Pengantar Regresi Ordinal

Ordinal regression (regresi ordinal) adalah analisis regresi di mana variabel terikatnya menggunakan skala ordinal. Apakah itu skala ordinal? Silahkan simak di postingan Skala Pengukuran Statistik. Sedangkan variabel bebasnya bisa merupakan Covariate (jika menggunakan skala interval atau rasio) atau bisa merupakan Factor (jika menggunakan skala nominal atau ordinal).
Ordinal regression (regresi ordinal) adalah analisis regresi di mana variabel terikatnya menggunakan skala ordinal
Ranking Juara adalah Contoh Skala 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). Jadi kemungkinan kategori sopir, misalnya

Sebagai perokok berat, kemungkinannya 0,4
Sebagai perokok sedang, kemungkinannya 0,3
Sebagai perokok ringan, kemungkinannya 0,2
Sebagai tidak merokok, kemungkinannya 0,1

Maka cummulative probability dapat dihitung sebagai berikut:

Perokok berat, cummulative probabilitinya 0,4
Perokok berat atau sedang, cummulative probabilitinya 0,4 + 0,3 = 0,7
Perokok berat atau sedang atau ringan, cummulative probabilitinya 0,4 + 0,3 + 0,2 = 0,9
Perokok berat atau sedang atau ringan, cummulative probabilitinya 0,4 + 0,3 + 0,2 + 0,1 = 1

Bisa dipahami? Jadi dalam hal ini perhitungan yang terakhir akan memberikan nilai 1 (atau 100%).

Dari simulasi tersebut mudah-mudahan bisa dipahami. Sehingga dengan kata-kata sederhana, regresi ordinal dapat memberikan jawaban, seberapa besar kemungkinan seorang sopir itu menjadi seorang perokok berat? Jawabannya yaitu sebesar 0,4. Lebih lanjut, seberapa besar kemungkinan seorang sopir menjadi seorang perokok berat atau perokok sedang? Jawabannya 0,7. Seberapa besar kemungkinan seorang sopir menjadi perokok berat atau perokok sedang atau perokok ringan (dengan kata lain merokok), jawabannya 0,9. Nah yang terakhir kan tidak perlu dipertanyakan. Karena pertanyaannya akan menjadi seberapa besar kemungkinan seorang sopir merokok atau tidak merokok? Jawabannya ya pastilah 1.

Sudah mendapatkan pecerahan??? Dalam implikasinya, regresi ordinal hanya akan memberikan persamaan untuk memprediksi seberapa besar kemungkinan sopir merokok berat, merokok berat atau sedang, dan merokok berat atau sedang atau ringan. Itu saja. Tidak ada persamaan yang memprediksikan seberapa besar kemungkinan sopir itu menjadi seorang perokok berat, atau sedang atau ringan atau tidak merokok. Karena yang jelas lah jawabannya mesti 1.

Contohnya begini, misalnya ada judul penelitian seperti ini: Pengaruh Quick ratio (QR), Return on Assets (ROA) dan Debt to Equity Ratio (ER) terhadap opini audit.

Dalam hal ini variabel bebasnya merupakan covariate, dan opini audit dilambangkan dengan 5 (wajar tanpa pengecualian), 4 (wajar dengan pengecualian), 3 (wajar dengan catatan), 2 (tidak wajar) dan 1 (tidak memberikan pendapat). Setelah dilakukan perhitungan regresi ordinal, maka akan memberikan 3 persamaan yaitu persamaan yang mencerminkan pengaruh QR, ROA dan DER terhadap kemungkinan perusahaan mendapatkan opini auditor 5, persamaan kedua adalah persamaan yang mencerminkan pengaruh QR, ROA dan DER terhadap kemungkinan perusahaan mendapatkan opini auditor 5 atau 4 dan persamaan ketiga adalah terhadap kemungkinan perusahaan mendapatkan opini audit 5 atau 4 atau 3. Nah jika anda ingin melihat seberapa besar kemungkinan perusahaan mendapatkan opini 4 saja, ya anda tinggal mengurangkan seberapa besar kemungkinan perusahaan mendapatkan opini 5 dan 4 dengan seberapa besar kemungkinan perusahaan mendapatkan opini 4.

