Jurnal EKSPONENSIAL Volume 2, Nomor 1, Mei 2011 ISSN 2085-7829

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang

Mempengaruhi Perilaku Sexual Remaja

Ordinal Logistic Regression for Analysis Factors of Influence Behavior Adolecent Sexual

Darnah
Program Studi Statistika FMIPA Universitas Mulawarman

Abstract
Logistic regression use if respon (dependent) variable is category (nominal or ordinal) with predictor
(independent) variables is continu or category. Three method of logistic regression if based respon variable,
there are biner logistic regression, ordinal logistic regression, and nominal logistic regression. This paper
present ordinal logistic regression for analysis respon variable have data scale is ordinal with two category
or more, respon variable is category or continu with two category or more. Ordinal Logistic regression were
applied to Analysis Factors of Influence Behavior Adolecent / Students Sexual of SMA Kesatuan I
Samarinda. Result data analysis obtained that sexual educate is the factor influence behavior adolecent.

Keywords : Logistic Regression, ordinal logistic regression, category, adolecent sexual.

Pendahuluan yang terdiri atas dua kategori atau lebih. Variabel

Metode statistic memainkan peranan yang prediktor (independen) yang dapat disertakan
sangat penting hampir dalam semua tahap usaha dalam model berupa data kategori atau kontinu
manusia. Dalam perkembangannya, ilmu statistic yang terdiri atas dua variabel atau lebih.
telah menemukan padanannya dengan Model yang dapat dipakai untuk regresi logistik
perkembangan computer sehingga metode statistic ordinal adalah model logit. Model logit tersebut
berkembang sangat cepat. Salah satu metode adalah cumulative logit models. Pada model logit
statistic yang paling sering digunakanan adalah ini sifat ordinal dari respon Y dituangkan dalam
analisis regresi. Penggunaan regresi telah menjadi peluang kumulatif sehingga cumulative logit
bagian yang penting pada setiap analisis data yang models merupakan model yang didapatkan dengan
berkenaan dengan penggambaran hubungan antara membandingkan peluang kumulatif yaitu peluang
variabel respon dengan satu atau lebih variabel- kurang dari atau sama dengan kategori respon ke-j
variabel prediktor. pada p variabel prediktor yang dinyatakan dalam
Jika variabel responnya berskala interval atau vektor X, P (Y  j X ) , dengan peluang lebih besar
rasio, maka digunakan regresi linear. Apabila
variabel responnya bersifat kategorik (nominal atau dari kategori respon ke-j, P (Y  j X ) (Hosmer
ordinal) dengan variabel-variabel prediktor kontinu dan Lemeshow, 2000). Secara matematis dapat
maupun kategorik maka digunakan regresi logistic. dituliskan sebagai berikut:
Fungsi pembentukan model terutama untuk
 P (Y  j X ) 
membedakan kelas pada variabel respon dengan P (Y  j X )  log  (1)
menghitung probabilitas masing-masing kelas pada  P (Y  j X ) 
variabel prediktor. Perbedaan nilai probabilitas
pada setiap kelas akan menghasilkan nilai odds Peluang kumulatif, P (Y  j X ) didefinisikan
rasio yang dapat menginformasikan besarnya sebagai berikut :
pengaruh salah satu variabel prediktor terhadap p
terjadinya perubahan kelas pada variabel respon exp( 
j
  k xk )
(Agresti, 1990) k 1
Berdasarkan variable responnya, terdapat tiga P (Y  j X )  (2)
p
macam regresi logistic yaitu regresi logistic biner, 1  exp(    x )
regresi logistic ordinal dan regresi logistic nominal. j k k
k 1
Pada makalah ini, akan dibahas tentang regresi dimana j = 1, 2, ..., J adalah kategori respon
logistic ordinal yang kemudian akan diaplikasikan
(Agresti, 1990).
pada kasus Perilaku Sexual pada Siswa SMA
Persamaan (2) diperoleh dari Fungsi logistik
Kesatuan I Samarinda.
sebagai berikut:
Regresi Logistik Ordinal
Regresi logistik ordinal merupakan salah satu
metode statistika untuk menganalisis variabel
respon (dependen) yang mempunyai skala ordinal

