Fokus analisis: mengkaji faktor demografis, politik, dan keagamaan terhadap tingkat persetujuan atas praktik spanking menggunakan model ordinal.

1 Pendahuluan

1.1 Latar Belakang

Sikap masyarakat terhadap penggunaan spanking sebagai metode disiplin anak masih menjadi perdebatan. Sebagian menganggap spanking efektif untuk mengoreksi perilaku anak, sementara yang lain menilai praktik tersebut dapat berdampak negatif pada perkembangan anak. Penelitian sebelumnya menunjukkan bahwa dukungan terhadap spanking cenderung lebih tinggi pada laki-laki, responden yang lebih tua, individu dengan tingkat pendidikan lebih rendah, pandangan politik yang lebih konservatif, serta tingkat religiositas yang lebih tinggi. Beberapa penelitian sebelumnya menggunakan regresi linear (OLS), sementara variabel respons yang dianalisis bersifat ordinal. Oleh karena itu, penelitian ini menggunakan regresi logistik ordinal dengan pendekatan Proportional Odds Model (POM). Jika asumsi proportional odds tidak terpenuhi, digunakan Partial Proportional Odds Model (PPOM) yang lebih fleksibel.

1.2 Tujuan Penelitian

Penelitian ini bertujuan untuk:

Mendeskripsikan distribusi sikap responden terhadap spanking.
Menganalisis pengaruh jenis kelamin (sex), usia (age), tingkat pendidikan (degree), pandangan politik (polviews), dan frekuensi kehadiran dalam kegiatan keagamaan (attend) terhadap sikap responden terhadap spanking.
Menentukan model regresi ordinal yang paling sesuai untuk menjelaskan hubungan antara karakteristik responden dan sikap terhadap spanking dengan mempertimbangkan pemenuhan asumsi proportional odds.

2 Data dan Variabel Penelitian

2.1 Deskripsi Data

Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari General Social Survey (GSS) tahun 2024. GSS merupakan survei sosial yang memuat informasi mengenai karakteristik demografis, sosial, politik, keagamaan, serta sikap responden terhadap berbagai isu sosial.

Variabel respons dalam penelitian ini adalah spanking, yaitu sikap responden terhadap penggunaan hukuman fisik terhadap anak sebagai bentuk disiplin.

Variabel prediktor yang digunakan meliputi sex, age, degree, polviews, dan attend. Pemilihan variabel tersebut didasarkan pada latar belakang yang telah dijelaskan sebelumnya, yaitu bahwa sikap terhadap spanking dapat berkaitan dengan karakteristik demografis, pendidikan, pandangan politik, dan aspek keagamaan responden.

Sumber dataGSS 2024

Responsspanking

Prediktor5 variabel

Metode akhirPPOM

Variabel	Peran	Keterangan	Skala Data	Kategori/Kode
`spanking`	Respons	Sikap responden terhadap penggunaan hukuman fisik terhadap anak	Ordinal	1 = Strongly agree 2 = Agree 3 = Disagree 4 = Strongly disagree
`sex`	Prediktor	Jenis kelamin responden	Nominal	1 = Male 2 = Female
`age`	Prediktor	Usia responden	Rasio	Usia responden dalam tahun
`degree`	Prediktor	Tingkat pendidikan terakhir responden	Ordinal	0 = Less than high school 1 = High school 2 = Junior college 3 = Bachelor 4 = Graduate
`polviews`	Prediktor	Pandangan politik responden	Ordinal	1 = Extremely liberal 2 = Liberal 3 = Slightly liberal 4 = Moderate 5 = Slightly conservative 6 = Conservative 7 = Extremely conservative
`attend`	Prediktor	Frekuensi kehadiran responden dalam kegiatan keagamaan	Ordinal	0 = Never 1 = Less than once a year 2 = Once a year 3 = Several times a year 4 = Once a month 5 = 2–3 times a month 6 = Nearly every week 7 = Every week 8 = Several times a week

2.2 Pengolahan Awal Data

2.2.1 Import dan Cleaning Data

Pengolahan awal data dilakukan dengan mengimpor data, memilih variabel yang digunakan dalam analisis, serta menghapus observasi yang tidak memuat jawaban substantif. Observasi tersebut mencakup sel kosong yang terbaca sebagai NA pada proses impor data serta kode cadangan GSS yang diawali tanda titik, seperti .d=don’t know, .i=inapplicable, .n=no answer, dan .s=skipped on web.

