Ainun Farida
LPMP Sulawesi Selatan
ainun_farida@yahoo.com
http://www.lpmpsulsel.net/v2/index.php?option=com_content&view=article&id=345:regresi-logistikordinal&catid=42:ebuletin&Itemid=215
I. Kajian Teori
Regresi logistik ordinal merupakan salah satu metode statistika untuk
menganalisis variabel respon (dependen) yang mempunyai skala data ordinal dan
terdiri tiga kategori atau lebih. Variabel prediktor (independen) yang dapat disertakan
dalam model berupa data kategori atau kontinu yang berjumlah dua variabel atau
lebih.
Model yang dapat dipakai untuk regresi logistik ordinal adalah model logit.
Model logit tersebut adalah cumulative logit models. Pada model logit ini sifat ordinal
dari respon Y dituangkan dalam peluang kumulatif sehingga cumulative logit models
merupakan model yang didapatkan dengan membandingkan peluang kumulatif yaitu
peluang kurang dari atau sama dengan kategori respon ke-j pada p variabel prediktor
yang dinyatakan dalam vektor x , P(Y j| x ), dengan peluang lebih besar dari kategori
~
exp j k x k
k 1
P(Y j | x )
p
~
1 exp j k x k
k 1
(1)
persamaan
(1)
didapatkan
lim F ( x) 0 ,
lim F ( x)
x 0
1
,
2
dan
http://www.lpmpsulsel.net/v2/index.php?option=com_content&view=article&id=345:regresi-logistikordinal&catid=42:ebuletin&Itemid=215
F(x)
1
1/2
P(Y j | x )
~
Logit P(Y j | x ) log
P(Y j | x )
~
~
(2)
P(Y j | x )
~
Logit P(Y j | x ) log
1 P(Y j | x )
~
~
j k xk
(3)
k 1
respon ke-j pada p variabel prediktor yang dinyatakan dalam vektor x dan P(Y j| x ))
~
http://www.lpmpsulsel.net/v2/index.php?option=com_content&view=article&id=345:regresi-logistikordinal&catid=42:ebuletin&Itemid=215
P(Y j | x ) 1 ( x ) 2 ( x ) ... j ( x )
~
(4)
dimana j = 1, 2, ..., J
Estimasi Parameter
Untuk mengestimasi parameter dapat digunakan metode maksimum
likelihood. Metode ini memperoleh estimasi maksimum likelihood bagi dengan
langkah awal yaitu membentuk fungsi likelihood.
Estimasi dari parameter regresi logistik ordinal didapatkan dengan
menurunkan fungsi log likelihood terhadap parameter yang akan diestimasi dan
disamakan dengan nol. Persamaan
L( )
0
k
L( )
0 dipergunakan untuk estimasi
j
L( )
L( )
0 dan
0 merupakan fungsi nonlinear
j
k
(t 1) (t ) H (t ) q (t )
1
(5)
dimana :
H (t )
q (t )
2 L( )
k k
L( )
(6)
(7)
http://www.lpmpsulsel.net/v2/index.php?option=com_content&view=article&id=345:regresi-logistikordinal&catid=42:ebuletin&Itemid=215
Uji Serentak
Dalam pengujian serentak, uji signifikansi model dapat dipergunakan
likelihood-ratio test.
Hipotesis :
H0
: 1 2 ... p 0
H1
model
Daerah tolak :
H0 ditolak bila G > (2p; ) dimana p adalah jumlah prediktor dalam model.
Uji Individu
Untuk pengujian individu signifikansi parameter model dapat diuji dengan
Wald test. Hasil dari Wald test ini akan menunjukkan apakah suatu variabel prediktor
signifikan atau layak untuk masuk dalam model atau tidak.
Hipotesis :
H0
: k = 0
H1
: k 0 ; k = 1, 2, ...p
Statistik Uji :
W=
k
SE( k )
(19)
Daerah Penolakan :
H0 ditolak bila W lebih besar dari z / 2 atau P-value kurang dari . Hal ini
dikarenakan statistik uji W mengikuti distribusi normal (Hosmer dan Lemeshow,
2000).
