1. Pengertian
Regresi logistik ordinal merupakan salah satu analisis regresi yang digunakan untuk
menganalisa hubungan antara variabel respon dengan variabel prediktor, dimana variabel
respon bersifat polikotomus dengan skala ordinal. Metode kemungkinan nilai
maksimum (Maximum Likelihood Estimator/MLE) merupakan metode yang digunakan untuk
menaksir parameter-parameter model regresi logistik. MLE memberikan nilai estimasi β
dengan memaksimumkan fungsi Likelihood. Model yang telah diperoleh perlu diuji
kesignifikansinya dengan melakukan pengujian statistik antara lain uji serentak dan uji
individu. Selain itu terdapat uji yang digunakan untuk menguji kesesuaian model regresi
logistik yaitu Goodness of Fit. Uji independensi dilakukan untuk mengetahui ada atau
tidaknya hubungan antara variabel respon dengan variabel prediktor.
Regresi logistik ordinal merupakan salah satu metode statistika yang menggambarkan
hubungan antara suatu variabel terikat (Y) dengan lebih dari satu variabel bebas (X) dimana
variabel terikat lebih dari dua kategori dan skala pengukuran bersifat tingkatan (Hosmer Dan
Lemeshow, 2000, n.d).
Pada saat membuat model regresi logistik ordinal, diasumsikan bahwa hubungan antara
variabel independen dengan logit adalah sama untuk semua logit, ini berarti bahwa hasil
model berupa sebuah garis paralel untuk setiap kategori variabel respon. Untuk membuktikan
dapat menggunkan Test of parallel lines, dimana uji tersenut digunakan untuk membuktikan
terpenuhinya asumsi bahwa setiap kategori memiliki hubungan antara variabel independen
dengan logit yang sama untuk semua persamaan logit. Jika tidak terpenuhi maka data cukup
dimodelkan dengan regresi logistik multinomial.
Keputusan
Tolak H0, jika p- value < α atau G > X 2 α,p
Keputusan
Tolajk Ho, jika X 2 >X 2tabel dan G 2>X 2tabel atau p-value < α
H0 ditolak W> Z α /2 atau P – value < α. Hal ini dikarenakan statistika uji W mengikuti
distribusi normal. Uji W mengikuti distribusi normal dikarenakan jumlah sampel besar.
f. Pembentukan Model
Jika variabel dependen memiliki j (j = 1,2, ... , k) kategori, maka model yang terbentuk
adalah :
Logit [ P{Y≤ 1|X) | α 1+ β1 X 1 +…+ β k X k
Logit [ P{Y≤ 1|X) | α 1+ β1 X 1 +…+ β k X k
.........................................................................
Logit [ P{Y≤ k-1|X) | α k−1+ β1 X 1 +…+ β k X k
= exp ( β j )
Pada regresi logistik ordinal, terdapat juga interpretasi koefisien model regresi logistik
ordinal yangmerupakan inferensi dan pengambilan keputusan berdasarkan koefisien yang
diestimasi. Koefisien tersebutmenggambarkan slope atau perubahan pada variabel terikat
per unit perubahan pada variabel bebas. Untuk menginterpretasi koefisien parameter,
digunakan odds ratio(ψ). Odds ratio tidak hanya digunakan untuksatu variabel bebas
namun juga lebih dari satu. Interpretasi koefisien untuk model regresi logistik ordinaldapat
dilakukan dengan menggunakan nilai odds rasionya. Parameter βk menyatakan perubahan
fungsi logitdan diperoleh penduga untuk odds rasio yaitu ψ = exp(βk).
DAFTAR PUSTAKA