Ringkasan Data Setelah Cleaning
Informasi	Nilai
Observasi setelah cleaning	1.976
Jumlah variabel digunakan	6
Variabel analisis	spanking, sex, polviews, attend, age, degree

Setelah dilakukan pemilihan variabel dan penghapusan observasi yang tidak memuat jawaban substantif, diperoleh sebanyak 1976 observasi yang siap digunakan dalam analisis.

2.2.2 Persiapan Variabel Penelitian

Selanjutnya, dilakukan penyesuaian tipe data dan pengkodean ulang variabel. Variabel spanking dibentuk sebagai variabel ordinal dengan urutan kategori dari tingkat ketidaksetujuan paling tinggi hingga tingkat persetujuan paling tinggi. Dengan demikian, kategori yang lebih tinggi menunjukkan sikap yang semakin setuju terhadap penggunaan spanking.

Strongly Disagree < Disagree < Agree < Strongly Agree

Variabel sex diperlakukan sebagai variabel nominal, sedangkan age diperlakukan sebagai variabel numerik. Variabel degree, polviews, dan attend dikodekan sebagai skor ordinal karena masing-masing memiliki urutan kategori yang jelas.

Ringkasan Variabel Penelitian untuk Analisis
Informasi	Nilai
Jumlah observasi	1.976
Variabel respons	spanking
Kategori respons	Strongly Disagree < Disagree < Agree < Strongly Agree
Variabel prediktor	sex, age, degree, polviews, attend

3 Hasil dan Pembahasan

Bagian ini menyajikan hasil analisis mulai dari distribusi variabel respons, pemeriksaan multikolinearitas, estimasi model regresi logistik ordinal, pemeriksaan asumsi proportional odds, pembentukan partial proportional odds model, hingga evaluasi hasil prediksi ordinal. Setiap tahap yang berupa uji statistik disertai hipotesis dan kriteria keputusan agar alur analisis lebih runtut dan mudah diikuti.

3.1 Distribusi Variabel Respons

Analisis awal dilakukan dengan melihat distribusi variabel respons, yaitu sikap responden terhadap penggunaan spanking. Pemeriksaan ini bertujuan untuk mengetahui sebaran responden pada setiap kategori sikap terhadap penggunaan hukuman fisik terhadap anak.

Kriteria pemeriksaan

Bagian ini merupakan analisis deskriptif, sehingga tidak menggunakan hipotesis statistik. Distribusi respons dinilai memadai apabila seluruh kategori respons memiliki frekuensi observasi yang cukup dan tidak terdapat kategori yang kosong. Hal ini penting karena model regresi logistik ordinal membutuhkan variabel respons yang memiliki urutan kategori yang jelas.

Distribusi Variabel Respons Spanking
Kategori Spanking	Frekuensi	Proporsi
Strongly Disagree	333	0.169
Disagree	559	0.283
Agree	744	0.377
Strongly Agree	340	0.172

Distribusi Variabel Respons Spanking

Inti distribusi respons

Kategori terbesar adalah agree, yaitu 744 responden atau 37,65%. Secara umum, responden yang cenderung menyetujui spanking lebih banyak dibandingkan responden yang tidak menyetujui. Seluruh kategori juga terisi, sehingga respons ordinal layak digunakan dalam pemodelan.

3.2 Pemeriksaan Multikolinearitas

Pemeriksaan multikolinearitas dilakukan menggunakan nilai Variance Inflation Factor (VIF) untuk mengetahui apakah terdapat hubungan linear yang kuat antarvariabel prediktor.

