Tutorial Contoh Analisis Regresi Logistik binerdikotomi dengan SPSS Pada hari sebelumnya telah dibahas tentang konsep dari regresi logistik biner. Sesuai dengan janji penulis akan dibahas tutorial regresi logistik biner dengan SPSS. (Kayak pemilu aja ya.:p). Untuk contoh kasus kali ini, terinspirasi dari tugas kelompok perkuliahan yang diambil dari tugas kakak tingkat. Bisa dibilang copas lah ya. Tapi, jangan dilihat dari copasnya. Tapi lihat dari niatnya dan keinginan untuk saling berbagi semoga dapat membantu mengerjakan tugas, skripsi, tesis atau bahkan disertasi. Contoh Kasus Analisis Regresi Logistik biner: Dilakukan simulasi 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 variabel kompleksitas terdiri atas 2 kategorik yaitu diberi angka 2 jika mempunyai anak perusahaan dan 1 jika perusahaan tidak mempunyai anak perusahaan opini auditor diukur dengan 2 jika mendapatkan opini wajar tanpa pengecualian dan 1 untuk opini yang lain likuiditas diukur dengan Razão atual dan ukuran Perusahaan diukur dengan logaritma valor de mercado natural. Variabel terikatnya adalah ketepatan penyampaian laporan keuangan, dengan kode 1 untuk perusahaan yang tepat waktu dan 0 untuk perusahaan yang terlambat. Data yang digunakan dalam penelitian ini tidak ditampilkan mungkin kalau teman ingin mencoba juga bisa didownload dibagian bawah nanti ya. Dalam tutorial ini menggunakan SPSS 20.Langsung saja ya dengan langkah-langkahnya. Langkah-langkah dalam pengujian analisis regresi logistik Pada posisi arquivo telah terbuka, maka akan terlihat pada layar dados tentang ketepatan penyampaian laporan keuangan perusahaan dengan sejumlah variabel-variabelnya. Untuk menganalisis, langkah awalnya adalah pilih menu Analisar. Kemudian pilih Regression from Binary Logistic. Maka akan muncul tampilan seperti di bawah ini. Masukan variabel yang berfungsi sebagai variabel tak bebas dari caixa varibel ke kolom dependente. Dan masukan semua varibel bebas pada kotak Covariate. Método Untuk, pilih Enter. Sebenarnya bisa dipilih metode apa saja karena modelo yang terbentuk akan sama (dalam artian penduga-penduga parameternya akan memiliki nilai-nilai yang sama). Akan tetapi, khusus metode Digite, harus dilakukan proses dua kali. Pertama, dados de diagrama de identidade, variável sem valor, variável, variável, mana yang, significa, setelah, itu, di, executar, lag, dengan, menggunakan, variabel, yang, signifikan, itu. Modelo yang terbentuk akan sama dengan modelo yang diperoleh dengan metode lain. Klik Categorical. Masukkan semua variabel bebas yang berbentuk kategori pada kotak covariável ke dalam kotak covariáveis categóricas. Indicador padrão de biarkan contras pada. Untuk reference kategori pilih bagian kategori yang akan dipakai sebagai referensi atau pembanding yang akan digunakan dalam interpretasi odds ratio. Dapat menggunakan kategori akhir (último) atau kategori pertama (primeiro). Dalam penelitian ini digunakan kategori akhir (último). Kemudian klik Continue. Setelah itu pilih opção de menu. História da iteração do centang untuk dapat mengetahui proses iterasi yang telah berlangsung. Selain itu, akan ditemukan Classificação cortada, yang pada kondisi default sudah diisi dengan 0.5. Nilai ini disebut dengan o valor de corte atau probabilidade anterior. Peluang suatu observasi untuk masuk ke salah satu kelompok sebelum karakteristik variabel penjelasnya diketahui. Jika kita tidak mempunyai informasi tambahan tentang data kita, maka kita bisa menggunakan padrão. Misalnya pada penelitian ini, sebelumnya tidak pernah dilakukan penelitian apakah ukuran perusahaan condong pada satu sisi. Dengan alasan ini, dapat digunakan classificação ponto de corte sebesar 0,5. Namun, misalnya pada ada penelitian lain yang telah meneliti maka bisa dinaikkanditurunkan classificação cutoff sesuai hasil