REGRESI LOGISTIK ORDINAL

Slides:



Advertisements
Presentasi serupa
Suatu variabel berskala ukur nominal atau ordinal merupakan variabel kualitatif, tidak memiliki satuan ukur, dan terdiri atas kategori-kategori yang konkrit.
Advertisements

Variabel Variabel adalah segala sesuatu yg dapat diberi berbagai macam nilai Nilai variabel dapat berupa angka atau atribut yg menggunakan ukuran atau.
Regresi Diskriminan dan Regresi Logistik
ANALISIS DATA KATEGORI
Latihan Regresi Logistik
REGRESI LOGISTIK BINER
1 Pertemuan 17 Operasionalisasi Variabel Penelitian Bisnis Matakuliah: J0244/Metodologi Penelitian Bisnis Tahun: 2005 Versi: Baru.
VARIABEL PENELITIAN.
STATISTIK vs STATISTIKA
Analisis Data: Memeriksa Perbedaan
ANALISIS REGRESI TERAPAN
ORDINAL REGRESSION KELOMPOK 4 / 3SE1.
Peubah Acak Kontinu Pertemuan Kesebelas Fungsi Kepekatan Peluang
Regresi dengan Respon Biner
Regresi Linier Fungsi : Jenis :
Feedback SPSS Advance Naldo Sofian LPP – BEM IKM FKUI.
REGRESI LOGISTIK Mugi Wahidin, SKM, M.Epid Prodi Kesehatan Masyarakat
REGRESI.
Methode Succesive Interval (MSI)
LOGISTIC REGRESSION Logistic regression adalah regressi dengan binary untuk variabel dependen. Variabel dependen bersifat dikotomi dengan mengambil nilai.
VARIABEL PENELITIAN.
contingency tables (tabel kontingensi)
ANALISIS DATA KATEGORIK
ANALISIS REGRESI DAN KORELASI
ANALISIS DATA KATEGORIK
ANALISIS DATA KATEGORIK
REGRESI LOGISTIK BINER
TUGAS-3 Jelaskan kriteria dasar pemilihan tema dan topik penelitian yang baik! Apa yang dimaksud dengan masalah, dan dari mana kita dapat menemukan sumber.
REGRESI NON LINIER Gangga Anuraga, M.Si.
ANALISIS REGRESI & KORELASI
Uji Persyaratan Analisis Data
DUMMY VARIABEL PADA VARIABEL BEBAS MODEL REGRESI
Pertemuan Ke-10 REGRESI DUMMY
Regresi Linier (Linear Regression)
MODEL LOG LINIER Gangga Anuraga.
Statistik Non Parametrik
REGRESI LOGISTIK BINER
Analisis regresi (principle component regression)
ANALISIS DATA KATEGORIK
Bagian Ilmu Kesehatan Masyarakat Faculty of Medicine & Health Sciences
Kuliah ke-1 Statistik Inferensial
BIOSTATISTIKA.
Analisis data kualitatif (introduction to Categorical data analysis)
Analisis Regresi dan Korelasi
REGRESI LOGIT ATAU REGRESI LOGISTIK.
DATA NON LINEAR DAN REGRESI LINEAR Gangga Anuraga, M.Si
SELEKSI VARIABEL DAN PEMILIHAN MODEL TERBAIK
REGRESI LOGISTIK BINER (STUDI KASUS)
REGRESI LOGISTIK MULTINOMIAL
REGRESI LOGISTIK BINER (DICHOTOMOUS INDEPENDENT VARIABLE)
Generalized Linear Models
Pertemuan Ke-6 REGRESI LINIER
REGRESI LINIER BERGANDA (MULTIPLE REGRESSION)
STATISTIKA Materi : Pengantar Statistika deskriptif
Analisis Regresi Asumsi dalam Analisis Regresi Membuat persamaan regresi Dosen: Febriyanto, SE, MM. www. Febriyanto79.wordpress.com U.
VARIABEL DAN HIPOTESIS
Generalized Linear Model pada Data Berdistribusi Poisson (Studi kasus : Banyaknya Jumlah kecelakaan lalu lintas berdasarkan faktor jumlah pelanggaran.
REGRESI POISSON Gangga Anuraga, M.Si.
BAB 8 ANALISIS KORELASIONAL sCp.
REGRESI.
Membuat persamaan regresi ganda Dosen: Febriyanto, SE, MM.
UAS STATISTIKA KOMUNIKASI
REGRESI.
Model Logit Untuk Respons Biner
Pendugaan Parameter Regresi Logistik
BAB VIII REGRESI &KORELASI BERGANDA
Simulasi untuk Model-model Statistika
JENIS-JENIS VARIABEL Berdasarkan Sifat Data yang dihasilkan jika variabel ybs diukur: variabel diskrit (discrete) dan variabel bersambungan (continous)
Model untuk Respons Biner
Korelasi dan Regresi Analisis.
Transcript presentasi:

REGRESI LOGISTIK ORDINAL Gangga Anuraga, M.Si

PENDAHULUAN Regresi logistik ordinal digunakan ketika variabel respon (dependen) yang mempunyai skala ordinal yang terdiri atas tiga kategori atau lebih. Variabel prediktor (independen) yang dapat disertakan dalam model berupa data kategori atau kontinu yang terdiri atas dua variabel atau lebih. Model logit dalam regresi logistik ordinal adalah cumulative logit models. Pada 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 atau sama dengan kategori respon ke-j pada p variabel prediktor yang dinyatakan dalam vektor X, P(Y≤ j | X), dengan peluang lebih besar dari kategori respon ke-j, P(Y > j | X). (Hosmer dan Lemeshow, 2000)

CUMULATIVE LOGIT MODELS

CUMULATIVE LOGIT MODELS Model regresi logistik ordinal yang terbentuk jika terdapat J = 3 kategori respon adalah :

NILAI PELUANG PADA KATEGORI RESPON ORDINAL

NILAI PELUANG PADA KATEGORI RESPON ORDINAL

TERIMA KASIH