proposal metologi penelitian semester 5 universitas udayana

PROPOSAL TUGAS AKHIR

PEMODELAN REGRESI LOGISTIK BINER TERHADAP KEPUTUSAN DALAM MEMBELI PARFUM

KOMPETENSI STATISTIKA

NASTRIA FRANSISKA PASARIBU 2108541025

PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA BUKIT JIMBARAN

2023

KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena berkat rahmat-Nya penulis dapat menyelesaikan draft proposal tugas akhir yang berjudul “Pemodelan Regresi Logistik Biner Terhadap Keputusan Dalam Membeli Parfum” Tepat pada waktunya.

Pada kesempatan ini penulis mengucapkan terima kasih kepada berbagai pihak yang telah memberikan bantuan sehingga draft proposal tugas akhir ini dapat tersusun dengan baik, antara lain:

1. Bapak Drs. Ketut Jayanegara, M.Si sebagai dosen pengampu mata kuliah Metodologi Penelitian yang telah membantu dan membimbing dalam penyusunan draft proposal tugas akhir ini.

2. Bapak Ir. I Putu Eka Nila Kencana, M.TIE sebagai dosen pengampu mata kuliah Metodologi Penelitian yang telah membantu dan membimbing dalam penyusunan draft proposal tugas akhir ini.

Penulis menyadari bahwa apa yang telah dipaparkan pada draft proposal tugas akhir ini masih jauh dari tingkat sempurna. Oleh karena itu kritik dan saran yang membangun sangat penulis harapkan.

Bukit Jimbaran, November 2023

Penulis

DAFTAR ISI

KATA PENGANTAR...ii

DAFTAR ISI...iii

BAB I...1

PENDAHULUAN...1

1.1 Latar Belakang...1

1.2

Rumusan Masalah...2

1.3

Tujuan Penelitian...3

1.4 Manfaat Penelitian...3

BAB II...4

TINJAUAN PUSTAKA...4

2.1 Penelitian Terdahulu...4

2.2 Landasan Teori...5

2.2.1 Analisis Teori Regresi Logistik Biner...5

2.3 Estimasi parameter...6

2.3.1 Uji Simultan atau Uji Signifikansi Secara Keseluruhan...7

2.3.2 Uji Parsial...8

2.3.3 Uji Kecocokan Model (Goodnes of fit test)...8

2.3.4

odds Ratio...9

BAB III...9

METOGOLOGI PENELITIAN...9

3.1 Jenis dan Sumber Data...10

3.1.1 Jenis Data...10

3.1.2 Sumber Data...10

3.2 Variabel Penelitian...10

3.3 Objek Penelitian...10

3.4 Analisis Penelitian...10

3.5 Hasil Dan Pembahasan...10

3.5.1 Statistika Deskriptif...10

3.5.2 Uji Kecocokan Model...12

3.5.3 Uji Signifikansi Parameter...12

3.5.4 Pemodelan Regresi Logistik Biner dan Odds Ratio...14

3.5.5 Interpretasi Model...14

3.5.6 Ketepatan Klasifikasi...15

3.6 Kesimpulan...15

BAB I PENDAHULUAN

1.1 Latar Belakang

Parfum adalah salah satu produk yang telah menjadi bagian tak terpisahkan dari budaya manusia. Baunya yang harum dan wangi dapat meningkatkan kepercayaan diri,

menghadirkan perasaan bahagia, dan memberikan kesan positif pada pemakainya. Karena alasan ini, keputusan untuk membeli parfum adalah suatu aspek yang penting dalam kehidupan sehari-hari. Pemahaman tentang faktor-faktor yang memengaruhi keputusan membeli parfum menjadi kunci dalam pengembangan strategi pemasaran dan penentuan harga yang efektif bagi produsen dan pengecer parfum.

Penelitian ini akan mencoba untuk memahami lebih dalam tentang faktor-faktor yang mempengaruhi keputusan membeli parfum, dengan menggunakan metode

pemodelan regresi logistik biner. Faktor-faktor yang akan dieksplorasi dalam penelitian ini adalah umur, pendapatan, pekerjaan, dan status perkawinan, sebagai variabel independen, yang dapat memengaruhi keputusan membeli parfum sebagai variabel dependen.

