Regresi Poisson *SPSS v23

download bahasan ini dalam versi pdf disini >>>

Setelah kita memahami sebaran Poisson (atau yang belum bisa baca disini >>>), kita akan membahas langkah-langkah menjalankan regresi Poisson dengan menggunakan SPSS 17.00. Kita akan melihat kejadian di Kabupaten “X”, dilaporkan bahwa serangan hama tikus lebih banyak ditemukan di perkebunan sawit yang dikelola oleh perusahaan daripada kebun rakyat/plasma dengan 0 menyatakan kebun plasma dan 1 menyatakan kebun perusahaan. Data mengenai luasan total areal perkebunan dari 4 millik perusahaan dan 18 plasma diberikan beserta data luasan serangan hama tikus seperti pada tabel berikut ini:

H0: Luasan lahan dan Jenis Pengelolaan berpengaruh pada Luas Areal Serangan Hama Tikus.

H1: Luasan lahan dan Jenis Pengelolaan tidak berpengaruh pada Luas Areal Serangan Hama Tikus
untuk materi mengenai hipotesis H0 dan H1 silahkan baca kembali disini>>>
.

Tipe pengelolaan: 0=plasma; 1=perusahaan

Perlu kita ketahui bahwa variabel dependen yang kita gunakan adalah Luas Areal Serangan yang di akan kita nyatakan dengan Y, sedangkan variabel independen adalah Luasan Lahan (X1) dan Tipe Pengelolaan (X2), Kita akan  membandingkan nilai mean dari variabel dependen Tipe Pengelolaan (Y) dengan Luas Areal Serangan (X2) dengan ANALYZE-COMPARE MEAN-MEAN, input dalam dependent list variabel dependen kita yaitu “Tipe Pengelolaan” dan masukkan “Luas Areal Serangan” ke dalam independen list.

Output SPSS: mean dari Y*X2

Dari perbandingan mean kedua tipe pengelolaan kebun terhadap luas areal serangan didapatkan mean yang berbeda signifikan berturut-turut untuk tipe pengelolaan plasma dan perusahaan berturut-turut adalah 1163,3 dan 41674,5. Kemudian kita akan melakukan regresi Poisson dengan Luas Areal Serangan sebagai variabel dependen, tipe pengelolaan sebagai faktor, dan Luasan Lahan sebagai kovariat.

1. Lakukan prosedur ANALYZE-GENERALIZED LINEAR MODEL-GENERALIZED LINEAR MODEL,

2. Pada kotak dialog yang muncul pilih TYPE OF MODEL, kemudian ceklist POISSON LOGLINEAR, kita akan menggunakan model linier untuk mengetahui log dari jumlah kejadian,

3. Pilih tab RESPONSE lalu masukkan variabel “Areal Serangan” dalam kotak DEPENDENT VARIABEL,

4. Pilih tab PREDICTORS, lalu masukkan variabel “Tipe Pengelolaan” ke dalam kotak FACTORS, dan “Luasan lahan” ke dalam kotak COVARIATES,

5. Setelah itu kita lihat pada tab MODEL, masukkan variabel independen kita ke dalam box MODEL-OK,

6. Pilih SAVE, kemudian checklist STANDARDIZED DEVIANCE RESIDUALS, dan lain-lain – OK,
seperti berikut:

7. Dan kita mendapatkan residual

8. Kita Plotkan Standardized Deviance Residual dengan GRAPH-CHART BUILDER, drag and drop ke kotak CHART VIEW Histogram, lalu isikan axis dengan nilai Standardized Devianced Residual, lalu di kotak dialog EDIT PROPERTIES, ceklist DISPLAY NORMAL CURVE-APPLY seperti berikut:

9. Kita dapatkan estimasi dengan kurva residual yang masih mengikuti pola menyebar normal, sesuai dengan asumsi model Poisson;

10. Output regresi Poisson adalah sebagai berikut:

Dari output PARAMETER ESTIMATES dapat kita simpulkan bahwa:

Variabel independen Tipe Pengelolaan Plasma bernilai B=(-3,837), dimana variabel X2=0 berpengaruh negatif terhadap Luas Areal Serangan Hama Tikus. Hal ini diperkuat oleh Nilai Signifikansi < 0,001, dengan demikian kita dapat menolak H0, bahwa Tipe pengelolaan kebun oleh Rakyat/Plasma tidak memberikan efek bagi Luas Areal Serangan Hama Tikus.

Variabel X2=1 bernilai B=0, dimana pengaruhnya sangat kecil terhadap Luas Areal Serangan Hama Tikus, kekurangan informasi ini nilai signifikansi ini tidak dapat kita tarik kesimpulan untuk menolak H0.
Variabel Luas Lahan berpengaruh negatif terhadap Luas Areal Serangan Hama Tikus dengan nilan B=-6,15, nilai signifikansi < 0,001 menerangkan bahwa variabel ini tidak berpengaruh terhadap variabel Luas Areal Serangan Hama Tikus, dengan demikian kita dapat menolak H0.

Model yang kita peroleh dari persamaan adalah:

download bahasan ini dalam versi pdf di bawah

download