http://www.lpmpsulsel.net/v2/index.php?option=com_content&view=article&id=345:regresi-logistikordinal&catid=42:ebuletin&Itemid=215
A (amat baik), B (baik), dan C (cukup). Ditinjau dari skala data, peringkat/status
akreditasi merupakan data dengan skala ordinal. Oleh karena itu, penentuan
peringkat/status ini adalah klasifikasi data yang bersifat ordinal. Salah satu metode
statistika yang dapat dipakai untuk klasifikasi data yang bersifat ordinal adalah
regresi logistik ordinal. Sebagai variabel respon adalah peringkat atau status
akreditasi yaitu:
1=C
2=B
3=A
sedangkan sebagai variabel prediktor atau independen adalah aspek-aspek yang
terdapat dalam profil sekolah yaitu:
1. Status sekolah (0=swasta, 1=negeri)
2. Lama berdiri sekolah
3. Jumlah siswa
4. Jumlah guru
5. Jumlah alumni yang diterima di dunia usaha dan industri setahun terakhir
6. Nilai rata-rata jumlah ujian nasional sekolah setahun terakhir
III. Interpretasi
Dengan menggunakan Minitab 14 didapatkan output regresi logistic ordinal
sebagai berikut:
Response Information
Variable
AKREDITASI
Value
1
2
3
Total
Count
11
62
36
109
Coef
4.58314
8.33462
-1.85012
-0.0360895
-0.0013871
SE Coef
1.92156
2.08410
1.38024
0.0193924
0.0011274
Z
2.39
4.00
-1.34
-1.86
-1.23
P
0.017
0.000
0.180
0.063
0.219
Odds
Ratio
95% CI
Lower Upper
0.16
0.96
1.00
http://www.lpmpsulsel.net/v2/index.php?option=com_content&view=article&id=345:regresi-logistikordinal&catid=42:ebuletin&Itemid=215
0.01
0.93
1.00
2.35
1.00
1.00
JUMLAH GURU
DITERIMA DU/DI
STATUS TANAH
UNAS
-0.0384253
0.0021090
-0.511582
-0.228404
0.0190664
0.0057966
0.686322
0.0883552
-2.02
0.36
-0.75
-2.59
0.044
0.716
0.456
0.010
0.96
1.00
0.60
0.80
0.93
0.99
0.16
0.67
1.00
1.01
2.30
0.95
Log-Likelihood = -81.743
Test that all slopes are zero: G = 36.695, DF = 7, P-Value = 0.000
Goodness-of-Fit Tests
Method
Pearson
Deviance
Chi-Square
174.063
163.487
DF
209
209
P
0.963
0.991
Measures of Association:
(Between the Response Variable and Predicted Probabilities)
Pairs
Concordant
Discordant
Ties
Total
Number
2628
675
7
3310
Percent
79.4
20.4
0.2
100.0
Summary Measures
Somers' D
Goodman-Kruskal Gamma
Kendall's Tau-a
0.59
0.59
0.33
Model regresi logistik ordinal yang terbentuk pada fungsi klasifikasi akreditasi SMK
di Jawa Timur adalah:
Logit P(Y1| X) = 4,58314 1,85012 Status sekolah 0,0360895 Lama berdiri
sekolah 0,0013871 Jumlah siswa 0,0384253 Jumlah guru +
0,0021090 Jumlah alumni yang diterima didunia usaha dan
industri 0,511582 Status tanah dan bangunan - 0,228404 Nilai
rata-rata jumlah nilai ujian nasional sekolah setahun terakhir.
Logit P(Y2| X) = 8,33462 1,85012 Status sekolah 0,0360895 Lama berdiri
sekolah 0,0013871 Jumlah siswa 0,0384253 Jumlah guru +
0,0021090 Jumlah alumni yang diterima didunia usaha dan
industri 0,511582 Status tanah dan bangunan - 0,228404 Nilai
rata-rata jumlah nilai ujian nasional sekolah setahun terakhir.
Nilai koefisien variabel prediktor kedua fungsi klasifikasi di atas mempunyai
nilai yang sama tetapi untuk konstanta mempunyai nilai yang berbeda. Nilai
konstanta tersebut merupakan cut point yang akan menjadi pembeda dari kedua
fungsi klasifikasi dan dipergunakan untuk klasifikasi.
http://www.lpmpsulsel.net/v2/index.php?option=com_content&view=article&id=345:regresi-logistikordinal&catid=42:ebuletin&Itemid=215
http://www.lpmpsulsel.net/v2/index.php?option=com_content&view=article&id=345:regresi-logistikordinal&catid=42:ebuletin&Itemid=215
http://www.lpmpsulsel.net/v2/index.php?option=com_content&view=article&id=345:regresi-logistikordinal&catid=42:ebuletin&Itemid=215