O ya, terdapat lima pilihan regresi ordinal atau sering disebut option link. Kelima pilihan tersebut adalah Logit, Complementari log-log, Negative log-log, Probit dan Cauchit. Pilihannya tergantung dari distribusi data yang dianalisis. Panduannya kurang lebih sebagai berikut:

Logit dengan persamaan: f(x) = log(x/(1-x))
Digunakan pada kebanyakan distribusi data, jadi Program SPSS secara default menggunakan option link berupa Logit

Complementary Log-log dengan persamaan f(x) = log(-log(1-x))
Digunakan untuk data yang mempunyai kecenderungan bernilai tinggi.

Negative Log-log dengan persamaan f(x) = -log(-log(x))
Digunakan untuk data yang mempunyai kecenderungan bernilai rendah

Probit dengan persamaan f(x) = O-1 (x) dengan O-1 adalah fungsi inverse distribusi kumulatif standar normal
Digunakan jika variabel latent terdistribusi secara normal

Cauchit (Inverse Cauchy) dengan persamaan f(x) = tan(Phi(x-0,5))
Digunakan jika variabel latent mempunyai nilai yang ekstrem

Kelima option di atas harus ditentukan dengan menelaah distribusi data. Bagi yang berminat dengan regresi ordinal, tolong ini ditelaah dulu sebelum masuk kepada cara menggunakan regresi ordinal dengan Program SPSS. Kalau masih ada yang kurang jelas silahkan berkomentar dan subscribe aja, jadi jawabannya akan otomatis masuk ke email anda. 
Share:

37 komentar:

  1. Saya ingin bertanya, kalau variabel Y merupakan skala ordinal, dan 5 variabel x (1 skala ordinal, 4 skala rasio) menggunakan regresi apa ya baik nya? Terimakasih

    BalasHapus
  2. maaf, bagaimana ya cara regresi ordinal secara manual ataupun dengan excel

    BalasHapus
  3. Kalau untuk menguji pengaruh x1 x2 x3 terhadap Y dan datanya semua ordinal.. bisa menggunakan regresi apa yaa?tadinya mau pakai OLS tapi distribusi data tidak normal..

    BalasHapus
  4. Variabel X saya nominal, dan Y nya ordinal. Uji statistik yg tepat apa ya?, dan pengambilan kesimpulannya pakai apa ya?
    Mohob bantuannya. Terimakasih banyak

    BalasHapus
    Balasan
    1. Jika nominal coba gunakan Chi Square, kecuali Anda transformasikan dulu menjadi dummy. Terima kasih.

      Hapus
  5. saya ingin bertanya , kalau variabel Y berupa skala ordinal dan 4 variabel X berupa rasio dan dummy , menggunakan regresi apa ya baiknya ? msalahnya penelitian saya untuk mencari pengaruh , terima kasih

    BalasHapus
  6. Pak saya mau bertanya uji apa saja yang dilakukan jika menggunakan regresi logistik ordinal pak?

    BalasHapus
  7. pak saya mau bertanya , regresi sederhana perlu tidak untuk dilakukan uji asumsi klasik ?

    BalasHapus
    Balasan
    1. Ini postingan regresi ordinal. Terima kasih.

      Hapus
  8. Maaf saya ingin bertanya.. jika variabrl y saya ada 2.. yang variabel 1 ordinal yang kedua bukan ordnial. Sebaiknya menggunakan apa? Terima kasih

    BalasHapus
    Balasan
    1. Menggunakan apanya? Mohon diperjelas. Terima kasih.

      Hapus
  9. Maaf saya ingin bertanya, variabel dependen saya ordina, dan variabel independen saya, interval, ordinal dan nominal, apa bisa menggunakan regresi ordinal? Saya ingin mengetahui hubungan. Terima kasih

    BalasHapus
    Balasan
    1. Kalau hubungan bisa menggunakan korelasi. Regresi cenderung ke pengaruh (inferensial). Terima kasih.

      Hapus
  10. Untuk variabel terikat skala ordinal, gunakan regresi ordinal, untuk dummy gunakan regresi logistik. Terima kasih.

    BalasHapus
  11. kak, mau tanya apabila variabel dependen dan independen saya data ordinal, namun lebih dari 2x2 (melainkan 3x5), tes statistik apa ya yang paling baik digunakan? terima kasih

    BalasHapus
    Balasan
    1. Ordinal menggunakan statistik non parametrik. Terima kasih.

