| dc.description.abstract | Logistik multinomial merupakan regresi logistik yang variabel dependennya
mempunyai skala yang bersifat polychotomus atau multinomial. Skala multinomial
adalah suatu pengukuran yang dikategorikan menjadi lebih dari dua kategori. Logistik
multinomial banyak digunakan dan bermanfaat karena banyak ditemui kasus yang
menggunakan logistik multinomial untuk menganalisis data. Namun kendalanya
akses untuk menggunakan analisis logistik multinomial terhalang karena
penggunakan program yang susah bagi pengguna atau peneliti yang tidak mengerti
program.
Program yang digunakan adalah R dan paket R yang digunakan untuk analisis
data dengan logistik multinomial ini adalah paket nnet dengan fungsi multinom().
Salah satu program dalam R yang bisa membuat menu user interface yang berbasis
web agar mudah diakses yaitu R-shiny. R-shiny merupakan toolkit dari program R
yang dapat digunakan untuk membuat program secara online. Komponen dalam Rshiny
ada 2 kelompok yaitu user interface dan server. User interface berupa file
HTML yang digunakan untuk pemasukkan nilai input dan penyajian output. Program
dibentuk dalam bentuk tutorial yang meliputi ringkasan teori dan pengaplikasiannya.
Analisis data menggunakan program R yang telah dibuat dalam bentuk web interaktif
berbasis R-shiny. Program online ini dapat diakses di alamat http://statslabrshiny.
fmipa.unej. ac.id/JORS/logmult/. Program ini selain dapat digunakan untuk
data yang mempunyai variabel respon lebih dari 2 kategori, juga dapat digunakan
untuk data yang mempunyai variabel respon yang mempunyai 2 kategori. Dalam
program ini juga ada program untuk GLM apabila pengguna ingin membedakan hasil
dari fungsi multinom() dengan fungsi glm()untuk data yang mempunyai variabel
2 kategori.
Data yang digunakan adalah data simulasi yang mempunyai variabel prediktor
, , , dan variabel respon yang memiliki lebih dari 2 kategori berupa A, B,
C. Uji signifikansi menggunakan − dengan memilih nilai − ≤ 0.05.
Sedangkan uji kesesuaian model menggunakan nilai AIC dan BIC. Hasil analisis data
diperoleh nilai AIC sebesar 121,0870 dan BIC sebesar 144,9073 untuk model
formula ~ + + + lebih kecil dibandingkan dengan nilai AIC sebesar
129,4233 dan BIC sebesar 148,4795 model formula ~ + + . Hasil tersebut
menunjukkan bahwa model formula ~ + + + lebih baik daripada model
formula ~ + + . Jadi data simulasi dengan model terbaik yang didapat yaitu
~ + + + dengan
( ) = 3,1180 − 0,2205 + 0,2078 − 0,1231 − 1,0677 [ ]
( ) = −5,1752 − 0,1597 + 0,2176 + 0,1235 − 0,6315 [ ] | en_US |
