Analisis Regresi Logistik dengan SPSS

Regresi Logistik

Logistic Regression atau biasa kita sebut Regresi Logistik sebenarnya mirip dengan analisis faktor yaitu kita ingin menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Analisis regresi logistik digunakan untuk menjelaskan hubungan antara variabel respon yang berupa data dikotomik/biner dengan variabel bebas yang berupa data berskala interval dan atau kategorik, (Hosmer dan Lemeshow, 1989).

Variabel yang dikotomik/biner adalah variabel yang hanya mempunyai dua kategori saja, yaitu kategori yang menyatakan kejadian sukses (Y=1) dan kategori yang menyatakan kejadian gagal (Y=0). Pada model-model linear umum komponen acak tidak harus mengikuti sebaran normal, tapi harus masuk dalam sebaran keluarga eksponensial. Sebaran bernoulli termasuk dalam salah satu dari sebaran keluarga eksponensial. Variabel respon Y ini, diasumsikan mengikuti distribusi Bernoulli.

Bentuk umum model peluang regresi logistik dengan p variabel penjelas, diformulasikan sebagai berikut:

Dengan π(x) adalah peluang kejadian sukses dengan nilai probabilita 0 ≤ π(x) ≤ 1 dan βj adalah nilai parameter dengan j = 1,2,......,p. π(x) merupakan fungsi yang non linier, sehingga perlu dilakukan transformasi ke dalam bentuk logit untuk memperoleh fungsi yang linier agar dapat dilihat hubungan antara variabel bebas dan variabel tidak bebas. Dengan melakukan transformasi dari logit π(x), maka didapat persamaan yang lebih sederhana, yaitu:

Jika dari beberapa variabel bebas ada yang berskala nominal atau ordinal, maka variabel tersebut tidak akan tepat jika dimasukkan dalam model logit karena angka-angka yang digunakan untuk menyatakan tingkatan tersebut hanya sebagai identifikasi dan tidak mempunyai nilai numerik dalam situasi seperti ini diperlukan variabel dummy. Untuk variabel bebas dengan skala ordinal maupun nominal dengan k kategori, akan diperlukan sebanyak k-1 variabel dummy.

Asumsi Regresi Logistik

Adapun asumsi dalam analisis regresi logistik adalah:

1. Tidak mengasumsikan hubungan linier antar variabel dependen dan independen
2. Variabel dependen harus bersifat dikotomi (2 variabel)
3. Variabel independen tidak harus memiliki keragaman yang sama antar kelompok variabel
4. Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat eksklusif
5. Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50 sampel data untuk sebuah variabel prediktor (bebas).

