Membaca Output Regresi Logistik

Di artikel regresi logistik dengan SPSS Anda telah mempelajari cara mendapatkan output Regresi Logistik dengan SPSS. Lalu, apa arti dari output tersebut? Apa artinya? Bagaimana cara membacanya?

1. Uji Kelayakan Model Regresi Logistik

• Menilai Keseluruhan Model (Overall Model Fit)

Overall Model Fit adalah proses evaluasi seberapa baik model regresi logistik yang telah dibuat dapat memprediksi hasil yang benar atau akurat. Uji kesulitan model dilakukan dengan membandingkan hasil prediksi model dengan hasil aktual dari data yang telah diuji. Jika hasil prediksi dan hasil aktual tidak sama atau terdapat kesalahan, maka model tersebut memiliki kekurangan.

H0 : Model yang dihipotesiskan fit dengan data (Nilai LL akhir < Nilai LL awal) 

H1 : Model yang dihipotesiskan tidak fit dengan data (Nilai LL akhir < Nilai LL awal) 

Berdasarkan output diperoleh dari hasil analisis regresi menunjukkan bahwa nilai likelihood awal (block number = 0) sebesar 966.319. Sedangkan  likelihood akhir (block number = 1) mengalami penurunan menjadi 937.751. Selisih antara likelihood awal dan akhir menunjukkan penurunan sebesar 28.568. Hal ini mengindikasikan bahwa antara model yang dihipotesiskan telah sesuai (fit) dengan data. 

• Menguji Kelayakan Model (Goodness of Fit Test)

Uji kelayakan model pada regresi logistik adalah proses untuk mengevaluasi seberapa baik model regresi logistik yang telah dibuat sesuai dengan data yang digunakan untuk membuat model tersebut. Dalam kata lain, uji kelayakan model adalah untuk mengetahui apakah model regresi logistik yang dibuat cocok atau tepat dengan data yang dimiliki.

Pengujian kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test yang diukur dengan nilai chi square.  Hipotesis untuk menilai Lemeshow’s Goodness of Fit Test adalah:

H0 : Model yang dihipotesiskan fit dengan data (Nilai Sig >  5%)

H1 : Model yang dihipotesiskan tidak fit dengan data (Nilai Sig <  5%)

Berdasarkan output yang diperoleh dari hasil analisis regresi menunjukkan bahwa hasil uji Hosmer and Lemeshow Goodness of Fit Test diperoleh nilai chi-square sebesar 10.689 dengan tingkat signifikansi sebesar 0.220. Hasil uji menunjukkan bahwa nilai probabilitas (Sig.) ≥ 0,05 (nilai signifikan) yaitu 0.220 ≥ 0.05, maka artinya model yang dihipotesiskan fit dengan data. Hal ini mengindikasikan bahwa tidak ada perbedaan signifikan antara model dengan data sehingga model regresi dalam penelitian ini layak dan mampu untuk memprediksi nilai observasinya.

• Akurasi Model Regresi Logistik

Selain dua uji diatas, kita juga dapat mengetehaui kelayakan model regresi logistik dari hasil prediksinya dengan melihat matriks klasifikasi. Matriks klasifikasi disajikan dalam bentuk tabel sebagai berikut.

Matriks klasifikasi diatas menunjukkan seberapa akurat prediksi dari model regresi logistik untuk memprediksi kemungkinan terjadinya belanja modal yang dilakukan oleh perusahaan sebelum pandemi lebih tinggi. Dari tabel diatas hasil analisis regresi menunjukkan bahwa overall percentage di angka 60%, artinya model regresi logistik memiliki akurasi sebesar 60%.

2. Analisa Regresi Logistik

Analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik (logistic regression), yaitu dengan melihat pengaruh Pandemi Covid-19 (COVID), Firm Size (SIZE), Sales Growth (GROWTH), Return on Assets (ROA) dan Internal Cash Flow (ICF) terhadap Pola Capital Expenditure (CAPEX) pada perusahaan non big-cap yang terdaftar di Bursa Efek Indonesia atau BEI tahun 2017-2021.

