tutorial multinomial logistik kb

8/19/2019 Tutorial Multinomial Logistik KB

1/28

TUGAS STATISTIK DAN APLIKASI KOMPUTER

Program Pascasarjana Kependudukan dan Ketenagakerjaan

Tahun Ajaran 2015/2016

Nama : Lidya Sri Yeni (1506783395)Dosen : Omas Bulan Samosir Ph.D

ANALISIS REGRESI LOGISTIK MULTINOMIAL

DETERMINAN PEMILIHAN ALAT/CARA KB DI PROVINSI SUMATERA BARAT

(ANALISIS DATA SUSENAS TAHUN 2010)

I. LATAR BELAKANG

Keberhasilan Program Keluarga Berencana di suatu wilayah dapat diukur dengan melihattingkat pemakaian kontrasepsi (prevalensi kontrasepsi). Dengan demikian dapat dipahami betapa

pentingnya informasi tentang pemakaian kontrasepsi, yang dapat digunakan juga untuk

memperkirakan penurunan angka fertilitas akibat dari pemakaian kontrasepsi tersebut. Latar

belakang sosial-ekonomi dan demografi berpengaruh terhadap penentuan jenis/cara KB yang

sedang digunakan. Terdapat banyak faktor sosial-ekonomi dan demografi, namun dalam penelitian

ini dibatasi menjadi: umur, daerah tempat tinggal, tingkat pendidikan, status bekerja, jumlah anak

dan lama dalam ikatan perkawinan. Penelitian ini bertujuan untuk mengetahui

probabilitas/kecenderungan faktor-faktor yang mempengaruhi wanita pernah kawin di Provinsi

Sumatera Barat dalam memilih jenis/cara KB yang sedang digunakan.

II. VARIABEL

Analisis determinan pemilihan alat/cara KB di Provinsi Sumatera Barat menggunakan raw data

Susenas Kor Tahun 2010. Unit analisisnya adalah perempuan umur 15-49 tahun dan berstatus

kawin. Variabel yang digunakan untuk membuat model dan estimasi parameter determinasi

pemilihan alat/cara KB di Provinsi Sumatera Barat Tahun 2010 adalah:

A. Variabel tidak bebas (Y)

Variabel tidak bebas yang dimaksud dalam analisis ini ialah jenis/cara KB yang sedang

digunakan. Variabel ini bersumber dari pertanyaan Blok V.E, Rincian 36. Dengan rincian:

2 = Alat/Cara KB Jangka Panjang (1,2,3 dan 5)

1 = Alat/Cara KB Jangka Pendek/Tradisonal (4, 6,7,8,9 dan 10)

0 = Tidak Pakai Alat/Cara KB


2/28

Keterangan:

Alat/cara KB yang digunakan/dipakai:

1. MOW/tubektomi

2. MOP/Vasektomi

3. AKDR/IUD/Spiral

4. Suntikan KB

5. Susuk KB/norplan/implanon/alwalit

6. Pil KB

7. Kondom/Karet KB

8. Intravag/tisue

9. Kondom Wanita

10. Cara Tradisional

Kemudian dilakukan transformasi variabel Y, menjadi:

1. Tidak Pakai Alat/Cara KB, selanjutnya dikodekan “2” (sebagai kategori acuan).

2. Jenis/cara KB jangka pendek, yang terdiri atas suntikan KB, Pil KB, Kondom, Intravag, dan

Kondom wanita, selanjutnya dikodekan “1”;

3. Alat/Cara KB Jangka Panjang, yang terdiri atas MOW, MOP, IUD, dan Alwalit/susuk,

selanjutnya dikodekan “1”

B. Variabel bebas (X)

1. X1 = Umur (kontinu, dalam tahun)

2. X2 = Daerah tempat tinggal (RES)

1 = “Perkotaan”

2 = “Perdesaan” (kategori acuan)

3. Tingkat Pendidikan, dilihat dari status sekolah dan ijazah/STTB teritinggi yang dimiliki,

variabel ini bersumber dari pertanyaan Blok V.E Rincian 14 & 17.

X3 = Pendidikan (DIDIK), yakni:

1 = Pendidikan Tinggi “Perguruan Tinggi”

2 = Pendidikan Sedang “SMP atau SMA”

3 = Pendidikan Rendah “SD ke bawah” (kategori acuan)

Variabel Dummy

Dummy variabel DIDIK1

1=Perguruan Tinggi

0=SD ke bawah

Dummy variabel DIDIK2

1=SMP atau SMA

0=SD ke bawah


3/28

4. X4 = Status Bekerja (BEKERJA)

1 = Bekerja Non Pertanian

2 = Bekerja Pertanian

3 = Tidak Bekerja (kategori acuan)

Variabel Dummy

1. Dummy variabel BEKERJA1

1=Bekerja Non Pertanian

0=Tidak Bekerja

2. Dummy variabel BEKERJA2

1=Bekerja Pertanian

0=Tidak Bekerja

5. X5 = Jumlah Anak (ANAK), kontinu

6. X6 = Lama Ikatan Perkawinan (KAWIN), kontinu

Model regresi logistik Multinomial determinan pemilihan alat/cara KB di Provinsi Sumatera

Barat Tahun 2010 adalah:

1. Metode Jangka Pendek/Tradisional

() = + + + +

+ + 1+2+71+ 72+

2. Metode Jangka Panjang

() = + +

+ + +

+ 1+2+71 +72+ Dimana :

P0 = Probabilitas (Y=0) = probabilitas sedang tidak menggunakan alat/cara KB

P1 = Probabilitas (Y=1) = probabilitas menggunakan alat/cara KB metode jangka pendek/tradisional

P2 = Probabilitas (Y=2) = probabilitas menggunakan alat/cara KB metode jangka panjang


4/28

1 HASIL PENGOLAHAN

Persentase Penduduk Menggunakan alat/cara KB

Menurut Karakteristik di Provinsi Sumatera Barat, Berdasarkan Susenas 2010 (persen)

Latar Belakang Karakteristik

Alat/Cara KB Yang Digunakan

TotalTidak Pakai

Jangka

Pendek/

Tradisional

Jangka

Panjang (kode

1,2,3 dan 5)

