Professional Documents
Culture Documents
Logistik Ordinal, Mulawarman PDF
Logistik Ordinal, Mulawarman PDF
Abstract
Ordinal logistic regression is one of the logistic regression model, where the scale of dependent variable is
categorical and ordinal. The independent variables can be categorical, continuous, or combination of both.
The purpose of this study was aim to determine the best ordinal logistic regression model of Statistics
Graduates GPA in FMIPA UNMUL using ordinal regression logistic. The results showed the best ordinal
logistic regression model of Statistics Graduates GPA in FMIPA UNMUL are
and . Factors affecting the statistics graduate
GPA in FMIPA UNMUL using ordinal logistic regression were the gender and the duration of study
.
regresi linear. Jika prosedur linear dalam dikotomi adalah menggunakan metode Maximum
mengestimasi nilai parameter sering Likelihood Estimation (MLE). Estimasi dari
menggunakan metode OLS (Ordinary Least parameter regresi logistik ordinal didapatkan
Squares), maka untuk mengestimasi nilai dengan menurunan parsial pertama fungsi ln
parameter dalam regresi logistik adalah dengan likelihood terhadap parameter yang akan
menggunakan metode MLE (Maximum diestimasi kemudian disamakan dengan nol.
Likelihood Estimation). Persamaan logistiknya Estimasi dari parameter regresi logistik ordinal
adalah [4]: didapatkan dengan menurunkan fungsi log
x likelihood terhadap parameter yang akan
g (x) ln diestimasi dan disamakan dengan nol [4].
1 x
p
o jx j
Uji Serentak
= ln e j 1
Uji serentak bertujuan untuk mengetahui
p pengaruh variabel bebas secara serentak terhadap
= o j
xj variabel terikat. Langkah pengujian adalah
j 1
sebagai berikut:
Analisis Regresi Logistik Ordinal
Hipotesis :
Regresi logistik ordinal merupakan salah satu
H0 : βk = 0, dengan k = 1,2,...,p. (Secara simultan
metode statistika untuk menganalisis variabel
variabel bebas tidak berpengaruh terhadap
terikat yang mempunyai skala ordinal yang terdiri
variabel terikat)
atas tiga kategori atau lebih. Variabel bebas yang
H1 : βk ≠ 0, dengan k = 1,2,...,p (minimal ada
dapat disertakan dalam model dapat berupa data
satu variabel bebas yang berpengaruh
kategori atau kontinu yang terdiri atas dua
secara simultan terhadap variabel terikat)
variabel atau lebih[6].
Model yang dapat dipakai untuk regresi
Statistik uji :
logistik ordinal adalah model logit. Model logit
Statistik uji yang digunakan adalah G
tersebut adalah cumulative logit models. Pada
likelihood ratio:
model logit ini sifat ordinal dari respon Y
dituangkan dalam peluang kumulatif sehingga
cumulative logit models merupakan model yang
didapatkan dengan membandingkan peluang
kumulatif yaitu peluang kurang dari satu atau
sama dengan kategori respon ke-j pada p variabel
terikat yang dinyatakan dalam vektor X, Statistik uji G ini mengikuti distribusi chi-
, dengan peluang lebih besar dari kategori square dengan derajat bebas banyaknya parameter
respon ke-j, (Hosmer dan Lemeshow, dalam model. Keputusan uji diperoleh dengan
2
2000). Peluang kumulatif, , membandingkan nilai G dan nilai . ditolak
didefinisikan sebagai berikut [1]. bila dimana p adalah jumlah prediktor
p dalam model atau ditolak bila p-value < [4].
exp x
j k k
k 1
P (Y j | X)
p
Uji Individu
1 exp x Dalam uji individu ini, pengujian dilakukan
j k k
k 1 dengan menguji setiap βk secara individual.
