Upload
eagle1304
View
243
Download
0
Embed Size (px)
Citation preview
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
8/19/2019 Tutorial Multinomial Logistik 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
8/19/2019 Tutorial Multinomial Logistik KB
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
8/19/2019 Tutorial Multinomial Logistik KB
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.
8/19/2019 Tutorial Multinomial Logistik KB
5/28
8/19/2019 Tutorial Multinomial Logistik KB
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.
8/19/2019 Tutorial Multinomial Logistik KB
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.
8/19/2019 Tutorial Multinomial Logistik KB
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
8/19/2019 Tutorial Multinomial Logistik KB
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
dijelaskan oleh variabel-variabel bebas yang digunakan dalam Model.
nilai McFadden R2 = 0,044 4,4 % variasi dalam probabilita pemilihan alat/cara KB dapat
dijelaskan oleh variabel-variabel bebas yang digunakan dalam Model.
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.
8/19/2019 Tutorial Multinomial Logistik KB
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.
8/19/2019 Tutorial Multinomial Logistik KB
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
8/19/2019 Tutorial Multinomial Logistik KB
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
8/19/2019 Tutorial Multinomial Logistik KB
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
8/19/2019 Tutorial Multinomial Logistik KB
14/28
8/19/2019 Tutorial Multinomial Logistik KB
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
menggunakan alat/cara KB jangka panjang dibandingkan tidak pakai alat/cara KB
dibandingkan dengan mereka yang tidak bekerja
Mereka yang bekerja disektor non pertanian 0,006 kali lebih cenderung untuk
menggunakan alat/cara KB jangka pendek/tradisional dibandingkan tidak pakai
alat/cara KB dibandingkan dengan mereka yang tidak bekerja
Mereka yang bekerja disektor pertanian 0,0107 kali lebih cenderung untuk
menggunakan alat/cara KB jangka panjang dibandingkan tidak pakai alat/cara KB
dibandingkan dengan mereka yang tidak bekerja
Mereka yang bekerja disektor pertanian 0,0068 kali lebih cenderung untuk
menggunakan alat/cara KB jangka pendek/tradisional dibandingkan tidak pakai
alat/cara KB dibandingkan dengan mereka yang tidak bekerja
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
8/19/2019 Tutorial Multinomial Logistik KB
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.
Variabel lama ikatan perkawinan kuadrat negatif signifikan pada probabilitas
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%.
8/19/2019 Tutorial Multinomial Logistik KB
17/28
besar koef. regresi b = 0,0549
[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
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
memiliki kecenderungan meningkatkan probabilitas penggunaan alat/cara KB
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.
Variabel umur kuadrat negatif signifikan pada probabilitas penggunaan alat/cara
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.
8/19/2019 Tutorial Multinomial Logistik KB
18/28
3) Tempat Tinggal
besar koef. regresi b = 0,0548
[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
menggunakan alat/cara KB jangka panjang dibandingkan tidak pakai alat/cara KB
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
besar koef. regresi b = 0,1552
[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
menggunakan alat/cara KB jangka panjang dibandingkan tidak pakai alat/cara KB
dibandingkan dengan mereka yang berpendidikan rendah
besar koef. regresi b = -0,0354
[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
menggunakan alat/cara KB jangka pendek/tradisional dibandingkan tidak pakai
alat/cara KB dibandingkan dengan mereka yang berpendidikan rendah
besar koef. regresi b = 0,0236
[1-exp(b)]x100 = [1-exp(0,0236)]x100
= [1-0,0092]x100
=99,08%
8/19/2019 Tutorial Multinomial Logistik KB
19/28
artinya
Mereka yang berpendidikan sedang 99,08% lebih cenderung untuk
menggunakan alat/cara KB jangka panjang dibandingkan tidak pakai alat/cara KB
dibandingkan dengan mereka yang berpendidikan rendah
besar koef. regresi b = 0,1616
[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
menggunakan alat/cara KB jangka pendek/tradisional dibandingkan tidak pakai
alat/cara KB dibandingkan dengan mereka yang berpendidikan rendah
5) Status Pekerjaan
besar koef. regresi b = 0,32
[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
alat/cara KB dibandingkan dengan mereka yang tidak bekerja
besar koef. regresi b = 0,02
[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
menggunakan alat/cara KB jangka pendek/tradisional dibandingkan tidak pakai
alat/cara KB dibandingkan dengan mereka yang tidak bekerja
besar koef. regresi b = 0,1399
[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
menggunakan alat/cara KB jangka panjang dibandingkan tidak pakai alat/cara KB
dibandingkan dengan mereka yang tidak bekerja
8/19/2019 Tutorial Multinomial Logistik KB
20/28
besar koef. regresi b = -0,0662
[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
menggunakan alat/cara KB jangka pendek/tradisional dibandingkan tidak pakai
alat/cara KB dibandingkan dengan mereka yang tidak bekerja
6) Jumlah Anak
besar koef. regresi b = 0,16
[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%
besar koef. regresi b = 0,1479
[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)
besar koef. regresi b = 0,2246
[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%
besar koef. regresi b = 0,1576
[1-exp(b)]x100 = [1-exp(0,1576)]x100
= [1-0,0016]x100
=99,84%
8/19/2019 Tutorial Multinomial Logistik KB
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)
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
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.
