Regresi Logistik Biner untuk Skripsi: Panduan Pengantar Lengkap

Dalam banyak penelitian skripsi, variabel yang ingin diprediksi tidak selalu berupa angka kontinu — melainkan kategori biner seperti "lulus/tidak lulus", "membeli/tidak membeli", atau "aktif/tidak aktif". Untuk kasus seperti ini, regresi linier biasa tidak dapat digunakan. Solusinya adalah regresi logistik biner (binary logistic regression), sebuah metode statistik yang dirancang khusus untuk memodelkan variabel dependen bertipe dikotomi.

Apa Itu Regresi Logistik Biner?

Regresi logistik biner adalah teknik analisis yang mengukur probabilitas suatu kejadian (kategori = 1) berdasarkan satu atau lebih variabel independen. Berbeda dengan regresi linier yang memprediksi nilai kontinu, regresi logistik menghasilkan nilai antara 0 dan 1 melalui fungsi logistik (sigmoid).

Contoh penggunaan dalam penelitian:

• Faktor apa yang memengaruhi keputusan mahasiswa untuk lulus tepat waktu (ya/tidak)?
• Apa saja prediktor yang berhubungan dengan kejadian kredit macet (macet/tidak)?
• Variabel apa yang memengaruhi keberhasilan program intervensi gizi (berhasil/gagal)?

Asumsi Regresi Logistik

Regresi logistik memiliki syarat yang lebih fleksibel dibanding regresi linier, namun tetap ada beberapa asumsi yang perlu diperhatikan:

• Variabel dependen bersifat biner (dikotomi: 0 atau 1)
• Independensi observasi — setiap responden harus independen satu sama lain
• Tidak ada multikolinearitas berat antar variabel independen
• Ukuran sampel cukup — minimal 10–20 observasi per prediktor
• Tidak diasumsikan distribusi normal pada residual atau variabel independen

Cara Menjalankan Regresi Logistik Biner di SPSS

Persiapan Data

Pastikan variabel dependen dikodekan secara numerik: misalnya 0 = tidak dan 1 = ya. Variabel independen dapat berupa kontinu, ordinal, maupun nominal (yang terakhir perlu dikodekan sebagai dummy variable).

Langkah Analisis

1. Klik menu Analyze → Regression → Binary Logistic
2. Masukkan variabel dependen (biner) ke kotak Dependent
3. Masukkan variabel independen ke kotak Covariates
4. Untuk variabel kategoris, klik Categorical dan pilih metode coding (Indicator)
5. Di menu Options, centang: Hosmer-Lemeshow goodness of fit, Classification plots, CI for exp(B)
6. Klik OK

Membaca Output Regresi Logistik

1. Omnibus Test of Model Coefficients

Tabel ini menguji apakah model secara keseluruhan signifikan (serupa dengan uji F pada regresi linier).

• Jika Sig. < 0,05 → model signifikan secara keseluruhan

2. Nagelkerke R Square

Merupakan pseudo-R² yang menunjukkan seberapa baik variabel independen menjelaskan variasi pada variabel dependen.

• Nilai mendekati 1 berarti model semakin baik dalam memprediksi

3. Hosmer and Lemeshow Test

Uji ini mengukur goodness of fit model.

• Sig. > 0,05 → model fit dengan data (artinya tidak ada perbedaan signifikan antara nilai observasi dan prediksi)
• Jika Sig. < 0,05 → model kurang fit dan perlu diperbaiki

4. Tabel Variables in the Equation

Tabel utama yang berisi koefisien regresi logistik:

Kolom	Penjelasan
B	Koefisien logit — arah dan besarnya pengaruh
S.E.	Standar error koefisien
Wald	Statistik uji signifikansi individual
Sig.	Nilai p — jika < 0,05 variabel signifikan
Exp(B)	Odds Ratio — interpretasi utama dalam regresi logistik

5. Interpretasi Odds Ratio (Exp(B))

Odds Ratio adalah cara utama membaca pengaruh variabel dalam regresi logistik:

• Exp(B) > 1: setiap kenaikan 1 unit variabel independen meningkatkan kemungkinan kejadian (Y=1) sebesar Exp(B) kali
• Exp(B) < 1: setiap kenaikan 1 unit variabel independen menurunkan kemungkinan kejadian
• Exp(B) = 1: variabel tidak berpengaruh

Contoh interpretasi:

"Nilai Exp(B) untuk variabel IPK sebesar 2,743 menunjukkan bahwa setiap kenaikan 1 poin IPK, peluang mahasiswa lulus tepat waktu meningkat 2,743 kali dibandingkan yang tidak lulus tepat waktu, dengan Sig. = 0,012 (< 0,05)."

6. Classification Table

Tabel ini menunjukkan akurasi prediksi model — berapa persen kasus berhasil diprediksi dengan benar oleh model.

• Akurasi > 70% umumnya dianggap baik untuk penelitian sosial

Tips Penulisan di Bab 4

• Laporkan uji kelayakan model (Omnibus + Hosmer-Lemeshow) terlebih dahulu sebelum menginterpretasikan koefisien
• Selalu sertakan nilai Odds Ratio beserta 95% confidence interval-nya
• Jelaskan arah pengaruh (meningkatkan atau menurunkan peluang) secara eksplisit dalam narasi

Apabila kamu membutuhkan pendampingan dalam memilih metode analisis yang tepat atau menjalankan regresi logistik dari awal, layanan olah data SPSS di Jokify siap membantu dengan bimbingan yang terarah dan sesuai standar akademik.