Analisis regresi adalah perhitungan statistik yang banyak digunakan. Kita sering melakukan perhitungan jenis ini sesuai dengan keinginan kita. Di Excel, kita bisa melakukan beberapa jenis analisis regresi Dalam artikel ini, kami akan mendemonstrasikan bagaimana melakukan regresi logistik di Excel. Jika Anda juga tertarik untuk mempelajari analisis ini, unduh buku kerja latihan dan ikuti kami.

Unduh Buku Kerja Praktik

Unduh buku kerja latihan ini untuk latihan saat Anda membaca artikel ini.

Regresi Logistik.xlsx

Apa itu Regresi Logistik?

Analisis regresi logistik adalah algoritma pembelajaran statistik yang digunakan untuk memprediksi nilai variabel dependen berdasarkan beberapa kriteria independen. Ini membantu seseorang untuk mendapatkan hasil dari kumpulan data besar berdasarkan kategori yang diinginkannya. Analisis regresi logistik terutama tiga jenis:

1. Regresi Logistik Biner
2. Regresi Logistik Multinomial
3. Regresi Logistik Ordinal

Regresi Logistik Biner: Dalam model analisis regresi biner, kami mendefinisikan kategori hanya dengan dua kasus, yaitu Ya/Tidak atau Positif/Negatif.

Regresi Logistik Multinomial: Analisis logistik multinominal bekerja dengan tiga klasifikasi atau lebih. Jika kita memiliki lebih dari dua bagian yang diklasifikasikan untuk mengkategorikan data kita, maka kita dapat menggunakan model analisis regresi ini.

Regresi Logistik Ordinal: Model analisis regresi ini bekerja untuk lebih dari dua kategori. Namun, dalam model ini, kita membutuhkan urutan yang telah ditentukan untuk mengkategorikannya.

Prosedur Langkah-demi-Langkah untuk Melakukan Regresi Logistik di Excel

Dalam artikel ini, kita akan melakukan analisis regresi logistik biner. Jenis analisis ini memberi kita nilai prediksi dari variabel yang diinginkan. Untuk melakukan analisis, kita mempertimbangkan dataset 10 mesin dari suatu industri. Ketersediaan mesin bisa positif atau negatif. Angka binernya 1 = positif dan 0 = negatif , dan nilai-nilai ini ditunjukkan dalam kolom B Usia mesin-mesin tersebut ada di kolom C dan rata-rata jam tugas mereka per minggu ada di kolom D Jadi, dataset kita berada dalam kisaran sel B5:D14 Nilai-nilai variabel pemecah regresi awal berada dalam kisaran sel C16:D18 Seluruh prosedur analisis dijelaskan di bawah ini langkah demi langkah:

Langkah 1: Masukkan Dataset Anda

Pada langkah ini, kita akan mengimpor dataset Anda:

• Pertama-tama, masukkan dataset Anda secara akurat ke dalam Excel. Untuk analisis kami, kami memasukkan dataset dalam rentang sel B5:D14 .

• Kemudian, masukkan Variabel Keputusan Pemecah' Kita memasukkannya ke dalam kisaran sel D16:D18.
• Kita mengasumsikan semua nilai variabel sebagai 0.01 .

Baca selengkapnya: Regresi Linier Berganda pada Kumpulan Data Excel (2 Metode)

Langkah 2: Mengevaluasi Nilai Logit

Pada langkah ini, kita akan menghitung Logit untuk dataset kami. Kami mendefinisikan nilai Logit nilai sebagai X dalam perhitungan kami. Rumus dari Logit nilai adalah:

Di sini, b0, b1, dan b2 adalah variabel regresi.

• Tuliskan rumus berikut dalam sel E5 Gunakan tanda Absolute untuk membekukan nilai sel variabel. Jika Anda tidak tahu cara memasukkan Referensi Sel Absolut Anda bisa memasukkannya dalam beberapa cara.

=$D$16+$D$17*C5+$D$18*D5

• Kemudian, tekan tombol Masuk pada keyboard Anda.

• Setelah itu, klik dua kali pada Isi Gagang ikon untuk menyalin rumus hingga sel E14 .

• Anda akan mendapatkan semua nilai dari X .

Baca selengkapnya: Cara Melakukan Regresi Linier Sederhana di Excel (4 Metode Sederhana)

Langkah 3: Tentukan Eksponensial dari Logit untuk Setiap Data

Di sini, kita akan menghitung nilai eksponensial dari nilai logit, Untuk itu, kita akan menggunakan fungsi EXP :

• Untuk menentukan nilai eksponensial dari X , tuliskan rumus berikut di sel F5 :

=EXP(E5)

• Demikian pula, klik dua kali pada Isi Gagang untuk menyalin rumus seperti langkah sebelumnya. Anda akan mendapatkan semua nilai eksponensial dari X .

Langkah 4: Hitung Nilai Probabilitas

P(X) adalah nilai probabilitas untuk terjadinya X probabilitas kejadian X dapat didefinisikan sebagai:

• Untuk menghitungnya, tuliskan rumus berikut dalam sel G5 .