Variabel lama ikatan perkawinan kuadrat negatif signifikan pada probabilitas
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. 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.
8/19/2019 Tutorial Multinomial Logistik KB
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
8/19/2019 Tutorial Multinomial Logistik KB
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).
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
yang tinggal di perkotaan adalah 0,4 atau 40% dengan asumsi pengaruh faktor lain
tidak berubah/konstan/sama/tetap (Cateris Paribus).
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).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk yang tinggal di perdesaan adalah 0,44 atau 44% dengan asumsi
pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
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).
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
usia 25 tahun adalah 0,6 atau 60% dengan asumsi pengaruh faktor lain tidak
berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk usia 20 tahun adalah 0,26 atau 26 % dengan asumsi pengaruh faktor
lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk usia 25 tahun adalah 0,31 atau 31% dengan asumsi pengaruh faktor
lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
c) Untuk variabel Pendidikan
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
yang berpendidikan tinggi adalah 0,49 atau 49% dengan asumsi pengaruh faktor lain
tidak berubah/konstan/sama/tetap (Cateris Paribus).
8/19/2019 Tutorial Multinomial Logistik KB
24/28
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
yang berpendidikan sedang adalah 0,46 atau 46% dengan asumsi pengaruh faktor lain
tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
yang berpendidikan rendah adalah 0,49 atau 49% dengan asumsi pengaruh faktor lain
tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk yang berpendidikan tinggi adalah 0,39 atau 39% dengan asumsi
pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk yang berpendidikan sedang adalah 0,44 atau 44% dengan asumsi
pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk yang berpendidikan rendah adalah 0,41 atau 41% dengan asumsi
pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
d) Untuk Variabel Status Pekerjaan
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
yang bekerja disektor pertanian adalah 0,48 atau 48% dengan asumsi pengaruh faktor
lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
yang bekerja disektor non pertanian adalah 0,46 atau 46% dengan asumsi pengaruh
faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
yang tidak bekerja adalah 0,48 atau 48% dengan asumsi pengaruh faktor lain tidak
berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk yang bekerja disektor pertanian adalah 0,41 atau 41% dengan asumsi
pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk yang bekerja disektor non pertanian adalah 0,42 atau 42% dengan
asumsi pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
8/19/2019 Tutorial Multinomial Logistik KB
25/28
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
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
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
yang memiliki jumlah anak satu adalah 0,52 atau 52% dengan asumsi pengaruh faktor
lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
yang memiliki jumlah anak dua adalah 0,49 atau 49% dengan asumsi pengaruh faktor
lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk yang memiliki jumlah anak satu adalah 0,37 atau 37 % dengan asumsi
pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
untuk penduduk yang memiliki jumlah anak dua adalah 0,41 atau 41% dengan asumsi
pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
f) Untuk Variabel Lama Ikatan Perkawinan (Kawin)
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
dengan ikatan lama perkawinan 5 tahun adalah 0,68 atau 68% dengan asumsi
pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka panjang yang disesuaikan untuk penduduk
dengan ikatan lama perkawinan 10 tahun adalah 0,57 atau 57% dengan asumsi
pengaruh faktor lain tidak berubah/konstan/sama/tetap (Cateris Paribus).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
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).
Probability penggunaan alat/cara KB jangka pendek/tradisional yang disesuaikan
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).
8/19/2019 Tutorial Multinomial Logistik KB
26/28
8/19/2019 Tutorial Multinomial Logistik KB
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.
8/19/2019 Tutorial Multinomial Logistik KB
28/28
4 Nilai Koefisien determinasi
Untuk melakukan pengujian kecocokan model secara keseluruhan dilakukan dengan
menginterpretasikan Pseudo R-Square.
MetodePseudo R-Square
Dengan Penimbang Tanpa Penimbang
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
Dengan Penimbang Tanpa Penimbang
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.