Program Studi Statistika FMIPA Universitas Mulawarman 1

 Jurnal EKSPONENSIAL Volume 2, Nomor 1, Mei 2011 ISSN 2085-7829

F (Z ) 
1  p 
1  exp(  Z )  exp(    x ) 
 j k k 
k 1

1  p 
exp( Z ) 1  1  exp(    x ) 
 j k 1 k k
exp( Z ) exp( Z )  log  
 p p 
1
  1  exp( j    k xk ) exp(    x ) 
j k 1 k k
exp( Z )  1  k 1 

exp( Z )  p p 
exp( Z )  1  exp( j    k xk ) 1  exp( j    k xk ) 
  k 1 k 1 
1  exp( Z )
 p 
dimana F(Z) = Y dan Z = kombinasi beberapa  exp(    x ) 
variabel prediktor (X).  j k k 
k 1
Jika persamaan (2) disubtitusi kepersamaan (1)  p 
akan diperoleh model regresi logistic ordinal yang  1  exp(    x ) 
j k 1 k k 
 log
merupakan cumulative logit models sebagai
berikut:  1 
 P (Y  j X )   p 
P (Y  j X )  log   1  exp(    x ) 
 1  P (Y  j X )   j k 1 k k 

 p   
 exp(    x )   
 j k k 
k 1  p 
 p   log exp(    x ) 
 j k k 
 1  exp(    x )   k 1 
j k 1 k k 
 log p
 p  P (Y  j X )      x (3)
 exp(    x ) 
j k 1 k k
j k 1 k k
1  
 p  Dalam hal klasifikasi, kumulatif logit merupakan
 1  exp( j    k xk )  fungsi pembeda atau klasifikasi. Fungsi klasifikasi
 k 1  yang terbentuk bila terdapat J kategori respon
adalah J-1. Jika  j ( X)  P (Y  j | X) menyatakan
kategori respon ke-j pada p variabel prediktor yang
dinyatakan dalam vektor X maka model ordinal
multiple respon dalam model logit adalah:
p
Logit[ P (Y  j X )]      x ;
j k 1 k k
dimana j  1, 2,  , J  1 .
Jika    maka model ini adalah cumulative
j j 1
dengan slope yang sama yaitu model regresi yang
berdasar pada peluang cumulative kategori respon.
Jika  ( X)   ( X)   ( X )     ( X ) , maka:
j 1 2 j
 ( X )   ( X)
1 1
 ( X )   ( X)   ( X )
2 1 2

 ( X)   ( X )   ( X )     ( X )  1
J 1 2 J

Program Studi Statistika FMIPA Universitas Mulawarman 48

 Jurnal EKSPONENSIAL Volume 2, Nomor 1, Mei 2011 ISSN 2085-7829

Jika terdapat J kategori respon, maka model logistic variabel respon. Pengujian terdiri dari pengujian
ordinal yang terbentuk adalah : secara simultan dan pengujian secara parsial.
   a. Pengujian Parameter Secara Simultan
log it ( )  ln 1  Uji signifikansi parameter secara simultan
1 1   dilakukan sebagai upaya memeriksa peranan
 1
masing-masing variabel prediktor dalam model
    X   X   X secara bersama-sama, dengan langkah-langkah
1 1 1 2 2 k k
sebagai berikut.
   Hipotesis:
log it ( )  ln 2 
2 1   H0 : 1   2     k  0
 2
H1 : minimal ada satu  k  0 untuk j=1, 2, ..., p
    X   X   X
2 1 1 2 2 k k Statistik Uji (Hosmer and Lemeshow, 1989):
  n1
 n1   n0 
n0

     
  J 1  n
G Likelihood Ratio Test   2 Ln  n    
n 
log it ( )  ln   1 y i  
1     πˆ x i  1  πˆ x i 
yi
J 1 
 J 1   i 1 
   X   X   X (4)
J 1 1 1 2 2 k k Dengan,
n n
Estimasi Parameter n1   y i ; n0   1  y i  ; n  n0  n1
Parameter model regresi logistic ordinal dapat i 1 i 1
diestimasi dengan menggunakan metode Persamaan (5) dapat ditulis pula sebagai
maksimum likelihood. Metode ini memperoleh
n
dugaan maksimum likelihood bagi β dengan G  2 y i ln π̂x i   1  y i ln1  π̂x i  
langkah awal yaitu membentuk fungsi likelihood.  i 1
Estimasi dari parameter regresi logistik ordinal
 n1 lnn1   n 0 lnn0   nlnn  (5)
didapatkan dengan menurunkan fungsi log
likelihood terhadap parameter yang akan diestimasi Dibawah H0, statistik uji G akan mengikuti
dan disamakan dengan nol. Persamaan distribusi chi-square dengan derajat bebas p
(Hosmer dan Lemeshow, 1989). Sehingga untuk
L (  )
 0 dipergunakan untuk estimasi parameter memperoleh keputusan, nilai statistik uji G

