Professional Documents
Culture Documents
com
www.statistikolahdata.com
REGRESI ORDINAL
The ordinal regression method was used to model the relationship between the ordinal outcome
variable, e.g., different levels of student satisfaction regarding the overall college experience,
and the explanatory variables concerning demographics and student learning environment in a
predominantly minority health sciences center. The outcome variable for student satisfaction
was
measured
on
an
ordered,
categorical,
and
four-point
Likert
scale-'very
golongan, kategori, skala empat-arah likert-'sangat tidak puas', 'tidak puas', 'puas', 'sangat puas'.
Penjelasan variabel menyangkut 2 demografi, misal gender dan ras, dan 42 pertanyaan kuesioner
yang berhubungan dengan kepuasan terhadap keterlibatan fakultas, materi kurikulum, pusat
penunjang, fasilitas, dan aktivitas waktu luang saat kuliah. Kesimpulan umum yang mencakup
pembangunan model untuk regresi ordinal memutuskan variabel mana yang harus dimasukan
pada model dan memilih fungsi hubungan (misal logit link atau complementary link) yang
menunjukan kesesuaian model. Selain itu, model statistik yang sesuai, keakuratan hasil
klasifikasi, dan validasi asumsi model , misalnya paralel lines, umumnya digunakan untuk
menyeleksi model yang terbaik,(Chau-Kuang Chen, John Hughes, Jr, 2004)
Sumber : SPPS Complete,Yamin dan Kurniawan 2009)
Seperti penjelasan di atas. regresi ordinal adalah analisis regresi dimana variabel dependen atau
terikat (Y) menggunakan skala ordinal. Apa itu skala ordinal...? masih ingat!! Okey...skala
ordinal adalah skala pengukuran yang berupa data tingkatan atau rangking. Sedangkan variabel
independen atau bebasnya bisa merupakan covariate (jika skala interval atau rasio) atau factor
1
Jasa Olah Data, Hub : 08816637417 atau email : suseno16@gmail.com
www.statistikolahdata.com
2. Complementary Log-log.
Digunakan untuk data yang mempunyai kecenderungan bernilai tinggi.
Persamaan : f(x) = ln ln 1
3.
Negative Log-log
Digunakan untuk data yang mempunyai kecenderungan bernilai rendah
Persamaan : f(x) = lnln
4. Probit
Digunakan jika variabel latent terdistribusi secara normal.
Persamaan : f(x) =
dengan
standar normal.
5.
www.statistikolahdata.com
2. Masukkan variabel minat belajar ke kotak dependent, gender ke kotak Factor(s) dan
Nilai prestasi ke Covariate(s).
4. Pilih Output dan tik kotak Predicted category, Estimated response probabilities dan Test
of parallel lines. Klik Continue
3
Jasa Olah Data, Hub : 08816637417 atau email : suseno16@gmail.com
www.statistikolahdata.com
5. Klik OK
Tabel Goodness of Fit menunjukkan uji kesesuaian model dengan data. Nilai Pearson
4
Jasa Olah Data, Hub : 08816637417 atau email : suseno16@gmail.com
www.statistikolahdata.com
sebesar 317,892 dengan signifikansi 0,991 (> 0,05) dan Deviance sebesar 350,797 dengan
signikansi 0,856 (> 0,05). Hal ini berarti model sesuai dengan data empiris atau model layak
digunakan.
Tabel Pseudo R-Square menunjukkan bahwa seberapa besar variabel bebas (gender dan
nilai prestasi) mampu menjelaskan variabel independen (minat belajar). Nilai ini seperti halnya
koefesien determinasi pada regresi. Nilai Cox and Snell sebesar 0,044 (4,4%) dan Nagelkerke
sebesar 0,052 (5,2%).
Tabel Parameter Estimate di atas, perhatikan nilai Wald dan nilai signifikansinya. Variabel
nilai prestasi sebesar 6.177 dengan sig. 0,013 (< 0,05) dan variabel gender sebesar 9,163 dengan
sig.0,02 (< 0,05). Hal ini menunjukkan faktor nilai prestasi dan gender berpengaruh terhadap
minat belajar.
5
Jasa Olah Data, Hub : 08816637417 atau email : suseno16@gmail.com
www.statistikolahdata.com
Tabel Test of Parallel Lines digunakan untuk menguji asumsi bahwa setiap kategori
memiliki parameter yang sama atau hubungan antara variabel independen dengan logit adalah
sama untuk semua persamaan logit. Oleh karena nilai signifikansi 0,648 (> 0,05), maka terima
H0 bahwa model yang dihasilkan memiliki parameter yang sama sehingga pemilihan link
function adalah sesuai. Namun sebaliknya bila asumsi ini tidak terpenuhi, maka pemilihan link
function logit tidak tepat.
6
Jasa Olah Data, Hub : 08816637417 atau email : suseno16@gmail.com