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 !!
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.
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 dariyang 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)
0,025 B1 0,005 B2 0,311 B3 0,780 B4 0,000 B5 0,477
6. Kesimpulan
B0 p-value < α (0,025<0,05) B1 p-value < α (0,005<0,05) Tolak H0 B2 Gagal Tolak H0 B4 p-value < α (0,000<0,05) Tolak H0 B5 p-value < α (0,477<0,05) Gagal Tolak H0
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 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.
Olah Data Semarang
BalasHapusJasa Olah Data SPSS, AMOS, LISREL, Frontier 4.1
EVIEWS, SMARTPLS, STATA, DEAP 2.1, DLL
Contact Person WhatsApp
Klik Link Dibawah
Contact Person WhatsApp +6285227746673