Cara melakukan regresi logistik di google spreadsheet

Regresi logistik adalah metode yang dapat kita gunakan untuk menyesuaikan model regresi ketika variabel responnya adalah biner.

Contoh langkah demi langkah berikut menunjukkan cara melakukan regresi logistik di Google Spreadsheet.

Langkah 1: Instal XLMiner Analysis ToolPak

Untuk melakukan regresi logistik di Google Sheets, pertama-tama kita perlu menginstal XLMiner Analysis Toolpak gratis.

Untuk melakukannya, klik Add-on > Dapatkan Add-on :

Selanjutnya, ketik XLMiner Analysis ToolPak di bilah pencarian dan klik ikon yang muncul:

Terakhir, klik tombol Instal berwarna biru.

Langkah 2: Masukkan datanya

Selanjutnya kita akan memasukkan data berikut ke dalam Google Sheets:

Kami akan menyesuaikan model regresi logistik yang menggunakan poin dan membantu memprediksi apakah seorang pemain bola basket akan direkrut ke NBA (0 = Tidak, 1 = Ya).

Langkah 3: Lakukan regresi logistik

Agar sesuai dengan model regresi logistik, klik tab Extensions , lalu klik XL Miner Analysis ToolPak , lalu klik Start :

Pada panel yang muncul di sisi kanan layar, klik panah drop-down di samping Regresi Logistik dan masukkan informasi berikut:

Setelah Anda mengklik OK , ringkasan model regresi logistik akan ditampilkan:

Koefisien dalam hasil menunjukkan perubahan rata-rata log dalam peluang untuk direkrut.

Misalnya, peningkatan satu unit poin dikaitkan dengan peningkatan rata-rata sebesar 0,212 dalam peluang untuk direkrut.

Tanda pada koefisien menunjukkan apakah terdapat hubungan positif atau negatif antara masing-masing variabel prediktor dan variabel respon.

Misalnya, karena poin mempunyai tanda positif pada koefisiennya, hal ini berarti bahwa meningkatkan nilai poin akan meningkatkan peluang seorang pemain untuk direkrut (dengan asumsi assist tetap konstan).

Sebaliknya, karena assist memiliki tanda negatif pada koefisiennya, hal ini berarti bahwa peningkatan nilai assist akan mengurangi peluang pemain untuk direkrut (dengan asumsi poin tetap konstan).

Nilai p pada hasil juga memberi kita gambaran tentang seberapa efektif setiap variabel prediktor dalam memprediksi kemungkinan penyusunan:

• Nilai P untuk poin: 0,02
• Nilai P untuk bantuan: 0,35

Kita dapat melihat bahwa poin tampaknya merupakan variabel prediktor yang signifikan secara statistik karena memiliki nilai p kurang dari 0,05, namun bantuan tampaknya tidak signifikan secara statistik karena tidak memiliki nilai p kurang dari 0,05.

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di Google Spreadsheet:

Cara melakukan regresi polinomial di Google Spreadsheet
Cara melakukan regresi linier di Google Sheets
Cara menghitung R-kuadrat di Google Sheets