(1) (2) (3) (4) (5) (6)

Tempat Tinggal

Perkotaan 49.73 38.84 11.43 100.00

Perdesaan 45.18 44.51 10.31 100.00

Umur

15-24 46.30 47.16 6.54 100.00

25-34 42.89 47.14 9.97 100.0035-49 49.98 37.82 12.19 100.00

Pendidikan

Tinggi 54.15 33.78 12.07 100.00

Sedang 44.66 45.25 10.09 100.00

Rendah 47.62 41.18 11.20 100.00

Bekerja

Bekerja di Pertanian 47.87 39.52 12.61 100.00

Bekerja di Non Pertanian 46.50 41.95 11.55 100.00

Tidak Bekerja 46.34 44.67 8.99 100.00

Jumlah Anak

0-4 45.30 43.88 10.82 100.00

5-8 59.26 30.63 10.11 100.00

9-12 87.40 9.47 3.14 100.00

Lama Menikah

0-10 47.71 43.91 8.38 100.00

11-20 38.68 48.29 13.03 100.00

21-36 58.02 30.40 11.59 100.00

Total 46.87 42.41 10.73 100.00

Berdasarkan crosstabulation terlihat bahwa penggunaan/pemakaian alat/cara KB tahun 2010

ada sebesar 10,73% untuk jangka panjang; 42,41 % untuk jangka pendek; dan sebesar 46,87

% penduduk yang tidak menggunakan/memakai alat/cara KB dari penduduk perempuan umur

15-49 tahun yang berstatus kawin di Provinsi Sumatera Barat. Penggunaan kontrasepsi Jangka

Panjang lebih banyak pada wanita yang tinggal di daerah perkotaan, yang berumur 35-49

tahun, berpendidikan tinggi, bekerja, dengan jumlah anak kurang dari 5 orang serta dengan

usia perkawinan 11-20 tahun. Penerimaan keluarga berencana lebih banyak pada mereka yang

memiliki standar hidup yang lebih tinggi.


5/28


6/28

2 Pengujian Multikolinearitas

Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi

klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model

regresi. Ada beberapa cara untuk mendeteksi ada tidaknya gejala multikolinieritas yang antara

lain, pertama menurut Gujarati (2003) dengan melihat pada matriks korelasi (korelasi antar

variabel bebas), yaitu jika korelasi antar variabel kuat diduga terdapat gejala multikolinieritas.

Correlations antar variabel independen

UmurLama

Menikah

Jumlah

Anak

Tempat

TinggalDidik Bekerja

Umur

Pearson Correlation 1 ,879** ,588** -,050** ,066** -,202**

Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000

N 810084 810084 810084 810084 810084 810084

Lama

Menikah

Pearson Correlation ,879** 1 ,686** ,058** ,277** -,126**

Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000

N 810084 810084 810084 810084 810084 810084

Jumlah

Anak

Pearson Correlation ,588** ,686** 1 ,045** ,213** -,067**

Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000

N 810084 810084 810084 810084 810084 810084

Tempat

Tinggal

Pearson Correlation -,050** ,058** ,045** 1 ,281** ,068**

Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000

N 810084 810084 810084 810084 810084 810084

Didik

Pearson Correlation ,066** ,277** ,213** ,281** 1 ,207**

Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000

N 810084 810084 810084 810084 810084 810084

Bekerja

Pearson Correlation -,202** -,126** -,067** ,068** ,207** 1

Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000

N 810084 810084 810084 810084 810084 810084

**. Correlation is significant at the 0.01 level (2-tailed).

Berdasarkan penghitungan tersebut terlihat bahwa diduga terlihat hubungan linear antar

variabel independen, namun demikian tetap dilakukan pengujian terhadap nilai inflation

factor (VIF) pada model regresi.


7/28

Menurut Neter et al. (1993) disarankan melihat pada nilai Variance Inflation Factor (VIF), yaitu

jika nilai VIF kurang dari 10 maka tidak terdapat multikolinieritas.

Coefficientsa

ModelCollinearity Statistics

Tolerance VIF

1

Umur ,189 5,301

Lama Menikah ,151 6,625

Jumlah Anak ,529 1,891

Tempat Tinggal ,908 1,101

Didik ,721 1,388

Bekerja ,910 1,099

a. Dependent Variable: MetodeKB

Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) keseluruhan variabel

adalah lebih kecil dari 10, sehingga bisa diduga bahwa antar variabel penjelas tidak terjadi

persoalan multikolinearitas.

3 MODEL REGRESI LOGISTIK MULTINOMIAL

Dari rincian variabel bebas dan variabel tidak bebas tersebut, maka didapat hasil sebagai berikut:

1. Output Case Processing Summary menghilangkan variabel yang tidak diperhitungkan dalam

model.

Case Processing Summary

NMarginal

Percentage

Metodekb

.00 86,893.38 10.7%

1.00 343,537.34 42.4%

2.00 379,652.84 46.9%

Tempat Tinggal

Perkotaan 300,555.14 37.1%

Perdesaan 509,528.42 62.9%

Didik

1.00 95,747.52 11.8%

2.00 418,701.73 51.7%

3.00 295,634.31 36.5%

Bekerja

1.00 257,951.08 31.8%

2.00 185,759.61 22.9%

3.00 366,372.87 45.2%

Valid 810,083.56 100.0%

Missing .00

Total 810,083.56

Subpopulation 5,436.00a

a. The dependent variable has only one value observed in 4640 (85,4%) subpopulations.


8/28

Pada Case Processing Summary , terlihat bahwa terdapat 810,083.56 data yang dianalisa dan tidak

memiliki missing value sehingga tingkat kevalidan datanya adalah 100%.

2. Model Fitting Criteria

Model Fitting Information

ModelModel Fitting Criteria Likelihood Ratio Tests

-2 Log Likelihood Chi-Square df Sig.

Intercept Only 1,256,679.26

Final 1,188,600.59 68,078.67 20 .000

Uji Simultan (Overall Test )

Ho: 1 = 2 = … = k=0

H1: Minimal ada satu k≠0, k=1,…,K, artinya minimal ada satu variabel penjelas yang berpengaruh.