Dalam hal klasifikasi, Cumulative Logit Model Hipotesis:
merupakan fungsi pembeda atau fungsi H0 : βk = 0, k = 1 ,2 ,…, p (tidak ada pengaruh
klasifikasi. Fungsi klasifikasi yang terbentuk bila variabel bebas ke-k terhadap variabel
terdapat J kategori respon adalah sejumlah J – 1. terikat)
Jika menyatakan peluang H1 : βk ≠ 0, untuk suatu βj (ada pengaruh
kategori respon ke-j pada p variabel prediktor variabel bebas ke-k terhadap variabel
yang dinyatakan dalam vektor X dan terikat)
menyatakan peluang kumulatif pada p variabel
prediktor yang dinyatakan dalam vektor X maka Statistik Uji:
nilai didapatkan dengan persamaan Pengujian signifikansi parameter model secara
berikut[4]: individu dapat diuji dengan Wald test.
P (Y j | X ) (X ) (X ) ... (X )
1 2 J
Penaksiran Parameter
Penaksiran parameter pada model regresi Statistik Wald mengikuti distribusi normal
logistik yang mempunyai variabel terikat sehingga untuk memperoleh keputusan pengujian,
dibandingkan nilai W dengan nilai zα/2 (H0 ditolak data dan menerapkan metode statistika secara
jika nilai W > zα/2 atau p-value < α) [5]. benar di bidang bisnis, industri, sosial, kesehatan,
komputasi atau mampu mengembangkan metode
Interpretasi Koefisien Model Regresi Logistik statistika.
Ordinal Kompetensi pendukung lulusan program studi
Interpretasi dari suatu model merupakan statistika adalah mempunyai pemahaman konsep
inferensi dan pengambilan kesimpulan dasar matematika yang mendukung teori dasar
berdasarkan koefisien yang diestimasi. Koefisien statistika untuk pengembangan metode statistika
tersebut menggambarkan slope atau perubahan serta mampu mengaplikasikannya di salah satu
pada variabel terikat per unit perubahan pada bidang industri, bisnis, sosial, kesehatan dan
variabel bebas. komputasi. Kompetensi lainnya adalah mampu
Interpretasi dari suatu model menyangkut 2 hal berkomunikasi, berinteraksi dan beradaptasi
yaitu : dengan lingkungan dalam konteks keilmuan,
1. Perkiraan mengenai hubungan fungsional mampu berbahasa inggris dengan baik serta
antara variabel terikat dengan variabel bebas. memiliki pengetahuan dasar kepemimpinan,
2. Menentukan pengaruh pada variabel terikat kemasyarakatan dan kewirausahaan [6].
yang disebabkan oleh tiap unit perubahan
pada variabel bebas. Indeks Prestasi Kumulatif
Untuk menginterpretasikan koefisien Penilaian keberhasilan akademik mahasiswa
parameter, digunakan odds ratio(ψ). Interpretasi didasarkan pada nilai bobot rata-rata atau Indeks
atau penaksiran dari perbandingan selisih/odds Prestasi (IP). Indeks prestasi dibedakan atas
ratio (ψ) adalah menjelaskan berapa kali lipat Indeks Prestasi Semester (IPS) dan Indeks
kenaikan atau penurunan peluang Y = 1, jika nilai Prestasi Kumulatif (IPK). IPS dan IPK dihitung
variabel bebas (X) berubah sebesar nilai tertentu. dari mata kuliah yang tertulis dalam Kartu
Nilai odds ratio selalu positif [5]. Rancangan Studi (KRS), bukan hanya matakuliah
Hubungan antara odds-ratio ( ) dan parameter yang diujikan. Dalam Daftar Presensi Ujian
model ( ) adalah: (DPU) tidak boleh ada nilai mata kuliah yang
dikosongkan [6].
ab
exp b a
Jika 1 , maka dapat disimpulkan antar Ketentuan Pemberian Nilai Mata Kuliah
kedua variabel terdapat hubungan Nilai akhir (angka mutu) suatu mata kuliah
negatif. wajib diumumkan yang terdiri dari nilai
Jika 1 , maka dapat disimpulkan antar
praktikum, nilai kuis/tugas-tugas lain dan nilai
ujian akhir yang telah diselenggarakan selama
kedua variabel terdapat hubungan
satu semester. Nilai akhir suatu mata kuliah
positif.