Kriteria pemeriksaan

Pemeriksaan ini tidak menggunakan hipotesis formal. Kriteria yang digunakan adalah nilai VIF. Apabila nilai VIF < 10, maka tidak terdapat indikasi multikolinearitas serius antarvariabel prediktor. Sebaliknya, apabila nilai VIF ≥ 10, maka terdapat indikasi multikolinearitas yang perlu diperhatikan.

Hasil Pemeriksaan Multikolinearitas Berdasarkan Nilai VIF
Variabel	VIF
sex	1.016
age	1.031
degree	1.021
polviews	1.140
attend	1.132

Inti hasil multikolinearitas

Nilai VIF berada pada rentang 1,016 hingga 1,140, jauh di bawah batas 10. Artinya, tidak terdapat indikasi multikolinearitas serius, sehingga seluruh prediktor dapat digunakan bersama dalam model.

3.3 Estimasi Model Regresi Logistik Ordinal Cumulative Logit

Model awal yang digunakan dalam penelitian ini adalah regresi logistik ordinal dengan pendekatan cumulative logit model. Model ini digunakan untuk menganalisis pengaruh variabel sex, age, degree, polviews, dan attend terhadap sikap responden terhadap spanking.

Hipotesis dan kriteria uji parameter awal

H₀: Koefisien prediktor sama dengan nol, sehingga prediktor tidak berpengaruh signifikan terhadap sikap responden terhadap spanking.
H₁: Koefisien prediktor tidak sama dengan nol, sehingga prediktor berpengaruh signifikan terhadap sikap responden terhadap spanking.

Kriteria keputusan: Jika p-value < 0,05, maka H₀ ditolak. Namun, interpretasi model awal tetap dilakukan secara hati-hati karena harus menunggu hasil pemeriksaan asumsi proportional odds.

Hasil Estimasi Model Regresi Logistik Ordinal Cumulative Logit
Parameter	Jenis	Estimate	Std. Error	t value	p-value	OR	CI 2,5%	CI 97,5%
sexFEMALE	Koefisien	-0.4670	0.0841	-5.5496	<0.001	0.6269	0.5316	0.7393
age	Koefisien	-0.0060	0.0024	-2.5415	0.0110	0.9940	0.9895	0.9986
degree	Koefisien	-0.2671	0.0336	-7.9513	<0.001	0.7656	0.7168	0.8177
polviews	Koefisien	0.4001	0.0300	13.3578	<0.001	1.4919	1.4069	1.5821
attend	Koefisien	0.0453	0.0160	2.8361	0.0046	1.0464	1.0141	1.0797
STRONGLY DISAGREE\|DISAGREE	Cutpoint	-1.0901	0.1822	-5.9815	<0.001	NA	NA	NA
DISAGREE\|AGREE	Cutpoint	0.5079	0.1808	2.8087	0.0050	NA	NA	NA
AGREE\|STRONGLY AGREE	Cutpoint	2.4835	0.1892	13.1264	<0.001	NA	NA	NA

Inti model awal

Pada model awal, seluruh prediktor memiliki p-value kurang dari 0,05. Namun, interpretasi koefisien belum dijadikan kesimpulan utama karena model ini masih harus melewati pemeriksaan asumsi proportional odds.

3.4 Pemeriksaan Asumsi Proportional Odds

Pemeriksaan asumsi proportional odds dilakukan untuk mengetahui apakah pengaruh setiap variabel prediktor bersifat konstan pada seluruh batas kategori respons.

Hipotesis dan kriteria Uji Brant

H₀: Asumsi proportional odds terpenuhi, sehingga pengaruh prediktor bersifat konstan pada seluruh batas kategori respons.
H₁: Asumsi proportional odds tidak terpenuhi, sehingga terdapat pengaruh prediktor yang tidak konstan pada seluruh batas kategori respons.

Kriteria keputusan: Jika p-value < 0,05, maka H₀ ditolak dan asumsi proportional odds dinyatakan tidak terpenuhi. Jika p-value ≥ 0,05, maka H₀ tidak ditolak.

