{"id":4493,"date":"2023-07-10T16:08:37","date_gmt":"2023-07-10T16:08:37","guid":{"rendered":"https:\/\/statorials.org\/id\/menafsirkan-regresi-logistik-di-titik-asal\/"},"modified":"2023-07-10T16:08:37","modified_gmt":"2023-07-10T16:08:37","slug":"menafsirkan-regresi-logistik-di-titik-asal","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/menafsirkan-regresi-logistik-di-titik-asal\/","title":{"rendered":"Bagaimana menafsirkan intersepsi regresi logistik (dengan contoh)"},"content":{"rendered":"

<\/p>\n

\n

Regresi logistik<\/a> adalah metode yang dapat kita gunakan untuk menyesuaikan model regresi ketika variabel responnya<\/a> adalah biner.<\/span><\/p>\n

Saat kita menyesuaikan model regresi logistik, suku asli dalam keluaran model mewakili log odds dari variabel respons yang terjadi<\/strong> ketika semua variabel prediktor sama dengan nol.<\/span><\/p>\n

Namun, karena probabilitas log sulit untuk diinterpretasikan, kami biasanya membingkai intersep dalam bentuk probabilitas.<\/span><\/p>\n

Kita dapat menggunakan rumus berikut untuk memahami probabilitas terjadinya variabel respon, mengingat setiap variabel prediktor dalam model adalah nol:<\/span><\/p>\n

 P = e \u03b2 0<\/sub><\/sup> \/ (1 +e \u03b2 0<\/sub><\/sup> )\n<\/strong><\/pre>\n
 Contoh berikut menunjukkan cara menafsirkan intersep regresi logistik dalam praktiknya.
<\/span><\/p>\n
 Contoh: Bagaimana menafsirkan intersep regresi logistik<\/strong><\/span><\/h2>\n
 Misalkan kita ingin menyesuaikan model regresi logistik menggunakan gender<\/strong> dan jumlah ujian praktik yang diambil<\/strong> untuk memprediksi apakah seorang siswa akan lulus ujian akhir di kelas atau tidak.<\/span><\/p>\n
 Misalkan kita menyesuaikan model menggunakan perangkat lunak statistik (seperti R, Python<\/a> , Excel<\/a> , atau SAS<\/a> ) dan menerima hasil berikut:<\/span> <\/p>\n\n\n\n\n\n\n
<\/th>\n Estimasi koefisien<\/strong><\/span><\/th>\n Kesalahan standar<\/strong><\/span><\/th>\n nilai Z<\/strong><\/span><\/th>\n Nilai-P<\/strong><\/span><\/th>\n<\/tr>\n
 Mencegat<\/strong><\/span><\/td>\n -1.34<\/span><\/td>\n 0,23<\/span><\/td>\n 5.83<\/span><\/td>\n <0,001<\/span><\/td>\n<\/tr>\n
 Jenis Kelamin (Laki-laki = 1)<\/strong><\/span><\/td>\n -0,56<\/span><\/td>\n 0,25<\/span><\/td>\n 2.24<\/span><\/td>\n 0,03<\/span><\/td>\n<\/tr>\n
 Ujian praktek<\/strong><\/span><\/td>\n 1.13<\/span><\/td>\n 0,43<\/span><\/td>\n 2.63<\/span><\/td>\n 0,01<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
 Kita dapat melihat bahwa suku aslinya memiliki nilai -1.34<\/strong> .<\/span><\/p>\n
 Ini berarti bahwa ketika jenis kelamin<\/strong> adalah nol (yaitu siswa adalah perempuan) dan ketika ujian praktik<\/strong> adalah nol (siswa belum mengikuti ujian praktik apa pun sebagai persiapan ujian akhir), peluang logaritmik bahwa siswa tersebut akan lulus ujian adalah -1,34 .<\/strong> .<\/span><\/p>\n
 Karena peluang log sulit untuk dipahami, kita dapat menulis ulang berbagai hal dalam bentuk probabilitas:<\/span><\/p>\n
 Terkait:<\/strong> Bagaimana Menafsirkan Koefisien Regresi Logistik<\/a><\/span><\/p>\n