sebagai dasar untuk model logistic ordinal adalah model logistic biner
TRANSCRIPT
Sebagai dasar untuk model logistic ordinal adalah model logistic biner. Pada model logistic biner
ini Y adalah variabel respon yang nilainya 1 untuk kejadian sukses atau 0 untuk kejadian gagal.
Dalam model ini akan ditentukan peluang Y=1 bila diketahui harga X.
π ( x )=P (Y=1|X ) dan1−π ( x )=P (Y=0|X )
Model logistic biner dengan variabel penjelas berbentuk :
logit [ π ( x ) ]=ln( π ( x )1−π ( x ) )=β0+β1 x
Dimana ;
X adalah variabel penjelas/bebas
β0 dan β1 adalah parameter dari model
Jika persamaan diubah ke dalam bentuk eksponensial maka akan diperoleh bentuk
π ( x )= eβ 0+β1x
1−eβ0+β 1x
Penaksiran parameter model regresi logistic ordinal dilakukan dengan menggunakan
metode Maximum Likelihood Estimation (MLE), kemudian diselesaikan dengan metode iterasi
numeric yaitu Newton Raphson. Misal dilakukan n percobaan yang saling bebas, dengan yi
adalah variabel respon dari observasi ke-I (i= 1, 2, …, n) berdistribusi binomial dengan
probabilitas sukses π(xi) dan probabilitas gagal 1- π(xi). Yi mempunyai fungsi densitas sebagai
berikut
F(yi) =[ π(xi)]yi[1- π(xi)]1-yi
Yi = 0,1
Karena observasi saling independen maka fungsi likelihood didapat sebagai hasil
perkalian dari masing-masing fungsi densitas yaitu
L (β )=∏i=1
n
f ( y i )=∏i=1
n
¿¿¿¿
Dengan β adalah parameter yang tidak diketahui dan x iadalah variabel bebas pada observasi ke-i.
Prinsip dari metode maksimum likelihood adalah mencari nilai β dengan memaksimumkan
fungsi likelihood. Untuk itu agar lebih mudah, terlebih dahulu dibentuk logaritma natural dari
fungsi likelihood, kemudian mendeferensialkan logaritma natural dari fungsi likelihood tersebut
terhadap masing-masing parameter, yaitu β0 dan β1
K (β )=ln L (β )=∑i=1
n
{y i(¿¿β0+ β1 x i)−ln (1+exp (β0+β1 x i ))}¿¿
Dengan mendefensialkan fungsi log likelihood terhadap β0 dan β1 maka akan didapat 2
persamaan likelihood yaitu
∂ K (β )∂β0
=∑i=1
n
¿¿
∂ K (β )∂ β1
=∑i=1
n
x i ¿¿
Dalam notasi matriks, turunan parsial pertama adalah
∂ K (β )∂ β
=[ ∂K (β )∂β0
∂K (β )∂β1
]=[ 1x1
1 … 1x2 … xn][[ y1
y2
⋮yn
]−[ π1
π2
⋮πn
]]Atau
∂ K (β )∂ β
=X ' ( y−π i) dimana π i menyatakan π ¿¿