1. Umur adalah faktor penting yang dapat memengaruhi keputusan pembelian parfum. Orang dalam berbagai kelompok usia mungkin memiliki preferensi dan kebutuhan yang berbeda dalam hal wewangian. Misalnya, remaja mungkin lebih cenderung memilih parfum dengan aroma yang lebih segar dan berenergi, sementara orang dewasa mungkin mencari aroma yang lebih elegan dan tahan lama. Oleh karena itu, penting untuk memahami bagaimana preferensi pembeli parfum bervariasi dengan pertambahan usia.

2. Pendapatan adalah faktor penting dalam keputusan pembelian. Orang dengan pendapatan yang lebih tinggi mungkin lebih mampu untuk membeli parfum yang lebih mahal, sementara mereka dengan pendapatan yang lebih rendah mungkin lebih memilih opsi yang lebih terjangkau. Selain itu, pendapatan juga dapat memengaruhi preferensi merek parfum yang dipilih, karena merek tertentu mungkin lebih eksklusif dan mahal. Oleh karena itu, memahami hubungan antara pendapatan dan keputusan membeli parfum adalah penting dalam strategi

pemasaran.

3. Pekerjaan seseorang juga dapat memengaruhi keputusan membeli parfum. Orang yang bekerja di industri yang menuntut pemakaian parfum sebagai bagian dari penampilan mereka mungkin lebih cenderung untuk membeli parfum. Di sisi lain, pekerjaan yang mengharuskan seseorang berada di lingkungan tertentu, seperti lingkungan medis, mungkin membuat pemakaian parfum menjadi kurang relevan. Oleh karena itu, pekerjaan dapat menjadi faktor yang signifikan dalam memahami keputusan membeli parfum.

4. Status Menikah: Status perkawinan dapat memengaruhi preferensi pembelian parfum. Orang yang sudah menikah mungkin memiliki preferensi yang berbeda dibandingkan dengan yang belum menikah. Misalnya, mereka yang sudah menikah mungkin lebih cenderung membeli parfum sebagai hadiah untuk

pasangan mereka, sementara mereka yang belum menikah mungkin membeli parfum untuk diri sendiri. Oleh karena itu, status perkawinan juga merupakan variabel yang relevan dalam analisis keputusan pembelian parfum.

Dalam era digital dan kompetitif, perusahaan parfum perlu memahami perilaku konsumen dan faktor-faktor apa yang memengaruhi keputusan mereka dalam membeli parfum. Metode regresi logistik biner adalah alat statistik yang efektif untuk menganalisis hubungan antara variabel independen dan variabel dependen biner, seperti keputusan untuk membeli atau tidak membeli parfum.Mengapa penting untuk memahami faktor- faktor ini? Karena pemahaman yang baik tentang perilaku konsumen dalam membeli parfum akan membantu perusahaan dalam pengambilan keputusan yang lebih baik dalam hal pemasaran, penentuan harga, dan strategi penjualan mereka. Dengan demikian, pemodelan regresi logistik biner dapat menjadi alat yang sangat berguna dalam pengambilan keputusan bisnis.

Selain itu, dengan berkembangnya teknologi dan ketersediaan data konsumen yang semakin besar, perusahaan parfum memiliki akses yang lebih baik ke data konsumen. Hal ini memungkinkan mereka untuk melakukan analisis yang lebih mendalam tentang perilaku konsumen. Dalam konteks ini, pemodelan regresi logistik biner menjadi semakin relevan dan bermanfaat dalam pengambilan keputusan bisnis.Penelitian ini bertujuan untuk menggali lebih dalam tentang faktor-faktor yang memengaruhi keputusan pembelian parfum dengan menggunakan pemodelan regresi logistik biner.

Penelitian ini juga memiliki relevansi praktis yang signifikan. Hasil dari penelitian ini dapat membantu perusahaan parfum dalam mengembangkan strategi pemasaran yang lebih efektif, menentukan harga yang lebih tepat, dan memahami preferensi pembeli parfum dengan lebih baik. Dengan demikian, penelitian ini dapat memberikan kontribusi positif bagi industri parfum dan masyarakat secara keseluruhan dengan memahami lebih baik faktor-faktor yang memengaruhi keputusan membeli parfum.