Studi Kasus

Daftar Tabulasi Perusahaan Perbankan yang sudah direkap
No.	Tahun	Kode	DTA	ROA	KAP	OWN	KW
		Bank	(X1)	(X2)	(X3)	(X4)	(Y)
1.	2012	BMRI	0,81	0,04	0	0,35	1
2.		BBRI	0,88	0,05	1	0,31	1
3.		BBCA	0,84	0,04	1	0,35	1
4.		BBNI	0,85	0,03	1	0,25	1
5.		BNGA	0,86	0,03	0	0,14	1
6.		BDMN	0,81	0,03	1	0,25	1
7.		BNLI	0,85	0,02	1	0,10	1
8.		PNBN	0,86	0,02	1	0,10	1
9.		BBTN	0,90	0,02	1	0,25	1
10.		BNII	0,89	0,02	1	0,10	1
11.		NISP	0,87	0,02	0	0,14	1
12.		BBKP	0,92	0,02	1	0,31	1
13.		BJBR	0,87	0,02	1	0,20	0
14.		BTPN	0,86	0,05	0	0,35	1
15.		MEGA	0,85	0,03	1	0,35	1
16.		BJTM	0,80	0,03	1	0,20	0
17.		INPC	0,70	0,01	0	0,35	0
18.		BKSW	0,80	-0,01	1	0,15	1
19.		SDRA	0,80	0,04	0	0,25	1
20.		MCOR	0,80	0,02	1	0,10	1
21.		BBNP	0,88	0,02	0	0,23	1
22.		BABP	0,85	0,00	1	0,20	0
23.		BEKS	0,85	0,01	0	0,10	1
24.		BBMD	0,71	0,05	0	0,00	0
25.		AGRO	0,75	0,02	1	0,10	1
26.		BSWD	0,67	0,03	0	0,10	0
27.		BNBA	0,80	0,02	1	0,80	0
28.		BMAS	0,87	0,01	1	0,00	0
29.		BINA	0,89	0,01	0	0,00	0
30.		NAGA	0,82	0,01	0	0,00	0
1.	2013	BMRI	0,814	0,04	0	0,30	1
2.		BBRI	0,873	0,05	1	0,31	1
3.		BBCA	0,868	0,04	1	0,42	1
4.		BBNI	0,852	0,03	0	0,28	1
5.		BNGA	0,882	0,03	0	0,03	1
6.		BDMN	0,829	0,03	1	0,10	1
7.		BNLI	0,915	0,02	1	0,09	1
8.		PNBN	0,878	0,02	1	0,10	1
9.		BBTN	0,912	0,02	1	0,20	1
10.		BNII	0,912	0,02	1	0,15	1
11.		NISP	0,862	0,02	0	0,14	1
12.		BBKP	0,911	0,02	1	0,30	1
13.		BJBR	0,858	0,03	1	0,20	1
14.		BTPN	0,839	0,05	0	0,32	1
15.		MEGA	0,908	0,01	1	0,30	1
16.		BJTM	0,827	0,04	1	0,20	1
17.		INPC	0,882	0,01	0	0,40	1
18.		BKSW	0,863	0,00	1	0,10	1
19.		SDRA	0,735	0,05	0	0,31	1
20.		MCOR	0,869	0,02	1	0,10	1
21.		BBNP	0,895	0,02	0	0,10	1
22.		BABP	0,906	-0,01	1	0,20	1
23.		BEKS	0,970	0,01	0	0,14	1
24.		BBMD	0,756	0,05	0	0,25	1
25.		AGRO	0,837	0,02	1	0,10	1
26.		BSWD	0,847	0,04	0	0,19	1
27.		BNBA	0,860	0,02	1	0,13	1
28.		BMAS	0,847	0,01	1	0,10	1
29.		BINA	0,879	0,01	0	0,10	1
30.		NAGA	0,876	0,00	0	0,10	1
1.	2014	BMRI	0,815	0,04	0	0,40	1
2.		BBRI	0,878	0,05	1	0,43	1
3.		BBCA	0,855	0,04	1	0,50	1
4.		BBNI	0,819	0,03	0	0,40	1
5.		BNGA	0,878	0,01	0	0,30	1
6.		BDMN	0,831	0,01	1	0,25	1
7.		BNLI	0,908	0,01	1	0,10	0
8.		PNBN	0,865	0,02	1	0,15	1
9.		BBTN	0,916	0,01	1	0,35	1
10.		BNII	0,898	0,01	1	0,10	1
11.		NISP	0,855	0,02	0	0,14	1
12.		BBKP	0,914	0,01	1	0,40	0
13.		BJBR	0,842	0,02	1	0,24	1
14.		BTPN	0,810	0,04	0	0,29	1
15.		MEGA	0,896	0,01	1	0,40	1
16.		BJTM	0,841	0,04	1	0,20	1
17.		INPC	0,884	0,01	0	0,45	1
18.		BKSW	0,891	0,01	1	0,15	1
19.		SDRA	0,762	0,03	1	0,20	0
20.		MCOR	0,875	0,01	1	0,13	1
21.		BBNP	0,880	0,01	0	0,15	1
22.		BABP	0,869	-0,01	1	0,32	1
23.		BEKS	0,934	-0,02	0	0,18	1
24.		BBMD	0,754	0,04	0	0,10	1
25.		AGRO	0,858	0,02	1	0,10	1
26.		BSWD	0,892	0,03	0	0,15	1
27.		BNBA	0,883	0,02	1	0,10	1
28.		BMAS	0,866	0,01	1	0,26	1
29.		BINA	0,845	0,01	0	0,30	1
30.		NAGA	0,903	0,01	0	0,15	1

Langkah-langkah kerja dalam melakukan analisis regresi dengan regresi logistik:

• Buka software SPSS, klik variable view dan tentukan nama variabel ”DTA”, “ROA”, “KAP”, “OWN”, dan “KW” seperti terlihat pada gambar 1 berikut:

• Kemudian klik button values, lakukan pengkategorian dengan menggunakan nilai (value) pada masing-masing variabel KAP dan variabel KW secara satu persatu. Untuk variabel KAP, masukkan nilai 1 sebagai kategori “klien KAP the big four”, dan nilai 0 untuk “bukan klien KAP the big four”. Untuk variabel KW, masukkan nilai 1 untuk kategori tepat waktu dan 0 untuk kategori tidak tepat waktu seperti terlihat pada gambar berikut: 

• Klik OK, kemudian masukkan semua data studi kasus kedalam tabel SPSS pada data view.

• Kemudian lakukan analisis dengan cara mengklik menu analyze  regression  binary logistic sehingga akan muncul kotak dialog logistik regression. Masukkan variabel “KW” kedalam kolom dependent, kemudian variabel “DTA”, “ROA”, “KAP” dan “OWN” kedalam kolom covariates seperti gambar berikut:

• Definisikan variabel kategorik pada covariates dengan cara mengklik button categorical, dan masukkan variabel KAP sebagai variabel kategorik, klik first pada reference category, kemudian klik button change seperti terlihat pada gambar  berikut :

• Klik continue, kemudian klik button save, beri tanda ceklis pada bagian probabilities, group membership, dan include the covariance matrix seperti pada gambar berikut :

• Klik continue, kemudian klik button options dan beri tanda ceklis pada bagian seperti terlihat pada gambar berikut  :

• Klik continue kemudian klik OK untuk melihat hasil output. 
• Selanjutnya cek nilai sig. masing-masing variabel pada tabel  variables in the equation, apabila terdapat variabel yang tidak signifikan (sig. < 0,05) keluarkan variabel satu persatu sehingga diperoleh variabel yang signifikan. 

Sekian, untuk output dan pembahasannya menyusul pada postingan berikutnya

Semoga bermanfaat :)

• Twitter
• Facebook
• Google
• Tumblr
• Pinterest