Baca juga : Judul: Contoh Soal Wartegg Test dan Cara Menginterpretasikannya

Regresi logistik multinomial merupakan salah satu teknik statistik yang digunakan untuk memprediksi variabel dependen kategorik dengan lebih dari dua kategori (non-ordinal). Berbeda dengan regresi logistik biner yang hanya memiliki dua outcome (misalnya: ya/tidak), regresi logistik multinomial mampu memprediksi berbagai alternatif hasil, misalnya pilihan moda transportasi (mobil, motor, bus), jenis pekerjaan (pegawai, wiraswasta, pelajar), atau preferensi konsumen terhadap produk tertentu.

Artikel ini menyajikan penjelasan komprehensif dan contoh soal regresi logistik multinomial lengkap dengan pembahasan mendalam agar dapat digunakan sebagai referensi belajar statistik terapan, penelitian sosial, ekonomi, hingga machine learning.

Artikel ini disusun sepanjang ±1000 kata, informatif, dan mudah dipahami meski oleh pemula.

Pengertian Regresi Logistik Multinomial

Regresi logistik multinomial (Multinomial Logistic Regression) digunakan ketika:

• Variabel dependen memiliki lebih dari dua kategori.
• Kategori tersebut tidak memiliki urutan tertentu (non-ordinal).
• Variabel independen dapat berupa kategori atau numerik.
• Model menghitung probabilitas masing-masing outcome berdasarkan prediktor.

Bentuk umum fungsi logit multinomial adalah:$$\ln\left(\frac{P(Y=j)}{P(Y=0)}\right) = \beta_{0j} + \beta_{1j}X_1 + \dots + \beta_{kj}X_k$$ln(P(Y=0)P(Y=j)​)=β0j​+β1j​X1​+⋯+βkj​Xk​

Di mana kategori Y = 0 biasanya dipilih sebagai kategori referensi.

Ciri-Ciri Regresi Logistik Multinomial

1. Outcome bersifat nominal, bukan ordinal.
2. Menghasilkan beberapa persamaan logit (satu untuk setiap kategori selain baseline).
3. Estimasinya menggunakan maximum likelihood estimation (MLE).
4. Dapat menangani variabel independen campuran (nominal + numerik).
5. Output utama berupa:
   • Koefisien regresi (β)
   • Odds ratio (Exp(β))
   • Uji signifikansi (Wald test)
   • Prediksi probabilitas

Struktur Soal Regresi Logistik Multinomial

Soal-soal biasanya menuntut siswa untuk:

• Menentukan variabel dependen dan independen
• Mengidentifikasi kategori referensi
• Menginterpretasikan koefisien
• Menghitung odds ratio
• Mengambil kesimpulan berdasarkan output statistik
• Memilih kategori dengan probabilitas tertinggi

Di bawah ini disajikan beberapa contoh soal lengkap beserta pembahasan.

Contoh Soal 1: Identifikasi kategori referensi

Sebuah penelitian menganalisis pilihan moda transportasi siswa SMA:

• Mobil
• Motor
• Bus

Peneliti menggunakan regresi logistik multinomial dan menetapkan kategori bus sebagai kategori referensi.

Pertanyaan

Apa arti pemilihan kategori referensi tersebut?

Pembahasan

Kategori referensi diperlukan dalam regresi multinomial karena model mengestimasi log odds setiap kategori dibandingkan kategori acuan.
Dengan memilih bus sebagai referensi, maka:

• Persamaan logit mobil vs bus akan diestimasi.
• Persamaan logit motor vs bus juga diestimasi.

Artinya, model tidak membuat persamaan untuk bus, karena probabilitas bus dihitung berdasarkan kategori lainnya.

✔ Jawaban: Bus menjadi kategori dasar untuk perbandingan, sehingga semua logit dihitung relatif terhadap bus.

Contoh Soal 2: Interpretasi Koefisien

Output regresi logistik multinomial (disederhanakan):

Kategori: Mobil (dibandingkan Bus)

Pertanyaan

Bagaimana interpretasi koefisien pendapatan untuk kategori mobil?

Pembahasan

Koefisien pendapatan = 0.004 berarti:
Setiap kenaikan pendapatan satu satuan (misalnya Rp 1.000.000), log odds memilih mobil dibanding bus meningkat sebesar 0.004.

Dalam bentuk odds ratio:$$\text{OR} = e^{0.004} ≈ 1.004$$OR=e0.004≈1.004

Artinya, peluang memilih mobil naik sekitar 0,4% tiap pendapatan naik satu satuan.

✔ Jawaban: Pendapatan yang lebih tinggi meningkatkan peluang memilih mobil dibanding bus.

Contoh Soal 3: Menghitung Odds Ratio

Diketahui koefisien jarak pada kategori motor terhadap bus sebesar -0.20.

Pertanyaan

Hitung odds ratio dan interpretasinya.

Pembahasan

$$OR = e^{-0.20} = 0.818$$OR=e−0.20=0.818

Interpretasi:

Jika jarak perjalanan meningkat satu satuan (misalnya 1 km), maka peluang memilih motor dibanding bus menurun sebesar 18,2%.

✔ Jawaban: OR = 0,818. Semakin jauh jarak, semakin tidak mungkin memilih motor dibanding bus.

Contoh Soal 4: Tabel Ringkasan Output

Hasil regresi logistik multinomial:

Pertanyaan

Manakah variabel yang signifikan memengaruhi pilihan moda transportasi dan bagaimana interpretasinya?

Pembahasan

Signifikansi dilihat dari p-value < 0.05.

• Pada Mobil vs Bus, p-value = 0.001 → signifikan
• Pada Motor vs Bus, p-value = 0.230 → tidak signifikan

Interpretasi:
Setiap tambahan waktu perjalanan, peluang memilih mobil dibanding bus menurun secara signifikan. Sementara untuk motor, pengaruh waktu tidak signifikan.

✔ Jawaban: Variabel waktu hanya signifikan memengaruhi pemilihan mobil.

Contoh Soal 5: Prediksi Kategori dengan Probabilitas Tertinggi

Seorang siswa memiliki probabilitas hasil model berikut:

• Mobil = 0.25
• Motor = 0.60
• Bus = 0.15

Pertanyaan

Moda transportasi apa yang akan diprediksi oleh model?

Pembahasan

Model memilih kategori dengan probabilitas paling tinggi.

Nilai tertinggi adalah motor = 0.60.

✔ Jawaban: Motor.

Contoh Soal 6: Menentukan Model Terbaik Menggunakan Deviance

Hasil analisis:

• Deviance Model Awal = 540
• Deviance Model Akhir = 480

Pertanyaan

Apa makna penurunan deviance tersebut?

Pembahasan

Deviance menunjukkan kualitas model. Semakin kecil deviance, semakin baik model fit.

Penurunan dari 540 → 480 menunjukkan:

• Model akhir lebih baik
• Variabel prediktor menambah kualitas prediksi
• Model menjadi lebih sesuai dengan data

✔ Jawaban: Model akhir lebih baik karena deviance menurun.

Contoh Soal 7: Pengaruh Dummy Variable

Sebuah variabel jenis kelamin dikodekan:

• Laki-laki = 1
• Perempuan = 0

Diketahui koefisien untuk kategori mobil adalah 1.2.

Pertanyaan

Bagaimana interpretasinya?

Pembahasan

Koefisien positif menunjukkan laki-laki lebih cenderung memilih mobil dibanding perempuan.

Odds ratio:$$OR = e^{1.2} = 3.32$$OR=e1.2=3.32

Interpretasi:
Siswa laki-laki memiliki peluang 3,32 kali lebih besar memilih mobil dibanding perempuan.

✔ Jawaban: Laki-laki lebih berpeluang memilih mobil 3,32× lipat.

Contoh Soal 8: Soal Analisis Arah Hubungan

Koefisien kategori motor terhadap bus = 0.75.

Pertanyaan

Apakah motor lebih dipilih daripada bus?

Pembahasan

Koefisien positif menunjukkan log odds memilih motor > bus meningkat.

Odds ratio:$$e^{0.75} = 2.12$$e0.75=2.12

Artinya peluang memilih motor dua kali lebih besar.

✔ Jawaban: Ya, motor lebih dipilih daripada bus.

Contoh Soal 9: Multi-predictor

Untuk kategori mobil vs bus diperoleh:$$\ln\left(\frac{P(Mobil)}{P(Bus)}\right) = -1 + 0.02X_1 – 0.5X_2$$ln(P(Bus)P(Mobil)​)=−1+0.02X1​−0.5X2​

Jika X1 = pendapatan = 50 dan X2 = jarak = 4 km:

Hitung log odds.

Pembahasan:

$$= -1 + (0.02 × 50) – (0.5 × 4)$$=−1+(0.02×50)−(0.5×4)$$= -1 + 1 – 2 = -2$$=−1+1−2=−2

✔ Jawaban: Log odds = -2.

Contoh Soal 10: Mengonversi Log Odds ke Probabilitas

Dari soal sebelumnya, log odds = -2. Maka odds:$$Odds = e^{-2} = 0.135$$Odds=e−2=0.135

Probabilitas:$$P = \frac{Odds}{1 + Odds} = \frac{0.135}{1.135} = 0.119$$P=1+OddsOdds​=1.1350.135​=0.119

✔ Jawaban: Probabilitas memilih mobil ≈ 11,9%.

Baca juga :Rektor Universitas Teknokrat Indonesia Ikut Tanam Mangrove pada Silaknas ICMI 2025 di Bali

Penutup

Regresi logistik multinomial merupakan model statistik penting untuk menganalisis variabel kategori dengan lebih dari dua pilihan. Melalui contoh soal di atas, Anda dapat memahami cara membaca output, menghitung odds ratio, menentukan kategori prediksi, hingga menghitung probabilitas. Model ini banyak digunakan dalam penelitian sosial, transportasi, pemasaran, dan kesehatan.

Jika Anda ingin dibuatkan contoh soal versi studi kasus, dataset simulasi untuk latihan, atau latihan menggunakan SPSS/R/Python, cukup beri tahu saya!

Penulis : Lina wati