penelitian. Dalam penelitian ini semua variabel numerik dalam default 0,5. Abaikan bagain yang lain, klik continua. Abaikan bagian yang lain, dan tekan OK maka akan keluar saída de Regresi Logistik. Intrepretasi Hasil analisis regresi logistik Setelah keluar output dari hasil executando dados de SPSS maka diperoleh hasil analisis sebagai berikut: Identifikasi Data yang Hilang Pada tabel di atas, dapat dilihat tidak ada data yang hilang (casos em falta). Pemberian kode variabel respond oleh SPSS Menurut pengkodean SPSS, yang termasuk kategori sukses adalah penyampaian laporan keuangan tahunan yang tepat. Pemberian kode untuk variabel penjelas yang kategorik Pengkodean variabel penjelas hanya dilakukan untuk variabel penjelas yang kategorik karena akan dibentuk dummy variabel. Penelitian ini menggunakan dua variabel penjelas yang kategorik yaitu variabel Opini dan variabel Kompleksitas. Untuk variabel opini. Nantinya yang akan digunakan sebagai código de referência (kode pembanding) adalah Wajar Tanpa Pengecualian (lihat pada tabel di atas bagian codificações de parâmetros yang berkode nol). Sementara untuk variabel Kompleksitas. Yang menjadi kode pembanding adalah Punya anak perusahaan. Kode pembanding ini akan digunakan untuk interpretasi Odds Ratio. Uji Signifikansi Modelo Dari hasil SPSS dapat digunakan tabel 8220 Testes Omnibus de Coeficientes Modelos 8221 untuk melihat hasil pengujian secara simultan pengaruh variabel bebas ini. Berdasarkan tabel di atas diperoleh nilai Sig. Model sebesar 0.000. Karena nilai ini lebih kecil dari 5 maka kita menolak Ho pada tingkat signifikansi 5 sehingga disimpulkan bahwa variabel bebas yang digunakan, secara bersama-sama berpengaruh terhadap ketepatan penyampaian laporan keuangan suatu perusahaan. Atau minimal ada satu variabel bebas yang berpengaruh. Persentase Ketepatan Klasifikasi (Percentagem correta) Persentase ketepatan modelo dalam mengkasifikasikan observasi adalah 78.6 persen. Artinya dari 70 observasi, ada 55 observasi yang tepat pengklasifikasiannya oleh modelo regresi logistik. Jumlah observasi yang tepat pengklasifikasiannya dapat dilihat pada diagonal utama. Uji Parsial de Pembentukan Modelo Pada uji diharapkan Ho akan ditolak sehingga variabel yang sedang diuji masuk ke dalam modelo. Dengan bantuan tabel 8220Variables em The Equation8221 dapat dilihat variabel mana saja yang berpengaruh significa modelo de sehingga bisa dimasukkan ke. Jika nilai sig. lta maka Ho ditolak. Berdasarkan hasil di atas diketahui bahwa terdapat 2 variabel bebas yang significikan berpengaruh terhadap ketepatan penyampaian laporan keuangan perusahaan karena masing-masing variabel tersebut memiliki nilai signifikansi yang lebih kecil aa. Variabel-variabel tersebut adalah Profitabilitas (Sig.0.004) dan Likuiditas (Sig.0.000). Modelo yang terbentuk adalah: Dimana: X1i Profitabilitas X2i Likuiditas i1,2,8230, n 7. Interpretasi Odds Ratio Nilai Odds ratio ini juga disediakan oleh tabel 8220 Variáveis na Equação 8221 pada kolom Exp (B): Berdasarkan hasil di atas kita dapat Menginterpretasikan Odds ratio sebagai berikut: Jika jumlah profitabilitas perusahaan bertambah 1 unidade maka kecendrungan perusahaan tersebut untuk tepat waktu menyampaikan laporan keuangan menjadi 2.780 kali lipat. Sebuah perusahaan yang tidak mempunyai anak perusahaan akan memiliki kecenderungan untuk menyampaikan laporan keuangan secara tepat waktu sebesar 3.057 kali dibanding perusahaan yang memiliki anak perusahaan (merujuk pada código de referência). Perusahaan dengan opini auditor adalah opini lain cenderung 0.848 kali (lebih rentah) untuk tepat waktu dalam menyampaikan laporan keuangan dibanding dengan perusahaan yang Wajar tanpa Pengecualian. Jika Relação atual pada likuiditas bertambah 1 persen maka perusahaan akan cenderung 1.708 kali untuk