Analisis Faktor-Faktor yang Mempengaruhi Keputusan Pembelian di PT.

KEISI dengan Menggunakan Regresi Logistik Biner

Zulyani
Departemen Matematika FMIPA Universitas Muhammadiyah Malang
dzulyanee@yahoo.com

Regresi Logistik 𝑝
𝐿𝑜𝑔 ( ) = 𝛽0 + 𝛽1𝑋1
1– 𝑝
Regresi logistik adalah bagian dari
+ 𝛽2 𝑋2 + … . + 𝛽𝑘 𝑋𝑘
analisis regresi yang digunakan ketika
Dimana 𝑝 adalah kemungkinan bahwa 𝑌 =
variabel dependen (respon) merupakan
1, dan 𝑋1 , 𝑋2 , … , 𝑋𝑘 adalah variabel
variabel dikotomi. Variabel dikotomi
independen, dan 𝛽 adalah koefisien regresi.
biasanya hanya terdiri atas dua nilai, yang
Regresi logistik akan membentuk
mewakili kemunculan atau tidak adanya
𝑝
variabel prediktor/respon 𝐿𝑜𝑔 ( 1 – 𝑝) yang
suatu kejadian yang biasanya diberi angka
0 atau 1.Tidak seperti regresi merupakan kombinasi linier dari variabel
linier biasa, regresi logistik tidak independen. Nilai variabel prediktor ini
mengasumsikan hubungan antara variabel kemudian ditransformasikan menjadi
independen dan dependen secara probabilitas dengan fungsi logit.
linier. Regresi logistik merupakan regresi
non linier dimana model yang ditentukan Deskripsi Data
akan mengikuti pola kurva seperti gambar
Data yang digunakan berasal dari
di bawah ini. www.keisi.co.id. data terdiri dari 100 data
seperti yang berada di lampiran. Dimana
data terdiri dari:
Y : keputusan pembelian (0 = tidak
membeli / 1 = membeli )
X1 : faktor kecepatan pengiriman
X2 : citra perusahaan
X3 : pelayanan
X4 : citra pemasaran
X5 : kualitas produk
Kurva Resgresi Logistik Biner X6 : level penggunaan
Model yang digunakan pada regresi
logistik adalah Uji Simultan (Omnibus Test)
Uji Hipotesis Variables in the Equation
Exp(
𝐻0 : seluruh variabel tidak berpengaruh
B S.E. Wald df Sig. B)
terhadap keputusan pembelian di PT. Step X1 ,371 ,456 ,662 1 ,416 1,449
KEISI 1a X2 3,229 ,947 11,63 1 ,001 25,24

𝐻1 : paling tidak ada satu variabel yang 5 7

X3 2,859 1,107 6,673 1 ,010 17,44

berpengaruh terhadap keputusan pembelian
7
di PT. KEISI
X4 1,944 1,117 3,027 1 ,082 6,986
𝛼 = 0,05 X5 ,480 ,300 2,560 1 ,110 1,616
Daerah Kritik X6 ,046 ,073 ,399 1 ,527 1,047

𝐻0 ditolak jika nilai probabilitas (sig.) < 𝛼 Const - 8,649 17,46 1 ,000 ,000
ant 36,13 0
Statistik Uji 9

a. Variable(s) entered on step 1: X1, X2, X3, X4, X5, X6.

Omnibus Tests of Model Coefficients

Chi-square df Sig.
Berdasarkan tabel dapat disimpulkan bahwa
Step 1 Step 97,127 6 ,000 variabel yang berpengaruh signifikan terhadap
Block 97,127 6 ,000 keputusan pembelian adalah variabel X2 dan
Model 97,127 6 ,000
X3.

Uji Kecocokan Model (Hosmer and

Kesimpulan
Lemeshow Test)
Karena nilai probabilitas (sig.) = 0,000 <
Uji Hipotesis
0,05 maka 𝐻0 ditolak. Jadi, variabel-
H0: tidak ada perbedaan signifikan antara
variabel independen berpengaruh pada
model dengan nilai observasi (model cocok
diagnosis keputusan pembelian di PT.
dengan data)
KEISI.
H1: ada perbedaan signifikan antara model
Uji Parsial dengan nilai observasi (model tidak cocok
dengan data)
𝛼 = 0,05
Daerah Kritik
H0 ditolak jika nilai 𝑠𝑖𝑔. < 0,05
Statistik Uji
Hosmer and Lemeshow Test
Step Chi-square df Sig.

1 4,852 8 ,773

Kesimpulan
Karena nilai 𝑠𝑖𝑔. = 0,773 > 0,05 maka H0
tidak ditolak. Jadi, tidak ada perbedaan
signifikan antara model dengan nilai
observasi atau model cocok dengan data.

Model Persamaan Regresi Logistik

Berdasarkan nilai B pada tabel output

Variables in the Equation, maka model
persamaan yang dibentuk adalah:

exp(3,229X2 + 2,859X3)
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 =
1 + exp(3,229X2 + 2,859X3)