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah di atas, diperoleh beberapa rumusan masalah sebagai berikut :

a. "Apa pengaruh variabel usia terhadap keputusan pembelian parfum dalam konteks pemodelan regresi logistik biner?"

b. "Bagaimana peran pendapatan dalam mempengaruhi keputusan konsumen dalam membeli parfum, serta bagaimana dapat dijelaskan menggunakan regresi logistik biner?"

c. "Apakah pekerjaan seseorang (PNS atau bukan PNS), memengaruhi kecenderungan untuk membeli parfum, dan bagaimana hubungan ini dapat dimodelkan dengan regresi logistik biner?"

d. "Bagaimana status menikah seseorang memengaruhi keputusan dalam membeli parfum, dan apakah regresi logistik biner dapat membantu dalam memahami pola keputusan berdasarkan menikah?"

1.3 Tujuan Penelitian

Tujuan yang ingin dicapai pada penelitian ini adalah sebagai berikut.

a. Menentukan sejauh mana variabel usia berkontribusi terhadap probabilitas keputusan konsumen untuk membeli parfum.

b. Mengidentifikasi pengaruh tingkat pendapatan terhadap keputusan

konsumen dalam membeli parfum dan menjelaskan tingkat signifikansinya.

c. Menganalisis dampak status pekerjaan, khususnya menjadi PNS atau bukan, terhadap kemungkinan pembelian parfum oleh konsumen.

d. Menilai pengaruh status kawin seseorang terhadap keputusan pembelian parfum dan memahami apakah perbedaan ini signifikan.

e. Mengevaluasi interaksi antara variabel usia, pendapatan, pekerjaan, dan status kawin dalam mempengaruhi probabilitas keputusan pembelian parfum

1.4 Manfaat Penelitian

Manfaat yang dapat diperoleh dari hasil penelitian ini adalah sebagai berikut.

1. Penelitian ini dapat memberikan pemahaman mendalam tentang faktor-faktor yang memengaruhi keputusan konsumen dalam membeli parfum. Ini

akanmembantu perusahaan dan pemasar dalam merancang strategi pemasaran yang lebih efektif dan sesuai dengan preferensi konsumen.

2. Dengan pemahaman yang lebih baik tentang preferensi konsumen, penelitian ini dapat membantu dalam mengidentifikasi segmen pasar potensial yang dapat menjadi target utama untuk produk parfum tertentu.

3. Melalui analisis pengaruh harga terhadap keputusan pembelian parfum, perusahaan dapat mengambil keputusan harga yang lebih tepat guna untuk produk mereka.

4. Hasil penelitian dapat membantu dalam pengembangan produk yang lebih sesuai dengan keinginan dan kebutuhan konsumen. Ini termasuk pemilihan jenis parfum, kemasan, dan fitur lainnya.

5. Dengan pemahaman yang lebih baik tentang perilaku pembelian konsumen, perusahaan dapat mengoptimalkan persediaan dan distribusi produk mereka.

6. Mengetahui faktor-faktor yang paling berpengaruh terhadap keputusan pembelian, perusahaan dapat mengalokasikan sumber daya pemasaran mereka dengan lebih efisien, menghemat biaya, dan meningkatkan hasil.

7. Model regresi logistik yang dikembangkan dalam penelitian dapat digunakan untuk memprediksi keputusan konsumen dalam membeli parfum. Ini berguna dalam perencanaan strategi pemasaran jangka panjang.

8. Penelitian ini juga akan memberikan kontribusi terhadap pengetahuan akademis dan literatur ilmiah dalam bidang pemasaran dan statistik, khususnya dalam konteks pemodelan regresi logistik.