nilai   , p  .
2
k dibandingkan dengan Kriteria
L (  ) penolakan H0 adalah jika G   2
 ,p  .
 dimana k=1, 2, …, p dan 0
k 
j
b. Penguji Parameter Secara Parsial
dipergunakan untuk estimasi intersep  dimana Pengujian keberartian parameter model dengan
j
satu variabel prediktor dilakukan untuk mengetahui
j=1, 2, …, J-1.
ada atau tidaknya hubungan antara suatu variabel
L (  ) prediktor dan variabel respon (Le, 1998). Langkah
Hasil dari persamaan  0 dan
 pengujian hipotesisnya adalah sebagai berikut.
k
Hipotesis:
L (  )
 0 merupakan fungsi nonlinear sehingga H0β: k = 0 ; k= 1,2, ..., p

j Hβ
1 : ≠0
k
diperlukan metode iterasi untuk memperoleh Statistik Uji (Le, 1998):
estimasi parameternya. Metode iterasi yang ˆ j
dipergunakan adalah metode iterative Weighted Wald (W)  (6)
Least Square (WLS) yaitu algoritma Newton- SÊ( ˆ j )
Raphson. Rasio yang dihasilkan dari persamaan (6),
dibawah hipotesis H0, akan mengikuti distribusi
Pengujian signifikansi parameter normal baku (Hosmer and Lemeshow, 1989).
Setelah mengestimasi koefisien-koefisien model Sehingga untuk memperoleh keputusan, nilai
regresi logistic ordinal, maka perlu dilakukan statistik uji dibandingkan dengan distribusi normal
pengujian untuk mengetahui variabel prediktor baku (Z). Kriteria penolakan H0 adalah jika
mana yang berpengaruh secara signifikan terhadap | | W | Z / 2 .