Hasil Pemeriksaan Asumsi Proportional Odds Menggunakan Uji Brant
Variabel	Chi-square	Derajat Bebas	p-value
Omnibus	22.644	10	0.012
sexFEMALE	1.392	2	0.498
age	5.041	2	0.080
degree	3.287	2	0.193
polviews	4.961	2	0.084
attend	2.643	2	0.267

Inti Uji Brant

Uji omnibus menghasilkan p-value sebesar 0.012 atau kurang dari 0,05, sehingga asumsi proportional odds tidak sepenuhnya terpenuhi secara keseluruhan. Karena itu, pemeriksaan dilanjutkan dengan nominal_test() untuk melihat prediktor mana yang perlu dimodelkan lebih fleksibel.

Hipotesis dan kriteria uji per prediktor

H₀: Prediktor memenuhi asumsi proportional odds.
H₁: Prediktor tidak memenuhi asumsi proportional odds.

Kriteria keputusan: Prediktor dengan p-value < 0,05 diindikasikan memiliki efek non-proporsional dan dapat dimasukkan ke dalam komponen nominal pada partial proportional odds model.

Hasil Pemeriksaan Indikasi Pelanggaran Asumsi Proportional Odds
Prediktor	Derajat Bebas	Log-Likelihood	AIC	Likelihood Ratio	p-value
	NA	-2449.340	4914.681	NA	NA
sex	2	-2448.277	4916.554	2.127	0.345
age	2	-2445.313	4910.626	8.055	0.018
degree	2	-2448.502	4917.005	1.676	0.433
polviews	2	-2444.529	4909.058	9.623	0.008
attend	2	-2447.255	4914.511	4.170	0.124

Keputusan asumsi proportional odds

Variabel age dan polviews memiliki p-value kurang dari 0,05, sehingga dimasukkan sebagai efek non-proporsional. Variabel sex, degree, dan attend tetap dimodelkan sebagai efek proporsional.

3.5 Estimasi Partial Proportional Odds Model

Model partial proportional odds digunakan karena terdapat indikasi bahwa beberapa variabel prediktor tidak sepenuhnya memenuhi asumsi proportional odds. Pada model ini, variabel yang memenuhi asumsi tetap dimodelkan dengan koefisien yang konstan, sedangkan variabel yang terindikasi melanggar asumsi dimodelkan dengan koefisien yang dapat berbeda pada setiap batas kategori respons.

Kriteria pembacaan model

Variabel yang dimasukkan ke dalam komponen nominal dibaca sebagai efek non-proporsional, sehingga koefisiennya dapat berbeda pada setiap batas kategori respons. Variabel yang tidak dimasukkan ke dalam komponen nominal dibaca sebagai efek proporsional, sehingga koefisiennya berlaku konstan pada seluruh batas kategori respons. Parameter dengan p-value < 0,05 dinyatakan signifikan pada taraf signifikansi 5%.

Hasil Estimasi Partial Proportional Odds Model
Parameter	Estimate	Std. Error	z value	p-value
STRONGLY DISAGREE\|DISAGREE.(Intercept)	-0.6199	0.2438	-2.5427	0.0110
DISAGREE\|AGREE.(Intercept)	0.6143	0.2008	3.0595	0.0022
AGREE\|STRONGLY AGREE.(Intercept)	1.7995	0.2578	6.9813	<0.001
STRONGLY DISAGREE\|DISAGREE.age	0.0012	0.0036	0.3481	0.7278
DISAGREE\|AGREE.age	0.0047	0.0027	1.7315	0.0834
AGREE\|STRONGLY AGREE.age	0.0118	0.0035	3.3647	<0.001
STRONGLY DISAGREE\|DISAGREE.polviews	-0.4692	0.0449	-10.4598	<0.001
DISAGREE\|AGREE.polviews	-0.4136	0.0347	-11.9205	<0.001
AGREE\|STRONGLY AGREE.polviews	-0.3164	0.0441	-7.1749	<0.001
sexFEMALE	-0.4722	0.0844	-5.5952	<0.001
age	NA	NA	NA	NA
degree	-0.2640	0.0337	-7.8295	<0.001
polviews	NA	NA	NA	NA
attend	0.0455	0.0161	2.8338	0.0046

Inti estimasi PPOM

Pada model akhir, sex, degree, dan attend signifikan sebagai efek proporsional. Variabel age dan polviews dimodelkan sebagai efek non-proporsional; age signifikan pada batas AGREE|STRONGLY AGREE, sedangkan polviews signifikan pada seluruh batas kategori respons.

