TINJAUAN PUSTAKA
menganalisis data. Statistika deskriptif terdiri atas dua pengukuran yakni ukuran
data pemusatan dan ukuran data penyebaran. Cara penyajian dalam statistika
lebih variabel secara bersama-sama yang hasilnya berupa tabel kontingensi. Tabel
tabel dibuat dengan i barisuntuk kategori x dan j kolom untuk kategorik y, maka
sel dari tabel tersebut menunjukan IJ hasil yang mungkin (Agresti, 2013). Cross
variabel (Agresti, 1990). Setiap level atau kelas dari variabel-variabel tersebut
1. Homogen
Mutually Exclusive (saling saing) adalah antara level satu dengan level
diklasifikasikan dalam satu unit saja atau dengan kata lain harus masuk
kelas yang satu dengan anggota dari kelas yang lainnya. Ciri-ciri dari
skala ini adalah posisi data setara dan tidak bisa dilakukan operasi
seperti berikut:
Hipotesis:
Daerah penolakan:
Statistik uji:
(2.1)
Dengan,
(2.2)
Dimana:
n. . = Total observasi/pengamatan
boleh lebih dari 20 persen sel mempunyai nilai harapan kurang dari lima.
korelasi yang tinggi atau sempurna antara variabel bebas atau tidak dalam model
regresi. Untuk mendeteksi adanya korelasi yang tinggi antar variabel independen
oleh variabel independen lainnya. Jadi, tolerance yang rendah sama dengan nilai
VIF yang tinggi. Asumsi dari Tolerance dan Variance Inflation Factor (VIF)
1. Jika VIF > 10 dan nilai Tolerance < 0.10 maka terjadi multikolinearitas.
2. Jika VIF < 10 dan nilai Tolerance > 0.10 maka tidak terjadi
multikolinearitas.
prediktor. Untuk melihat korelasi tersebut digunakan uji korelasi Pearson korelasi
Pearson digunakan untuk mengukur hubungan linier dua variabel kontinu dengan
adalah:
(2.3)
Hipotesis yang digunakan adalah sebagai berikut:
(2.4)
Dan derajat bebas df = n-2. Tolak H0 jika │t│lebih besar dari t(α,d f ) atau p-value
antara sebuah respon dan satu atau lebih prediktor. Regresi logistik ordinal
merupakan suatu metode analisis data yang digunakan untuk mencari hubungan
antara variabel respon (y) yang bersifat poliktomus (mempunyai skala data
bertingkat dengan lebih dari 2 kategorik) dengan variabel prediktor (x) dapat
Pada regresi logistik dapat disusun model yang terdiri dari banyak
prediktor yang dikenal sebagai model multivariabel (Agesti, 2013). Model regresi
(2.5)
Fungsi π(x) adalah fungsi non linear sehingga perlu dilakukan
trasformasi logit untuk memperoleh fungsi linear yang dapat digunakan untuk
melihat hubungan antara variabel respon (y) dengan variabel prediktor (x). Bentuk
(2.6)
dalam bentuk:
(2.7)
(2.8)
Model regresi logistik ordinal adalah model logit. Model logit tersebut
merupakan cumulative logit models. Pada model logit ini sifat ordinal dari respon
(2.9)
Dimana xi (xi1,xi2 , … xip) adalah nilai suatu pengamatan ke-i (i=1, 2,…, n)
dari p variabel prediktor. Jika kategori respon j dengan j =1,2 3, 4, 5 maka nilai
(Agesti, 2013).
variabel tersebut hanya sebagai identifikasi dan tidak mempunyai nilai numerik
logitnya adalah:
k−1
( x i )=β 0 + β i X 1 i+ …+ ∑ β u D u + β p X pi (2.11)
u−1
yang menggambarkan hubungan antara suatu variabel respons dengan lebih dari
satu variabel penjelas, dimana variabel respons lebih dari dua kategori dan skala
pengukuran ordinal. Syarat untuk regresi logistik ordinal adalah variabel penjelas
berskala kategorik atau kuantitatif (numerik), sedangkan variabel respons berskala
hubungan fungsional ntara variabel respon dengan variabel penjelas. Odds ratio
antar satu kategori dengan kategori lainnya. Jika variabel penjelas berupa
Berikut ini adalah asumsi yang digunakan dalam regresi logistik (R.
hubungan yang linier antara log odds dari variabel responnya dengan
prediktornya.
