Pemodelan Partial Proportional Odds Pada Masa Studi Lulusan Program Magister Institut Teknologi Sepuluh Nopember

Mikhratunnisa, (2015) Pemodelan Partial Proportional Odds Pada Masa Studi Lulusan Program Magister Institut Teknologi Sepuluh Nopember. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1313201015-Master-Thesis.pdf

Download (1MB) | Preview

Abstract

Regresi logistik ordinal merupakan salah satu metode statistika untuk menganalisis data dengan variabel respon yang mempunyai skala data ordinal dan terdiri dari tiga kategori atau lebih, serta variabel prediktor yang digunakan dapat berupa data kategori atau kuantitatif. Model yang umum digunakan dalam regresi logistik ordinal adalah Proportional Odds Model (POM). POM mempunyai asumsi kuat yang dapat menyebabkan kesalahan interpretasi jika asumsi dilanggar, asumsi umum dari model tersebut adalah bahwa log-odds ratio tidak bergantung pada kategori variabel respon, atau lebih dikenal dengan asumsi proportional odds. Dalam model regresi logistik ordinal yang memenuhi asumsi proportional odds bahwa koefisien dari masing-masing fungsi logit yang terbentuk adalah sama dan yang berbeda adalah pada nilai intercept masingmasing fungsi logit tersebut. Model alternatif yang perlu dipertimbangkan ketika asumsi proportional odds tidak terpenuhi adalah PPOM (Partial Proportional Odds Model), yakni model yang melemahkan asumsi proporsionalitas pada beberapa variabel prediktor dalam model. Tujuan penelitian ini adalah mengkaji estimasi parameter PPOM dan mengaplikasikan PPOM pada masa studi lulusan program magister Institut Teknologi Sepuluh Nopember (ITS). Estimasi parameter PPOM dengan menggunakan metode Maximum Likelihood Estimation (MLE) diperoleh hasil yang tidak close form sehingga diperlukan iterasi Newton- Raphson. Hasil pengujian parameter PPOM menunjukkan bahwa variabel prediktor yang berpengaruh terhadap masa studi lulusan program magister Institut Teknologi Sepuluh Nopember (ITS) adalah nilai Toefl, jenis kelamin, kesesuaian bidang studi antara S1 dan S2, nilai IPK S1, sumber pendanaan, jenis pekerjaan, dan asal fakultas. =============================================================================================== Ordinal logistic regression is one of statistical method that use to data analysis with ordinal response variable and consist of three or more category, and the predictor variables can be category or quantitative. The general model that used in ordinal logistic regression is Proportional Odds Model (POM) which has strong assumptions may cause wrong interpretation if the assumptions was violated, the common assumption is log-odds ratio not depend on response variable category, called proportional odds assumption. In ordinal logistic regression model that satisfy the proportional odds assumption has a same coefficient of each formed logit function and a different intercept of logit function. The alternative model considering when the proportional odds assumption is not satisfy, that is Partial Proportional Odds Model (PPOM). This model relaxing the proportionality assumption only for some predictor variables in the model. The aims of this research are to review parameter estimation of PPOM and applied PPOM in study period of master’s degree programme in Institut Teknologi Sepuluh Nopember. The parameter estimation use Maximum Likelihood Estimation (MLE) and because it is not close form, Newton-Raphson iteration necessary. Parameter PPOM’s test show that the influence variables are TOEFL test, Sex, Suitability of S1 and S2, S1 IPK, Funding Resource, Job and Native Faculty.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.536 Mik p
Uncontrolled Keywords: Regresi logistik ordinal, Proportional Odds Model, Partial Proportional Odds Model, masa studi
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
Divisions: Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User: Mr. Marsudiyana -
Date Deposited: 06 Dec 2019 06:56
Last Modified: 06 Dec 2019 06:56
URI: https://repository.its.ac.id/id/eprint/72255

Actions (login required)

View Item View Item