PENDUGAAN PARAMETER REGRESI LOGISTIK BINER DENGAN SPREADSHEET SOLVER (ADD-IN MICROSOFT EXCEL) Shaifudin Zuhdi, Dewi Retno Sari Saputro Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret ABSTRAK. Model regresi logistik biner (MRLB) merupakan model regresi berganda dengan variabel terikatnya merupakan variabel biner (0 dan 1). Pendugaan parameter MRLB dapat menggunakan pendugaan maksimum likelihood (PML). Dengan PML diperoleh fungsi yang harus dioptimalkan sehingga pada akhirnya diperoleh estimator parameternya. Secara komputasi, penyelesaian secara analitik tidak menguntungkan, oleh karena itu diperlukan software pendukung yang salah satunya diantaranya dengan spreadsheet solver (add-in Microsoft Excel). Solver merupakan salah satu prosedur yang dipergunakan untuk menghitung nilai atau kombinasi beberapa nilai yang menghasilkan output paling optimal. Tujuan penulisan artikel ini adalah melakukan pendugaan parameter pada MRLB, menghitung statistik G, dan nilai kritis pengujian berdasar sebaran chi-square dengan spreadsheet solver. Spreadsheet solver memberikan kemudahan perhitungan untuk pendugaan parameter model regresi logistik biner menggunakan metode maksimum likelihood. Kata Kunci: regresi logistik biner, maksimum Likelihood, spreadsheet solver 1. PENDAHULUAN Model regresi merupakan salah satu model stokastik yang sering digunakan di dalam analisis data pengamatan bertujuan untuk melihat hubungan antara suatu variabel bebas dan satu atau lebih variabel terikatnya. Data yang digunakan pada model regresi dapat berupa data kontinu atau data diskret. Apabila peubah respon berskala kontinu dan menyebar normal maka disebut dengan model regresi normal atau klasik, sebaliknya apabila peubah respon berskala biner model regresinya disebut model regresi logistik (Ryan, 1997). Model regresi logistik merupakan model stokastik yang menggambarkan hubungan antara peubah prediktor dengan peubah respon yang mempunyai dua atau lebih kategori dengan peubah prediktor yang menggunakan skala kategorik maupun interval (Hosmer dan Lemeshow, 1989. Pendugaan parameter model regresi logistik tidak dapat menggunakan metode kuadrat terkecil (ordinary least square/OLS) seperti halnya model regresi linear. Berdasarkan asumsi yang biasa digunakan untuk regresi linear (misalnya asumsi kenormalan atau kehomogenan varians), metode kuadrat terkecil menghasilkan estimasi parameter dengan sifat-sifat statistik yang diinginkan yakni tak bias dan memiliki varians minimum (Maharani dkk., 2007). Berbeda dengan estimasi model regresi linear, metode kuadrat terkecil tidak dapat diterapkan untuk model regresi logistik karena penduga parameter yang dihasilkan tidak lagi memiliki sifat-sifat statistik yang diinginkan yaitu asumsi homoskedastisitas yang tidak mungkin dipenuhi oleh distribusi Bernoulli. Hal ini