Dari tabel di atas menunjukkan nilai -2 Log Likelihood sebesar 1,188,600.59 didapatkan nilai χ 2 =

68,078.67 dan Sig. = 0,000. Ini berarti bahwa model yang terdiri dari seluruh variabel signifikan

secara statistik pada tingkat kepercayaan 95 persen. Artinya, model yang digunakan dalam analisis

ini secara keseluruhan “fit” (cocok/baik). Dengan demikian dapat diputuskan bahwa kita akan

menggunakan model lengkap untuk melakukan analisis.

3. Nilai Koefisien determinasi

Untuk melakukan pengujian kecocokan model secara keseluruhan dilakukan dengan

menginterpretasikan Pseudo R-Square.

Dalam diantara berbagai pengukurannya dipakai 3 metode, yakni:

a) Cox and Snell dengan formula

b) Nagelkerke dengan formula

c) McFadden dengan formula


9/28

Pseudo R-Square

Cox and Snell .081

Nagelkerke .095

McFadden .044

nilai Cox and Snell R2 = 0,081 8,1 % variasi dalam probabilita pemilihan alat/cara KB dapat

dijelaskan oleh variabel-variabel bebas yang digunakan dalam Model.

nilai Nagelkerke R2 = 0,095 9,5 % variasi dalam probabilita pemilihan alat/cara KB dapat


nilai McFadden R2 = 0,044 4,4 % variasi dalam probabilita pemilihan alat/cara KB dapat


Mengacu kepada Washington, et. al. (2003) dijelaskan bahwa pada model pilihan dengan model

logistik, semakin tinggi nilai pseudo R2 (goodness of fit), semakin baik model yang disusun. Akan

tetapi hal ini tidak selalu tepat. O’Donnel dan Cannor (2002) menyatakan bahwa secara praktis

nilai tersebut dapat diabaikan karena untuk model regresi logistik ini tidak ada nilai baku pseudo

R2 yang dapat dijadikan sebagai acuan kelayakan model.

4. Model Summary

Selanjutnya diuji signifikansi setiap variabel bebas yang digunakan dalam model. Untuk menguji

signifikansi setiap variabel bebas yang digunakan diketahui melalui Likelihood Ratio Test.

Likelihood Ratio Tests

Effect

Model Fitting Criteria Likelihood Ratio Tests

-2 Log Likelihood of

Reduced ModelChi-Square df Sig.

Intercept 1,188,600.59a .00 0 .

Umur 1,188,836.22 235.63 2 .000

Kawin 1,202,781.10 14,180.51 2 .000

Anak 1,194,211.39 5,610.79 2 .000

Umur2 1,190,081.28 1,480.69 2 .000

Kawin2 1,199,722.15 11,121.56 2 .000Ress 1,190,005.31 1,404.72 2 .000

Didik 1,190,102.01 1,501.42 4 .000

Bekerja 1,189,999.49 1,398.90 4 .000

The chi-square statistic is the difference in -2 log-likelihoods between the final model and a reduced

model. The reduced model is formed by omitting an effect from the final model. The null hypothesis is that

all parameters of that effect are 0.

a. This reduced model is equivalent to the final model because omitting the effect does not increase the

degrees of freedom.


10/28

Dari output di atas, terlihat bahwa :

Dari nilai -2 Log Likelihood dan Chi-Square serta p-value pada tabel di atas, seluruh variabel

bebas yang digunakan dalam model (tempat tinggal, umur, pendidikan, bekerja, jumlah anak,

serta lama menikah) signifikan secara statistik pada tingkat kepercayaan 95 persen dalam

mempengaruhi variabel tidak bebas (pemilihan jenis/cara KB). Maka dapat disimpulkan bahwa

seluruh variabel dapat digunakan atau dimasukkan ke dalam model. Atau dengan kata lain,

kita dapat menggunakan seluruh variabel tersebut sebagai variabel bebas dalam model.

Untuk melihat variabel bebas mana yang memiliki pengaruh paling besar terhadap pemilihan

cara/alat KB diketahui dengan melihat nilai Chi-Square yang paling besar,

Dari tabel di atas terlihat bahwa variabel lama menikah memiliki nilai Chi-Square yang paling

besar yakni 14,180.51 sehingga dapat dikatakan bahwa lama menikah memiliki pengaruh yang

paling besar terhadap kecenderungan pemilihan jenis/cara KB wanita pernah kawin di Provinsi

Sumatera Barat pada tahun 2010.

5. Persamaan Model yang terbentuk:

Parameter Estimates

MetodeKBa BStd.Error

Wald df Sig. Exp(B)

95% ConfidenceInterval for Exp(B)

LowerBound

UpperBound

.00

Intercept -3.090 .101 939,92 1 .000

Umur .042 .006 43,84 1 .000 1.043 1.030 1.056Kawin .225 .003 6.783,69 1 .000 1.252 1.245 1.259

Anak .160 .003 2.620,78 1 .000 1.174 1.166 1.181

Umur2 -.002 .000 317,97 1 .000 .998 .998 .999

Kawin2 -.006 .000 5.309,05 1 .000 .994 .994 .994

[Ress=1] .055 .009 41,56 1 .000 1.056 1.039 1.074

[Ress=2] 0b . . 0 . . . .

[Didik=1,00] .155 .015 110,48 1 .000 1.168 1.135 1.202

[Didik=2,00] .024 .009 6,55 1 .010 1.024 1.006 1.043

[Didik=3,00] 0b . . 0 . . . .

[Bekerja=1,00] .320 .009 1.172,62 1 .000 1.377 1.352 1.403

[Bekerja=2,00] .140 .011 171,09 1 .000 1.150 1.126 1.175

[Bekerja=3,00] 0b . . 0 . . . .

