TASK 20 : Analisis Regresi Logistik

sama seperti laporan kedua , semua file bisa kalian dapatkan disini 

LAPORAN PRAKTIKUM KE - 3

KOMPUTASI STATISTIKA

“Analisis Regresi Logistik”

Oleh

Nama     : Makhrifatul Murdhita

Nim        : 135090501111048

Asisten   : 1. Diana Rosyida

 2. Nur Pradina K.

LABORATORIUM STATISTIKA

PROGRAM STUDI STATISTIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS BRAWIJAYA

2015

                                                   BAB I                                                  

SOURCE CODE DAN PENJELASAN

No	Source Code	Penjelasan
1.	data=read.table("C:\\Users\\Userlab\\Documents\\DHITAAAAAK.txt",header=TRUE)	Perintah untuk mengimpor data dari notepad. Data yang akan dianalisis diinisialisasi dengan variabel “Data” yang tersimpan pada drive D dengan nama file “data regresi logistik” dan format penyimpanan dalam bentuk txt.
2.	Logit=glm(Y~X1+X2,family=binomial,data=Data)	Perintah untuk melakukan analisis regresi logistik, dimana analisis tersebut masuk dalam General Linear Model (glm). Variabel yang dianalisis yaitu variabel Y sebagai variabel respon serta variabel X1 dan X2 sebagai variabel prediktor. Analisis regresi logistik termasuk dalam family “binomial”.
3.	summary(Logit)	Perintah untuk menampilkan output dari analisis regresi logistik.

BAB II

HASIL DAN PEMBAHASAN

Studi Kasus

            Berikut terdapat data 30 data penjualan sari  apel yang menyebar  di setiap pasar kota malang.. Dikumpulkan beberapa informasi untuk mengetahui pengaruh kenaikan harga (rupiah) dan  metode pemasraan yang digunakan untuk mengantisipasi terjadinya penurunan demand secara drastis dari para pedagang

Pasien ke -	X1	X2	Y
1	4500	0	0
2	1500	0	0
3	4000	0	1
4	3300	1	1
5	2000	1	1
6	2500	1	1
7	3200	0	1
8	5500	0	1
9	1200	0	1
10	3500	0	1
11	7500	0	1
12	1500	1	1
13	5200	1	0
14	7500	1	1
15	3000	0	0
16	2500	0	1
17	2000	1	0
18	6000	1	1
19	5000	1	1
20	3000	0	1
21	6000	0	1
22	6100	0	0
23	6500	0	1
24	1500	1	0
25	2000	1	0
26	4500	0	1
27	1500	1	0
28	2500	0	1
29	1500	1	0
30	3000	0	1

Keterangan: Y  = kondisi penjualan di pasar setelah mengalami kenaikan harga penjualan sari apel

X1 = Kenaikan harga (rupiah)

X2 = metode pemasraan yang digunakan untuk mengantisipasi terjadinya penurunan demand secara drastis dari para pedagang

Hasil dan Pembahasan

Call:

> source("C:\\Users\\Userlab\\Documents\\DHITAAAAAK.txt")

Error in source("C:\\Users\\Userlab\\Documents\\DHITAAAAAK.txt") :

  C:\Users\Userlab\Documents\DHITAAAAAK.txt:1:9: unexpected symbol

1: X1      X2

           ^

> data=read.table("C:\\Users\\Userlab\\Documents\\DHITAAAAAK.txt",header=TRUE)

> data

     X1 X2 Y

1  4500  0 0

2  1500  0 0

3  4000  0 1

4  3300  1 1

5  2000  1 1

6  2500  1 1

7  3200  0 1

8  5500  0 1

9  1200  0 1

10 3500  0 1

11 7500  0 1

12 1500  1 1

13 5200  1 0

14 7500  1 1

15 3000  0 0

16 2500  0 1

17 2000  1 0

18 6000  1 1

19 5000  1 1

20 3000  0 1

21 6000  0 1

22 6100  0 0

23 6500  0 1

24 1500  1 0

25 2000  1 0

26 4500  0 1

27 1500  1 0

28 2500  0 1

29 1500  1 0

30 3000  0 1

> Logit=glm(Y~X1+X2,family=binomial,data=Data)

Error in inherits(x, "data.frame") : object 'Data' not found

> Logit=glm(Y~X1+X2,family=binomial,data=data)

> summary(Logit)

Call:

glm(formula = Y ~ X1 + X2, family = binomial, data = data)

Deviance Residuals:

    Min       1Q   Median       3Q      Max 

-2.0353  -1.0295   0.6359   0.8551   1.3329 

Coefficients:

              Estimate Std. Error z value Pr(>|z|)

(Intercept) -0.0259847  1.0371281  -0.025    0.980

X1           0.0003217  0.0002444   1.316    0.188

X2          -0.8148850  0.8357435  -0.975    0.330

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 38.191  on 29  degrees of freedom

Residual deviance: 34.540  on 27  degrees of freedom

AIC: 40.540

Number of Fisher Scoring iterations: 4

Model yang terbentuk adalah

Dimana :

 X1 = Kenaikan harga (rupiah)

X2 = metode pemasraan yang digunakan untuk mengantisipasi terjadinya penurunan demand secara drastis dari para pedagang

i         = 1, 2,..., 30

Ø  Uji Parsial

H­₀  : β₀ = 0                         α = 5%

H₁  : β₀ ≠ 0

p-value = 0.980

Keputusan : Terima H₀, karena p-value > α.

Kesimpulan          : Dengan tingkat kepercayaan 95% dapat disimpulkan bahwa intersep tidak berpengaruh nyata terhadap kondisi penjualan di pasar setelah mengalami kenaikan harga penjualan sari apel

H­₀  : β₁ = 0                         α = 5%

H₁  : β₁ ≠ 0

p-value = 0.188

Keputusan : Tolak H₀, karena p-value < α.

Kesimpulan    : Dengan tingkat kepercayaan 95% dapat disimpulkan bahwa kenaikan harga berpengaruh nyata terhadap demand di setiap pasar

H­₀  : β₂ = 0                         α = 5%

H₁  : β₂ ≠ 0

p-value = 0.330

Keputusan : Terima H₀, karena p-value > α.

Kesimpulan          : Dengan tingkat kepercayaan 95% dapat disimpulkan = metode pemasraan yang digunakan untuk mengantisipasi terjadinya penurunan demand secara drastis dari para pedagang tidak berpengaruh nyata terhadap kondisi penjualan di pasar setelah mengalami kenaikan harga penjualan sari apel

BAB III
PENUTUP

3.1  Kesimpulan

                   Berdasarkan studi kasus dapat disimpulkan bahwa secara parsial Kenaikan harga (rupiah) berpengaruh nyata kondisi penjualan di pasar setelah mengalami kenaikan harga penjualan sari apel, metode pemasraan yang digunakan untuk mengantisipasi terjadinya penurunan demand secara drastis dari para pedagang tidak berpengaruh nyata terhadap kondisi penjualan di pasar setelah mengalami kenaikan harga penjualan sari apel

3.2 Saran

Pada penulisan syntax di R harus diperhatikan besar kecilnya huruf yang digunakan, karena akan memiliki makna yang berbeda.        Dan juga perlu diperhatikan dalam menginterpretasikan hasil dari Odds Ratio karena data yang digunakan kualitatif sehingga berbeda dengan interpretasi data kuantitatif.