Program Studi Statistika FMIPA Universitas Mulawarman 49

 Jurnal EKSPONENSIAL Volume 2, Nomor 1, Mei 2011 ISSN 2085-7829

Perilaku Sexual Remaja yang diberikan sepatutnya berkaitan dengan

Remaja, yang bahasa aslinya disebut norma-norma yang berlaku di masyarakat, apa
adolescence, berasal dari bahasa latin adolescere yang dilarang, apa yang dilazimkan dan
yang artinya “tumbuh atau tumbuh untuk mencapai bagaimana melakukannya tanpa melanggar
kematangan”. Perkembangan lebih lanjut, istilah aturan-aturan yang berlaku di masyarakat.
adolescence sesungguhnya memiliki arti yang
cukup luas, mencakup kematangan mental, Metode Penelitian
emosional, sosial dan fisik (Hurlock, 1991 dalam Penelitian ini menggunakan data yang diperoleh
Ali, 2006). dari hasil penelitian Nursiah (2010), adapun
Sedangkan perilaku seksual didefinisikan oleh variable yang digunakan adalah sebagai berikut:
Sarwono (2002) sebagai tingkah laku yang 1. Variabel respon adalah perilaku sexual remaja
didorong oleh hasrat seksual, baik dengan lawan dengan kategori Tidak beresiko (0), Resiko
jenisnya maupun dengan sesama jenis. Bentuk- rendah (1), Resiko sedang (2), dan Resiko
bentuk tingkah laku ini bisa bermacam-macam, tinggi (3).
mulai dari perasaan tertarik sampai tingkah laku 2. Variabel predictor terdiri dari dua variable yaitu
berkencan, bercumbu dan bersenggama. Objek pengetahuan tentang sexualitas dengan kategori
seksualnya bisa berupa orang lain, orang dalam baik (0) dan kurang baik(1), dan Pendidikan
khayalan atau diri sendiri. Sebagian dari tingkah Sexual dengan kategori pernah (0) dan tidak
laku itu memang tidak berdampak apa-apa, pernah (1).
terutama jika tidak ada akibat fisik atau sosial dapat Langkah-langkah yang dilakukan dalam
ditimbulkannya. Akan tetapi pada sebagian prilaku menganalisa data adalah sebagai berikut:
seksual yang lain, dampaknya bisa cukup serius 1. Membuat table kontingensi antara perilaku
seperti perasaan bersalah, depresi, marah, misalnya sexual remaja dengan pengetahuan tentang
para gadis yang terpaksa menggugurkan sexualitas dan pendidikan sexual.
kandunganya. 2. Melakukan estimasi parameter untuk
Beberapa faktor yang diasumsikan mendapatkan model regresi ordinal.
mempengaruhi perilaku sexual adalah sebagai 3. Melakukan pengujian parameter secara
berikut: simultan.
a. Pengetahuan tentang Sexualitas 4. Melakukan pengujian parameter secara parsial
Pengetahuan merupakan hasil dari tahu, 5. Menghitung nilai odd rasio.
dan ini terjadi setelah orang melakukan 6. Melakukan interpretasi.
penginderaan terhadap suatu obyek tertentu.
Penginderaan terjadi melalui pancaindra Hasil Dan Pembahasan
manusia, yakni indera penglihatan, Tabel kontingensi antara perilaku sexual remaja
pendengaran, penciuman, rasa, dan raba. dengan pengetahuan tentang sexualitas dapat
Sebagian besar pengetahuan manusia diperoleh dilihat pada tabel berikut:
melalui mata dan telinga (Notoatmodjo, 2007). Tabel 1. Tabel Kontingensi Antara Perilaku Sexual
Kurangnya informasi tentang seksualitas Remaja dengan Pengetahuan tentang
menyebabkan para remaja memasuki usia Sexualitas
remaja tanpa pengetahuan yang memadai Pengetahuan
Total
tentang seks dan selama perkembangan masa baik tidak
remaja berlangsung, pengetahuan remaja Perilaku tidak beresiko 13 6 19
bertambah dengan informasi yang salah. resiko rendah 13 24 37
Pengetahuan seks yang hanya setengah- resiko sedang 14 56 70
setengah tidak hanya mendorong remaja untuk resiko tinggi 1 2 3
mencoba-coba, tapi juga bisa menimbulkan Total 41 88 129
salah persepsi Tabel 1 menunjukkan bahwa dari 129 responden
b. Pendidikan Sexual terdapat 1 orang yang pengetahuannya tentang
Menurut Sarlito dalam bukunya Psikologi sexualitas baik tetapi berperilaku sexual resiko
Remaja (1994), secara umum pendidikan tinggi dan paling banyak adalah responden yang
seksual adalah suatu informasi mengenai tidak mempunyai pengetahuan tentang sexualitas
persoalan seksualitas manusia yang jelas dan dan berperilaku sexual resiko sedang yaitu 56
benar, yang meliputi proses terjadinya responden.
pembuahan, kehamilan sampai kelahiran, Berdasarkan Tabel 2 diperoleh bahwa terdapat
tingkah laku seksual, hubungan seksual, aspek- 1 responden yang tidak pernah mendapatkan
aspek kesehatan, kejiwaan dan pendidikan sexual dengan perilaku sexual resiko
kemasyarakatan. Masalah pendidikan seksual

Program Studi Statistika FMIPA Universitas Mulawarman 50

 Jurnal EKSPONENSIAL Volume 2, Nomor 1, Mei 2011 ISSN 2085-7829

tinggi, 1 responden yang tidak pernah mendapatkan pendidikan sexual berpengaruh secara simultan
pendidikan sexual tapi berperilaku sexual tidak terhadap perilaku sexual remaja karena
beresiko dan berperilaku sexual resiko sedang G(12.171)   0.05, 2  (5.991) atau nilai P(0.002)<
2

sedangkan yang paling banyak adalah responden α (0.05).