BAB II TINJAUAN PUSTAKA

2.1 Penelitian Terdahulu

Penelitian terdahulu ini telah menjadi panduan bagi penulis dalam melakukan penelitian, membantu penulis dalam memperluas landasan teori yang digunakan dalam penyelidikan yang sedang dilakukan. Dalam pengkajian literatur, penulis tidak

menemukan penelitian dengan judul yang sama dengan penelitian penulis. Meskipun begitu, penulis telah menggunakan beberapa penelitian sebelumnya sebagai referensi utama untuk memperkaya landasan teoritis dalam penelitian ini. Berikut adalah beberapa jurnal terkait yang telah menjadi rujukan penting dalam mengembangkan bahan kajian dalam penelitian penulis.

Nama Peneliti Judul Penelitian Hasil Penelitian Ali Ilham Sofiyat ,

Awaluddin Tjalla , Mahdiyah

Pemodelan regresi logistik biner terhadap penerimaan pegawai di PT XYZ

Peluang pelamar mengalami keberhasilan diterima bekerja di PT

Jakarta XYZ Jaya setelah mencoba memasukkan lamaran pekerjaan adalah 0,7639 (76,39%) jika lama pendidikan terakhirnya lebih lama (lebih tinggi) dan pengalaman kerjanya lebih lama. Berdasarkan hasil penelitian yang telah dilakukan maka saran yang dapat diberikan oleh peneliti adalah perlu adanya persiapan yang matang untuk menghadapi penerimaan masuk kerja dikarenakan persaingan yang semakin ketat dan jumlah penerimaan yang sedikitMetode yang digunakan dalam penelitian ini sudah relative sesuai dikarenakan proporsi antara diterima dan tidak diterima adalah seimbang.

2.2 Landasan Teori

2.2.1 Analisis Teori Regresi Logistik Biner

Metode regresi merupakan analisis data yang mendeskripsikan antara sebuah variable respons dan satu atau lebih variabel penjelas atau prediktor (Hosmer Jr. et al., 2013). Perbedaan regresi linier sederhana dan regresi logistik adalah variabel respon.

Regresi logistik merupakan salah satu metode yang dapat digunakan untuk mencari hubungan variabel respons (y) yang bersifat dichotomous (berskala nominal atau ordinal dengan dua kategori) atau polychotomous (mempunyai skala nominal atau ordinal dengan lebih dari dua kategori) dengan satu atau lebih variabel prediktor (x). Sedangkan variabel respons bersifat kontinu atau kategoris (Agresti, 2003). Teori tentang regresi logistik ini diambil dari sumber (Hosmer Jr et al., 2013) dengan model regresi logistiknya adalah sebagai berikut.

β p . X¿ _p

¿0+β₁. X₁+…+β¿

¿

¿¿ β p . X¿ _p

¿0+β1. X1+…+β_¿

¿¿ ⅇ¿^¿ π(x)=¿

(1)

Di mana p adalah banyaknya variabel prediktor dan β₀, β₁,… , β_p adalah parameter.

Untuk mempermudah pendugaan parameter regresi maka model regresi logistik dapat diuraikan dengan menggunakan transformasi logit dari π(x) sebagai berikut.

g(x)=ln( π(x)

1−π(x))=¿ β₀+β₁. X₁+…+β_{p . Xp} (2)

2.3 Estimasi parameter

Dalam regresi logistik, kita dapat memperkirakan parameter-parameter model menggunakan metode Maximum Likelihood. Metode tersebut mengestimasi parameter β dengan cara memaksimumkan fungsi likelihood dan mensyaratkan bahwa data harus mengikuti suatu distribusi tertentu. Pada regresi logistik, setiap pengamatan mengikuti distribusi bernoulli sehingga dapat ditentukan fungsi likelihoodnya (Hosmer Jr et al., 2013).

Metode Maximum Likelihood

Dalam model yang melibatkan variabel respons biner atau dikotomi (dengan nilai 0 dan 1), dan dengan asumsi bahwa observasi-observasi tersebut saling bebas, kita dapat mengestimasi parameter β menggunakan Metode Maximum Likelihood Estimation (MLE). Dalam metode ini, parameter-parameter dihitung dengan cara memaksimalkan turunan pertama dari fungsi log likelihood. Estimasi varian dan kovariansi diperoleh dari turunan kedua dari fungsi log likelihood.

