PLUM - Ordinal Regression

Case Processing Summary

Marginal
N Percentage
perilaku_isolasi baik 42 54.5%
cukup 27 35.1%
kurang 8 10.4%
Valid 77 100.0%
Missing 0
Total 77

Model Fitting Information

Model -2 Log Likelihood Chi-Square df Sig.
Intercept Only 47.957
Final 28.179 19.777 2 .000
Link function: Logit.

Goodness-of-Fit
Chi-Square df Sig.
Pearson 5.986 8 .649
Deviance 7.695 8 .464
Link function: Logit.

Pseudo R-Square
Cox and Snell .227
Nagelkerke .268
McFadden .138
Link function: Logit.

Parameter Estimates
95% Confidence Interval
Estimate Std. Error Wald df Sig. Lower Bound Upper Bound
Threshold [perilaku_isolasi = 1] 4.037 .985 16.800 1 .000 2.107 5.968
[perilaku_isolasi = 2] 6.458 1.176 30.136 1 .000 4.152 8.764
Location pengetahuan 1.398 .458 9.327 1 .002 .501 2.295
sikap 1.093 .480 5.198 1 .023 .153 2.033
Link function: Logit.

Test of Parallel Linesa

Model -2 Log Likelihood Chi-Square df Sig.
Null Hypothesis 28.179
General 25.777 2.402 2 .301
The null hypothesis states that the location parameters (slope coefficients) are the
same across response categories.
a. Link function: Logit.
 Penjelasan Regresi Ordinal

1. Model Fitting

Model Fitting Information

Model -2 Log Likelihood Chi-Square df Sig.
Intercept Only 47.957
Final 28.179 19.777 2 .000
Link function: Logit.

Pada Model Fitting Information -2log Likelihood menerangkan bahwa tanpa memasukkan variabel independen (intercept only)
nilainya 47,957. Namun dengan memasukkan variabel independen ke model (final) terjadi penurunan nilai menjadi 28,179. Perubahan
nilai ini merupakan nilai chi-square yaitu 19,777 dan signifikan pada taraf nyata 5% (sig.0.000). Adanya penurunan nilai 2LL oleh
karena itu model yang digunakan fit.

2. Uji Goodness of fit

Goodness-of-Fit
Chi-Square df Sig.
Pearson 5.986 8 .649
Deviance 7.695 8 .464
Link function: Logit.

Uji ini bertujuan untuk melihat apakah model regresi ordinal dapat digunakan untuk memprediksi variable Y atau tidak. Model yang
baik jika mampu mengukur atau memprediksi variabel dependennya. Goddess of fit lolos jika nilai signifikansi pearson dan deviance
diatas 0,05. Hasil diatas diperoleh nilai signifikansi pearson dan deviance diatas 0,05 sehingga model regresi layak digunakan.

3. Uji Koefisien Determinasi

Pseudo R-Square
Cox and Snell .227
Nagelkerke .268
McFadden .138
Link function: Logit.

Nilai p-seudo r-square bertujuan untuk mengetahui besar pengaruh variable indepnden terhadap variable dependen. Hasil diatas
diperoleh Negelkerke 0,268 sehingga dapat diartikan variable pengetahuan dan sikap mampu mempengaruhi Perilaku isolasi mandiri
sebesar 26,8%.
4. Uji Parsial
Parameter Estimates
95% Confidence Interval
Estimate Std. Error Wald df Sig. Lower Bound Upper Bound
Threshold [perilaku_isolasi = 1] 4.037 .985 16.800 1 .000 2.107 5.968
[perilaku_isolasi = 2] 6.458 1.176 30.136 1 .000 4.152 8.764
Location pengetahuan 1.398 .458 9.327 1 .002 .501 2.295
sikap 1.093 .480 5.198 1 .023 .153 2.033
Link function: Logit.

a. Variable Pengetahuan diperoleh nilai signifikansi 0,002 sehingga nilai signifikansi lebih kecil dari 0,05 dan dapat diambil

kesimpulan bahwa terdapat pengaruh yang signifikan dari pengetahuan terhadap perilaku isolasi mandiri. Nilai koefisien regresi

yaitu 1,398 menunjukkan adanya pengaruh positif. Pada penelitian ini variabel perilaku isolasi mandiri 1 dinyatakan baik, perilaku

isolasi mandiri 2 dinyatakan cukup dan 3 dengan kategori kurang. Oleh karena itu dapat dikatakan bahwa semakin tinggi

pengetahuan maka perilaku isolasi mandiri akan semakin meningkat pula.

b. Variable Sikap diperoleh nilai signifikansi 0,023 sehingga nilai signifikansi lebih kecil dari 0,05 dan dapat diambil kesimpulan

bahwa terdapat pengaruh yang signifikan dari Sikap terhadap perilaku isolasi mandiri. Nilai koefisien regresi yaitu 1,093

menunjukkan adanya pengaruh positif. Pada penelitian ini variabel perilaku isolasi mandiri 1 dinyatakan baik, perilaku isolasi

mandiri 2 dinyatakan cukup dan 3 dengan kategori kurang. Oleh karena itu dapat dikatakan bahwa semakin tinggi Sikap maka

perilaku isolasi mandiri akan semakin meningkat pula.

Parameter Estimates
95% Confidence Interval
Estimate Std. Error Wald df Sig. Lower Bound Upper Bound
Threshold [MSDs = 1.00] 1.733 1.628 1.133 1 .287 -1.457 4.923
Location MasaKerja .741 .330 5.055 1 .025 .095 1.387
IMT .348 .331 1.105 1 .293 -.300 .996
Merokok .850 .302 7.923 1 .005 .258 1.442
Olahraga -2.220 .670 10.959 1 .001 -3.534 -.905
PosturKerja .420 .388 1.171 1 .279 -.341 1.181
Link function: Logit.

Parameter Estimates
95% Confidence Interval
Estimate Std. Error Wald df Sig. Lower Bound Upper Bound
Threshold [perilaku_isolasi = 1] 4.037 .985 16.800 1 .000 2.107 5.968
[perilaku_isolasi = 2] 6.458 1.176 30.136 1 .000 4.152 8.764
Location pengetahuan 1.398 .458 9.327 1 .002 .501 2.295
sikap 1.093 .480 5.198 1 .023 .153 2.033
Link function: Logit.

Model regresi yang diperoleh:

Y = 1,398X1 + 1,093X2