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).
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.
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
BalasHapusYa regresi ordinal. Terima kasih.
Hapusmaaf, bagaimana ya cara regresi ordinal secara manual ataupun dengan excel
BalasHapusMohon maaf kami tidak tahu. Terima kasih.
HapusKalau 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..
BalasHapusCoba baca2 artikel di atas. Terima kasih.
HapusVariabel X saya nominal, dan Y nya ordinal. Uji statistik yg tepat apa ya?, dan pengambilan kesimpulannya pakai apa ya?
BalasHapusMohob bantuannya. Terimakasih banyak
Jika nominal coba gunakan Chi Square, kecuali Anda transformasikan dulu menjadi dummy. Terima kasih.
Hapussaya 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
BalasHapusBisa dengan regresi ordinal. Terima kasih.
HapusPak saya mau bertanya uji apa saja yang dilakukan jika menggunakan regresi logistik ordinal pak?
BalasHapusRegresi Logistik Ordinal?
Hapuspak saya mau bertanya , regresi sederhana perlu tidak untuk dilakukan uji asumsi klasik ?
BalasHapusIni postingan regresi ordinal. Terima kasih.
HapusMaaf saya ingin bertanya.. jika variabrl y saya ada 2.. yang variabel 1 ordinal yang kedua bukan ordnial. Sebaiknya menggunakan apa? Terima kasih
BalasHapusMenggunakan apanya? Mohon diperjelas. Terima kasih.
HapusMaaf 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
BalasHapusKalau hubungan bisa menggunakan korelasi. Regresi cenderung ke pengaruh (inferensial). Terima kasih.
HapusMohon info kalau variabel X saya ada beberapa dan kategorikal nominal spt jenis kelamin, status menikah dll dan ingin dilihat pengaruhnya terhadap tingkat kepuasan hidup yg dijadikan data kategori ordinal berarti lebih baik pakai regresi ordinal daripada regresi logistik atau bisa dua duanya ?
BalasHapusUntuk variabel terikat skala ordinal, gunakan regresi ordinal, untuk dummy gunakan regresi logistik. Terima kasih.
Hapuskak, 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
BalasHapusOrdinal menggunakan statistik non parametrik. Terima kasih.
HapusPak 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
BalasHapusDi artikel sudah dijelaskan semuanya. Terima kasih.
HapusBismillah, 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?
BalasHapusMohon jawabannya,Terimakasih
Dicoba saja kak satu-satu, nanti diambil yang terbaik. Ini asumsinya data sudah dikumpulkan dengan cara yang benar lho. Terima kasih.
Hapuskak, boleh bertanya.. untuk mengetahui hubungan terkait variabel independent( skala ordinal ) dengan variabel dependentnya (skala nominal) apakah bisa menggunakan regresi ordinal? terimakasih dan mohon jawabanya
BalasHapusKalau 'hubungan' coba gunakan korelasi saja. Terima kasih.
Hapusizin bertanya pak, jika variabel x dan y skala data keduanya ordinal, dengan judul pengaruh, analisis data regresi ordinal adalah yang paling tepat ya?
BalasHapusCoba Anda simak di rujukan penelitian Anda. Terima kasih.
Hapuspak 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.
BalasHapusUntuk variabel terikat, karena hanya ada dua, bisa gak diubah ke dummy? Jadi nantinya menggunakan regresi logistik. Terima kasih.
HapusMaaf 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
BalasHapusKalau dependen nominal tidak bisa dikenai regresi. Terima kasih.
HapusPermisi, izin bertanya.. jika datanya data dari kuesioner skala likert apakah harus menggunakan regresi ordinala juga mas sehingga asumsi klasik tidak diperlukan?
BalasHapusBanyak yang menggunakan regresi linear dengan likert. Terima kasih.
BalasHapusPagi 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
BalasHapusBisa, tapi lebih simpel dengan Chi Square kak
Hapus