Berdasarkan persamaan diatas, koefisien

dari X1 bertanda positif dapat diartikan
bahwa kemungkinan pembelian di PT.
KEISI akan meningkat ketika X1
mengalami peningkatan. Begitu pula
dengan koefisien X3 bertanda positif dapat
diartikan bahwa kemungkinan pembelian di
PT. KEISI akan meningkat ketika X3
mengalami peningkatan.
 X1 X2 X3 X4 X5 X6
0 4,1 4,7 2,4 2,3 5,2 32
1 1,8 6,6 2,5 4 8,4 43
1 3,4 6 4,3 2,7 8,2 48
0 2,7 5,9 1,8 2,3 7,8 32
1 6 7,8 3,4 4,6 4,5 58
0 1,9 4,8 2,6 1,9 9,7 45
1 4,6 6,6 3,5 4,5 7,6 46
0 1,3 5,1 2,8 2,2 6,9 44
1 5,5 4,7 3,5 3 7,6 63
1 4 6 3,7 3,2 8,7 54
0 2,4 4,8 2 2,8 5,8 32
0 3,9 4,6 3 2,5 8,3 47
0 2,8 3,8 2,1 1,4 6,6 39
0 3,7 5,7 2,7 3,7 6,7 38
1 4,7 6,7 3 2,6 6,8 54
0 3,4 4,7 2,7 1,7 4,8 49
1 3,2 5,1 3,6 2,9 6,2 38
0 4,9 4,3 3,4 1,5 5,9 40
1 5,3 6,1 3,3 3,9 6,8 54
1 4,7 6,7 3 2,6 6,8 55
0 3,3 4 2,1 1,8 6,3 41
0 3,4 2,5 1,2 1,7 5,2 35
1 3 7,1 3,5 3,4 8,4 55
0 2,4 4,8 1,9 2,5 7,2 36
1 5,1 4,8 3,3 2,6 3,8 49
1 4,6 5,8 3,4 2,8 4,7 49
0 2,4 4,8 1,9 2,5 7,2 36
1 5,2 6,1 3,2 3,9 6,7 54
0 3,5 3,5 3,1 1,7 5,4 49
1 4,1 5,5 3,9 3 8,4 46
1 3 5,3 3,1 3 8 43
1 2,8 6,9 3,3 3,2 8,2 53
1 5,2 5,9 3,7 2,4 4,6 60
1 3,4 5,7 3,5 3,4 8,4 47
0 2,4 3,4 1,7 1,1 6,2 35
0 1,8 4,5 2,5 2,4 7,6 39
1 3,6 5,8 3,7 2,5 9,3 44
1 4 5,4 2,4 2,6 7,3 46
1 3 5,4 1,1 2,6 8,9 29
0 2,4 4,5 2,1 2,2 8,8 28
0 1,9 4,6 2,6 2,5 7,7 40
1 5,9 7,8 3,4 4,6 4,5 58
0 4,9 4,5 3,6 1,3 6,2 53
1 5 4,7 3,1 2,5 3,7 48
0 2 3,7 2,4 1,7 8,5 38
0 5 4,6 3,7 1,4 6,3 54
0 3,1 4,5 2,6 3,2 3,8 55
1 3,4 5,6 3,6 2,3 9,1 43
0 5,8 4,5 3 2,4 6,7 57
0 5,4 3 3,8 1,4 5,2 53
0 3,7 6 2,1 2,5 5,2 41
1 2,6 5 3,6 2,5 9 53
1 4,5 5,9 4,3 3,4 8,8 50
0 2,8 4,9 2,5 2,6 9,2 32
0 3,8 2,9 1,6 2,1 5,6 39
1 2,9 7 2,8 3,6 7,7 47
1 4,9 6,9 4,6 4 9,6 62
1 5,4 5,5 4 3 7,7 65
1 4,3 5,4 3,1 2,5 4,4 46
1 2,3 4,7 3,3 2,2 8,7 50
0 3,1 4,5 2,6 3,1 3,8 54
1 5,1 5,8 3,6 2,3 4,5 60
1 4,1 5,5 2,5 2,7 7,4 47
1 3 4,9 3,4 2,6 6 36
0 1,1 4,7 1,6 3,2 10 40
0 3,7 4,5 2,6 2,3 6,8 45
1 4,2 6,2 3,3 3,9 7,3 59
1 1,6 5,3 3 2,5 7,1 46
0 5,3 3,7 3,5 1,9 4,8 58
1 2,3 5,2 3 2,3 9,1 49
1 3,6 6,2 4,5 2,9 8,4 50
0 5,6 3,1 4 1,6 5,3 55
0 3,6 4,8 2,9 1,9 4,9 51
1 5,2 4,5 3,3 2,7 7,3 60
1 3 6,6 2,4 2,7 8,2 41
1 4,2 4,9 3,2 2,7 8,5 49
0 3,8 6,1 2,2 2,6 5,3 42
0 3,3 3,3 2,9 1,5 5,2 47
0 1 4,5 1,5 3,1 9,9 39
0 4,5 4,6 3,1 2,1 6,8 56
0 5,5 3,8 3,6 2,1 4,9 59
1 3,4 8,2 4 4,4 6,3 47
1 1,6 6,4 2,3 3,8 8,2 41
0 2,3 5 3 2,5 7,4 37
1 2,6 6 2,8 2,8 6,8 53
0 2,5 4,2 2,8 2,2 9 43
1 2,4 5,9 2,7 2,7 6,7 51
0 2,1 4,8 2,8 2,3 7,2 36
1 2,9 6,1 2 2,5 8 34
1 4,3 6,3 3,4 4 7,4 60
1 3 7,1 3 3,8 7,9 49
0 4,8 4,2 3,3 1,4 5,8 39
1 3,1 7,8 3,6 4 5,9 43
0 1,9 4,9 2,2 2,5 8,2 36
0 4 4,5 2,2 2,1 5 31
0 0,6 5 0,7 2,1 8,4 25
1 6,1 4,8 3,3 2,8 7,1 60
0 2 5 2,4 2,7 8,4 38
1 3,1 6,8 2,6 2,9 8,4 42
0 2,5 5 2,2 3 6 33