Model regresi logistik biner merupakan salah satu model regresi logistik
yang digunakan untuk menganalisis hubungan antara satu peubah respon ber-
sifat biner dengan beberapa peubah penjelas bersifat kategorik. Estimasi pa-
rameter model regresi logistik biner menggunakan metode Maximum Likeli-
hood Estimation (MLE) yang selanjutnya diselesaikan dengan metode iteratif
Newton-Raphson. Namun, dalam suatu kondisi tertentu metode MLE tidak
dapat digunakan karena diperoleh penduga yang tidak konvergen. Untuk me-
nyelesaikan hal tersebut, digunakan pendekatan metode Penalized Maximum
Likelihood Estimation (PMLE) yang pertama kali diusulkan oleh Firth (1993).
PMLE merupakan hasil modikasi fungsi skor likelihood menjadi fungsi skor
Penalized likelihood. Data yang digunakan dalam penelitian ini adalah data
sekunder tentang penerimaan kenaikan pangkat pegawai BKN Pusat Jabat-
an Fungsional Tertentu Periode 1 Oktober 2017. Sebelum dilakukan analisis,
data diuji asumsi multikolinearitas. Diketahui bahwa data tidak mengandung
multikolinearitas. Selanjutnya, langkah pertama adalah melakukan pendugaan
parameter pada data menggunakan metode MLE dan Iteratif Newton-Raphson
dengan bantuan Program R. Dari data yang dianalisis, ditemukan masalah
yaitu penduga parameter tidak konvergen. Kedua, mencari masalah yang me-
ngakibatkan penduga tidak konvergen menggunakan peluang ketepatan aloka-
si yang dilanjut dengan memeriksa ragam penduga penjelas yang dibakukan.
Dari data yang dianalisis mengandung masalah pemisahan kurang sempurna.
Langkah terakhir mencari penduga parameter pada data tersebut yang te-
lah teridentikasi masalah pemisahan kurang sempurna menggunakan Metode
PMLE untuk mendapatkan model terbaik. Hasil penelitian ini menunjukkan
bahwa model terbaik dari data penerimaan kenaikan pangkat mengandung fak-
tor yang paling mempengaruhi penerimaan kenaikan pangkat tersebut, yaitu
akumulasi absensi dua tahun terakhir.