Regresi logistik
Pengaruh X terhadap Y yang berupa dua kategori.
Untuk apa dipakai
- Menguji pengaruh variabel X terhadap Y
- Mengklasifikasi atau memprediksi
Data yang dibutuhkan
Satu kolom hasil dengan tepat 2 kategori (misalnya 0 dan 1) dan minimal satu kolom prediktor.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Cara membaca hasilnya
Memprediksi kemungkinan suatu kejadian (dua kategori, misalnya lulus atau tidak).
- Odds ratio (Exp B)
- Di atas 1 menaikkan peluang kejadian; di bawah 1 menurunkan. Angka 2 berarti peluang (odds) dua kali lipat.
- Nilai p tiap variabel
- Kurang dari 0,05 berarti variabel itu berpengaruh nyata.
- Ketepatan klasifikasi
- Persentase prediksi yang benar; bandingkan dengan menebak kelompok terbesar.
Perlu diwaspadai
- Odds ratio bukan sama dengan risiko; jangan menyebutnya "kali lebih mungkin" tanpa hati-hati.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
Variabel terikat harus punya tepat dua nilai; responden dengan data kosong pada variabel model dibuang.
Model memprediksi peluang kejadian dari kombinasi linear variabel bebas lewat fungsi logistik.
P(kejadian) = 1 / (1 + e^-(b0 + b1x1 + ... ))
Uji rasio kemungkinan membandingkan model dengan model tanpa variabel bebas; R² semu (Cox-Snell, Nagelkerke, McFadden) sebagai gambaran kasar kekuatan model, bukan proporsi variasi terjelaskan seperti pada regresi linear.
Exp(B) = odds ratio: perubahan odds kejadian untuk kenaikan satu satuan variabel bebas, dengan variabel lain tetap.
Odds ratio = Exp(B)
Menguji apakah model cocok dengan data; Sig. > 0,05 berarti tidak ada bukti ketidakcocokan.
Mengukur ketepatan prediksi pada titik potong tertentu (baku 0,5); AUC menilai kemampuan model membedakan kejadian dari bukan kejadian di semua titik potong, dengan selang kepercayaan metode DeLong.
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| Signifikan | p < 0,05 (Wald) | — |
| Model cocok dengan data | Hosmer-Lemeshow p > 0,05 | Hosmer dkk. (2013) |
| AUC | ≥ 0,9 luar biasa · ≥ 0,8 sangat baik · ≥ 0,7 dapat diterima · 0,5 tidak ada diskriminasi | Hosmer dkk. (2013) |
| Kejadian per variabel bebas (EPV) rendah | EPV < 10 (hasil kurang stabil) | Peduzzi dkk. (1996) |
- Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (3rd ed.). John Wiley & Sons.
- Nagelkerke, N. J. D. (1991). A note on a general definition of the coefficient of determination. Biometrika, 78(3), 691–692.
- DeLong, E. R., DeLong, D. M., & Clarke-Pearson, D. L. (1988). Comparing the areas under two or more correlated receiver operating characteristic curves: A nonparametric approach. Biometrics, 44(3), 837–845.
- Peduzzi, P., Concato, J., Kemper, E., Holford, T. R., & Feinstein, A. R. (1996). A simulation study of the number of events per variable in logistic regression analysis. Journal of Clinical Epidemiology, 49(12), 1373–1379.
Mengikuti Hosmer, Lemeshow, & Sturdivant (2013).
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.