tepat waktu menyampaikan laporan keuangannya. Ketika ukuran perusahaan bertambah 1 unidade maka perusahaan tersebut cenderung 1.123 kali untuk tepat waktu dalam menyampaikan laporan keuangannya. Buat yang ingin mencoba silahkan download filenya dibawah ini: tutorial reglog biner (SPSS 20) Escrito por: Nasrul Setiawan Terima kasih sudah membaca artikel Analisis regresi Regresi Logistik SPSS dengan judul Tutorial Contoh Analisis Regresi Logistik binerdikotomi dengan SPSS. Anda bisa bookmark halaman ini dengan URL statistikceria. blogspot201701tutorial-analisis-regresi-logistik. html. Apabila ada yang kurang jelas silahkan tinggalkan komentar atau pesan. A regressão logística pode ser usada para modelar uma relação entre uma variável de outcame de duas categorias (binárias) (também chamada de variável dependente) e uma ou mais variáveis axundulares (também chamadas de variáveis independentes ou predictoras). As estimativas de um modelo de regressão logística para cada variável independente fornecem uma estimativa do efeito dessa variável na variável outcame após o ajuste para todas as outras variáveis independentes no modelo (Cath Robert, Rachel Dolman, Anne Kingdon, 2007). (Modelo regressivo logistik dapat digunakan untuk memodelkan hubungan antara dua kategori (binário) variabel hasil (variabel dependenterikat) dan dua atau lebih variabel penjelas (varibel independenbebas. Estimasi modelo regresi logistik untuk masing-masing variabel bebas memberkan perkiraan efek variabel tersebut terhadap variabel terikat setelah (Cath Robert, Rachel Dolman, Anne Kingdon, 2007)). Sumber. Sofyan dan Heri, SPSS Complete, 2009 Ada beberapa perbedaan antara analisis regresi berganda dengan analisis regresi logistikbinary logistik yaitu: Analisis regresi Berganda terdapat uji F yaitu uji pengaruh bersama-sama variabel independen terhadap variabel dependen dan uji t yaitu untuk mengetahui pengaruh tiap variabelmasing-masing variabel independen terhadap variabel dependen. Sedangkan analisis regresi logistik hanya terdapat uji t. Pada analisis logistik variabel dependennya berskala dikotomis (dua Piliha N). Misalnya ya atau tidak, berkualitas atau tidak berkualitas, lulus atau gagal, sering atau jarang Selanjutnya Langkah Analisis Regresi Logistik dengan SPSS Silahkan download artikelnya PDF Regresi logistik (regressão logística) sebenarnya sama dengan analisis regresi berganda. Hanya variabel terikatnya merupakan variabel manequim (0 dan 1). Sebagai 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 data outliers tetap dapat dilakukan. Untuk asumsi multikolinearitas pada regresi logistik silahkan simak di sini. Interpretasi regresi logistik menggunakan relação ímpar atau kemungkinan. Sebagai 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 (regressão logística) dengan SPSS Versi. 11.5. Contoh tabulasi data 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 diukur 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 Rácio atual de kompleksitas diukur dengan logaritma valor de mercado natural . Nah variabel terikatnya adalah ketepatan penyampaian laporan keuangan dengan kode 1 untuk perusahaan yang tepat waktu dan 0 untuk perusahaan yang terlambat. Menu Klik Analise, Logística Binária de Pilih, seperti ini: Jika anda 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 opções, sehingga akan keluar caixa seperti ini: Beri tanda centang seperti pada gambar di atas lalu klik continuar sehingga akan dikembalikan pada menu caixa logistik dan tekan OK. Programa akan melakukan perhitungan secara otomatis, dan hasil selengkapnya dapat anda bandingkan dengan dados yang telah anda download Interpretasinya adalah sebagai berikut: Pertama. Melihat kelayakan modelo dengan menginterpretasikan saída berikut ini: Nilai -2 Log Probabilidade adalah sebesar 96,607 yang akan