=F5/(1+F5)

• Tekan tombol Masuk kunci.
• Sekarang, seret Isi Gagang ikon hingga G15 untuk mendapatkan nilai untuk semua nilai.

Baca selengkapnya: Cara Menghitung Nilai P dalam Regresi Linier di Excel (3 Cara)

Langkah 5: Mengevaluasi Jumlah Nilai Log-Likelihood

Dalam langkah-langkah berikut ini, kita akan mengevaluasi nilai dari Log-Likelihood. Setelah itu kita akan menggunakan fungsi SUM untuk menambahkan semua data:

• Untuk menghitung Log-Likelihood kita akan menggunakan LN fungsi dalam dataset kami. Dalam sel H5 , tulislah rumus berikut ini:

=(B5*LN(G5))+((1-B5)*LN(1-G5))

• Sekarang, tekan tombol Masuk pada keyboard.

• Kemudian, klik dua kali pada Isi Gagang untuk menentukan semua nilai log-likelihood.

• Setelah itu, dalam sel H15 , tuliskan rumus berikut untuk menjumlahkan semua nilai.

=SUM(H5:H14)

🔍 Perincian Rumus

Kami melakukan pemecahan ini untuk sel H5 .

👉 LN(G5): Fungsi ini mengembalikan -0.384.

👉 LN(1-G5): Fungsi ini mengembalikan -1.144.

👉 (B5*LN(G5))+((1-B5)*LN(1-G5)): Fungsi ini mengembalikan -0.384.

Langkah 6: Gunakan Alat Analisis Solver untuk Analisis Akhir

Sekarang, kita akan melakukan analisis regresi akhir. Kita akan melakukan analisis melalui metode Pemecah Jika Anda tidak melihatnya dalam perintah Data Anda harus mengaktifkan tab Pemecah dari Add-in Excel .

• Untuk mengaktifkannya, pilih File> Opsi .

• Hasilnya, kotak dialog yang disebut Opsi Excel akan muncul.
• Dalam kotak dialog ini, pilih Add-in pilihan.
• Sekarang, pilih Add-in Excel opsi di dalam Kelola bagian dan klik Pergi .

• Kotak dialog kecil berjudul Add-in akan muncul.
• Kemudian, periksa Add-in Pemecah Masalah opsi dan klik OK .

• Setelah itu, pergi ke Data dan Anda akan menemukan tab Pemecah perintah di dalam Analisis kelompok.

• Sekarang, klik tombol Pemecah perintah.
• Kotak dialog baru berjudul Parameter Pemecah Masalah akan muncul.
• Dalam Tetapkan Tujuan kotak, pilih sel $H$15 dengan mouse Anda. Anda juga dapat menulis referensi sel pada keyboard Anda. Referensi Sel Absolut tanda tangan di sini.
• Selanjutnya, di dalam Dengan Mengubah Sel Variabel opsi pilih rentang sel $D$16:$D$18 .
• Kemudian, hapus centang pada Membuat Variabel yang Tidak Terkendala Menjadi Non-Negatif untuk mendapatkan nilai negatif jika sudah ditampilkan sebagai dicentang.
• Terakhir, klik tombol Memecahkan tombol.

• Sebagai hasilnya, yang Hasil Pemecahan akan muncul di depan Anda.
• Sekarang, pilih Simpan Solusi Pemecah Masalah Kotak ini juga akan menunjukkan kepada Anda apakah analisis regresi Anda konvergen atau divergen.
• Klik OK untuk menutup kotak.

• Akhirnya, Anda akan melihat nilai-nilai variabel dalam rentang sel D16:D18 Selain itu, Anda juga akan melihat nilai-nilai kolom E, F, G dan H juga menunjukkan perbedaan dari langkah-langkah sebelumnya.

🔍 Ilustrasi Hasil Analisis Regresi Biner

Setelah penyelesaian analisis regresi logistik biner di Excel, Anda akan melihat bahwa nilai variabel regresi yang diasumsikan disubstitusikan dengan nilai analisis baru dan nilai-nilai ini adalah nilai variabel regresi yang benar dari dataset kita. Kita dapat mempertimbangkan hasil dari data tertentu, seperti mesin yang memiliki usia 68 bulan dan 4 rata-rata tidak ada shift per minggu. Nilai dari P(X) adalah 0.67 Ini menggambarkan kepada kita bahwa jika kita mencari mesin dalam kondisi kerja, kemungkinan kejadian itu adalah tentang 67% .

Kita juga bisa menunjukkannya secara terpisah, dengan menggunakan nilai akhir dari variabel regresi.

Dengan demikian, kita dapat mengatakan bahwa prosedur kerja kami berhasil dan kami dapat melakukan analisis regresi logistik biner.

Kesimpulan

Semoga artikel ini bermanfaat bagi Anda dan Anda dapat melakukan regresi logistik di Excel. Silakan bagikan pertanyaan atau rekomendasi lebih lanjut dengan kami di bagian komentar di bawah ini.

Jangan lupa untuk memeriksa situs web kami ExcelWIKI untuk beberapa masalah dan solusi terkait Excel. Terus pelajari metode baru dan terus berkembang!