1.00

Intercept -.904 .057 254,90 1 .000Umur .055 .004 225,86 1 .000 1.056 1.049 1.064Kawin .158 .002 10.049,20 1 .000 1.171 1.167 1.174

Anak .148 .002 4.640,25 1 .000 1.159 1.155 1.164

Umur2 -.002 .000 1.391,59 1 .000 .998 .998 .998

Kawin2 -.004 .000 7.841,00 1 .000 .996 .996 .996[Ress=1] -.180 .005 1.086,21 1 .000 .835 .827 .844

[Ress=2] 0b . . 0 . . . .

[Didik=1,00] -.035 .010 12,81 1 .000 .965 .947 .984

[Didik=2,00] .162 .006 754,55 1 .000 1.175 1.162 1.189

[Didik=3,00] 0b . . 0 . . . .

[Bekerja=1,00] .020 .006 11,01 1 .001 1.020 1.008 1.032

[Bekerja=2,00] -.066 .007 94,25 1 .000 .936 .924 .949

[Bekerja=3,00] 0b . . 0 . . . .

a. The reference category is: 2,00.b. This parameter is set to zero because it is redundant.


11/28

Berdasarkan output diatas dapat ditunjukkan bahwa setiap variabel penjelas dengan tingkat

keyakinan 95% secara signifikan mempengaruhi variabel tak bebas.

Model regresi logistik Multinomial determinan pemilihan alat/cara KB di Provinsi Sumatera

Barat Tahun 2010 yang dibentuk adalah:

1. Metode Jangka Pendek/Tradisional

() = −0,904 + 0,055 − 0,002 +0,148 +0,158

−0,004

− 0,035 1 + 0,162 2 + 0,020 1− 0,0666 2 − 0,180

2. Metode Jangka Panjang

() = −3,090 + 0,042 − 0,002 +0,160 +0,225

−0,006 + 0,155 1 + 0,024 2 + 0,320 1+ 0,140 2 + 0,055

6. Pengujian Signifikansi Variabel Bebas Dalam Model

Bisa dilihat dari nilai Wald > 4 atau sign < 0,05 atau nilai t > 2 maka tolak Ho yang berarti

semua variabel bebas dalam model mempunyai pengaruh yang signifikan secara statistik terhadap

probabilita pemilihan alat/cara KB.

Uji Parsial

Ho: k=0

H1: k≠0

Statistik uji yang digunakan adalah

2

ˆ

ˆ

k

k

seW

atau

k

k

set

ˆ

ˆ


12/28

Pengujian signifikansi variabel bebas dalam model

Karakteristik Ber-KB Jangka Panjang/tidak ber-KB Ber-KB Jangka Pendek/tidak ber-KB

B Exp(B) Wald Sig. t B Exp(B) Wald Sig. t

(1) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)

Umur 0.0419 0.0063 43.84 0.00 6.62 0.0549 0.0037 225.86 0.00 15.03

Umur2 -0.0016 0.0001 317.97 0.00 17.83 -0.0020 0.0001 1391.59 0.00 37.30

Kawin 0.2246 0.0027 6783.69 0.00 82.36 0.1576 0.0016 10049.20 0.00 100.25

Kawin2 -0.0058 0.0001 5309.05 0.00 72.86 -0.0043 0.0000 7841.00 0.00 88.55

Anak 0.1600 0.0031 2620.78 0.00 51.19 0.1479 0.0022 4640.25 0.00 68.12

[Bekerja=1.00] 0.3200 0.0093 1172.62 0.00 34.24 0.0200 0.0060 11.01 0.00 3.32

[Bekerja=2.00] 0.1399 0.0107 171.09 0.00 13.08 -0.0662 0.0068 94.25 0.00 9.71

[Bekerja=3.00]

[Didik=1.00] 0.1552 0.0148 110.48 0.00 10.51 -0.0354 0.0099 12.81 0.00 3.58

[Didik=2.00] 0.0236 0.0092 6.55 0.01 2.56 0.1616 0.0059 754.55 0.00 27.47

[Didik=3.00]

[Ress=1] 0.0548 0.0085 41.56 0.00 6.45 -0.1799 0.0055 1086.21 0.00 32.96

Statistik Wald

Berdasarkan tabel terlihat semua variabel bebas memiliki nilai Wald > 4, sehingga semua

variabel bebas dalam model secara parsial mempunyai pengaruh yang signifikan terhadap

probabilitas pemilihan alat/cara KB. Hal ini juga ditunjukkan oleh nilai Sig < 0,05.

Statistik t

H0 : βk = 0

H1: Variabel bebas dapat menjelaskan variasi pada variabel terikat

Berdasarkan hasil perhitungan, diperoleh nilai t untuk setiap variabel bebas yaitu t > 2,

sehingga semua variabel bebas dalam model secara parsial mempunyai pengaruh yang

signifikan terhadap probabilitas pemilihan alat/cara KB.

Peringkat faktor-faktor yang paling berpengaruh dalam pemilihan alat/cara KB jangka panjang

(paling membedakan) dapat dilihat dari nilai Wald, dengan rincian sebagai berikut:

1. Lama Usia Perkawinan dengan nilai Wald sebesar 6.784

2. (Lama Usia Perkawinan)2 dengan nilai Wald sebesar 5309

3. Jumlah anak yang dilahirkan dengan nilai Wald sebesar 2.621

4. Status Pekerjaan di sektor non pertanian dengan nilai Wald sebesar 1.173

5. (Umur)2 dengan nilai Wald sebesar 318


13/28

6. Status Pekerjaan di sektor pertanian dengan nilai Wald sebesar 171

7. Pendidikan Tinggi dengan nilai Wald sebesar 110

8. Umur dengan nilai Wald sebesar 44

9. Tempat Tinggal dengan nilai Wald sebesar 42

10. Pendidikan Sedang dengan nilai Wald sebesar 7

Peringkat faktor-faktor yang paling berpengaruh dalam pemilihan alat/cara KB jangka

pendek/tradisional (paling membedakan) dapat dilihat dari nilai Wald, dengan rincian sebagai

berikut:

1. Lama Usia Perkawinan dengan nilai Wald sebesar 10.049

2. (Lama Usia Perkawinan)2 dengan nilai Wald sebesar 7.841

3. Jumlah anak yang dilahirkan dengan nilai Wald sebesar 4.640

4. (Umur)2 dengan nilai Wald sebesar 1.392

5. Tempat Tinggal dengan nilai Wald sebesar 1.088

6. Pendidikan Sedang dengan nilai Wald sebesar 755

7. Umur dengan nilai Wald sebesar 226

8. Status Pekerjaan di sektor pertanian dengan nilai Wald sebesar 94

9. Pendidikan Tinggi dengan nilai Wald sebesar 13

10. Status Pekerjaan di sektor non pertanian dengan nilai Wald sebesar 11,01

7. Interprestasi

Pada tabel Variables in the Equation, kita dapat melihat pengaruh perubahan nilai suatu

variabel penjelas terhadap peluang suatu observasi untuk mengalami kategori sukses. Nilai-

nilai odds ratio dapat dibaca pada kolom exp(B).