Apabila kita memiliki pasangan data xi dan yi, yang mewakili variabel bebas dan terikat dalam pengamatan ke-i, dan asumsikan bahwa setiap pasangan pengamatan saling independen dengan pasangan pengamatan lainnya (i = 1, 2, 3, ..., n), maka probabilitas atau fungsi peluang untuk setiap pasangan pengamatan dapat dijelaskan sebagai berikut:

x_i 1−π⁽¿^)yi f

(

β , x_i

)

=π

(

x_i

)

^yi¿

y_i=0,1 (3)

Dengan

x

∑

j=0 p

β_{j xy}

¿¿ 1+e^¿ (¿¿i)=e^∑j=0

p

β_jx

y

¿

¿

Dimana Ketika j = 0 maka nilai x_i´j=x_i´0 =1.

Setiap pasangan pengamatan diasumsikan saling bebas (independent) Likelihood merupakan gabungan dari fungsi distribusi masing-masing sebagai berikut:

l(β)=

∏

i=1 n

f(β , x_i)

=

(

^xi

)

1−π¿

¿

∏

i=1 n

π

(

^xi

)

^yi¿

Fungsi likelihood tersebut lebih mudah dimaksimumkan dalam bentuk log l(β) yang disebut juga dengan log likelihood (L(β)). Bentuk ini dapat didefinisikan sebagai berikut:

L(β)=log(β)

=

log⁡(1+¿

∑

j=0 p

β_jxij)

∑

J=0

p

( ^∑

^{1=1n y1⋅xJi}

)

^β

^∑

^{1=1n ¿}

Untuk mendapatkan nilai β dari (L(β)) yang maksimum maka dilakukan penurunan (diferensial) terhadap β dan hasilnya disamakan dengan 0.

Metode untuk mengestimasi varian dan kovariansi dari estimasi koefisien parameter mengikuti prinsip dasar teori Maximum Likelihood Estimation (MLE). Teori MLE menyatakan bahwa kita dapat mendapatkan estimasi varian dan kovariansi dengan cara memanfaatkan turunan kedua dari fungsi likelihood. Dengan kata lain, kita

menghitung turunan kedua dari fungsi likelihood untuk mendapatkan informasi tentang seberapa tepatnya estimasi kita terhadap parameter-parameter model. Ini dapat dijelaskan sebagai berikut:

∂ L(β)

∂ β_jβ_u=

∑

1=1 n

x_ijx_iuπ

(

^xi

) (

^1−π

(

^xi

) )

∂ L²(β)

∂ β_j∂ β_u=−

∑

1=1 n

x_ijx_iuπ

(

^xi

) (

^1−π

(

^xi

) )

Apabila u=j, maka estimasi varians dapat ditulis

2.3.1 Uji Simultan atau Uji Signifikansi Secara Keseluruhan

Setelah parameter hasil estimasi diperoleh, maka kemudian dilakukan pengujian apakah variabel prediktor signifikan memengaruhi variabel respons secara bersama sama. Pengujian ini dilakukan untuk memeriksa keberartian koefisien

β secara serentak (multivariat) terhadap variabel respons. Hipotesis yang digunakan diberikan sebagai berikut.



2=¿…=β_i 1=¿β_¿

H₀:β_¿

 H_{1 :} paling tidak terdapat satu β_i≠0;i=1,2, … , p Statistik uji yang digunakan:

(4)

Di mana L₀ adalah likelihood tanpa variabel dan L₁ adalah likelihood dengan variabel. Statistik uji G adalah merupakan Likelihood Ratio Test di mana nilai G mengikuti

distribusi Chi-Squred sehingga H₀ ditolak jika G > X²(v , a) dengan v derajat bebas adalah banyaknya parameter dalam model tanpa β₀

2.3.2 Uji Parsial

Setelah dilakukan uji simultan, maka kemudian dilakukan pengujian keberartian terhadap koefisien β secara univariat terhadap variabel respons yaitu dengan membandingkan parameter hasil maksimum likelihood, dugaan β dengan standard error parameter tersebut. Hipotesis pengujian parsial adalah:

(5)

Statistik uji tersebut mengikuti distribusi ChiSqured sehingga H0 ditolak jika W² >

X²(v , a) dengan v degrees of freedom banyaknya prediktor.

