Model Probit
Analisis Regresi dengan Permodelan Kateogrik
Pengertian Model Probit
Model Probit adalah pengembangan dari model logit. Istilah probit (singkatan dari probability unit) dikenalkan pada tahun 1930-an oleh Chester Bliss. Model probit menggunakan teori utilitas. Model ini juga sering disebut dengan model normit atau normal equivalent deviate disingkat ned. Model probit dikembangkan berdasarkan teori utilitas atau prmikiran pemilihan rasional yang dikembangkan oleh McFadden (1973).
Apabila kita gunakan contoh kepemilikan rumah, dapat diasumsikan bahwa sebuah keluarga akan memilih untuk memiliki (atau tidak memiliki) rumah tergantung pada indeks utilitas I, yang tidak terobservasi (seting juga disebut sebagai latent variable), yang dipengaruhi oleh satu atau lebih variable independen. Misalnya adalah variabel pendapatan X1. Semakin besar nilai indeks I, semakin besar pula kemungkinan sebuah keluarga untuk memiliki rumah. Bila dituliskan dalam sebuah persamaan akan menjadi : Ii=β1 + η2X1
Setiap keluarga memiliki nilai kritis yaitu Ii*, Jika Ii lebih besar daripada Ii* maka probabilitas suatu keluarga untuk memiliki rumah semakin besar, demikian pula sebaliknya.
Interpretasi pada Probit
Untuk melakukan interpretasi pada probit sedikit berbeda dengan Model lainnya seperti analisis OLS maupun Logit. Dalam analisis probit Peneliti harus menggunakan tabel statistik Z. Misalkan kita ingin melakukan estimasi terhadap seberapa besar kemungkinan lulus tepat waktu (cumlaude) seorang mahasiswa yang IPK-nya adalah 3, rumah=1 (tinggal di rumah sendiri), belajar perbulannya adalah 30 jam. Dari hasil hitungan dengan sofware Eviews, kita bisa menggunakan persamaan berikut :
Probit=-7,452 + 1,626ipk + 0,052jam + 1,426rumah
=-7,452 + 1,626(3) + 0,052(30) + 1,426(1)
=0,412
Angka tersebut apabila kita genapkan menjadi 0,41 kita cari nilainya pada tabel statistik Z, pada kolom kiri 0,4 dari kolom di atas angka 0,01 ditemukan angka 0,6591. Selanjutnya kita kurangkan angka ini dari nilai 1, shingga diperoleh 1-0,6591=0,3409 atau 34,09%. Dengan demikian kemungkinan mahasiswa tersebut di atas lulus tepat waktu adalah 34,09%.
Artikel
- Analisis Kualitatif dan Analisis Kuantitatif
- Analisis SWOT pada Perusahaan
- Analisis yang Sering Digunakan dalam Penelitian
- Analytical Hierarchy Process
- Aplikasi untuk Olah Data Statistik
- Belajar SPSS
- Bias AI dalam Penelitian dan Cara Mengatasinya
- Cara Interpretasi Data yang Baik dalam Penelitian
- Cara Mencari Referensi Variabel dari Jurnal dalam Penelitian
- Cara Menentukan Indikator Variabel dalam Penelitian
- ChatGPT untuk Penelitian
- Cross Tabulasi
- Data Envelopment Analysis
- Estimasi dalam Regresi Linear
- Jasa Olah Data Skripsi, Tesis, dan Penelitian di Jakarta
- Kendala yang Sering Muncul dalam Uji ANOVA
- Manfaat AI dalam Penelitian dan Batasan yang Perlu Dipahami
- Memahami Analisis Linear dan Non-Linear
- Memahami Variable dalam Penelitian
- Membahas Analisis Kluster (Cluster Analysis)
- Microsoft Excell untuk Olah Data
- Model Persamaan Struktural
- Model Probit
- Olah Data Menggunakan EViews
- Panduan Uji Statistik dalam Penelitian
- Pemanfaatan AI ChatGPT untuk Penelitian
- Penelitian dan Data
- Penelitian Kualitatif dan Kuantitatif
- Penelitian Multivariat dengan SEM
- Penelitian Murni dan Penelitian Semu
- Pengaruh Artificial Intelligence (AI) Dalam Penelitian
- Penjelasan Uji Korelasi Spearman dan Uji Kendall Tau
- Perkembangan Tools Penelitian dan Artificial Intelligence
- Permasalahan dalam Olah Data
- Persamaan Model Regresi Linear
- Prosedur Pemilihan Model dalam Regresi
- Regresi Logistik menggunakan Minitab
- Sejarah Analisis Regresi
- Sejarah Model Persamaan Struktural
- SPSS untuk Penelitian
- Statistik Parametric dan Non Parametric
- Tips Membuat Kuesioner Penelitian yang Baik
- Tools AI yang Dapat Membantu Penelitian Beserta Contohnya
- Uji Anova Dua Faktor
- Uji Coba Instrument, Uji Validitas, Try Out
- Uji Mantel Haenszel
Tahukah Kamu?