(2.12)
(2.14)
(2.15)
sehingga,
(2.16)
varians dan kovarians diperoleh dari turunan kedua fungsi ln-Likelihood. Nilai
taksiran β diperoleh dari penyelesaian turunan pertama fungsi ln-Likelihood yang
non linier, sehingga digunakan metode iterasi Newton Raphson (Agresti, 2002).
bentuk persamaan non-linier tidak dapat diselesaikan secara manual. Salah satu
metode yang digunakan untuk memecahkan persamaan non linier adalah metode
persamaan dengan lebih dari satu parameter. Iterasinya adalah sebagai berikut:
(2.18)
(2.19)
dan H ( ) adalah matriks Hessian atau matriks turunan kedua dari fungsi
logaritma
(2.20)
maksimum (𝑡).
2. Menentukan dan .
Pengujian signifikansi parameter terdiri dari uji serentak dan uji parsial yaitu:
telah tepat (signifikan) dan memeriksa pengaruh variabel prediktor didalam model
H0 : β1 = β2 =…= βj
Statistika uji:
(2.21)
dengan:
n = Banyaknya observasi
tolak H0 jika nilai statistic uji G lebih dari x2 (α,db) atau p-value kurang dari α
variabel respon. Pengujian ini bertujuan untuk mengetahui parameter dari variabel
mana yang memiliki pengaruh signifikan terhadap variabel respon. Hipotesis
H0 = βj =0
Statistika uji:
(2. 22)
sehingga diperoleh keputusan tolak H0 jika ilai statistik uji Wald lebih dari x2(α,p)
Statistik uji yang digunakan adalah statistik uji deviance, dengan hipotesis sebagai
berikut:
𝐻0: Model sesuai (tidak terdapat perbedaan yang signifikan antara hasil
𝐻1: Model tidak sesuai (terdapat perbedaan yang signifikan antara hasil
(2. 23)
dengan:
0k = Nilai variabel respon pada group ke-k
derajat bebas sebesar g-2 sehingga diperoleh keputusan tolak H0 jika nilai lebih
besarnya perubahan pada variabel respon untuk setiap perubahan satu unit
ratio. Variabel x yang bersifat kategori terbagi dalam dua kategori yang
kecenderungan dari dua kategori atau lebih dalam satu variabel prediktor yang
salah satu kategori dijadikan sebagai pembanding. Variabel respon dengan y=0
y=i dengan y=0 pada nilai kovariat x = a dengan x = b menurut persamaan (2.24)
yaitu:
(2. 25)
Pada teori peluang dan statistika, peluang dari suatu kejadian (event)
1-p menyatakan peluang dari kejadian yang tidak terjadi. Odds sebenarnya
sedangkan odds adalah rasio peluang kejadian yang tidak terjadi. Logaritma asli
(natural logarithm) odds adalah logit dari peluang kejadian yang terjadi, yaitu:
logit(p) (2.26)
Rasio dari odds kejadian yang terjadi dalam suatu grup terhadap odds
kejadian yang terjadi dalam grup lain dinamakn rasio odds dan dinotasikan
dengan OR. Jika peluang-peluang kejadian yang terjadi dari setiap grup adalah 𝑝
(2. 27)
Logaritma asli rasio odds adalah selisih logit-logit peluang kejadian yang terjadi
(2.
28)
terjadi pada grup pertama lebih besar dari pada grup kedua.
terjadi pada grup pertama lebih kecil dari pada grup kedua.
4. Rasio odds harus lebih besar dari atau sama dengan 0 atau 𝑂𝑅 ≥ 0.
5. Rasio odds harus mendekati 0 jika odds dari grup pertama mendekati 0.
6. Rasio odds akan mendekati positif tak terhingga jika odds dari grup
model bergantung pada unit variabel prediktor yang masuk dalam model tersebut.
Misalkan fungsi 𝑔(𝑥) = 𝛼 + 𝛽1𝑥, maka perubahan satu unit pada variabel prediktor
x akan memberikan perubahan pada 𝑔(𝑥) sebesar 𝛽1 dan secara matematis dapat
dinyatakan sebagai 𝛽1 𝑔(𝑥 + 1) − 𝑔(𝑥) . Apabila pada variabel prediktor x terjadi
perubahan sebesar c unit maka akan memberikan perubahan pada 𝑔(𝑥) sebesar 𝛽1
dan secara matematis dapat dinyatakan sebagai 𝛽1 𝑔(𝑥 + 1) − 𝑔(𝑥) . Apabila pada
perubahan pada 𝑔(𝑥) sebesar 𝑐𝛽1 dan dan secara matematis dapat dinyatakan
dilihat dari indeks prestasi dan lamanya studi yang menghasilkan predikat
beban studi yang telah ditempuk, IPK yang didapatkan mahasiswa, dan
tinggi tersebut.
