1
dapat disertakan dalam model berupa data L
kategori atau kumulatif. Model untuk regresi G 2 ln 0
L
logistik ordinal adalah cumulative logit models. 1 (4)
Model logit, yaitu peluang kurang dari atau : Likelohood untuk model yang semua
sama dengan kategori respon ke-j pada p parameter sama dengan 0
variabel prediktor yang dinyatakan dalam
: Likelihood untuk model lengkap
vektor Xi, P(Y j | Xi), dengan peluang lebih
besar dari kategori respon ke-j, P(Y j | Xi). Kriteria penolakan H0 jikaG2> 2 ,df dimana
exp 0 j kp1 k X 1k df merupakan derajat bebas yang nilainya
P( Y j | X i ) didapatkan dari ((K + 1) 2) x P.
1 exp 0 j kp1 k X 1k
(1)
Agresti (1990), apabila P(Y j) b. Uji Parsial
dibandingkan dengan peluang suatu respon Uji parsial digunakan untuk menguji
pada kategori (j+1) sampai kategori p, maka pengaruh setiap secara individual. Hasil
hasilnya sebagai berikut. pengujian secara individual akan menunjukkan
suatu variabel prediktor layak untuk masuk ke
PY j PY j
dalam model atau tidak. Hipotesis yang
p
exp 0 j k X k digunakan sebagai berikut.
PY j 1 PY j k 1 H0 = 0
1 2 ... j H1 0 dengan i = 1, 2, ..., p
Statistik uji
j 1 j 2 ... i
(2) i2
W 2
Transformasi logistik menjadi model
SE i
2
regresi logistik (logit) ordinal atau logit
(5)
kumulatif sebagai berikut.
Daerah penolakan adalah tolak H0 jika W2>
PY j
Logit PY j ln
2 ,1
1 PY j Adapun metode pelaksanaan yang
1 2 ... j digunakan, secara garis besar digambarkan
ln pada diargam alir berikut.
j 1 j 2 ... i
p
0 j k X k
k 1
(3)
nilai untuk k = 1, 2, ..., p pada setiap model
regresi logistik ordinal adalah sama.
a. Uji Serentak
Uji serentak dilakukan untuk mengetahui
signifikansi parameter terhadap variabel
respon secara keseluruhan.Hipotesis dari uji
serentak sebagai berikut.
H0
H1 Paling sedikit terdapat satu
i = 1, 2, ..., p
Statistik uji
2
Informasi yg diperoleh dari Gambar 2
3. HASIL DAN PEMBAHASAN jumlah responden paling banyak berjenis
kelamin laki-laki dengan persentase sebesar
Validitas digunakan untuk menunjukkan 54%. Jumlah responden yang disurvei
sejauh mana suatu alat pengukur (kuisioner) sebanyak 120 responden.
mengukur apa yang ingin diukur. Hipotesis
sebagai berikut. .
H0: Pertanyaan tidak mengukur aspek yang 3% 2% < 50.000
sama 50.000 100.000
H1: Pertanyaan mengukur aspek yang sama 53%
101.000 150.000
42%
Tabel 1. Uji Korelasi Data Kecerdasan Motorik > 150.000
Keterangan P_value Gambar 3. Pie chart Uang Saku Perbulan
Atribut1 dan total 0.000
Atribut2 dan total 0.000 Gambar 3 dapat dilihat bahwa 53% uang
Atribut3 dan total 0.000 saku per bulan responden berkisar Rp.50.000,-
Atribut4 dan total 0.000 sampai dengan Rp.100.000,-.
Atribut5 dan total 0.000 0% 3% < 75
Atribut6 dan total 0.000 48% 75 X 80
Atribut7 dan total 0.000 49% 80 X 85
Atribut8 dan total 0.000 85
Atribut9 dan total 0.000
Kesimpulan yang diperoleh adalah alat Gambar 4. Pie chart Nilai Rata-rata Responden
ukur yang digunakan (kuisioner) telah tepat Gambar 4 dapat memberikan informasi
dan cermat dalam melakukan fungsi ukurnya. bahwa nilai rata-rata responden yang paling
Hal ini dikarenakan nilai p_value < (0.05). banyak sebesar 49% yaitu bernilai antara 80
Uji reliabilitas digunakan untuk mengukur sampai dengan 85. Hal ini menunjukkan
sejauh mana suatu hasil pengukuran relatif bahwa rata-rata responden memiliki
konsisten dan dapat dipercaya apabila kemampuan yang baik dalam bidang
pengukuran diulang dua kali atau lebih. akademik.
Hipotesis sebagai berikut. Berikut adalah hasil analisis pie chart
H0: Hasil pengukuran tidak konsisten berdasarkan pendidikan terakhir ayah dan ibu
H1: Hasil pengukuran konsisten dapat dilihat sebagai berikut.
3
Gambar 5. Pie chart berdasarkan pendidikan H1 Ada hubungan antara variabel dependen
terakhir (a). Ayah (b). Ibu dan independen.
Tabel 3. Hasil Uji Independensi
Berdasarkan Gambar 5, dapat diketahui
bahwa pendidikan terakhir ayah (a) yang
paling banyak adalah SLTA/Sederajat sebesar
45% dan yang paling sedikit adalah dibawah
SLTP/Sederajat dan Pasca Sarjana sebesar 1%.