yang pernah mendapatkan pendidikan sexual Tabel 5. Pengujian Secara Parsial
dengan perilaku sexual resiko sedang yaitu 69 Prediktor Koefisien SE Z P Odds
responden.. Rasio
Konstanta(1) -0.923 1.002 -2.73 0.006
Tabel 2. Tabel Kontingensi Antara Perilaku
Konstanta(2) 0.704 0.874 1.63 0.103
Sexual Remaja dengan Pendidikan
Konstanta(3) 4.853 0.908 3.30 0.001
Sexual
Pengetahuan 0.796 0.867 -0.88 0.378 0.47
Pendidikan
Total Pendidikan 1.358 0.372 -3.44 0.001 0.28
pernah tidak
Berdasarkan Tabel 5 diatas diperoleh bahwa
Perilaku tidak beresiko 18 1 19
pendidikan sexual berpengaruh terhadap perilaku
resiko rendah 35 2 37
sexual remaja, hal ini ditunjukkan oleh nilai
resiko sedang 69 1 70
P(0.001)< α (0.05). Sedangkan pengetahuan
resiko tinggi 1 2 3
tentang sexualitas tidak berpengaruh terhadap
Total 123 6 129 perilaku sexual remaja karena nilai P(0.378) > α
Selanjutnya dilakukan estimasi parameter model (0.05).
regresi logistic ordinal dengan menggunakan
metode maksimum likelihood dan diperoleh hasil
Tabel 5 juga menunjukkan bahwa nilai odds rasio
berikut:
untuk variable pengetahuan adalah 0.47 yang
berarti remaja yang tidak memiliki pengetahuan
Tabel 3. Hasil Estimasi Parameter Model
tentang sexualitas mempunyai peluang 0.47 kali
Regresi Logistik Ordinal
melakukan perilaku sexual beresiko dibandingkan
Model Variabel Koefisien
remaja yang punya pengetahuan tentang sexualitas.
1 Konstanta -0.923
Untuk variable pendidikan adalah 0.28, yang
Pengetahuan 0.796
berarti remaja yang tidak pernah mendapatkan
Pendidikan 1.358
pendidikan sexual mempunyai peluang 0.28 kali
2 Konstanta 0.704 melakukan perilaku sexual beresiko dibandingkan
Pengetahuan 0.796 remaja yang pernah mendapatkan pendidikan
Pendidikan 1.358 sexual.
3 Konstanta 4.853
Pengetahuan 0.796 Kesimpulan
Pendidikan 1.358 Berdasarkan hasil analisis maka dapat disimpulkan
bahwa factor yang paling berpengaruh pada
Berdasarkan Tabel 3 maka diperoleh model regresi perilaku sexual remaja adalah pendidikan sexual.
logistic ordinal berikut:
Daftar Pustaka
log it ( 1 )  0.923  0.796x1  1.358x2 (7) Agresti, A. (1990). Categorical Data Analysis.
log it ( 2 )  0.704  0.796x1  1.358 x2 (8) New York: John Wiley and Sons.
Ali, M. (2006). Psikologi Remaja : PT Bumi
log it ( 3 )  4.853  0.796x1  1.358 x2 (9) Aksara. Jakarta.
Terdapat 3 model karena pada variable respon ter - Hosmer, D.W. and S. Lemeshow (1989). Applied
dapat 4 kategori. Logistic Regression. New York: John Wiley
Untuk mengetahui apakah variable and Sons.
predictor berpengaruh terhadap variable respon, Le, C. T. (1998). Applied Categorical Data
dilakukan pengujian signifikansi parameter secara Analysis. John Wiley and Sons, Inc. USA.
simultan dan parsial. Hasil pengujian yang Nursiah. (2010). Hubungan Antara Pengetahuan
diperoleh ditunjukkan pada Tabel 4 dan Tabel 5. Dan Pendidikan Kesehatan Reproduksi Dengan
Tabel 4. Pengujian Secara Simultan Perilaku Seksual Pada Siswa Sma Kesatuan 1
G DF P Samarinda Tahun 2010, Skripsi. UWGM
12.171 2 0.002 Notoatmodjo, S. (2003). Pendidikan Dan Perilaku
Berdasarkan Tabel 4 diatas dapat disimpulkan Kesehatan. Jakarta: PT. Rineka Cipta.
bahwa pengetahuan tentang sexualitas dan Sarwono, S.W. (2007). Psikologi Remaja. Jakarta:
PT. Raja Grafindo Persada.

Program Studi Statistika FMIPA Universitas Mulawarman 51

 Jurnal EKSPONENSIAL Volume 2, Nomor 1, Mei 2011 ISSN 2085-7829

Program Studi Statistika FMIPA Universitas Mulawarman 52