2.3.3 Uji Kecocokan Model (Goodnes of fit test)

Pengujian ini dilakukan untuk menguji apakah model yang dihasilkan berdasarkan regresi logistik multivariat/serentak sudah layak. Dengan kata lain tidak terdapat perbedaan antara hasil pengamatan dan kemungkinan hasil prediksi model. Pengujian kesesuaian model dilakukan dengan hipotesis sebagai berikut.

H₀: Model sesuai (tidak terdapat perbedaan yang signifikan antara hasil pengamatan dengan kemungkinan hasil prediksi model)

H₁ : Model tidak sesuai (terdapat perbedaan yang signifikan antara hasil pengamatan dengan kemungkinan hasil prediksi model)

Statistik uji:

(6)

Keputusan diambil yaitu jika hitung<¿²X(db ,a)2

X_¿ maka gagal tolak H₀ . Pengujian estimasi parameter, dan uji kesesuaian model berlaku untuk regresi logistik biner, multinomial, maupun ordinal.

2.3.4 odds Ratio

Odds ratio diartikan sebagai kecenderungan variabel respons memiliki suatu nilai tertentu jika diberikan x=1 dan dibandingkan pada x=0. Keputusan tidak terdapat hubungan antara variabel prediktor dengan variabel respons diambil jika nilai odds ratio ( ψ ) = 1. Jika nilai odds ratio ( ψ ) < 1, maka antara variabel prediktor dan variabel respons terdapat hubungan negatif setiap kali perubahan nilai variabel bebas (x) dan jika odds ratio ( ψ ) > 1 maka antara variabel prediktor dengan variabel respons terdapat hubungan positif setiap kali perubahan nilai variabel bebas (X).

BAB III

METOGOLOGI PENELITIAN

3.1 Jenis dan Sumber Data 3.1.1 Jenis Data

Data yang digunakan pada penelitian ini merupakan data primer.

3.1.2 Sumber Data

Sumber data yang digunakan dalam penelitian ini merupakan data yang diperoleh melalui wawancara langsung dengan individu yang berusia antara 25 hingga 40 tahun di Desa Kutuh

3.2 Variabel Penelitian

Adapun variabel-variabel yang digunakan dalam penelitian ini yaitu:

1. Keputusan membeli parfum (Y) 2. Umur ( X₁¿

3. Pendapatan X (¿¿2)

¿ 4. Pekerjaan X

(¿¿3)

¿

5. Status Pernikahan X (¿¿4)

¿ 3.3 Objek Penelitian

Objek dalam penellitian ini adalah masyarakat yang tinggal di Desa Kutuh, Kecamatan Kuta Selatan ,Kabupaten Badung, BALI.

3.4 Analisis Penelitian

Langkah-langkah analisis yang dilakukan dalam penelitian ini adalah sebagai berikut:

1. Analisis deskriptif (mendeskripsikan data) 2. melakukan uji kecocokan model

3. melakukan uji signifikansi parameter dengan uji koefisien determinasi,uji F,uji T 4. Interpretasi model dengan oods ratio

5. melakukan Estimasi probabilitas

6. Melakukan ketepatan klasifikasi dengan clasification table

3.5 Hasil Dan Pembahasan 3.5.1 Statistika Deskriptif

Table 1. Tabel Tabulasi data narasumber

Table 2 Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Keputusan membeli 51 0 1 .35 .483

umur 51 25 39 30.96 4.133

pendapatan 51 1.8 4.7 3.092 .8333

pekerjaan 51 0 1 .49 .505

status menikah 51 0 1 .35 .483

Valid N (listwise) 51

3.5.2 Uji Kecocokan Model

Menurut Vikaliana et al. (2022: 92-93) dan Gio dan Rosmaini (2016: 233), Hosmer and Lameshow Test untuk melihat kecocokan atau FIT nya model.