(angka mutu) disusun oleh dosen mata kuliah
Penggunaan prinsip ini berlaku juga untuk
yang dimuat dalam DPU yang dibuat rangkap
keadaan di mana didapatkan lebih dari satu
tiga, dan setelah tiap lembar ditandatangani oleh
variabel bebas. Interpretasi koefisien untuk model
dosen, yang kemudian diserahkan kepada
regresi logistik ordinal dapat dilakukan dengan
fakultas.
menggunakan nilai rasio oddsnya. Parameter βk
Nilai mata kuliah yang diperoleh dari ujian
menyatakan perubahan dalam fungsi logit L(X)
perbaikan pada semester reguler dan atau
untuk perubahan satu unit peubah bebas X k = a
semester pendek, dipakai nilai tertinggi yang
dan Xk = b yang disebut log odds dan dinotasikan
pernah dicapai, maksimal nilai huruf B. Pengisian
sebagai ln[ψ (a,b)] dimana :
nilai akhir mahasiswa dilakukan oleh dosen yang
ln[ψ (a,b)] = L(Xk = a) – L(Xk = b)
bersangkutan dan atau petugas fakultas melalui
= βk (a–b)
sistem informasi akademik (SIA) di fakultas
Sehingga didapat penduga untuk odds ratio
masing-masing [6].
sebagai berikut [4]:
. Metodologi Penelitan
Penelitian ini dilakukan dengan mengambil
Program Studi Statistika FMIPA UNMUL data IPK lulusan Program Studi Statistika FMIPA
Program studi Statistika FMIPA UNMUL UNMUL yang merupakan rekapan data dari
didirikan pada tanggal 30 Agustus 2001. Program program studi Statistika.
Sarjana (S1) Statistika mempunyai beban studi Metode yang digunakan untuk penarikan
144 Satuan Kredit Semester (SKS) yang sampel adalah sampling purposif, yaitu sampel
dijadwalkan dalam 8 semester dan maksimum 14 yang digunakan mempertimbangkan kelengkapan
semester. data yang ada[1]. Analisis data dalam penelitian ini
Kompetensi utama lulusan program studi menggunakan software komputer, yaitu SPSS 16
statistika adalah mampu merancang pengumpulan
untuk analisis deskriptif dan Minitab 14 untuk Berdasarkan Tabel 3 dapat diintepretasikan
analisis regresi logistik ordinal. bahwa sebanyak 44 lulusan yang berasal dari
Samarinda mendapatkan nilai IPK lulus sangat
Hasil dan Pembahasan memuaskan dan hanya 8 lulusan yang
Berdasarkan data penelitian faktor-faktor yang mendapatkan nilai IPK lulus memuaskan.
mempengaruhi nilai IPK (Y) mahasiswa lulusan
Tabel 4. Tabulasi Pekerjaan Orang Tua
program studi Statistika FMIPA UNMUL yaitu
terhadap IPK (Y)
jenis kelamin , jenis sekolah menengah ,
Jenis Sekolah Menengah
daerah asal , pekerjaan orang tua , lama Juml
P Swasta
studi dan usia masuk perguruan tinggi IPK Pekerjaan Wira
N ah
akan dianalisis menggunakan analisis regresi Lainnya swasta
S
logistik ordinal. Memuaskan 3 4 0 10 17
Sangat
9 21 11 35 76
Analisis Deskriptif Memuaskan
Dengan
Analisis deskriptif dilakukan untuk Pujian
3 18 10 32 63
mengetahui karakteristik data IPK dengan melihat Jumlah 15 14 21 77 156
hasil dari tabulasi silang antar variabel. 6
Tabel 1. Tabulasi Jenis Kelamin terhadap IPK (Y) Berdasarkan Tabel 4 dapat diintepretasikan
Jenis Kelamin bahwa sebanyak 21 lulusan dengan pekerjaan
IPK Laki- Jumlah orang tua pns mendapatkan nilai IPK lulus sangat
Perempuan
laki
memuaskan dan hanya 4 lulusan yang
Memuaskan 6 11 17
Sangat
mendapatkan nilai IPK lulus memuaskan.