A. Interprestasi (Rasio kecenderungan/Odds Ratio=Exp(B))

1) Umur

Jika umur naik satu tahun maka probabilitas penggunaan alat/cara KB jangka

panjang dibandingkan tidak pakai KB akan naik 0,0063 kali

Jika umur naik satu tahun maka probabilitas penggunaan alat/cara KB jangka

pendek/tradisional dibandingkan tidak pakai KB akan naik 0,0037 kali

2) Umur kuadrat

Variabel umur kuadrat negatif signifikan pada probabilitas penggunaan alat/cara

KB jangka panjang, hal ini mengandung pengertian bahwa hubungan antara

variabel umur dengan probabilitas penggunaan alat/cara KB jangka panjang

memiliki bentuk pola U terbalik (kuadratik), di mana penambahan variabel umur


14/28


15/28

Mereka yang berpendidikan sedang 0,0092 kali lebih cenderung untuk

menggunakan alat/cara KB jangka panjang dibandingkan tidak pakai alat/cara KB

dibandingkan dengan mereka yang berpendidikan rendah

Mereka yang berpendidikan sedang 0,0059 kali lebih cenderung untuk

menggunakan alat/cara KB jangka pendek/tradisional dibandingkan tidak pakai

alat/cara KB dibandingkan dengan mereka yang berpendidikan rendah

5) Status Pekerjaan

Mereka yang bekerja disektor non pertanian 0,0093 kali lebih cenderung untuk


dibandingkan dengan mereka yang tidak bekerja

Mereka yang bekerja disektor non pertanian 0,006 kali lebih cenderung untuk


alat/cara KB dibandingkan dengan mereka yang tidak bekerja

Mereka yang bekerja disektor pertanian 0,0107 kali lebih cenderung untuk



Mereka yang bekerja disektor pertanian 0,0068 kali lebih cenderung untuk



6) Jumlah Anak

Jika jumlah anak bertambah satu maka probabilitas penggunaan alat/cara KB

jangka panjang dibandingkan tidak pakai alat/cara KB akan bertambah 0,0031 kali

Jika jumlah anak bertambah satu maka probabilitas penggunaan alat/cara KB

jangka pendek/tradisional dibandingkan tidak pakai alat/cara KB akan bertambah

0,0022 kali

7) Lama Ikatan Perkawinan (Kawin)

Jika lama kawin naik satu tahun maka probabilitas penggunaan alat/cara KB jangka panjang dibandingkan tidak pakai alat/cara KB akan bertambah 0,0027 kali

Jika lama kawin naik satu tahun maka probabilitas penggunaan alat/cara KB

jangka pendek/tradisional dibandingkan tidak pakai alat/cara KB akan bertambah

0,0016 kali

8) Lama Ikatan Perkawinan Kuadrat (Kawin2)

Variabel lama ikatan perkawinan kuadrat negatif signifikan pada probabilitas

penggunaan alat/cara KB jangka panjang, hal ini mengandung pengertian bahwa

hubungan antara variabel lama ikatan perkawinan dengan probabilitas


16/28

penggunaan alat/cara KB jangka panjang memiliki bentuk pola U terbalik

(kuadratik), di mana penambahan variabel lama ikatan perkawinan memiliki

kecenderungan meningkatkan probabilitas penggunaan alat/cara KB jangka

panjang hingga pada suatu saat dicapainya ambang batas (turning point),

penambahan variabel lama ikatan perkawinan akan menurunkan probabilitas

penggunaan alat/cara KB jangka panjang. Selanjutnya peningkatan maupun

penurunan probabilitas penggunaan alat/cara KB jangka panjang sangat

bergantung pada level variabel lama ikatan perkawinan atau dengan kata lain

pengaruh variabel lama ikatan perkawinan terhadap probabilitas penggunaan

alat/cara KB jangka panjang tidak konstan untuk setiap level.


penggunaan alat/cara KB jangka pendek/tradisional, hal ini mengandung

pengertian bahwa hubungan antara variabel lama ikatan perkawinan dengan

probabilitas penggunaan alat/cara KB jangka pendek/tradisional memiliki bentuk

pola U terbalik (kuadratik), di mana penambahan variabel lama ikatan perkawinan

memiliki kecenderungan meningkatkan probabilitas penggunaan alat/cara KB

jangka pendek/tradisional hingga pada suatu saat dicapainya ambang batas

(turning point), penambahan variabel lama ikatan perkawinan akan menurunkan

probabilitas penggunaan alat/cara KB jangka pendek/tradisional. Selanjutnyapeningkatan maupun penurunan probabilitas penggunaan alat/cara KB jangka

pendek/tradisional sangat bergantung pada level variabel lama ikatan

perkawinan atau dengan kata lain pengaruh variabel lama ikatan perkawinan

terhadap probabilitas penggunaan alat/cara KB jangka pendek/tradisional tidak

konstan untuk setiap level.

B. Persentase perubahan (Pengaruh X terhadap Y= (exp(b)-1) x 100%)

Interpretasi estimasi parameter dalam bentuk persentase dilakukan sebagai berikut:

1) Untuk variabel Umur

besar koef. regresi b = 0,0419

[1-exp(b)]x100 = [1-exp(0,0419)]x100

= [1-0,0063]x100

= 99,37%

artinya Jika umur naik satu tahun maka probabilitas penggunaan alat/cara KB

jangka panjang dibandingkan tidak pakai KB akan naik 99,37%.