H0: Model FIT (P-value > α ) H1: Model tidak FIT

Table 3 Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 8.391 8 .396

Dari table tersebut diperoleh nilai sig.0,396 > 0,05, maka H0 diterima (Model FIT).

Dengan itu, model regresi binary logistic layak dipakai untuk analisis selanjutnya karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi (predicted

probabilities) dengan klasifikasi yang diamati (observed probabilities).

3.5.3 Uji Signifikansi Parameter 1. Uji koefisien Determinasi

Dari hasil Nagelkerke R Square sebesar 0,748 menunjukkan bahwa kemampuan variabel independen (umur, pendapatan, pekerjaan, dan status menikah) dalam

Table 4 Model Summary Step

-2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 26.211^a .544 .748

a. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001.

menjelaskan variabel dependen (keputusan membeli parfum) adalah sebesar 74,8% dan sisanya dijelaskan oleh variabel lain yang tidak diteliti.

2. Uji F

Menurut Vikaliana et al. (2022: 101), untuk menguji pengaruh variabel independen secara bersama-sama terhadap variabel variabel dependen dengan melihat nilai signifikan tabel Omnibus Tests of Model Coefficients

Table 5 Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 40.012 4 .000

Block 40.012 4 .000

Model 40.012 4 .000

Dari tabel tersebut diperoleh nilai sig0,000 < 0.05, maka H0 ditolak , artinya tingkat umur, pendapatan, pekerjaan, dan status menikah terhadap keputusan membeli parfum.

3. Uji t

Menurut Vikaliana et al. (2022: 93-94), untuk menguji pengaruh variabel independen secara parsial terhadap variabel variabel dependen dengan melihat nilai signifikan tabel Variables in the Equation. Ha diterima dengan syarat minimal ada 1 variabel independen yang signifikan mempengaruhi variabel dependen.

Table 6 Variables in the Equation

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

Step 1^a umur -.083 .180 .213 1 .644 .920

pendapatan -.448 1.104 .165 1 .685 .639

pekerjaan(1) 3.554 1.474 5.819 1 .016 34.968

status menikah(1) -3.650 1.284 8.078 1 .004 .026

Constant 3.066 4.960 .382 1 .536 21.455

a. Variable(s) entered on step 1: umur, pendapatan, pekerjaan, status menikah.

Hasil uji pengaruh variabel independen terhadap variabel dependen adalah sebagai berikut:

1. Nilai signifikan variabel tingkat pekerjaan itu X3 sebesar 0.016 <0.05, maka HO ditolak dan Ha diterima, artinya tingkat pekerjaan berpengaruh terhadap

keputusan untuk membeli parfum.

2. Nilai signifikan variabel status menikah yaitu X4 sebesar 0,004< 0.05, maka Ho ditolak dan Ha diterima, artinya status pernikahan berpengaruh terhadap

keputusan membeli parfum.

3.5.4 Pemodelan Regresi Logistik Biner dan Odds Ratio

Tabel 7 Variables in the Equation

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

Step 1^a umur -.083 .180 .213 1 .644 .920

pendapatan -.448 1.104 .165 1 .685 .639

pekerjaan(1) 3.554 1.474 5.819 1 .016 34.968

status menikah(1) -3.650 1.284 8.078 1 .004 .026

Constant 3.066 4.960 .382 1 .536 21.455

a. Variable(s) entered on step 1: umur, pendapatan, pekerjaan, status menikah.

Oods ratio digunakan untuk memudahkan interpretasi model regresi logistik biner, dimana telah diketahui dari hasil uji signifikansi parameter secara parsial bahwa variabel independen yang signifikan mempengaruhi variabel dependen adalah

1. Nilai oods ratio atau Exp(B) variabel pekerjaan sebesar 34.968, hal tersebut menandakan bahwa orang dengan pekerjaan PNS memiliki kecenderungan membeli parfum sebesar 34,968 kali lebih mungkin dibandingkan orang dengan pekerjaan bukan PNS.

2. Nilai oods ratio atau Exp(B) variabel status menikah sebesar 0,026, hal tersebut menandakan bahwa orang yang belum menikah memiliki kecenderungan membeli parfum sebesar 38,46 kali dibandingkan orang yang sudah menikah.