Variable dependen yang digunakan disini adalah variable biner kualitatif yaitu, CAPEX : perusahaan memperbanyak atau mengurangi modal usaha. Untuk lebih jelasanya variabel yang digunakan dalam analisa ini sebagai berikut:

Dari output yang merupakan hasil analisis dari regresi logistik dapat dirumuskan persamaan regresi logistik sebagai berikut:

3. Uji Hipotesis Regresi Logistik

• Uji Wald (Uji Parsial t)

Uji Wald digunakan untuk menguji apakah masing-masing variabel independen yang terdiri dari Pandemi Covid-19 (COVID), Firm Size (SIZE), Sales Growth (GROWTH), Return on Assets (ROA) dan Internal Cash Flow (ICF) mampu mempengaruhi variabel dependen yaitu pola capital expenditure (CAPEX) dalam penelitian ini. Untuk menentukan hipotesis diterima atau ditolak dengan membandingkan nilai Sig. dan tingkat signifikansi α = 0,05. Hipotesis untuk mendapatkan kesimpulan dari uji Wald adalah:

H0 : Variable independen tidak berpengaruh terhadap variable dependen (Sig > 0,05)

H1 : Variable independen berpengaruh terhadap variable dependen (Sig < 0,05)

Berdasarkan output dapat diperoleh hasil pengujian hipotesis dengan menggunakan analisis regresi logistik, dapat disimpulkan sebagai berikut:

• Uji Omnibus Tests (Uji Simultan f)

Uji Omnibus Tests adalah uji statistik untuk untuk menguji secara bersama-sama apakah semua variabel independen yang terdiri dari Pandemi Covid-19 (COVID), Firm Size (SIZE), Sales Growth (GROWTH), Return on Assets (ROA) dan Internal Cash Flow (ICF) secara simultan mampu mempengaruhi variabel dependen yaitu pola capital expenditure (CAPEX). Untuk menentukan hipotesis diterima atau ditolak dengan membandingkan fhitung dan tingkat signifikasinya sebesar 5% atau 0,05. Hipotesis untuk mendapatkan kesimpulan dari uji Simultan adalah:

H0 : Tidak ada satupun variable independen yang berpengaruh terhadap variable dependen (Sig > 0,05)

H1 : Minimal ada 1 variable independen berpengaruh terhadap variable dependen (Sig < 0,05)

Berdasarkan output diatas nilai Sig. dibawah 5% (tingkat signifikansi) , Artinya Pandemi Covid-19 (COVID), Firm Size (SIZE), Sales Growth (GROWTH), Return on Assets (ROA) dan Internal Cash Flow (ICF) secara simultan berpengaruh signifikan terhadap pola capital expenditure (CAPEX).

4. Koefisien Regresi Logistik dan Odds Ratio

Untuk menganalisa koefisien regresi diatas, kita akan menggunakan rumus exponensial dari setiap koefisien regresi untuk mendapatkan nilai odds ratio. Bentuk fungsi eksponensial yang paling sering digunakan adalah e^koefisien

Dalam contoh kasus ini odds ratio digunakan untuk membandingkan penambahan atau pengurangan modal perusahaan. Analisis odds ratio pada setiap variabel bebas terhadap CAPEX:

1. Nilai konstanta (α) sebesar 0.607, artinya jika tidak ada variable yang mempengaruhi CAPEX, maka kecenderungan pertambahan modal perusahaan akan selalu naik dibanding menurunkan modal perusahaan.
2. Variabel pandemi Covid-19 (COVID) memiliki nilai  koefisien positif sebesar 0.671, artinya artinya belanja perusahaan sebelum pandemi lebih besar dibandingkan saat pandemi. Nilai EXP (0.607) yaitu 1.96 yang berarti adanya pandemi Covid-19 membuat kecenderungan nilai CAPEX pada saat pandemi lebih rendah 1.96 kali dibandingkan sebelum pandemi.
3. Variabel firm size (SIZE) memiliki nilai koefisien negatif sebesar 0.011, artinya peningkatan firm size (SIZE) yang dilakukan perusahaan cenderung membuat CAPEX saat pandemi lebih besar dibandingkan sebelum pandemi.  
4. Variabel sales growth (GROWTH)  memiliki nilai koefisien negatif sebesar 0.002, artinya peningkatan sales growth (GROWTH) yang dilakukan perusahaan cenderung membuat CAPEX saat pandemi lebih besar dibandingkan sebelum pandemi. 
5. Variabel return on assets (ROA) memiliki nilai koefisien negatif sebesar 0.027, artinya peningkatan return on assets (ROA) yang dilakukan perusahaan cenderung membuat CAPEX saat pandemi lebih besar dibandingkan sebelum pandemi.
6. Variabel internal cash flow (ICF) memiliki nilai koefisien positif sebesar 0.0001, artinya peningkatan internal cash flow (ICF) yang dilakukan perusahaan cenderung membuat CAPEX sebelum pandemi lebih besar dibandingkan saat pandemi.