Tugas Analisis Data Kategorik 1. Model R

(1)

Tugas Analisis Data Kategorik

1. Model Regresi Logit Ganda a. Verifikasi variabel X

Ho : Variabel X tidak signifikan/tidak layak masuk model H1 : Variabel X signifikan/layak masuk model

α = 0,25

Ho ditolak jika p-value < α (0,25)

Variabel X P-value Kesimpulan

Jenis_kelamin(1) 0,285 Tidak signifikan

Usia 0,198 Signifikan

Asal 0,993 Tidak signifikan

Asal(1) 0,666 Tidak signifikan

Rentang F-R 0,005 Signifikan

Rentang BC-BR 0,041 Signifikan

Blood(1) 0,256 Tidak signifikan

Variabel X yang layak masuk model adalah usia, rentang F-R dan rentang BC-BR. b. Uji overall

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 14.144 3 .003

Block 14.144 3 .003

Model 14.144 3 .003

Ho : model tidak layak digunakan H1 : model layak digunakan α = 0,05

Ho ditolak jika p-value < α (0,05) 0,003 < 0,05

(2)

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 130.037a _.066 _.132

a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Sebesar 13,2 % variabel status campak dapat dijelaskan oleh variabel usia, rentang F-R dan rentang BC-BR.

d. Hosmer and Lemeshow Test

Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 9.237 8 .323

Ho : model fit dengan data H1 : model tidak fit dengan data α = 0,05

Ho ditolak jika p-value < α (0,05) 0,323 > 0,05

Kesimpulan : Ho tidak ditolak atau model sit dengan data.

e. Classification Table negatif campak positif campak

Step 1 status_campak negatif campak 181 2 98.9

positif campak 22 1 4.3

Overall Percentage 88.3

a. The cut value is .500

(3)

f. Variable in the Equation

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B)

Lower Upper

Step 1a _usia _-.029 _.020 _2.177 ₁ _.140 _.971 _.935 _1.010

rentang_FR .331 .122 7.381 1 .007 1.392 1.097 1.767

rentang_BCBR -.222 .124 3.179 1 .075 .801 .628 1.022

Constant -1.938 .472 16.835 1 .000 .144

a. Variable(s) entered on step 1: usia, rentang_FR, rentang_BFBR.

 Model regresi logit I

g(y) = ln

[

πstatu scampak

1−π_{statu s}_campak

]

¿−1,938−0,029usia+0,331rentang FR−0,222rentang BCBR

2. Probabilitas seseorang akan terkena campak

P(Y = 1) = 1

1+e−(−1,938−0,029usia+0,331rentang FR−0,222rentang BFBR)

Probabilitas seseorang akan terkena campak jika usia = 25 ; rentang F-R = 4 ; rentang BC-BR = 3.

3. Mencari variabel X yang berkontribusi paling besar terhadap variabel Y (status campak)

 Uji Koefisien variabel x dan constant

Ho : variabel tidak signifikan/tidak layak masuk model H1 : variabel signifikan/layak masuk model

α = 0,05

(4)

Variable x di dalam model p-value Kesimpulan

Usia 0,140 Tidak signifikan

Rentang BC-BR 0,075 Tidak signifikan

Constant 0,000 Signifikan

Karena terdapat variabel x yang tidak signifikan yaitu usia dan rentang BC-BR maka dilakukan uji regresi logit ulang dengan mengeluarkan variabel usia (karena nilai p-value paling besar).

Uji Regresi Logit Ulang

a. Uji overall

Chi-square df Sig.

Step 1 Step 11.708 2 .003

Block 11.708 2 .003

Model 11.708 2 .003

Kesimpulan : Ho ditolak atau model layak digunakan. b. Model Summary

Model Summary

Nagelkerke R Square

1 132.472a _.055 _.110

Sebesar 11,0 % variabel status campak dapat dijelaskan oleh variabel rentang F-R dan rentang BC-BR.

(5)

1 13.860 7 .054

Kesimpulan : Ho tidak ditolak atau model sit dengan data. d. Classification Table

Classification Tablea

Observed

Predicted

status_campak _Percentage

Correct negatif campak positif campak

positif campak 23 0 .0

Ketepatan prediksinya sebesar 88,3 %.

e. Variable in the Equation

95% C.I.for EXP(B)

Lower Upper

Step 1a _{rentang_FR} _.304 _.118 _6.690 ₁ _.010 _1.355 _1.076 _1.706

rentang_BFBR -.227 .124 3.369 1 .066 .797 .625 1.016

Constant -2.268 .422 28.822 1 .000 .104

a. Variable(s) entered on step 1: rentang_FR, rentang_BFBR.

(6)

g(y) = ln

[

πstatu scampak

]

¿−2,268+0,304rentang FR−0,227rentang BCBR  Uji Koefisien variabel x dan constant

α = 0,05

Rentang BC-BR 0,066 Tidak signifikan

Karena terdapat variabel x yang tidak signifikan yaitu rentang BC-BR maka dilakukan uji regresi logit ulang dengan mengeluarkan variabel rentang BC-BR.

Uji Regresi Logit Ulang

a. Uji overall

Chi-square df Sig.

Step 1 Step 7.611 1 .006

Block 7.611 1 .006

Model 7.611 1 .006

(7)

Model Summary

Nagelkerke R Square

1 136.570a _.036 _.072

Sebesar 7,2 % variabel status campak dapat dijelaskan oleh variabel rentang F-R.

c. Hosmer and Lemeshow Test

1 4.401 3 .221

Kesimpulan : Ho tidak ditolak atau model sit dengan data. d. Classification Table

Classification Tablea

Observed

Predicted

status_campak _Percentage

Correct negatif campak positif campak

positif campak 23 0 .0

Ketepatan prediksinya sebesar 88,8 %.

(8)

95% C.I.for EXP(B)

Lower Upper

Step 1a _{rentang_FR} _.329 _.116 _8.021 ₁ _.005 _1.389 _1.107 _1.744

Constant -2.765 .365 57.519 1 .000 .063

a. Variable(s) entered on step 1: rentang_FR.

 Model Regresi Logit III

g(y) = ln

[

πstatu scampak

]

¿−2,765+0,329rentang FR

 Uji Koefisien variabel x dan constant

α = 0,05

Maka variabel yang berkontribusi paling besar terhadap variabel Y (status campak) adalah variabel rentang F-R.

4. Pemilihan model terbaik

Criteria Pemilihan Model Model Logit I Model Logit II Model Logit III

R2_Negerlkerke _{0,132 *} _0,110 _0,072

Proporsi Konkordansi 88,3 % 88,3 % 88,8 % *

Hosmer Lemeshow test 0,323 * 0,054 0,221

Omnibus test 0,003 * 0,003 * 0,006

Parsimony 2 1 0 *

(9)

g(y) = ln

[

πstatu scampak