3.5.5 Interpretasi Model

Estimasi parameter factor-faktor yang memengaruhi keputusan membeli parfum di Desa Kutuh yang disajikan dalam Tabel 7. Model logit yang dibentuk berdasarkan variable- variable yang sighifikan terhadap keputusan seseorang dalam membeli parfum adalah sebagai berikut.

g(¿x)=3,066+3,554X3−3,650X4

¿^

Model logit yang terbentuk dapat dihitung nilai peluangnya untuk variabel respons.

1+ⅇ^{^(g(¿x))} ⅇ^{(g(¿^x))} π(x)=¿¿

π(x)= ⅇ3,066+3,554X3−3,650X4

1+ⅇ^{3,066+3,554X3−3,650X4}

π(x)=¿ 0,951219246 π(x)=¿ 95%

Nilai sebesar π(x) sebesar 0,95 menunjukkan bahwa narasmber dengan pekerjaan PNS dan sudah menikah maka kecenderungan membeli parfum yaitu sebesar 95%

3.5.6 Ketepatan Klasifikasi

Classification Table^a

Observed

Predicted

Keputusan membeli Percentage Correct membeli tidak membeli

Step 1 Keputusan membeli membeli 32 1 97.0

tidak membeli 5 13 72.2

Overall Percentage 88.2

a. The cut value is .500

Berdasarkan Classification Table, diketahui jumlah orang yang memiliki kecenderungan untuk membeli parfum sebanyak 33 orang, 1 orang diprediksi akan memutuskan untuk tidak membeli parfum dengan tingkat kebenaran prediksi sebesar 97%. Diketahui jumlah responden yang memutuskan untuk tidak membeli parfum sebanyak 18 orang dan 5 orang diantaranya diprediksi akan memutuskan untuk membeli parfum dengan tingkat

kebenaran prediksi sebesar 72%. Sehingga persentase ketepatan model dapat memprediksi dengan benar sebesar 88%

3.6 Kesimpulan

Setelah melakukan analisis regresi logistik biner, ditemukan bahwa terdapat dua factor yang secara signifikan memengaruhi keputusan membeli parfum di Desa Kutuh di Kabupaten Badung, Bali. Kedua faktor tersebut adalah pekerjaan (PNS dan Bukan PNS dan status nikah (sudah menikah dan belum menikah). Hasil analisis juga menunjukkan bahwa model ini memiliki tingkat ketepatan kualifikasi sebesar 88%.

DAFTAR PUSTAKA

Sofiyat, A. I., Tjalla, A., & Mahdiyah, M. (2023). Pemodelan Regresi Logistik Biner Terhadap Penerimaan Pegawai Di Pt Xyz Jakarta. Matematika Sains, 1(1), 1–11.

Vikaliana, Resista, Agung Pujianto, Awin Mulyati, R. F. (2022). Ragam Penelitian dengan SPSS. In Tahta Media Group.

Vol, A., Edisi September, T. I., PROMOSI TERHADAP KEPUTUSAN PEMBELIAN YANG MEDIASI OLEH MINAT BELI KONSUMEN ROXY SWALAYAN ENDE Oleh, P. DI, Meme Mahasiswa Program Studi Manajemen, R., & Octavianus Byre Dosen Program Studi Manajemen, R. (2020). PENGARUH PROMOSI TERHADAP KEPUTUSAN PEMBELIAN YANG DI MEDIASI OLEH MINAT BELI KONSUMEN ROXY SWALAYAN ENDE-1) Roswita Meme, 2) Rafael Oktavianus Byre. 20(September), 1–13.

Wulandari, S. P., Wildani, Z., Prastuti, M., Aridinanti, L., Retnaningsih, S. M., Ratih, I. D., Kustantin, S., Zullah, V. S., Kurniasari, S. V., & Pradana, A. (2021). Pemodelan Literasi Membaca Siswa Di Daerah Terpencil Menggunakan Regresi Logistik Biner. Jurnal LeECOM (Leverage, Engagement, Empowerment of Community), 3(1), 33–42.

https://doi.org/10.37715/leecom.v3i1.1887