17/28


[1-exp(b)]x100 = [1-exp(0,0549)]x100

= [1-0,0037]x100

= 99,63%

artinya

Jika umur naik satu tahun maka probabilitas penggunaan alat/cara KB

jangka pendek/tradisional dibandingkan tidak pakai KB akan naik 99,63%

2) Umur kuadrat


KB jangka panjang, hal ini mengandung pengertian bahwa hubungan antara

variabel umur dengan probabilitas penggunaan alat/cara KB jangka panjang

memiliki bentuk pola U terbalik (kuadratik), di mana penambahan variabel umur


jangka panjang hingga pada suatu saat dicapainya ambang batas (turning point),

penambahan variabel umur akan menurunkan probabilitas penggunaan alat/cara

KB jangka panjang. Selanjutnya peningkatan maupun penurunan probabilitas

penggunaan alat/cara KB jangka panjang sangat bergantung pada level variabel

umur atau dengan kata lain pengaruh variabel umur terhadap probabilitas

penggunaan alat/cara KB jangka panjang tidak konstan untuk setiap level.


KB jangka pendek/tradisional, hal ini mengandung pengertian bahwa hubungan

antara variabel umur dengan probabilitas penggunaan alat/cara KB jangka

pendek/tradisional memiliki bentuk pola U terbalik (kuadratik), di mana

penambahan variabel umur memiliki kecenderungan meningkatkan probabilitas

penggunaan alat/cara KB jangka pendek/tradisional hingga pada suatu saat

dicapainya ambang batas (turning point), penambahan variabel umur akan

menurunkan probabilitas penggunaan alat/cara KB jangka pendek/tradisional.

Selanjutnya peningkatan maupun penurunan probabilitas penggunaan alat/cara

KB jangka pendek/tradisional sangat bergantung pada level variabel umur atau

dengan kata lain pengaruh variabel umur terhadap probabilitas penggunaan

alat/cara KB jangka pendek/tradisional tidak konstan untuk setiap level.


18/28

3) Tempat Tinggal


[1-exp(b)]x100 = [1-exp(0,0548)]x100

= [1-0,0085]x100

=99,15%

artinya

Mereka yang tinggal di perkotaan 99,15% lebih cenderung untuk


dibandingkan dengan mereka yang tinggal di perdesaan

besar koef. regresi b = -0,1799

[1-exp(b)]x100 = [1-exp(-0,1799)]x100

= [1-0,0055]x100

=99,45%

artinya

Mereka yang tinggal di perkotaan 99,45% lebih cenderung menggunakan

alat/cara KB jangka pendek/tradisional dibandingkan tidak pakai alat/cara KB

dibandingkan dengan mereka yang tinggal di perdesaan

4) Pendidikan


[1-exp(b)]x100 = [1-exp(0,1552)]x100

= [1-0,0148]x100

=98,52%

artinya Mereka yang berpendidikan tinggi 98,52% lebih cenderung untuk




[1-exp(b)]x100 = [1-exp(-0,0354)]x100

= [1-0,0099]x100

=99,01%

artinya Mereka yang berpendidikan tinggi 99,01% lebih cenderung untuk




[1-exp(b)]x100 = [1-exp(0,0236)]x100

= [1-0,0092]x100

=99,08%


19/28

artinya

Mereka yang berpendidikan sedang 99,08% lebih cenderung untuk




[1-exp(b)]x100 = [1-exp(0,1616)]x100

= [1-0,0059]x100

=99,41%

artinya Mereka yang berpendidikan sedang 99,41% lebih cenderung untuk



5) Status Pekerjaan


[1-exp(b)]x100 = [1-exp(0,32)]x100

= [1-0,0093]x100

=99,07%

artinya Mereka yang bekerja disektor non pertanian 99,07% lebih cenderung

untuk menggunakan alat/cara KB jangka panjang dibandingkan tidak pakai



[1-exp(b)]x100 = [1-exp(0,02)]x100

= [1-0,006]x100

=99,4%

artinya Mereka yang bekerja disektor non pertanian 99,4% lebih cenderung untuk




[1-exp(b)]x100 = [1-exp(0,1399)]x100

= [1-0,0107]x100

=98,93%

artinya

Mereka yang bekerja disektor pertanian 98,93% lebih cenderung untuk




20/28


[1-exp(b)]x100 = [1-exp(-0,0662)]x100

= [1-0,0068]x100

=99,32%

artinya Mereka yang bekerja disektor pertanian 99,32% lebih cenderung untuk



6) Jumlah Anak


[1-exp(b)]x100 = [1-exp(0,16)]x100

= [1-0,0031]x100

=99,69%

artinya

Jika jumlah anak bertambah satu maka probabilitas penggunaan alat/cara

KB jangka panjang dibandingkan tidak pakai alat/cara KB akan bertambah 99,69%


[1-exp(b)]x100 = [1-exp(0,1479)]x100

= [1-0,0022]x100

=99,78%

artinya

Jika jumlah anak bertambah satu maka probabilitas penggunaan alat/cara

KB jangka pendek/tradisional dibandingkan tidak pakai alat/cara KB akan

bertambah 99,78%

7) Lama Ikatan Perkawinan (Kawin)


[1-exp(b)]x100 = [1-exp(0,2246)]x100

= [1-0,0027]x100

=99,73%

artinya

Jika lama kawin naik satu tahun maka probabilitas penggunaan alat/cara

KB jangka panjang dibandingkan tidak pakai alat/cara KB akan bertambah 99,73%


[1-exp(b)]x100 = [1-exp(0,1576)]x100

= [1-0,0016]x100

=99,84%


21/28

artinya

Jika lama kawin naik satu tahun maka probabilitas penggunaan alat/cara

KB jangka pendek/tradisional dibandingkan tidak pakai alat/cara KB akan

bertambah 99,84%

8) Lama Ikatan Perkawinan Kuadrat (Kawin2)


penggunaan alat/cara KB jangka panjang, hal ini mengandung pengertian bahwa

hubungan antara variabel lama ikatan perkawinan dengan probabilitas

penggunaan alat/cara KB jangka panjang memiliki bentuk pola U terbalik

(kuadratik), di mana penambahan variabel lama ikatan perkawinan memiliki

kecenderungan meningkatkan probabilitas penggunaan alat/cara KB jangka

panjang hingga pada suatu saat dicapainya ambang batas (turning point),

penambahan variabel lama ikatan perkawinan akan menurunkan probabilitas

penggunaan alat/cara KB jangka panjang. Selanjutnya peningkatan maupun

penurunan probabilitas penggunaan alat/cara KB jangka panjang sangat

bergantung pada level variabel lama ikatan perkawinan atau dengan kata lain

pengaruh variabel lama ikatan perkawinan terhadap probabilitas penggunaan

alat/cara KB jangka panjang tidak konstan untuk setiap level.


