Memahami Analisis Regresi Logistik Dalam Penelitian
Analisis regresi sudah sangat familiar sekali digunakan oleh para peneliti. Ya memang betul, analisis regresi merupakan salah satu uji asosiatif ini sangat familier yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel yang lain.
Dalam analisis regresi kita akan mengenal yang dinamakan dengan analisis regresi linier dan analisis regresi non linier. Hingga saat ini, analisis regresi linier merupakan analisis yang paling sering dipilih oleh peneliti.
Dalam analisis regresi linier, variabel terdiri dari dua jenis yaitu variabel terikat/variabel yang dipengaruhi dan variabel bebas/variabel yang mempengaruhi.
Pada persamaan regresi linier yang terdiri dari dua atau lebih variabel bebas dinamakan dengan regresi linier berganda. Adapun jika hanya terdiri dari satu variabel bebas dan satu variabel terikat dinamakan dengan regresi linier sederhana.
Umumnya analisis regresi linear yang sering digunakan oleh peneliti yaitu analisis regresi linear dengan metode kuadrat terkecil (ordinary least square). Terdapat sejumlah asumsi yang harus dipenuhi agar menghasilkan estimasi yang konsisten dan tidak bias.
Untuk mencapai terpenuhinya sejumlah uji asumsi tersebut, disarankan peneliti menggunakan skala pengukuran parametrik (skala interval dan rasio) baik pada variabel terikat maupun variabel bebasnya.
Lalu bagaimana jika skala pengukuran variabel terikatnya bukan skala interval atau rasio? Sebagai contoh, saya memiliki variabel terikat dengan skala nominal (non parametrik), selanjutnya apakah saya bisa menggunakan uji regresi linier berganda seperti biasanya?
Saya sarankan menggunakan alternatif pilihan analisis regresi yang lainnya. Pada kesempatan ini, saya akan mengulas mengenai uji regresi untuk variabel terikat yang diukur menggunakan skala nominal.
Memahami definisi skala nominal dalam pengukuran variabel
Dalam statistik, skala pengukuran variabel dapat dibagi menjadi 4 yaitu skala nominal, skala ordinal, skala interval, dan skala rasio. Keempat skala pengukuran ini memiliki karakteristik masing-masing.
Namun secara umum skala pengukuran nominal dan ordinal termasuk dalam statistik non parametrik, sedangkan skala pengukuran interval dan rasio termasuk dalam statistik parametrik.
Pengukuran skala nominal dilakukan dengan cara melakukan kategorisasi variabel yang bertujuan untuk membedakan variabel tersebut. Contoh dari pengukuran skala nominal yaitu variabel jenis kelamin, jenis pekerjaan, dan lain-lain.
Contohnya, untuk variabel jenis kelamin terdiri dari laki-laki dan perempuan. Kategorisasi variabel jenis kelamin menjadi laki-laki dan perempuan bertujuan untuk membedakan mana laki-laki dan mana perempuan.
Dalam kategorisasi tersebut belum ada level atau tingkatan. Karena jika sudah ada level atau tingkatan maka sudah masuk ke dalam skala ordinal (bukan termasuk skala nominal lagi).
Pilihan analisis regresi untuk variabel terikat berskala nominal
Pada penelitian yang menggunakan variabel terikat berskala nominal, disarankan untuk tidak lagi menggunakan regresi linier metode kuadrat terkecil. Hal ini akan sangat berdampak pada hasil uji asumsi klasik jika kita memaksakan menggunakan variabel terikat dalam skala nominal.
Alternatifnya, kita dapat mempertimbangkan untuk menggunakan analisis regresi variabel yang berskala nominal. Pada variabel terikat yang berskala nominal dengan dua kategori, misalkan iya atau tidak, laki-laki atau perempuan, desa atau kota, sebelum kebijakan atau setelah kebijakan dan lain-lain dapat menggunakan analisis regresi logistik biner.
Analisis regresi logistik sering juga disebut dengan analisis regresi logit. Apa itu analisis regresi logistik biner?
Analisis regresi logistik biner merupakan analisis yang dapat digunakan untuk memprediksi probabilitas dari variabel terikat yang bersifat biner (memiliki dua kategori) berdasarkan satu atau lebih variabel bebas.
Pada analisis regresi logistik, tidak diperlukan sejumlah asumsi seperti halnya pada analisis regresi linear metode kuadrat terkecil. Hal yang perlu dipastikan yaitu bahwa pengukuran variabel terikatnya menggunakan dua kategori biner (skala nominal).
Teknik pemberian skor variabel terikat pada regresi logistik
Seperti yang sudah saya jelaskan sebelumnya, variabel terikat pada regresi logistik menggunakan skala pengukuran nominal. Dengan demikian, skala nominal ini termasuk ke dalam statistik non parametrik.
Pada variabel-variabel non parametrik, kita harus mengkonversi pengukuran variabel menggunakan teknik pemberian skor. Mungkin jika kita menggunakan skala ordinal, kita sudah familiar menggunakan pendekatan skala likert. Jika kita menggunakan skala nominal, bagaimana teknik pemberian skornya?
Teknik skoring pada Variabel terikat menggunakan skala nominal dapat menggunakan skor 0 dan 1. Misal kita mengukur variabel adopsi teknologi, di mana variabel ini dikategorisasi menjadi mengadopsi dan tidak mengadopsi teknologi.
Maka untuk teknik pemberian skornya, tidak adopsi teknologi dapat kita berikan skor 0, dan megadopsi teknologi kita berikan skor 1. Selanjutnya kita input untuk semua observasi sehingga nantinya untuk variabel wilayah dapat diukur menggunakan numerik.
Berdasarkan hasil analisis nanti kita akan dapat mengetahui bagaimana pengaruh dari variabel bebas terhadap adopsi teknologi. Hal ini akan sangat bermanfaat sebagai salah satu tools untuk mengetahui pengaruh variabel bebas terhadap variabel terikat yang berskala non parametrik.
Baik, ini artikel yang dapat saya tulis pada kesempatan ini. Semoga bermanfaat dan memberikan nilai tambah pengetahuan bagi teman-teman yang membutuhkan. Terus ikuti update artikel pada pekan berikutnya, terima kasih.
Posting Komentar untuk "Memahami Analisis Regresi Logistik Dalam Penelitian"