Hasil Pembahasan Analisis Regresi Logistik Biner : Uji Kecocokan Model

Setelah memberikan Langkah-langkah dalam mendapatkan model regresi logistik, selanjutnya saya akan memberikan pembahasan dari output yang dihasilkan dan akan dilakukan uji hipotesis. Uji hipotesis akan dimulai dari uji kecocokan model untuk membuktikan apakah model telah signifikan dan selanjutnya akan dilanjutkan dengan interpretasi output yang dihasilkan.
Pada kasus kali ini kita akan memperediksi peluang seseorang tepat waktu dalam penyampaian laporan keuangan. Sehingga jika semua uji hipotesis telah selesai dilakukan dan juga interpretasi dari beberapa output maka selanjutnya kita akan menjawab kasus dari prediksi yang diminta. Berikut pembahasannya !!

HASIL ANALISIS
Pada kasus kali ini kita diminta untuk mendapatkan model regresi logistik dari data yang ada. Model regresi ini dapat digunakan untuk memprediksi peluang seseorang tepat waktu dalam penyampaian laporan keuangan. Sehingga ini akan sangat berguna untuk perusahaan dalam menilai kinerja karyawannya.

         1.      Uji Overall

       ·  Hipotesis

      ·  Menentukan tingkat signifikansi
    Pengujian menggunakan tingkat signifikansi α=5% (α=0.5)
 ·  Menentukan daerah kritis
    H0 ditolak jika p-value < α
 ·  Statistik uji
   Dari tabel hasil perhitungan maka didapatkan nilai sig(p-value) 0,000
 ·  Keputusan
   P-Value < alpha (α) ~ 0,000 < 0,05
   H0 ditolak atau gagal terima H0
 ·  Kesimpulan
Dengan menggunakan tingkat kepercayaan 95%, data yang ada tidak mendukung H₀ atau paling tidak ada salah satu dari yang tidak sama dengan 0.

Dari uji hipotesis untuk uji overall maka didapatkan bahwa ada salah satu diantara parameter  yang tidak sama dengan 0. Hal ini menunjukkan bahwa model yang didapatkan signifikan. Selanjutnya untuk mengetahui variabel mana yang tidak sama dengan 0 perlu dilakukan uji parsial.

Dari tabel 3.2 dapat dilihat hasil perhitungan variabel equation yang dihasilkan. Dari tabel tersebut didapatkan model regresi logistik awal yang didapatkan yaitu

Dari model regresi yang dihasilkan perlu dilakukan uji kecocokan model dan uji parameter model (parsial). Hal ini dilakukan untuk dapat membuktikan bahwa model yang dihasilkan telah signifikan sehingga dapat dipakai sebagai prediksi peluang seseorang tepat waktu dalam penyampaian laporan keuangan perusahaan. Jika secara statistik pengertiannya yaitu untuk membuktikan bahwa parameter penduga dari model regresi apakah signifikan atau tidak. Jika hasil nya signifikan maka akan dilakukan uji berikutnya yaitu uji parsial. Uji parsial dilakukan untuk membuktikan parameter penduga dari masing-masing variabel (estimasi parameter).

Pada uji kecocokan model yang akan dibuat, ini merupakan model awal yang dihasilkan dari perhitungan regresi logistik. Sehingga dilakukan uji overall dan uji parsial untuk memastikan bahwa model tersebut telah signifikan atau belum.

Dari tabel variables in equation, maka dilakukan uji parsial. Berikut uji hipotesisnya:

1. Menentukan Hipotesis

2. Menentukan tingkat signifikansi :
Pengujian menggunakan tingkat signifikansi α=5% (α=0,05)
3. Menentukan daerah kritis
H0 ditolak jika p-value < α
4. Statistik uji
Dari tabel hasil perhitungan maka didapatkan nilai sig(p-value)

B0	0,025
B1	0,005
B2	0,311
B3	0,780
B4	0,000
B5	0,477

B0	p-value < α (0,025<0,05)	Tolak H0
B1	p-value < α (0,005<0,05)	Tolak H0
B2	p-value < α (0,311<0,05)	Gagal Tolak H0
B3	p-value < α (0,780<0,05)	Gagal Tolak H0
B4	p-value < α (0,000<0,05)	Tolak H0
B5	p-value < α (0,477<0,05)	Gagal Tolak H0

6. Kesimpulan
Dengan tingkat kepercayaan sebesar 95%, data yang telah ada terdapat tiga parameter yang medukung H0 dan terdapat tiga parameter yang tidak mendukung H0.

5.    Keputusan

Dari uji hipotesis untuk uji parsial didapatkan bahwa terdapat tiga parameteryang tidak signifikan. Sehingga akan dilakukan perhitungan regresi ulang dengan mengeluarkan parameter yang tidak signifikan dan memiliki p-value terbesar. Maka parameter yang keluar yaitu .

Dari hasil analisis diatas diperoleh persamaan regresi logistik sebagai berikut : 

      

Dari model diatas,  diketahui akan dicarikan probabilitas dimana profitabilitas 2, Kompleksitas mempunyai anak perusahaan, Opini Lain. Likuiditas = 3 dan Size Peru = 15. Probabilitas penyampaian laporan keuangan tepat waktu pada saat X1 = 3, X2 = 1, X3 = 0. X4 = 2 dan X5 = 14, sehingga diperoleh interval konfidensi 95 % untuk nilai rata-rata respon E(y)  sebesar :

Sedangkan untuk estimasi beta () dimana diketahui bahwa B₁ = 0,942 diperoleh exp (0,942) =2,566 , exp(0,311) - 1 = 0,365 (36,5 %). Ini berarti untuk setiap penambahan Profitabilitas (x1), diperkirakan nilai odds untuk status Profitabilitas akan bertambah  sebesar 36,5 % pada variabel Kompleksitas (x2) yang tetap. Sedangkan untuk Selanjutnya untuk B₃ = -0,178 diperoleh exp(-0,178) = 0,8370 , exp(0) - 1 =  0 (0%). Ini berarti untuk setiap penambahan Opini (x3), diperkirakan nilai odds untuk status lama Opini akan bertambah sebesar 0 % pada variabel Liquiditas (x4) yang tetap (dengan kata lain, tidak memberikan penambahan nilai odds). Untuk B₄ = 0,558 diperoleh exp(0,558) = 1,7472 , exp(0,477) - 1 =  0,612 (61,2%). Ini berarti untuk setiap penambahan Liquiditas (x3), diperkirakan nilai odds untuk status lama Liquiditas akan bertambah sebesar 61,2 % pada variabel size_peru (x5) yang tetap. 

Sekian yah, bagi yang belum tau bagaimana menghasilkan output seperti di atas dapat membaca postingan sebelumnya tentang Langkah-langkah Analisis Regresi Logistik Biner.