39 37 76
Memuaskan Tabel 5.Tabulasi Lama Studi terhadap IPK (Y)
Dengan Lama Studi (Tahun)
53 10 63
Pujian IPK 5,33 < 3,66 ≤ Jumlah
Jumlah 98 58 156 ≤ 7,00 ≤ 5,33
Berdasarkan Tabel 1 dapat diintepretasikan Memuaskan 2 15 17
Sangat
bahwa sebanyak 70 lulusan jurusan SMA di Memuaskan
6 70 76
sekolah menengah mendapatkan nilai IPK lulus Dengan
sangat memuaskan dan hanya 15 lulusan 2 61 63
Pujian
mendapatkan nilai IPK lulus memuaskan. Jumlah 10 146 156
Tabel 3. Tabulasi Daerah Asal terhadap IPK (Y) Berdasarkan Tabel 6 dapat diintepretasikan
Daerah Asal bahwa sebanyak 63 lulusan dengan usia pada saat
IPK Luar Samarinda Jumlah diterima lebih dari atau sama dengan 16 tahun
Samarinda sampai kurang dari atau sama dengan 19 tahun
Memuaskan 9 8 17 mendapatkan IPK dengan pujian dan hanya 16
Sangat lulusan yang mendapatkan nilai IPK lulus
32 44 76
Memuaskan memuaskan.
Dengan
31 32 63
Pujian
Jumlah 72 84 156
Uji Serentak
Pengujian secara serentak dilakukan dengan Interpretasi Model
menggunakan likelihood ratio test. Interpretasi model yang terbentuk
Tabel 8. Hasil Likelihood Ratio Test menggunakan OR. Nilai OR yang signifikan
G DF P-value dalam model berdasarkan output Minitab 14 pada
55,158 8 0,000 lampiran 2 adalah Jenis Kelamin (X1) dan Lama
Studi (X5).
Berdasarkan Tabel 8 dapat disimpulkan bahwa
nilai statistik uji G sebesar 55,158 yang lebih Tabel 11. Nilai Odds Ratio
besar dari nilai tabel = 12,592. Dan nilai p- Variabel OR
Jenis Kelamin (X1): Perempuan 0,22
value = 0,000 yang lebih kecil dari = 0,05 maka
Lama Studi (X5):
dapat diambil kesimpulan bahwa dengan 4,58
pengujian secara serentak model IPK dengan 3,66 ≤ (X5) ≤ 5,33 tahun
regresi logistik ordinal dengan enam variabel Berdasarkan Tabel 11 nilai OR variabel jenis
bebas signifikan atau ditolak yang berarti kelamin laki-laki adalah sebesar 0,22, ini dapat
bahwa minimal ada satu parameter yang diartikan bahwa mahasiswa yang memiliki jenis
signifikan. kelamin laki-laki mendapatkan nilai IPK lebih
rendah 0,22 kali dari mahasiswa yang memiliki
Uji Individu jenis kelamin laki-laki.
Pengujian secara individu digunakan untuk Nilai OR variabel, 3,66 ≤ (X5) ≤ 5,33 tahun
mengetahui variabel bebas yang signifikan secara adalah 4,58, ini dapat diartikan bahwa mahasiswa
individu. 3,66 ≤ (X5) ≤ 5,33 tahun mendapatkan nilai IPK
Tabel 9. Uji Individu Variabel X dengan Variabel Y lebih tinggi 4,58 kali dari mahasiswa 5,33 tahun <
Var Wald P-value Keputusan (X1) ≤ 7.
Konstan(1) 2,25 0,002 Terima H0
Konstan(2) 2,65 0,008 Terima H0 Kesimpulan
X1 -4,49 0,000 Terima H0 Berdasarkan hasil analisis dan pembahasan,
X2 -1,62 0,106 Tolak H0 maka diperoleh kesimpulan yaitu:
X3 -1,40 0,161 Tolak H0 1. Model regresi ordinal terbaik pada data IPK
X4 1,52 0,128 Tolak H0 lulusan Program Studi Statistika FMIPA
X5 4,70 0,000 Terima H0 UNMUL adalah:
X6 -0,48 0,634 Tolak H0