Pertemuan Ke 3
Model Logit
IMAM SYAFI’I, S.E., M.E
PROGRAM STUDI EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS - UNIVERSITAS
JAMBI
SEMESTER GENAP TA. 2021-2022
1. PENDAHULUAN 2
Dalam praktek, tidak ada jaminan bahwa nilai prediksi Y dari
model LPM terletak antara 0 dan 1
Masalah ini merupakan masalah utama dalam LPM (baik dengan
pendekatan OLS maupun WLS)
Ada 2 (dua) cara untuk menyelesaikan masalah di atas:
Melakukan regresi model LPM dengan metode OLS dan mencari nilai
Y prediksi → jika hasilnya lebih kecil dari 0 (negatif) maka dianggap
nilainya 0, jika hasilnya lebih besar dari 1 maka dianggap nilainya 1
Menggunakan tehnik yang menjamin bahwa nilai probabilitas Y
terletak antara 0 dan 1, dan model yang menjamin nilai ini adalah
model Logit, Probit, maupun Tobit
Lanjutan… 3
Dalam model LPM (OLS maupun WLS), dianggap bahwa Pr (Yi =
1 | Xi) menaik secara linier terhadap Xi, contohnya: batas minimal
pendapatan keluarga untuk bisa memiliki rumah adalah Rp 10 juta
per bulan
Ini berarti, dalam model LPM, jika tingkat pendapatan keluarga
naik Rp 1 juta per bulan maka probabilitas untuk memiliki rumah
akan naik dalam jumlah yang sama
Namun dalam prakteknya tidak demikian adanya, jika pendapatan
keluarga terus naik maka probabilitasnya semakin besar dan jika
sudah berada di atas pendapatan minimal maka kenaikan
pendapatan rumah tangga tidak akan banyak mempengaruhi
probabilitas memiliki rumah
Lanjutan… 4
Probabilitas seperti ini tidak sesuai dengan fakta, oleh karena itu
maka yang dibutuhkan adalah sebuah model probabilitas yang
mampu menjamin bahwa nilai probabilitasnya terletak antara 0 dan
1
Model dengan fungsi distribusi kumulatif (Cumulative Distribution
Function/CDF) adalah bentuk model yang bisa menjamin bahwa
nilai probabilitas terletak antara 0 dan 1, sehingga dapat membuat
model regresi dengan variabel dependen-nya yang bersifat
dikotomis yaitu 0 dan 1 dapat terpenuhi
Model dengan CDF ini memenuhi 2 (dua) sifat, yaitu: pertama,
ketika Xi naik, maka Pr (Yi = 1 | Xi) akan naik juga, namun tidak
pernah keluar dari interval 0 dan 1.
Lanjutan… 5
Kedua, hubungan antara Pi dan Xi adalah non linier sehingga tingkat
perubahan tidak sama namun kenaikannya semakin besar, dan terus
mengecil
Ketika nilai probabilitasnya mendekati 0 maka tingkat
penurunannya semakin kecil, dan ketika nilai probabilitasnya
mendekati 1 maka tingkat kenaikannya juga akan semakin mengecil
Ada 2 (dua) model yang memenuhi kriteria sifat CDF ini yaitu
model Logit dan Probit, dimana model Logit berkaitan dengan
fungsi probabilitas distribusi logistik (Logistic Distribution
Function) sedangkan model Probit berkaitan dengan fungsi
probabilitas distribusi normal (Normal Distribution Function)
2. MODEL LOGIT 6
Model Logit (logistic distribution regression) adalah model analisis
regresi yang digunakan untuk menganalisis variabel tidak bebas
dengan kemungkinan nilainya terletak antara 0 dan 1
Model ini memperbaiki kelemahan analisis regresi model LPM
yang telah dibahas sebelumnya
Model Logit dapat diterapkan untuk 2 (dua) kondisi data yang
berbeda, yaitu data individual (level mikro) dan data
berkelompok (replikasi)
Lanjutan… 7
Model Logit dengan Data Individual
Logit dengan data individual mirip dengan model analisis regresi
dengan metode OLS dengan data silang tempat biasa
Perbedaannya hanya terletak pada variabel tidak bebasnya dan
interpretasi dimana variabel tidak bebasnya bersifat dikotomis dengan
fungsi distribusi logistik (bukan biner seperti LPM) dan estimasi
model Logit menunjukkan besarnya kemungkinan suatu kejadian
yang ditunjukkan dengan persentase probabilitas sehingga nilainya
antara 0% hingga 100%
Nilai statistik t tidak berlaku dalam model logit, yang berlaku hanya
statistik Z (yang karakterisitiknya mirip dengan statistik t)
Lanjutan… 8
Model Logit dengan Data Berkelompok (Group-logit)
Untuk data berkelompok perlu ada penyesuaian, dengan metode
grouped logit (glogit)
Untuk menganalisis data berkelompok (glogit), analisis data dapat
menggunakan metode OLS, namun jika mengandung unsur/masalah
heteroskedastisitas maka harus diterapkan metode WLS
Langkah-langkahnya dengan data berkelompok cukup panjang, dan
bantuan software MS Excel akan sangat membantu
Sama dengan data individual, statistik Z digunakan untuk pengujian
hipotesis dan nilai koefisien determinasi (R2) yang digunakan adalah
McFadden R-squared