dibandingkan dengan nilai Chi Square pada taraf signifikansi 0,05 dengan df sebesar N-1 dengan N adalah jumlah sampel, berarti 84 8211 1 83. Dari tabel Chi Square, diperoleh nilainya adalah 100,744. Jadi -2 Verdade de Log Lt Chi Square (96.607 lt 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 8211 84.877 11,73. Atau kalau males ngitung manual, Saída SPSS juga telah memberikan nilai itu yaitu sebagai berikut: Nah kelihatan kan kalau saída selisihnya adalah sebesar 11,729 dan mempunyai signifikansi 0,039 lt 0,05. Kalau masih kurang puas, bisa dilihat nilai Hosmer e Lemeshow Test. Hosmer dan Lemeshow Teste adalah untuk melhat apakah dados empiris cocok atau tidak dengan modelo atau dengan kata lain diharapkan tidak ada perbedaan antara dados empiris dengan modelo. Modelo 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 e Lemeshow Test adalah sebesar 9,778 dengan signifikansi 0,281 gt 0,05. Berarti modelo adalah em forma de modelo dinyatakan layak dan boleh diinterpretasikan. Gambar di atas memberikan nilai Nagelkerke R Square 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 penicitian 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 dados do arquivo contoh silahkan download di sini Malam mas mau nanya, kalo v. dummy yg digunakan D1 perusahaan yg melakukan estoque split dan D0 perusahaan yg tidak melakukan estoque split, dalam periode 4tahun itu pemberian nmr 1 Dan 0 untuk setiap 1 perusahaan slma 4thn gimana Misalkn tahn2009-2017 perusahaan A melakukan ss pda thn 2010, apakh pmberian kode 1 hnya pda thn 2010, sdngkn untuk thn 08,11amp12 diberi kode0, atau pemberian kode 1 pda perusahaan A 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 hasilnya significikan dibawah 0,05 namun betanya bernilai negativo padahal teori yang ada harusnya hubungan nya positif, kata dosen saya it dikarenakan dados nya tidak normal, untuk menormalkan dados di uji logistik it 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 tanya, 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 linear berganda atau regresi logistik mohon pencerahannya. Terima kasih Kalau dependem do 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 data sekuder dengan 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 penelitiannya deskriptif kuantitatif. Variabel bebas: curah hujan, kelembaban, kepadatan penduduk, abj, (intervalo de skala) umur, jk, pendidikan, pekerjaan, keberadaan teman hias, keberadaan brg2 bekas, kondisi ventilasi (nominal), suhu (rasio) variabel terikat nya itu ada penyebaran penyakit (Intervalo) estado de sama penderita (nominal) saya bingung mau menggunakan uji apa mas. Yg cocok buat penelitian saya. Mohon bantuannya terimakasih .. Silahkan simak di rujukan penelitian terdahulu Anda. Terima kasih. Assalamu39alaikum .. min, mau tanya. Kalau kita meneliti tentang pengaruh 3 variabel bebas terhadap variabel terikat yang datanya diambil dari 10 perusahaan misalnya, dados manakah yang seharusnya diinput ke dalam spss apakah dados 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 auditoria demora diatas, 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 manequim. Lebih baik menggunaka regresi berganda atau regresi logistik Terimakasih Silahkan lihat rujukan penelitian terdahulu Anda. Terima kasih. Selamat sore 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 em vez de 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, crescimento) 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 amostra yg dibutuhkan ketika ingin menggunakan regresi logistik Apakah disesuaikan dengan jumlah variabel independen atau bagaimana Terima Kasih selamat malam pak..saya ingin bertanya..bagaimana 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 negativo berarti tak memiliki pengaruh significativo ya Apakah itu nanti bermasalah atau tidak masKONSEP