penggunaan alat/cara KB jangka pendek/tradisional, hal ini mengandung

pengertian bahwa hubungan antara variabel lama ikatan perkawinan dengan

probabilitas penggunaan alat/cara KB jangka pendek/tradisional memiliki bentuk

pola U terbalik (kuadratik), di mana penambahan variabel lama ikatan perkawinan


jangka pendek/tradisional hingga pada suatu saat dicapainya ambang batas

(turning point), penambahan variabel lama ikatan perkawinan akan menurunkan

probabilitas penggunaan alat/cara KB jangka pendek/tradisional. Selanjutnya

peningkatan maupun penurunan probabilitas penggunaan alat/cara KB jangka

pendek/tradisional sangat bergantung pada level variabel lama ikatan

perkawinan atau dengan kata lain pengaruh variabel lama ikatan perkawinan

terhadap probabilitas penggunaan alat/cara KB jangka pendek/tradisional tidak

konstan untuk setiap level.


22/28

C. Adjusted Probability

Adjusted Probability

Karakteristik Rata-Rata g1(x) g2(x)

Adjusted Probability Pemilihan

Alat/Cara KB

TotalTidakPakai(Po)

JangkaPendek/Tradisional

(P1)

JangkaPanjang

(P2)

(1) (2) (3) (4) (5) (6) (7) (8) (9)

Konstanta -0,1053 -1,5121

Tempat Tinggal

Perkotaan 0,3710 -0,2185 -1,5121 0,11 0,40 0,49 1,00

Perdesaan -0,0386 -1,5324 0,10 0,44 0,46 1,00

Umur 34,7750

20 -0,9163 -2,1318 0,08 0,26 0,66 1,00

25 -0,6418 -1,9221 0,09 0,31 0,60 1,00

Umur2 1272,7563

400 1,6238 -0,1338 0,13 0,73 0,14 1,00

625 1,1780 -0,4891 0,13 0,67 0,21 1,00

Pendidikan

Rendah -0,1847 -1,5427 0,10 0,41 0,49 1,00

Sedang 0,5169 -0,0231 -1,5190 0,10 0,44 0,46 1,00

Tinggi 0,1182 -0,2201 -1,3875 0,12 0,39 0,49 1,00Bekerja

Bekerja di Pertanian 0,2293 -0,1627 -1,5062 0,11 0,41 0,48 1,00

Bekerja di Non Pertanian 0,3184 -0,0765 -1,3261 0,12 0,42 0,46 1,00

Tidak Bekerja -0,0965 -1,6461 0,09 0,43 0,48 1,00

Jumlah Anak 2,5120

1 -0,3290 -1,5121 0,11 0,37 0,52 1,00

2 -0,1811 -1,5121 0,11 0,41 0,49 1,00

Lama Menikah 13,2555

5 -1,4064 -1,5121 0,15 0,17 0,68 1,00

10 -0,6184 -1,5121 0,13 0,31 0,57 1,00

Kawin2 247,1671

25 0,8407 -0,2226 0,56 0,24 0,68 1,49

100 0,5213 -0,6579 0,53 0,31 0,57 1,41


23/28

Adjusted Probability , memiliki arti bahwa Odd Ratio sudah disesuaikan atau dikontrol terhadap

pengaruh faktor-faktor lain dalam model dengan memperhatikan besaran standard error . Hal

ini menjadi penting karena nilai Odd Ratio lebih sensitif terhadap perubahan standard error .

a) Tempat Tinggal

Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk

yang tinggal di perkotaan adalah 0,49 atau 49% dengan asumsi pengaruh faktor lain

tidak berubah/konstan/sama/tetap (Cateris Paribus).


yang tinggal di perkotaan adalah 0,4 atau 40% dengan asumsi pengaruh faktor lain


Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan

untuk penduduk yang tinggal di perdesaan adalah 0,46 atau 46 % dengan asumsi

pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).


untuk penduduk yang tinggal di perdesaan adalah 0,44 atau 44% dengan asumsi


b) Untuk variabel Umur

Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk pendudukusia 20 tahun adalah 0,66 atau 66% dengan asumsi pengaruh faktor lain tidak

berubah/konstan/sama/tetap (Cateris Paribus).


usia 25 tahun adalah 0,6 atau 60% dengan asumsi pengaruh faktor lain tidak



untuk penduduk usia 20 tahun adalah 0,26 atau 26 % dengan asumsi pengaruh faktor

lain tidak berubah/konstan/sama/tetap (Cateris Paribus).


untuk penduduk usia 25 tahun adalah 0,31 atau 31% dengan asumsi pengaruh faktor


c) Untuk variabel Pendidikan


yang berpendidikan tinggi adalah 0,49 atau 49% dengan asumsi pengaruh faktor lain



24/28


yang berpendidikan sedang adalah 0,46 atau 46% dengan asumsi pengaruh faktor lain



yang berpendidikan rendah adalah 0,49 atau 49% dengan asumsi pengaruh faktor lain



untuk penduduk yang berpendidikan tinggi adalah 0,39 atau 39% dengan asumsi



untuk penduduk yang berpendidikan sedang adalah 0,44 atau 44% dengan asumsi



untuk penduduk yang berpendidikan rendah adalah 0,41 atau 41% dengan asumsi


d) Untuk Variabel Status Pekerjaan


yang bekerja disektor pertanian adalah 0,48 atau 48% dengan asumsi pengaruh faktor



yang bekerja disektor non pertanian adalah 0,46 atau 46% dengan asumsi pengaruh

faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).


yang tidak bekerja adalah 0,48 atau 48% dengan asumsi pengaruh faktor lain tidak



untuk penduduk yang bekerja disektor pertanian adalah 0,41 atau 41% dengan asumsi



untuk penduduk yang bekerja disektor non pertanian adalah 0,42 atau 42% dengan

asumsi pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).


