Apa itu Model Regresi Logistik Ordinal Nonparametrik?
- newsunair
- 9 Juli 2021
- 3. 53 sore
Bagikan di Facebook
Bagikan di google
Bagikan di twitter
Bagikan di linkedin
Regresi dalam statistika merupakan salah satu cara untuk mengetahui hubungan sebab akibat antara suatu variabel dengan variabel lainnya. Variabel “kausal” biasa disebut dengan beberapa istilah seperti variabel prediktor, variabel penjelas, variabel penjelas, variabel bebas, variabel bebas, atau variabel X. Sedangkan variabel “terpengaruh” dikenal sebagai variabel yang dipengaruhi dan biasa disebut sebagai variabel respon, variabel dependen, variabel dependen, variabel tidak independen atau variabel Y.
Regresi logistik merupakan salah satu jenis regresi yang menghubungkan satu atau lebih variabel prediktor dengan variabel respon berupa kategori. Dalam banyak kasus, kami menemukan bahwa variabel respons yang ingin kami analisis memiliki tipe data kualitatif (kategori). Jika variabel respon memiliki dua kategori (biner) maka disebut regresi logistik biner. Data biner dapat ditulis secara nominal (misal ya dan tidak) dan numerik (misal 1 dan 0). Representasi bilangan 1 dan 0 bukan berarti menunjukkan bilangan numerik dalam arti sebenarnya, melainkan hanya suatu bentuk representasi dalam membedakan dua kemungkinan nilai. Dalam data biner, angka 1 bisa berarti ya dan angka 0 berarti tidak. Selanjutnya, jika variabel respon memiliki lebih dari dua kategori dan berada dalam skala ordinal, maka disebut regresi logistik ordinal. Skala ordinal adalah skala pengukuran yang berupa data ranking atau peringkat. Misalnya variabel kepuasan pelayanan dapat diklasifikasikan menjadi 'sangat puas', 'puas', 'tidak puas', dan 'sangat tidak puas'. Pada model regresi logistik ordinal, variabel respon Y berupa data ordinal yang memiliki k kategori dan variabel prediktornya dapat berupa variabel kategori, kontinyu atau campuran keduanya.
Regresi logistik banyak diterapkan di berbagai bidang seperti bidang sosial, ekonomi dan kesehatan. Misalnya dalam bidang ekonomi, misalkan Anda ingin mengetahui faktor-faktor apa saja yang menjadi penyebab pinjaman bank berisiko gagal bayar (macet) dengan variabel respon berkategori 0 jika tidak gagal bayar (mulus) dan 1 jika gagal bayar (selai), sedangkan contoh dalam bidang kesehatan misalnya jika ingin mengetahui faktor apa saja yang menyebabkan seseorang berisiko terkena diabetes dengan variabel respon berkategori 0 jika tidak terkena diabetes dan 1 jika terkena diabetes.
Dalam perkembangannya, terdapat 3 jenis model pendekatan regresi yang dilakukan peneliti, yaitu pendekatan regresi parametrik, nonparametrik, dan semiparametrik. Regresi parametrik mengasumsikan bahwa bentuk kurva regresi diketahui berdasarkan teori, informasi sebelumnya, atau sumber lain yang dapat memberikan pengetahuan secara detail. Jika asumsi bentuk kurva parametrik tidak terpenuhi, maka kurva regresi dapat diprediksi dengan menggunakan model regresi nonparametrik. Pendekatan nonparametrik didasarkan pada pendekatan yang tidak terikat pada asumsi bentuk kurva regresi tertentu. Oleh karena itu, pendekatan model regresi nonparametrik lebih fleksibel dan objektif karena memungkinkan data itu sendiri untuk menemukan bentuk estimasi dari kurva regresi tanpa harus dipengaruhi oleh faktor subjektivitas peneliti dalam menentukan bentuk kurva regresi.
Regresi logistik biner nonparametrik merupakan perluasan dari model regresi logistik biner dengan pendekatan nonparametrik. Beberapa penelitian mengenai regresi logistik biner non parametrik telah dilakukan dengan tujuan untuk mempelajari estimasi parameter model regresi logistik biner non parametrik dengan menggunakan beberapa metode diantaranya adalah metode Local Likelihood Estimation (LLE) berdasarkan algoritma local scoring yaitu Local Likelihood Logit Metode Estimasi (LLLE) berdasarkan iterasi Newton Raphson, dan metode Generalized Additive Models (GAM) berdasarkan estimator lokal linier, spline penalti dan estimator polinomial lokal
Dalam penelitian ini, penulis mengembangkan model regresi logistik ordinal non parametrik yang merupakan pengembangan dari model regresi logistik ordinal parametrik dengan pendekatan non parametrik dan mengestimasi parameter model menggunakan metode Local Maximum Likelihood Estimation (LMLE). pada estimator lokal linier dan menyediakan algoritma untuk memperkirakan parameter. penulis telah menunjukkan prosedur langkah demi langkah untuk mendapatkan estimasi parameter berdasarkan LMLE. Sebagai hasil turunan parsial pertama dari parameter yang akan diestimasi, penulis mendapatkan fungsi nonlinear dari parameter model yang akan diestimasi sehingga diperlukan metode numerik untuk mendapatkan estimasi parameter tersebut. Metode numerik yang digunakan adalah metode iterasi Newton-Raphson. Selain itu, pada metode LMLE berbasis linear estimator lokal terdapat parameter bandwidth yang harus ditentukan secara optimal. Salah satu metode penentuan bandwidth yang optimal adalah dengan metode Cross Validation (CV) dimana bandwidth optimal dicapai pada saat nilai CV minimum. Hasil estimasi model dapat digunakan untuk tujuan interpretasi serta untuk menentukan akurasi, sensitivitas, dan spesifisitas klasifikasi. Sangat mudah untuk menerapkan prosedur yang sama yang disajikan dalam artikel ini untuk mengembangkan model lain berdasarkan distribusi yang berbeda atau jenis estimator lainnya.
Penulis. dr. Nur Chamidah, M. Tn
Informasi detail dari penelitian ini dapat dilihat pada artikel kami di
http. // schik. org/index. php/cmbn/article/view/5353
Marisa Rifada, Nur Chamidah, Purhadi, Vita Ratnasari, 2021, Estimasi Model Regresi Logistik Ordinal Nonparametrik Menggunakan Local Maximum Likelihood Estimation, Commun. Matematika. Biol. Ilmu saraf. 2021(28), hlm. 1-9. https. //doi. org/10. 28919/cmbn/5353