatan Medis sebanyak 30 pasien orang yang melakukan pemeriksaan Kesehatan di RS ABC merokok (1), merokok TDK (0) usia (uSIA dentro de un Año) menú Pada Analizar, Selecciona regresión gtgt binario logística Masukkan variabel sakit ke dependiente, variabel kemudian rokok dan uSIA ke 8220covariate box8221 kemudian, Opciones de Klik, Lalu beri tanda pada Parcelas de clasificación, de Hosmer-Lemeshow GoF, matriz de correlación, dan itteration historia Klik Continuar, kemudian OK HASIL Dan INTERPRESTASI Menilai Modelo apto Untuk Menilai model fit dapat diperhatikan nilai statistik -2LogL yaitu tanpa mengikutsertakan variabel hanya berupa konstanta yaitu sebesar 41.589. Ketika dimasukkan 2 variable baru maka prediksi nilai -2LogL sebesar 16.750. Artinya terdapat penurunan sebesar 41.589 8211 16.750 24.839. Untuk -2LogL pertama diperoleh nilai 41.589 dengan df1 30-1 29. Nilai ini signifikan pada alfa 5 yang berarti En este momento está en la escuela. je de calificación -2LogL Kedua adalah sebesar 16.750 dengan gl2 30-3 27 adalah tidak signifikan pada alfa 5. (Nilai statistik -2LogL di atas dibandingkan dengan je de calificación statistik distribusi x2.), modelo de datos artinya dengan ajuste. Statistik - LogL dapat digunakan untuk menentukan apakah jika variabel bebas dimasukkan dalam modelo dapat secara signifikan mempengaruhi modelo. Dengan selisih 24.839 dan df (df1-df229-272) maka menunjukkan angka ini signifikan pada alfa 5. Hal ini berarti Fuera de los datos de ajuste de modelo dengan. Cox n Snell8217s R Cuadrado adalah ukuran pengaruh bersama yaitu sebesar 0.563 dan nilai Nagelkerke R Cuadrado adalah sebesar 0.751. Dengan demikian dapat disimpulkan bahwa kemampuan variabel bebas menjelaskan modelo adalah sebesar 75.10. Selanjutnya, Hosmer y Lemeshow8217s GoF dilakukan untuk menguji hipotesis. Jika sig lt 0.05 maka Ho ditolak yang berarti ada perbedaan signifikan antara modelo dengan nilai observasinya. Jika sig gt 0.05 maka Ho diterma, artinya tidak ada perbedaan antara modelo dan nilai observasinya. Estadística Hosmer y Lemeshow8217s GoF diperoleh sebesar 0.594 (gt 0.05) sehingga dapat dinyatakan modelo bahwa modelo dengan datos. Hosmer y Lemeshow8217s GoF juga menghasilkan nilai 6.475 probabilidades sebesar 0.594 sehingga dapat disimpulkan bahwa modelo ajuste dengan datos. Estimaci Parámetro dan Interprestasi Estimai Máximo Likehood parámetro modelo dapat dilihat dari salida pada tabel Variables en la ecuación. Regresión Logística kemudian dapat dinyatakan: Ln P / 1-P -11.506 5.348 Rokok .210 Usia. Variabel bebas kebiasaan merokok signifikan dengan probabilitas sebesar 0.004 (lt 0.05) dan variabel usia juga signifikan dengan probabilitas 0.032. Dengan memperhatikan persaman ini maka dapat diinterprestasikan sbb: Registro de probabilidades seseorang terkena secara positif berhubungan dengan rokok. Probabilitas atau Probabilidades seorang terkena penyakit jantung jika ia perokok adalah sebesar 5.348. Artinya seorang perokok, memiliki, kemungkinan, terkena, serangan, jantung, 5,35, kali, lebih, besar, dibanding, yang, tidak, merokok. Jika variabel rokok dianggap konstán, maka probabilitas seseorang terkena serangan jantung adalah sebesar 0.210 pada setiap kenaikan satu tahun usia. Jika Rokok dianggap konstán, maka seseorang memiliki probabilidades terkena penyakit jantung adalá sebesar 1.233 untik setiap penambahan usia. Sementara jika usia bernilai konstán maka probabilidades seorang terkena penyakit jantung adalá sebesar 210.286 uniken dunken yang tidak merokok. Hasil índice de clasificación general adalah sebesar 90.0 pada cutoff 50 Pertama. Variabel rokok dan usia memiliki hubungan positif dengan probabilidades penyakit jantung Kedua. Jika usia bernilai konstán, maka seorang perokok memiliki las probabilidades terkena penyakit jantung sebesar 5.384 kali lebih besar dibanding yang tidak merokok Ketiga. Jika rokok bernilai konstán, maka probabilidades seorang terkena penyakit jantung adalá sebesar 0.210 pada setiap penambahan usia. Cuma diingatkan8230.data yang Diberikan Datos de Adalah Fiktif Bukan Datos de Sebama, Cuma Sebagai Latihan Uji Estadísticas Imam Ghozali. 2009. Aplikasi Analisis Programa multivariado de dengan SPSS. Semarang BP: Undip, hal. 261-275Regresos Logística de denuncias SPSS Pengantar Registros Logistica de los productos y servicios de la empresa Registros Logísticos. Sebelum melangkah lebih jauh, ada baiknya kita mengeo dulu beberapa metodo yang dipakai dalam pengujiannya menggunakan SPSS. Metode tersebut antara lain metode Simultán, Hirarki dan Stepwise. Berikut Penjelasannya: Simultan: Diseases juga metode enter, yaitu memasukkan semua variabel bebas ke dalam modelo secara bersamaan. Hirarki: Memasukkan variabel secara satu per satu, dimulai dengan memasukkan variabel kontrol sebelum variabel prediktor. Stepwise: Disebut juga adelante condicional. Yantu variabel bebas diseleksi yang terbaik untuk tetap berada dalam modelo de maná merupakan sekumpulan variabel bebas yang dapat memberikan prediksi terbaik. Sehingga dalam prosesnya pada aplikasi SPSS, variabel dimasukkan dan dikeluarkan y secara satu persatu dan bergantian. Namun proses tersebut dapat dijalankan secara otomotasi ole aplikasi SPSS. Pada kesempatan ini kita akan membhas bagaimana cara melakukan uji regresi logistik metode entrar dengan menggunakan aplikasi SPSS. Misalcán kita akan melakukan uji regresi logistik sebuah penelitian yang berjudul Pengaruh Rokok en 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) y 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). Sebagai catatan: kategori yang terburuk diberi kode 1 dan kategori yang terbaik diberi kode 0. Langsung saja anda buka aplikasi SPSS anda dan masukkan datos sebagai berikut sebanyak 200 sampel. Bisa anda isikan datos de los dientes de los dados de Excel y Yang bisa di download DI SINI. Atau anda langsung saja descargar el archivo kerja Dataset DI SINI dan outputnya DI SINI. KONSEP REGRESI LOGISTIK CONTOH DENGAN SPSS 16 (Kasus binario Reglog) Malam ni sobat semua. Wah wah wah Pada gimana nih kabarnya Moga baik dan sehat-sehat saja ya hehehe. Yap, s ekarang kita belajar lagi yuk materi yang baru. Nah, kali ini saya mau ngebahas dan ngasi con tu nombre de usuario y contraseña Regresi Logistik. La regla múltiple de la regla de la tentación del saya de la repetición del baca de la bahía de la perla de Kalau. Maka bedanya ada pada skala datos variabel terikatnya sollozo. Untuk regresi logistik, los datos de la variabilidad terikat (Y) adalah kategorik (no metrik). Ya bisa dua categoría, lebih dari dua (categoría banyak) dan bisa juga skala datanya ordinal kategorik. Terkait konsep, sebenarnya, sama saja, dengan, regresi, biasa (sederhana, maupun, berganda) yaitu melihat pengaruh dari variabel-variabel bebas terhadap variabel terikat. Regresi logistik ini juga dipakai sebagai alternatif dari analisis multivariado yaitu analisis diskriminan (pembeda). Nah, sebagai pengantar pengetahuan saja, dalam analisis discrimina kan dibutuhkan asumsi kenormalan multivariat. Nah, b edanya dengan uji asumsi kenormalan biasa seperti en k alau uji asumsi kenormalan biasa, yang diuji kenormalannya adalah residual dari variabel terikat / dependennya sedangkan untuk multivariado normal, yang diuj kenormalannya adalah seluruh variabel bebasnya. Asumsi multivariat normal ini terkadang sulit dipenuhi dalam analisis discrimina karena variabel bebas yang digunakan merupakan gabungan antara skala data kategorik / no metria dan kontinyu / metrik. Dalam regresi logistik dikenal konsep Relación de probabilidades yang sama artinya dengan probabilitas atau kecenderungan. Por cierto. T erkait analisis diskriminan ini akan dibahas seco khusus pada postingan berikutnya. Sabar aja ya hehe. Kalau seandainya, dalam penelitian sobat, pakainya ada dua kategori pada variabel terikatnya misalnya 8220lulus8221 dan 8220tidak lulus8221, maka dinamakan regresión logística binaria. Kalau es una división de la regla logística multinomial. Nah, satu lagi, kalau skala datos variabel terikatnya ordinal (peringkat), dinamakan ordinal regresión logística. Oke deh kali ini saya con el nombre de pengerjaannya. Monggo, datanya descarga de disini Kalo bajo la sudah ambil dan lihat datanya, ada tiga buah variabel yakni hasil tes tertulis, jenis kelas dan nilai tes praktikum. Disini saya mengambil sampel secaracak yakni 30 mahasiswa jurusan tehnik sipil suatu kampus. Hasil tes tertulis yang adalah variabel terikat merupakan kategorik (grupo de kategori yaitu 1lulus dan 0tidak lulus), jenis kelas juga kategorik (1regulador de 0non regulador) dan nilai tes praktikum adalah no kategorik (kontinyu). Berikut cuplikan tampilan data view dan variabel viewnya: japa: jadi dalam analisis reglog kita menggunakan variabel bebas yang berskala datos kualitatif (nominal atau ordinal) seksta kita tidak bisa menghitung variantes dan rerata dari variabel yang berskala data kualitatif. Selanjutnya, dalam uji asumni yang lain misalnya multikol, itu hanya digunakan kalau kita menggunakan variabel bebas dengan skala datos yang sama bukan gabungan (beberapa kuantitatif dan ada juga yang kualitatif). Uji F dan T sama yang di OLS anonim: kalau untuk melihat besarnya pengaruh suatu variabel bebas kamu bisa lihat nilai koefisiennya modelnya saja dan coba sandingkan dengan teori yang ada. Ingat bahwa statistik itu hanya herramientas sehingga harus selalu dilakukan modelo estadístico, bisa dgn melihat nilai R cuadrado, la clasificación de la trama bahkan mengembalikan hubungan variabel bebas terhadap tidak bebas ke dalam esensi keilmuannya (apa benar pengaruhnya benar seperti yang ditunjukkan modelo estadístico). Demikian. Salam Salam kenal mas .. Saya punya tugas seberapa besar pengaruh sitio web promosi yg saya buat terhadap jumlah transaksi penjualan perharinya selama 1bulan. Jd Y nya saya bikin 1 dari sitio web saya 0 dari medios de comunicación lain, buat X nya saya buat kuisioner skla likert dengan 2 variables dr sitio web saya, jadi ketika ada pembeli yg membeli barang saya kasikan kuisionernya. Apakah bisa analisis reg registro untuk mencari besran pengaruh sitio web promosi saya terhadap jmlah transaksi penjualan perharinya selama satu bulan. recortes
No comments:
Post a Comment