25/28


untuk penduduk yang tidak bekerja adalah 0,43 atau 43% dengan asumsi pengaruh

faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).

e) Untuk Variabel Jumlah Anak


yang memiliki jumlah anak satu adalah 0,52 atau 52% dengan asumsi pengaruh faktor



yang memiliki jumlah anak dua adalah 0,49 atau 49% dengan asumsi pengaruh faktor



untuk penduduk yang memiliki jumlah anak satu adalah 0,37 atau 37 % dengan asumsi



untuk penduduk yang memiliki jumlah anak dua adalah 0,41 atau 41% dengan asumsi


f) Untuk Variabel Lama Ikatan Perkawinan (Kawin)


dengan ikatan lama perkawinan 5 tahun adalah 0,68 atau 68% dengan asumsi



dengan ikatan lama perkawinan 10 tahun adalah 0,57 atau 57% dengan asumsi



untuk penduduk dengan ikatan lama perkawinan 5 tahun adalah 0,17 atau 17 %

dengan asumsi pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris

Paribus).


untuk penduduk dengan ikatan lama perkawinan 10 tahun adalah 0,31 atau 31%

dengan asumsi pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris

Paribus).


26/28


27/28

2 Pengujian Multikolinearitas

Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi

klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model

regresi.

Coefficientsa

ModelDengan Penimbang Tanpa Penimbang

Tolerance VIF Tolerance VIF

1

Umur 0,189 5,301 .192 5.217

LamaMenikah

0,151 6,625 .153 6.541

Jumlah Anak

0,529 1,891 .531 1.885

TempatTinggal

0,908 1,101 .917 1.091

Didik 0,721 1,388 .710 1.408

Bekerja 0,91 1,099 .894 1.119

a. Dependent Variable: MetodeKB

Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) keseluruhan variabel

adalah lebih kecil dari 10 baik dengan maupun tanpa penimbang, sehingga bisa diduga bahwa

antar variabel penjelas tidak terjadi persoalan multikolinearitas.

3 Model Fitting Criteria

Dengan Penimbang Tanpa Penimbang

Model

Model FittingCriteria

Likelihood Ratio TestsModel Fitting

CriteriaLikelihood Ratio Tests

-2 Log LikelihoodChi-

Squaredf Sig. -2 Log Likelihood

Chi-Square

df Sig.

InterceptOnly

1,256,679.26 12.740.134

Final 1,188,600.59 68,078.67 20 .000 12.088.801 651.333 20 .000

Dari tabel di atas menunjukkan nilai Sig. = 0,000 baik dengan maupun tanpa penimbang Ini

berarti bahwa model yang terdiri dari seluruh variabel signifikan secara statistik pada tingkat

kepercayaan 95 persen. Artinya, model yang digunakan dalam analisis ini secara keseluruhan

“fit” (cocok/baik). Dengan demikian dapat diputuskan bahwa kita akan menggunakan model

lengkap untuk melakukan analisis.


28/28

4 Nilai Koefisien determinasi

Untuk melakukan pengujian kecocokan model secara keseluruhan dilakukan dengan

menginterpretasikan Pseudo R-Square.

MetodePseudo R-Square


Cox and Snell .081 .083

Nagelkerke .095 .097

McFadden .044 .045

Secara umum nilai pseudo R2 (goodness of fit) dengan atau tanpa menggunakan penimbang

berada pada range nilai yang mendekati.

5 Model Summary

Selanjutnya diuji signifikansi setiap variabel bebas yang digunakan dalam model. Untuk

menguji signifikansi setiap variabel bebas yang digunakan diketahui melalui Likelihood Ratio

Test.

Likelihood Ratio Tests


Effect

Model FittingCriteria

Likelihood Ratio TestsModel Fitting

CriteriaLikelihood Ratio Tests

-2 Log Likelihoodof Reduced Model

Chi-Square

df Sig.-2 Log Likelihoodof Reduced Model

Chi-Square

df Sig.

Intercept 1,188,600.59a .00 0 . 12,088.801a .000 0 .

Umur 1,188,836.22 235.63 2 .000 12,091.535 2.734 2 .255

Kawin 1,202,781.10 14,180.51 2 .000 12,216.605 127.804 2 .000

Anak 1,194,211.39 5,610.79 2 .000 12,161.709 72.908 2 .000

Umur2 1,190,081.28 1,480.69 2 .000 12,104.551 15.751 2 .000

Kawin2 1,199,722.15 11,121.56 2 .000 12,186.418 97.617 2 .000

Ress 1,190,005.31 1,404.72 2 .000 12,093.209 4.408 2 .110

Didik 1,190,102.01 1,501.42 4 .000 12,106.436 17.635 4 .001

Bekerja 1,189,999.49 1,398.90 4 .000 12,098.299 9.498 4 .050

The chi-square statistic is the difference in -2 log-likelihoods between the final model and a reduced model.The reduced model is formed by omitting an effect from the final model. The null hypothesis is that allparameters of that effect are 0.

a. This reduced model is equivalent to the final model because omitting the effect does not increase thedegrees of freedom.

Dari nilai p-value pada model dengan penimbang, seluruh variabel bebas yang digunakan

dalam model (tempat tinggal, umur, pendidikan, bekerja, jumlah anak, serta lama menikah)

signifikan secara statistik pada tingkat kepercayaan 95 persen dalam mempengaruhi variabel

tidak bebas (pemilihan jenis/cara KB). Namun berbeda dengan model tanpa penimbang

terdapat 2 variabel yang tidak signifikan yakni umur dan tempat tinggal.

tutorial multinomial logistik kb

Documents