      Hapus
  12. Pak mau tanya, penelitian saya judulnya pengaruh religiusitas orgtua dan kompetensi kepribadian guru terhadap motivasi belajar.2 variabel bebas dan variabel terikatnya semuanya data ordinal, brarti saya menggunakan regresi ordinal berganda atau yg lainya? Dan syarat variabel bebas di analisis regresi ordinal berganda apa saja? apakah salah satu variabel bebasnya harus ada yg nominal/rasio sehingga disebut covariat dan salah satunya lagi bisa berupa ordinal yg disebut factor? mohon penjelasannya

    BalasHapus
    Balasan
    1. Di artikel sudah dijelaskan semuanya. Terima kasih.

      Hapus
  13. Bismillah, sy mau tanya. Bagaimna solusinya jika uji parallel lines pada regresi ordinal tidak sesuai artinya H0nya ditolak yg artinya pemilihat link function tidak tepat, apakah akan memengaruhi dalam pembentukan model regresinya atau tidak? Klo ya apakah ada solusi untuk mengatasi hal tersebut?

    Mohon jawabannya,Terimakasih

    BalasHapus
    Balasan
    1. Dicoba saja kak satu-satu, nanti diambil yang terbaik. Ini asumsinya data sudah dikumpulkan dengan cara yang benar lho. Terima kasih.

      Hapus
  14. kak, boleh bertanya.. untuk mengetahui hubungan terkait variabel independent( skala ordinal ) dengan variabel dependentnya (skala nominal) apakah bisa menggunakan regresi ordinal? terimakasih dan mohon jawabanya

    BalasHapus
    Balasan
    1. Kalau 'hubungan' coba gunakan korelasi saja. Terima kasih.

      Hapus
  15. izin bertanya pak, jika variabel x dan y skala data keduanya ordinal, dengan judul pengaruh, analisis data regresi ordinal adalah yang paling tepat ya?

    BalasHapus
    Balasan
    1. Coba Anda simak di rujukan penelitian Anda. Terima kasih.

      Hapus
  16. pak izin bertanya, jika variabel terikat berskala ordinal tetapi hanya memiliki 2 kategori sedangkan untuk 2 variabel bebasnya berskala ordinal juga tetapi memiliki 3 kategori apakah bisa menggunakan analisis regresi ordinal ini? terimakasih.

    BalasHapus
    Balasan
    1. Untuk variabel terikat, karena hanya ada dua, bisa gak diubah ke dummy? Jadi nantinya menggunakan regresi logistik. Terima kasih.

      Hapus
  17. Maaf ijin bertanya, penelitian saya bertujuan untuk mengetahui faktor dominan penyebab terjadinya ibu hamil KEK. Untuk variabel dependennya merupakan skala nominal. Untuk variabel independennya ada 8 item, 7 skala nominal dan 1 skala ordinal. Untuk analisinya lebih baik menggunakan uji regresi apa ya pak? Terimakasih

    BalasHapus
    Balasan
    1. Kalau dependen nominal tidak bisa dikenai regresi. Terima kasih.

      Hapus
  18. Permisi, izin bertanya.. jika datanya data dari kuesioner skala likert apakah harus menggunakan regresi ordinala juga mas sehingga asumsi klasik tidak diperlukan?

    BalasHapus
  19. Banyak yang menggunakan regresi linear dengan likert. Terima kasih.

    BalasHapus
  20. Pagi kak, izin bertanya, saya meneliti tentang pengaruh tayangan drama terhadap perilaku seks remaja, kedua variabel tersebut berskala ordinal, dan penelitian saya hanya terdiri dari 2 variabel tersebut saja, kira-kira apa bisa menggunakan regresi ordinal? Terima kasih

    BalasHapus
    Balasan
    1. Bisa, tapi lebih simpel dengan Chi Square kak

      Hapus

Baca dulu sebelum tulis komentar:

Sebelum menuliskan pertanyaan, mohon disimak tanya jawab yang ada terlebih dahulu. Pertanyaan yang sama atau senada biasanya tidak terjawab. Untuk pengguna Blogger mohon profil diaktifkan agar tidak menjadi dead link. Atau simak dulu di Mengapa Pertanyaan Saya Tidak Dijawab?
Simak juga Channel kami di Statistik TV
Komentar akan kami moderasi dulu sebelum ditampilkan. Aktifkan Akun Google Anda.

Terima kasih.

Artikel Terbaru

Translate

Instagram

Instagram
Gabung Instagram Kami

Artikel Terbaru

Jual Data Laporan Keuangan Perusahaan yang Listing di BEI Tahun 2020

Setiap perusahaan yang telah go public wajib untuk menyerahkan laporan keuangan ke badan otoritas, sebagai salah satu bentuk pertanggungjawa...

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *