Metode Probit dengan menggunakan perhitungan Marginal Effect

Probit atau Probability Unit, merupakan sebuah metode yang dikembangkan dari metode sebelumnya, yaitu Logit. Diperkenalkan oleh Chester Bliss di tahun 30-an.

Metode yang menggunakan teori utilitas ini juga sering disebut sebagai model normit atau NED (Normal Equivalent Deviate), Pada tahun 1973, McFadden mengembangkan model probit berdasarkan teori utilitas atau pemikitan pemilihan rasional.

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 : I_i=β₁ + η₂X₁

Metode probit sendiri digunakan untuk menganalisis atau menjelasakan hubungan antara beberapa variabel independen yang bersifat kualitatif, serta beberapa variabel independen yang sifatnya kualitatif, kuantitatif, atau gabungan dari keduanya, dengan pendekatan Cumulative Distribution Function (CDF).

Algoritma Probit Model (Probability Unit) adalah salah satu algoritma yang digunakan untuk pengelompokan data. Tetapi bisa juga digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru.
Proses perhitungan yang utama pada algoritma ini adalah mencari bobot pada data yang sudah ada. Setelah bobot selesai dihitung, maka nilai bobot tersebut akan digunakan untuk menghitung setiap data baru yang tidak diketahui hasilnya. Teknik yang digunakan pada algoritma ini adalah Simplex Optimization.

Baca Juga Cara Efektif Menyusun Timeline Skripsi: Mahasiswa Akhir Wajib Tahu

Simplex Optimization bekerja dengan cara membentuk segitiga solusi yang dikatakan sebagai solusi terbaik – lainnya – terburuk. Pada setiap perhitungan, segitiga ini akan dihitung sehingga semakin mendekati solusi yang terbaik. Apabila segitiga ini digambar secara berurutan pada setiap perulangan, gerakan segitiga yang terjadi mirip dengan pola gerakan amoeba, oleh karena itu metode ini juga disebut sebagai Algoritma AMO (Amoeba Method Optimization).

Bagaimana menggunakan perhitungan marginal effect pada metode probit?

Sebelum mengetahui jawabannya, ada baiknya Anda pun mengetahui terlebih dahulu, apa itu marginal effect atau efek marjinal tersebut.

Efek marjinal atau spill over (limpahan) merupakan efek rata-rata pada tingkat populasi atau besarnya dampak perubahan pada peubah dependen di wilayah-i, akibat terjadinya perubahan prediktor di wilayah-j. 

Marginal effect untuk variabel biner mengujur perubahan diskrit. Sementara untuk varibel kontinu, akan mengukur pada tingkat perubahan sesaat, yang keduanya bisa dihitung menggunakan software seperti STATA.

Pada model dependensi spasial SAR, GSM, SDM, SDEM, dan SLX, sering ditemukan efek marjinal ini. Dan efek marjinal bisa dibedakan menjadi tiga, yaitu direct effect, indirect effect, juga total effect.