Dalam berbagai bidang ilmu seperti kesehatan, ekonomi, dan ilmu sosial, banyak data yang bersifat kategori (*categorical data*). Data kategori biasanya menyatakan kelompok atau klasifikasi seperti jenis kelamin, status penyakit, status merokok, atau tingkat pendidikan. Salah satu pendekatan utama dalam analisis data kategori adalah menggunakan **tabel kontingensi** untuk mempelajari hubungan antara dua variabel kategori. Dari tabel tersebut dapat dihitung berbagai ukuran asosiasi yang menggambarkan kekuatan hubungan antar variabel. Analisis data kategori banyak digunakan dalam penelitian epidemiologi, survei sosial, maupun penelitian kebijakan publik untuk memahami keterkaitan antara faktor risiko dan suatu kejadian.

Analisis regresi logistik untuk memprediksi diabetes menggunakan dataset Pima Indians Diabetes.

Lab 7 map

Tulisan ini membahas penerapan regresi logistik ordinal untuk menganalisis faktor-faktor yang memengaruhi tingkat penilaian (rating) pada suatu data kategorik bertingkat. Analisis dilakukan menggunakan perangkat lunak R dengan pendekatan model proportional odds, serta dilengkapi dengan pengujian kecocokan model dan signifikansi parameter. Studi kasus ini bertujuan menunjukkan bagaimana regresi logistik ordinal dapat digunakan untuk memahami pengaruh variabel penjelas terhadap peluang suatu observasi berada pada kategori penilaian yang lebih tinggi.

Yield-Per-Recruit (YPR) and Spawning Potential Ratio (SPR) analysis