Regresi Logistik Ordinal di SPSS: Panduan Lengkap

Dalam analisis statistik, seringkali kita dihadapkan pada situasi di mana variabel dependen bersifat kategorikal, namun kategori-kategorinya memiliki urutan tertentu. Contoh klasik meliputi skala kepuasan (sangat tidak puas, tidak puas, netral, puas, sangat puas), tingkat pendidikan (SD, SMP, SMA, Sarjana), atau tingkat keparahan penyakit (ringan, sedang, berat). Untuk menganalisis hubungan antara variabel independen dengan variabel dependen kategorikal berurutan ini, metode yang tepat adalah regresi logistik ordinal. SPSS (Statistical Package for the Social Sciences) merupakan salah satu perangkat lunak statistik yang populer dan menyediakan fitur untuk melakukan analisis ini dengan mudah.

Memahami Regresi Logistik Ordinal

Berbeda dengan regresi logistik biner yang memprediksi probabilitas suatu kejadian terjadi atau tidak terjadi (dua kategori), regresi logistik ordinal memperhitungkan adanya urutan pada kategori variabel dependen. Asumsi utama dari model ini adalah proportional odds assumption (asumsi peluang proporsional), yang menyatakan bahwa efek dari variabel independen terhadap kemungkinan kumulatif (yaitu, kemungkinan berada pada atau di bawah tingkat kategori tertentu) adalah konstan di seluruh kategori.

Misalnya, jika kita meneliti faktor-faktor yang mempengaruhi kepuasan pelanggan terhadap suatu produk, dan kepuasan diukur dalam skala 1 (sangat tidak puas) hingga 5 (sangat puas), regresi logistik ordinal akan melihat bagaimana variabel independen (misalnya, kualitas produk, harga, layanan pelanggan) mempengaruhi kemungkinan pelanggan berada pada skala 1, kemudian skala 1 atau 2, lalu skala 1, 2, atau 3, dan seterusnya.

Langkah-langkah Melakukan Regresi Logistik Ordinal di SPSS

Melakukan analisis regresi logistik ordinal di SPSS relatif mudah. Berikut adalah langkah-langkah umum yang perlu diikuti:

1. Memuat Data ke SPSS: Pastikan data Anda sudah terstruktur dengan baik di SPSS, dengan variabel dependen kategorikal berurutan dan variabel independen (bisa kategorikal atau numerik) tersusun dalam kolom yang sesuai.
2. Akses Menu Regresi Logistik Ordinal: Buka menu Analyze > Regression > Ordinal Logistic....
3. Menentukan Variabel:
   • Pindahkan variabel dependen Anda ke kotak Dependent.
   • Pindahkan variabel independen Anda ke kotak Independent(s).
4. Menentukan Model: Anda bisa memilih Link Function yang sesuai. Pilihan umum meliputi Logit (paling umum), Probit, atau Complementary log-log. Dalam kebanyakan kasus, Logit adalah pilihan standar.
5. Menentukan Kategori Referensi: SPSS akan secara otomatis menetapkan kategori referensi (biasanya kategori pertama). Anda dapat mengubahnya jika diperlukan.
6. Opsi Tambahan:
   • Klik Statistics untuk memilih output yang diinginkan, seperti Parameter estimates (koefisien regresi), Confidence intervals, Goodness-of-fit (uji kesesuaian model), Classification table, dan Test of parallel lines (untuk menguji asumsi proportional odds).
   • Klik Save jika Anda ingin menyimpan nilai prediksi atau probabilitas.
7. Menjalankan Analisis: Klik OK untuk menjalankan analisis.

Interpretasi Hasil Regresi Logistik Ordinal SPSS

Setelah SPSS menghasilkan output, langkah selanjutnya adalah menginterpretasikannya:

• Goodness-of-Fit: Periksa nilai p dari statistik uji kesesuaian model (seperti Pearson Chi-Square dan Deviance). Nilai p yang besar (biasanya > 0.05) menunjukkan bahwa model sesuai dengan data.
• Test of Parallel Lines: Uji ini krusial untuk memvalidasi asumsi proportional odds. Jika nilai p dari uji ini signifikan (p < 0.05), berarti asumsi tersebut mungkin dilanggar, dan Anda mungkin perlu mempertimbangkan model yang berbeda atau transformasi variabel.
• Parameter Estimates (Koefisien Regresi): Tabel ini menampilkan koefisien regresi (B), standar error, rasio odds (Exp(B)), dan nilai signifikansi (Sig.).
  • Exp(B) (Odds Ratio): Ini adalah interpretasi yang paling penting. Rasio odds menunjukkan berapa kali peluang suatu kejadian (misalnya, berada pada kategori yang lebih tinggi) berubah untuk setiap peningkatan satu unit pada variabel independen, dengan asumsi variabel lain konstan.
    • Jika Exp(B) > 1, variabel independen meningkatkan peluang untuk berada pada kategori yang lebih tinggi.
    • Jika Exp(B) < 1, variabel independen menurunkan peluang untuk berada pada kategori yang lebih tinggi.
    • Jika Exp(B) = 1, variabel independen tidak memiliki efek pada peluang.
  • Sig.: Nilai ini menunjukkan signifikansi statistik dari setiap variabel independen. Jika nilai Sig. lebih kecil dari tingkat signifikansi yang Anda tentukan (misalnya, 0.05), maka variabel independen tersebut dianggap berpengaruh signifikan terhadap variabel dependen.
• Model Information: Perhatikan informasi mengenai jumlah observasi, nilai log-likelihood, dan kriteria informasi seperti AIC (Akaike Information Criterion) jika Anda membandingkan beberapa model.

Kapan Menggunakan Regresi Logistik Ordinal?

Metode ini ideal digunakan ketika:

• Variabel dependen Anda bersifat kategorikal dengan urutan yang jelas.
• Anda ingin mengetahui pengaruh variabel independen terhadap kategori variabel dependen secara berurutan.
• Asumsi proportional odds terpenuhi atau dapat diatasi.

Memahami dan menerapkan regresi logistik ordinal di SPSS dapat memberikan wawasan yang mendalam tentang hubungan antar variabel dalam penelitian yang melibatkan data ordinal, baik di bidang ilmu sosial, kedokteran, maupun bidang lainnya.