(2) dan ayat (3) Predikat kelulusan yang dinyatakan pada transkrip akademik
a. Memuaskan;
dimaksud pada ayat (2) dan ayat (3) selain memperhatikan masa studi maksimum
yaitu n (masa studi terjadwal) di tambah 1 tahun untuk program sarjana atau
program vokasi, dan ditambah 0,5 tahun untuk program magister, doktor dan
profesi. Pada perguruan tinggi tidak semua mahasiswa yang mampu mencapai
predikat dengan pujian. Hal ini menunjukkan bahwa untuk memperoleh IPK
sebagai prestasi akademik dapat dipengaruhi oleh beberapa faktor, baik itu faktor
juga perlu menyelesaikan sejumlah kredit mata kuliah atau beban studi yang telah
ditetapkan perguruan tinggi untuk dapat memperoleh IPK maupun gelar sarjana
matakuliah yang ditempuh sejak semester pertama sampai akhir. IPK merupakan
(Lembang dan Fendjalang, 2015). Tipe skala data peubah IPK adalah ordinal dan
diatur dalam Peraturan Rektor Universitas Halu Oleo No. 1 Tahun 2019 Tentang
kategori yaitu:
menyelesaikan beban studi pendidikan yang terhitung mulai dari awal masuk
kuliah sampai dinyatakan lulus dari atau telah menyelesaikan studinya (Yelfera et
al., 2022). Pada Peraturan Rektor Universitas Halu Oleo Nomor 1 tahun 2019
paling sedikit 144 (seratus empat puluh empat) sks dan ditempuh paling lama 7
(tujuh) tahun akademik. Dikatakan lulus tepat waktu apabila dapat menyelesaikan
studi kurang atau sama dengan empat tahun dan dikategorikan lulus tidak tepat
waktu apabila menyelesaikan studi lebih dari empat tahun (Nurahmah et al.,
2013).
2.11.2 Angkatan
sebagai (1) generasi atau sekelompok orang yang sezaman (sepaham dan
sebagainya); (2) yang diangkat (pangkat, jabatan); (3) ketetapan atau penetapan
menjadi pegawai (naik pangkat dan sebagainya). Sedangkan, kata masuk berarti
prajurit, penganut agama, dan sebagainya) (Kamus Bahasa Indonesia, 2008: 994).
yang secara resmi diterima sebagai siswa berdasarkan peraturan yang berlaku
pada sekolah atau lembaga tertentu pada tahun tertentu. Berpendapat bahwa
angkatan berasal dari kata 17 angkat, yang berarti pada saat seseorang masuk
dalam penelitian ini dapat dipahami sebagai tahun dimana sekelompok orang
secara resmi tercantum dan menjadi mahasiswa di universitas berdasarkan
Asal daerah adalah tempat dimana seseorang menetap dan tercatat dalam
berjenis kelamin laki-laki diprediksi akan menyelesaikan masa studi dengan tepat
waktu.
penelitian sebelumnya yang berkaitan dengan masalah penelitian utama yang akan
sebelumnya akan diuraikan secara singkat karena penelitian ini mengacu pada
Analisis regresi logistik ordinal merupakan salah satu metode statistik yang
digunakan untuk mencari pengaruh antara variabel respon dengan satu atau lebih
variabel prediktor. Pada penelitian ini analisis regresi logistik ordinal diterapkan
mahasiswa, jurusan dan jenis kelamin. Data diperoleh dari bagian akademik F-
jurusan.
Penulis dalam hal ini lebih memfokuskan penelitian yang akan dilakukan
predikat kelulusan yang diukur dengan menggunakan IPK. Untuk melihat faktor-
(X), dimana variabel respons memiliki lebih dua kategori dan berskala ordinal
maka analisis yang dapat digunakan adalah analisis regresi logistik ordinal.
ITS Surabaya, di dapatkan hasil dari penelitian ini bahwa berdasarkan jalur masuk
ke ITS, jalur masuk PMDK beasiswa dan PMDK prestasi menunjukkan paling
banyak mendapatkan lulusan dengan pujian, maka dapat disimpulkan bahwa jalur
penelitian ini bahwa jenis kelamin perempuan lebih tinggi daripada jenis kelamin
daerah memiliki pengaruh tertinggi pada mahasiswa berasal dari dalam kota.