REGRESI LOGISTIK CONTOH DENGAN SPSS 16 (Kasus Binary 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 contoh untuk metode statistik Regresi Logistik. Kalau sobat pernah baca postingan saya tentang regressão múltipla. Maka bedanya ada pada skala dados varibel terikatnya soluço. Untuk regresi logistik, skala data variabel terikat (Y) adalah kategorik (não metrik). Ya bisa dua kategori, lebih dari dua (categoria de banyak) dan bisa juga skala datanya ordinal kategorik. Terkait konsep, sebenarnya sama saja dengan regresi biasa (sederhana maupun berganda), há uma melhat pengaruh dari variabel-variabel bebas terhadap variabel terikat. Regresi logistik ini juga dipakai sebagai alternativo analisis multivariado yaitu analisis diskriminan (pembeda). Nah, sebagai pengantar pengetahuan saja, dalam analisis diskriminan kan dibutuhkan asumsi kenormalan multivariat. Nah, b edanya dengan uji asumsi kenormalan biasa seperti ini k alau uji asumsi kenormalan biasa, yang diuji kenormalannya adalah residual dari variabel terikatdependennya sedangkan untuk multivariante normal, yang diuj kenormalannya adalah seluruh variabel bebasnya. Asumsi multivariat normal ini terkadang sulit dipenuhi dalam analisis diskriminan karena variabel bebas yang digunakan merupakan gabungan antara skala dados kategoriknon metrik dan kontinyumetrik. Dalam regresi logistik dikenal konsep Odds Ratio yang sama artinya dengan probabilitas atau kecenderungan. A propósito. Análise de t erkait injetável discriminal ink akan dibahas secara 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, regressão logística binária de maka dinamakan. Kalau semisalnya lebih dari dua kategori alias banyak dinamakan regresão logística multinomial. Nah, satu lagi, kalau skala data variabel terikatnya ordinal (peringkat), dinamakan ordinal regressão logística. Oke deh kali ini saya berikan contoh pengerjaannya. Monggo, datanya download disini Kalo sobat sudah ambil dan lihat datanya, ada tiga buah variabel yakni hasil tes tertulis, jenis kelas dan nilai tes praktikum. Disini saya mengambil sampel secara acak yakni 30 mahasiswa jurusan tehnik sipil suatu kampus. Hasil tes tertulis yang adalah variabel terikat merupakan kategorik (dua kategori yaitu 1lulus dan 0tidak lulus), jenis kelas juga kategorik (1reguler dan 0non reguler) dan nilai tes praktikum adalah non kateginy (kontinyu). Berikut cuplikan tampilan visualização de dados comparável a uma informação variável: japra: jadi dalam analisis reglog kita menggunakan variabel bebas yang berskala dados kualitatif (nominal atau ordinal) sehingga kita tidak bisa menghitung varians dan rerata dari variabel yang berskala data kualitatif. Selanjutnya, dalam uji asumsi yang lain misalnya multikol, itu hanya digunakan kalau kita menggunakan variabel bebas dengan skala dados yang sama bukan gabungan (beberapa kuantitatif dan ada juga yang kualitatif). Uji F Dan T sama dengan 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 ferramentas sehingga harus selalu dilakukan uji kebaikan modelo estatística, bisa dgn melihat nilai R quadrado, tabela de classificação bahkan mengembalikan hubungan variabel bebas terhadap tidak bebas ke dalam esensi keilmuannya (apa benar pengaruhnya benar seperti yang ditunjukkan oleh model statistik). Demikian. Salam Salam kenal mas ... Saya punya tugas seberapa besar pengaruh website promosi yg saya buat terhadap jumlah transaksi penjualan perharinya selama 1bulan. Jd Y nya saya bikin 1 dari website saya 0 dari media lain, buat X nya saya buat kuisioner skla likert dengan 2 variável dr website saya, jadi ketika ada pembeli yg membeli barang saya kasikan kuisionernya. Apakah bisa analisis reg log inunk mencari besran pengaruh website promosi saya terhadap jmlah transaksi penjualan perharinya selama satu bulan. Trimss
No comments:
Post a Comment