Sedangkan, untuk pendidikan terakhir ibu (b)
yang paling banyak adalah SLTA/Sederajat
sebesar 56% dan yang paling sedikit adalah
Pasca Sarjana sebesar 0%. Selanjutnya, hasil
analisis karakteristik berdasarkan pekerjaan
orang tua. Berikut adalah hasil analisis pie Tabel 3 dapat diketahui bahwa terdapat
chart berdasarkan pekerjaan ayah dan ibu tiga variabel dengan p-value sebesar
dapat dilihat sebagai berikut. 0,000yaitu variabel kepemilikan gadget (X1),
Pegawai Negeri lama mengenal gadget (X5) dan lama
13% 0% 1%
penggunaan gadget per hari (X6). Karena p-
47% Pegawai Swasta value < 0,05, maka H0 ditolak. Hal ini
Wiraswasta/pedagang menunjukkan bahwa 3 variabel pengaruh
39%
TNI/POLRI penggunaan gadget sejak dini berhubungan
Lain-lain dengan motorik halus anak.
Faktor yang berpengaruh terhadap
(a) kecerdasan motorik siswa ada dua variabel
4% 8% karena memiliki p-value kurang dari (0,05).
Pegawai Negeri
Variabel tersebut adalah lama anak mengenal
Pegawai Swasta gadget dan lama anak menggunakan gadget per
54% 34%
Wiraswasta/pedagang hari. Model logit yang dihasilkan sebagai
TNI/POLRI berikut.
Lain-lain g1(x)=-3,433+ 25,889X5+ 5,111 X6
0% g2(x)=24,246+ 25,889X5 + 5,111X6
Berdasarkan fungsi logit tersebut, maka model
(b) probabilitas perkembangan kecerdasan motorik
Gambar 6. Pie chart berdasarkan pekerjaan halus anak diperoleh sebagai berikut.
(a). Ayah (b). Ibu
1. Buruk
Berdasarkan Gambar 6, dapat diketahui 1
bahwa pekerjaan ayah yang paling banyak 1 x
g x g x
adalah Pegawai Negeri sebesar 47% dan yang
1 2
1 e
paling sedikit adalah TNI/POLRI sebesar 0%.
Sedangkan, untuk pekerjaan ibu yang paling 1
banyak adalah lain-lain seperti ibu rumah ((-3,433 + 25,889 X (1) + 5,111 X (1)) (24,246 )
1 e 5 6 e
tangga sebesar 47% dan yang paling sedikit
adalah TNI/POLRI sebesar 0%. 1,029 10 12
Untuk mengetahui ada atau tidaknya 2. Cukup
hubungan antara variabel-variabel yang diteliti.
Hipotesis uji independensi yang digunakan
sebagai berikut.
H0 Tidak ada hubungan antara variabel
dependen (kecerdasan motorik halus) dan
independen (masing-masing variabel
prediktor).
4
x
exp g x
1
Agresti, A. 1990.Categorical Data
2 Analysis.John Wiley and Sons. New
g x g x
1
2 York.
1 e
Ananda, K.S. 2013.Kini kebanyakan anak tak
((-3,433 + 25,889 X (1) + 5,111 X (1)) suka main di luar rumah.
e 5 6
http://www.merdeka.com/gaya/kini-
((-3,433 + 25,889 X (1) + 5,111 X (1)) (24,246 )
1 e 5 6 e kebanyakan-anak-tak-suka-main-di-luar-
0,965 rumah.html. [Diakses pada tanggal 7
Oktober 2013 pukul 10.20]
3. Baik
exp g x
Gayatri. 2011. Women's Giude (buku cerdas
x
2
untuk perempuan aktif). Jakarta:
3 GagasMedia.
g x g x
1 e 1 2 Hosmer, D. W. and Lemeshow, S. 2000.
Applied Logistic Regression.John Wiley
(24,246 )
e and Sons, Inc. USA.
Tazidin, I. A. 2013. Meledaknya Kebutuhan
((-3,433 + 25,889 X (1) + 5,111 X (1)) (24,246 )
1 e 5 6 e Akan
0,035 Gadget.http://teknologi.kompasiana.com
/gadget/2013/10/09/meledaknya-
Ketepatan klasifikasi digunakan untuk kebutuhan-akan-gadget-599113.html.
mengetahui besarnya ketepatan klasifikasi. [Diakses pada tanggal 14 April 2014
pukul 20.00WIB].
Tabel 4.Hasil Ketepatan Klasifikasi Walpole, Ronald.E. 1997. Pengantar Metode
Statistik Edisi ke-3. Jakarta: PT
Gramedia Pustaka Utama
4. KESIMPULAN
Berdasarkan analisis yang telah
dilakukan, dapat disimpulkan bahwa faktor
yang mempengaruhi perkembangan motorik
120 siswa SDN Klampis Ngasem I Surabaya
menggunakan pengujian regresi logistik
ordinal adalah lama anak mengenal gadget dan
lama penggunaan gadget setiap harinya. Saran
yang dapat disampaikanbagi masyarakat
khususnya orang tua siswaa dalah agar orang
tua lebih membatasi anak dalam menggunakan
gadget
5. REFERENSI