MAKALAH BIOSTATISTIK

“Regresi Ordinal”

Penyusun :
Kelompok
Aminatun zuhro
Juaria Fhatiana Hawa
Masriatul Maslamah
Linda Anggraini ma’rifah
Grista Dana Marta Sari
(2010.0661.053)
(2010.0661.071)
(2010.0661.076)
(2010.0661.101)
(2010.0661.104)

D3 KEBIDANAN
FAKULTAS ILMU KESEHATAN
UNIVERSITAS MUHAMMADIYAH SURABAYA
2011-2012

1
 KATA PENGANTAR

Puji syukur kami panjatkan atas kehadirat Allah SWT yang telah melimpahkan rahmat
dan hidayah-Nya kepada kami, sehingga kami bisa menyelesaikan penyusunan makalah
“Biostatistik” untuk memenuhi tugas yang telah di berikan oleh, Ibu pipit festy S. KM M. Kes
tentang “Regresi Ordinal”
Kami berharap supaya makalah ini dapat bermanfaat bagi para pembaca dan dapat
memahami serta mendapat pengetahuan yang lebih baik, sebagaimana isi yang ada dalam
makalah ini, sehingga dapat diaplikasikan untuk mengembangkan kompetensi dalam bidang
kebidanan.
Kami menyadari sepenuhnya bahwa makalah ini masih terdapat kekurangan, maka kami
menerima berbagai kritik dan saran untuk perbaikan makalah ini di waktu mendatang. Dan
mohon maaf jika sekiranya masih terdapat kesalahan dalam penulisan. Atas perhatian dan
partisipasinya kami ucapkan terima kasih.

Surabaya, 11 Mei 2012

Penulis

2
 DAFTAR ISI

HALAMAN JUDUL……………………………………………………… 1
KATA PENGANTAR .................................................................................. 2
DAFTAR ISI ................................................................................................. 3
BAB I PENDAHULUAN ............................................................................. 4
1.1 Latar Belakang.......................................................................... 4
1.2 Rumusan Masalah..................................................................... 4
1.3 Tujuan Masalah......................................................................... 4
BAB II PEMBAHASAN............................................................................... 5
2.1 Definisi ..................................................................................... 5
2.2 Macam – Macam Pilihan Regresi Ordinal ............................... 5
2.3 Hubungan Antar Variabel ........................................................ 6
BAB III PENUTUP.. ……………………………………………................ 12
3.1 Kesimpulan .............................................................................. 12
3.2 Saran ………………………………………………….......... 12
DAFTAR PUSTAKA ................................................................................... 13

3
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Apakah anda sedang menyusun skripsi untuk kelulusan Program Sarjana anda?
Jika iya, anda mungkin menemui berbagai permasalahan yang sering kali menjadi hal
yang paling ditakuti oleh mahasiswa atau peneliti, yaitu olah data skripsi. Tahapan
tersebut dimulai dari pencarian tema skripsi atau topik skripsi, menentukan
permasalahan, membuat kerangka pemikiran, membuat proposal, menentukan lokasi
penelitian, dan olah data.
Menentukan metode olah data yang cocok untuk data skripsi sering menjadi suatu
permasalahan dalam proses pengerjaan skripsi. Ada bermacam-macam metode yang
digunakan dalam olah data skripsi, diantaranya olah data regresi logistik, olah data
regresi linear baik sederhana maupun berganda, olah data Structural Equation Modeling,
olah data regresi linear dengan variabel moderating, olah data regresi ordinal, dan
sebagainya. Sebelum menentukan metode yang akan anda gunakan dalam pengolahan
data, anda harus paham betul mengenai fungsi dan kegunaan dari metode yang akan anda
pakai. Sehingga, anda akan dapat menghasilkan suatu olah data yang terpercaya. Dalam
makalah ini kami ingin membantu dalam pengolahan data regresi ordinal. Sehingga, anda
dapat mempersembahkan sebuah skripsi yang berkualitas, handal, dan terpercaya, yang
nantinya akan bermanfaat bagi siapa saja.

1.2Rumusan Masalah
1.2.1 Apa definisi dari regresi ordinal?
1.2.2 Apa saja pilihan yang akan digunakan dalam menyelesaikan regresi ordinal ?
1.2.3 Bagaimana cara menghubungkan antar variable-variabel dalam regresi ordinal ?

1.3Tujuan
1.3.1 Untuk mengetahui dan memahami definisi dari regresi ordinal
1.3.2 Untuk mengetahui dan memahami pilihan-pilihan yang dapat digunakan dalam
menyelesaikan regresi ordinal
1.3.3 Untuk mengetahui dan memahami cara menghubungkan variable yang terkait
dengan regresi ordina

4
 BAB II
PEMBAHASAN

2.1 Definisi
Ordinal regression (regresi ordinal) adalah analisis regresi di mana variabel
terikatnya menggunakan skala ordinal. Apa itu skala ordinal? Skala ordinal adalah skala
pengukuran berupa data tingkatan atau rangking. Sedangkan variabel bebasnya bisa
merupakan Covariate (jika menggunakan skala interval atau rasio) atau bisa merupakan
Factor (jika menggunakan skala nominal atau ordinal).
Penting untuk dimengerti bahwa jika kita mempunyai variabel terikat dalam data
ordinal, maka penggunaan regresi linear berganda memberikan hasil yang tidak baik, atau
bahasa resmi pada buku panduan SPSS mengatakan “don’t work very well”. Alternatif
metode yang digunakan sering juga disebut dengan Generalized linear models yang
memprediksikan cummulative probabilities dari kategori yang ada. Misalnya begini, ada
kategori perokok, katakanlah perokok ‘berat’, ‘sedang’, ‘ringan’ dan ‘tidak merokok’
(untuk sementara variabel bebasnya tidak dibahas dulu).
Setelah dilakukan perhitungan regresi ordinal, maka akan memberikan persamaan
yaitu persamaan yang melima pilihan regresi ordinal atau sering disebut option link.

2.2 Macam - Macam Pilihan Regresi Ordinal

1. Logit
Logit dengan persamaan: f(x) = log(x/(1-x))
Digunakan pada kebanyakan distribusi data, jadi Program SPSS secara default
menggunakan option link berupa Logit
2. Complementari log-log
ComplementaryLog-log dengan persamaan f(x) = log(-log(1-x))
Digunakan untuk data yang mempunyai kecenderungan bernilai tinggi.
3. Negative log-log
Negative Log-log dengan persamaan f(x) = -log(-log(x))
Digunakan untuk data yang mempunyai kecenderungan bernilai rendah
4. Probit
Probit dengan persamaan f(x) = O-1 (x) dengan O-1

5
 adalah fungsi inverse distribusi kumulatif standar normal, Digunakan jika variabel
latent terdistribusi secara normal
5. Cauchi
Cauchit (Inverse Cauchy) dengan persamaan f(x) = tan(Phi(x-0,5))
Digunakan jika variabel latent mempunyai nilai yang ekstrem

2.3 Hubungan antar Variabel Ordinal

1. Gamma G
P−Q
γ=
P+Q

P adalah banyaknya pasangan yang concordant sedangkan Q adalah banyaknya

pasangan yang discordant. Gamma berkisar antara -1 (hubungan tidak searah sempurna
dan +1 (hubungan searah sempurna).
Soal Latihan
Seorang peneliti sedang melakukan penelitian untuk mengetahui hubungan antara
daya saing perusahaan dengan tingkat teknologi yang diterapkan di perusahaan.
Dugaanya adalah semakin tinggi tingkat teknologi maka daya saingnya akan meningkat.
Variabel daya saing skalanya adalah rendah, cukup dan tinggi; sedangkan tingkat
teknologinya adalah rendah, menengah, dan tinggi. Perusahaan yang menjadi sampel
penelitian adalah sebanyak 65 perusahaan dengan hasil pengamatan sebagai berikut:
Tingkat Daya saing perusahaan Total
Teknologi Rendah Cukup Tinggi Baris
Tinggi 2 6 20 28
Menenggah 3 5 9 17
Rendah 12 6 2 20
Total kolom 17 17 31 65

Penentuan pasangan concordant dan discordant tinggi juga pada variabel kedua
dibandingkan subyek lain, maka pasangan observasi (dua subyek) tersebut dikatakan
concordant. Jika sebuah subyek mempunyai urutan lebih tinggi dibandingkan subyek
lain pada satu variabel tetapi mempunyai urutan lebih rendah pada variabel kedua, maka
pasangan subyek tersebut disebut concordant. Pengertian tersebut akan lebih jelas
dengan menggunakan ilustrasi sebagai berikut: Misalkan diketahui tabel silang dengan
variabel 1 dan variabel 2 yang sama-sama mempunyai skala ordinal (ingat, skala ordinal
6
menunjukkan adanya urutan). Untuk memudahkan pemahaman, sel yang terisi hanya 3
buah dengan frekuensi masing-masing sebesar 1.

Seperti terlihat pada Tabel berikut:

lebih tinggi lebih rendah lebih tinggi

Variable Y Variable X
X1 X2 X3
Y3 1 TX 1
Y2 Ty 1
Y1 1
Lebih rendah

Pasangan A adalah pasangan discordant karena X1 lebih rendah dari X2 tetapi Y3

lebih tinggi dari Y2 atau bisa juga dinyatakan X2 lebih tinggi dari X1 tetapi Y2 lebih
rendah dari Y3 .
Pasangan B adalah pasangan concordant karena X 2 lebih rendah X3 dan Y2
lebih rendah Y3 atau bisa juga dinyatakan X3 lebih tinggi dari X2 dan Y3 lebih lebih
rendah dari Y2 .
Jadi bisa dikatakan pasangan concordant menunjukkan perubahan ranking pada
variabel X searah dengan perubahan ranking pada Variabel Y, sedangkan pasangan
discordant menunjukkan perubahan ranking pada variabel X tidak searah dengan
perubahan ranking pada Variabel Y.
Banyaknya pasangan searah (concordant) dan tidak serarah (discordant) itulah yang
menjadi dasar perhitungan statistik Gamma. Pasangan Tx dan Ty akan dijelaskan pada
perhitungan statistik berikutnya.
Contoh ilustrasi diatas hanya melibatkan 3 satuan pengamatan sehingga jumlah
pasangan yang bisa dibentuk relatif sedikit, yaitu hanya 3 pasangan. Bagaimana jika
semua sel terisi dengan frekuensi yang lebih banyak. Hal ini bisa dijelaskan dengan
menjawab secara lengkap soal latihan diatas mengenai hubungan tingkat teknologi
dengan daya saing perusahaan.
Total pasangan yang bisa dibentuk = n(n-1)/2
= 65(64)/2 = 2080 pasang
Jumlah pasangan concordant (P) = 20 (5+3+6+12) + 6 (3+12) + 9 (12+6) + 5(12)
= 832
7
Jumlah pasangan discordant (Q = 2 (5+9+6+2) + 6(9+2) + 3 (6+2) + 5(2)
= 144
Jadi:
P−Q
γ=
P+Q

832−144
= 832+144
= 0.7049
Interpretasinya adalah variabel daya saing berhubungan cukup erat dengan variabel
tingkat teknologi. Hubungan tersebut bersifat serarah (positif), atau bisa dikatakan
semakin tinggi tingkat teknologi komputer yang digunakan maka semakin tinggi daya
saing perusahaan.

2. Kendall’s Tau -b (τ b)
Statistik ini merupakan penyempurnaan gamma yang masih memperhitungkan
pasangan pair, yaitu pasangan yang mempunyai nilai yang sama pada variabel X,
variabel Y, atau keduanya.

P−Q
τ=

√
1 1
n ( n−1 ) n ( n−1 )
( −T x ) +( −Ty)
2 2

n adalah banyaknya satuan pengamatan, Tx adalah banyaknya pasangan tes pada

variabel kolom, dan Ty adalah banyaknya pasangan ties pada variabel baris (lihat contoh
pasangan Tx dan Ty pada tabel diatas. τ juga berkisar antara -1 (hubungan negatif
sempurna) dan +1 (hubungan posisif sempurna).
Kita akan menghitung statistic τ untuk contoh yang sama. Terlebih dahulu kita
menghitung Tx dan T y dengan rumus berikut :
17 (16 ) +17 ( 16 ) +31(30)
Tx = 2

= 737
28 (27 ) +17 ( 16 ) +20(19)
Ty= 2

8
 = 704
Nilai statistic τ bisa dihitung sebagai berikut :
832−144
τ=
√( 2080−737 ) (2080−704)
= 0.5061

3. Kendall’s Tau -c (τ c)
2m( P−Q)
τc = 2
N (m−1)

m adalah ukuran kolom atau baris yang terkecil. Statistik ini lebih teliti
dibandingkan statistik sebelumnya terutama untuk ukuran tabel yang lebih besar.
Nilainya berkisar antara -1 dan +1. Jika hubungan variabel pada soal diatas diukur
dengan statistik ini, maka hasilnya adalah sebagai berikut:
2m(P−Q)
τ c=
N 2 (m−1)

2 ( 3 )(832−144)
= 652 (3−1)

=0.4885

4. Sommers’s d
Sommers’s d juga merupakan statistik untuk mengukur hubungan dua variable
berdasarkan pasangan concordant dan discordant. Kelebihannnya statistik ini adalah
kemampuannya untuk menghilangkan pengaruh pasangan pair dan disesuaikan pada arah
variabel bebas. Statistik ini juga bisa digunakan untuk hubungan simetris dan asimetris,
sehingga ada tiga bentuk rumus perhitungannya, yaitu:
Persamaan-persmaan yang digunakan :
( P−Q)
dsym = n ( n−1 ) −
TxTy
2

(P−Q)
dy-x = n ( n−1 ) −Tx
2

9
 (P−Q)
dx-y = n (n−1)
−Ty
2

Persamaan (1) adalah simetris, persamaan (2) adalah asimetris dimana y sebagai
variabel bebas, dan persamaan (3) adalah asimetris dimana x sebagai variabel bebas.
Nilai statistic ini untuk soal diatas adalah sebagai berikut :
(832−144)
dsym = 65 ( 64 )−737 (704)/2

(832−144)
dy-x = 2080−737 =0.5123
(832−144)
dx-y = 2080−704 =0.5

5. Spearman’s rho
Spearman’s rho merupakan statistik yang populer digunakan untuk mengukur
hubungan antara dua variabel ordinal. Statistik ini, yang merupakan bentuk khusus dari
korelasi Pearson’s product moment, mengkaitkan ranking 2 buah variabel. Teknik ini
juga biasa digunakan untuk skor variabel yang tadinya interval atau rasio tetapi skor
tersebut terlalu banyak ketidaknormalannya sehingga skor tersebut diturunkan
tingkatannya dalam bentuk urutan nilainya saja dan dihitung nilai spearman’s rho-nya,
yaitu dengan rumus sebagai berikut:
2
6Σd
rs = 1− n3−n

n adalah banyaknya subyek yang diranking sedangkan d adalah perbedaan ranking

antara kedua variabel. Statistik ini memang mudah dihitung tetapi mengandung
kelemahan utama, yaitu sangat sensitif terhadap ranking yang sama. Jadi semakin
banyak ranking yang sama untuk satu variabel akan menyebabkan statistik ini tidak
akurat untuk mengukur hubungan variabel. Contoh pengukuran hubungan variabel
dengan statistik ini adalah sebagai berikut:
Contoh soal
Sepuluh bank orang calon pegawai menjalani proses penilaian oleh 2 buah tim,
yaitu tim manajemen yang terdiri dari 4 orang eksekutif perusahaan dan tim psikologi
lembaga pengembangan sumber daya manusia dari luar perusahaan. Penilaian yang

10
dilakukan oleh kedua tim tersebut adalah dalam bentuk ranking, yang dapat dilihat pada
kolom kedua dan ketiga berikut:

Calon pegawai Rangking menurut tim : d d2

Manajemen Psikologi
A 3.5 6 -2.5 6.25
B 10 5 5 25
C 6.5 8 -1.5 2.25
D 2 1.5 0.5 0.25
E 1 3 -2 4
F 9 7 2 4
G 3.5 1.5 2 4
H 6.5 9 -2.5 6.25
I 8 10 -2 4
J 5 4 1 1
57

Berdasarkan hasil perhitungan yang disajikan kolom keempat dan kelima pada tabel
di atas maka nilai statistik sparman rhonya adalah sebagai berikut:
2
6Σd
rs = 1− 3
n −n
6(57)
= 1− (10)−10

= 0.654
Metode PI Ekonomi: Analisis Hubungan Variabel
= 0.654
Hasil tersebut menunjukkan bahwa hubungan kedua penilaian tersebut adalah
positif dan relatif cukup kuat. Atau bisa dikatakan kedua tim memberikan hasil
penilaian yang cukup konsisten satu sama lain.

BAB III
PENUTUP

11
3.1 Kesimpulan
Ordinal regression (regresi ordinal) adalah analisis regresi di mana variabel
terikatnya menggunakan skala ordinal. Apa itu skala ordinal? Skala ordinal adalah skala
pengukuran berupa data tingkatan atau rangking. Sedangkan variabel bebasnya bisa
merupakan Covariate (jika menggunakan skala interval atau rasio) atau bisa merupakan
Factor (jika menggunakan skala nominal atau ordinal).
Ada bermacam – macam pilihan cara dalam menyelesaikan regresi ordinal
diantaranya sebagai berikut : Logit, Complementari log-log, Negative log-log, Probit,
Cauchi.
Adapun dalam regresi ordinal dikenal beberapa variable yang biasa digunakan
yaitu: Gamma G, Kendall’s Tau -b (τ b), Kendall’s Tau -c (τ c), 4. Sommers’s d,
Spearman’s rho

3.2 Saran
3.2.1 Dengan adanya makalah ini kami berharap dapat di pergunakan dengan baik
3.2.2 Apabila ada kesalahan dari penulisan kami, kritik dan saran sangat kami harapkan
demi perbaikan makalah ini.

DAFTAR PUSTAKA

12
Suhardi. 2009. Statistika untuk Ekonomi dan Keuangan Modern. Jakarta: Salemba Empat
Djarwanto. 2001. Menghenal beberapa Uji Statistic dalam Penelitian. Yogyakarta: Liberty hal
165
Reksoatmodjo, N.Tedjo. 2007. Statistika untuk Psikologi dan Pendidikan. Bandung: Refika
Aditama

13