3.6 Perbandingan Model

Perbandingan model dilakukan untuk menentukan model yang paling sesuai dalam menjelaskan sikap responden terhadap spanking. Model awal proportional odds dan partial proportional odds model dibandingkan menggunakan nilai log-likelihood, AIC, dan uji rasio likelihood.

Hipotesis dan kriteria perbandingan model

H₀: Model proportional odds sudah cukup menjelaskan data.
H₁: Partial proportional odds model memberikan kesesuaian yang lebih baik dibandingkan model proportional odds.

Kriteria keputusan: Jika p-value uji rasio likelihood < 0,05, maka H₀ ditolak. Selain itu, model dengan nilai AIC lebih kecil dipilih sebagai model yang lebih baik karena menunjukkan keseimbangan yang lebih baik antara kesesuaian model dan kompleksitas parameter.

Perbandingan Model Regresi Logistik Ordinal
Model	Log-Likelihood	Jumlah Parameter	AIC
Proportional Odds	-2449.340	8	4914.681
Partial Proportional Odds	-2441.681	12	4907.362

Uji Rasio Likelihood Perbandingan Model Proportional Odds dan Partial Proportional Odds
Likelihood Ratio	Derajat Bebas	p-value
15.3184	4	0.0041

Keputusan model akhir

Model partial proportional odds memiliki log-likelihood lebih besar, AIC lebih rendah, dan uji rasio likelihood menghasilkan p-value 0.0041. Dengan demikian, PPOM dipilih sebagai model akhir.

3.7 Pemeriksaan Kesesuaian Model

Pemeriksaan kesesuaian model dilakukan untuk mengetahui apakah partial proportional odds model telah sesuai dalam menggambarkan data yang dianalisis.

Hipotesis dan kriteria uji kesesuaian model

H₀: Model sesuai dengan data atau tidak terdapat indikasi lack of fit.
H₁: Model tidak sesuai dengan data atau terdapat indikasi lack of fit.

Kriteria keputusan: Jika p-value > 0,05, maka H₀ tidak ditolak sehingga model dinilai sesuai dengan data. Jika p-value ≤ 0,05, maka H₀ ditolak sehingga model dinilai kurang sesuai dengan data.

Hasil Uji Kesesuaian Model Berdasarkan Statistik G^2 Deviance
G^2 Deviance	Derajat Bebas	p-value
4597.052	5454	1.0000

Inti uji kesesuaian \(G^2\)

Nilai \(G^2\) deviance sebesar 4597.0519, derajat bebas 5454, dan p-value 1.0000. Karena p-value lebih besar dari 0,05, tidak terdapat indikasi lack of fit.

Selain menggunakan statistik \(G^2\) deviance, kesesuaian model juga diperiksa menggunakan uji Hosmer-Lemeshow ordinal. Uji ini membandingkan frekuensi observasi aktual dan frekuensi harapan berdasarkan probabilitas prediksi model pada beberapa kelompok observasi.

Hipotesis dan kriteria uji Hosmer-Lemeshow ordinal

H₀: Tidak terdapat perbedaan yang signifikan antara frekuensi observasi aktual dan frekuensi harapan, sehingga model sesuai dengan data.
H₁: Terdapat perbedaan yang signifikan antara frekuensi observasi aktual dan frekuensi harapan, sehingga model kurang sesuai dengan data.

Kriteria keputusan: Jika p-value > 0,05, maka H₀ tidak ditolak dan model dinilai sesuai dengan data. Jika p-value ≤ 0,05, maka H₀ ditolak dan model dinilai kurang sesuai dengan data.

Hasil Uji Hosmer-Lemeshow Ordinal
Jenis Uji	Jumlah Kelompok	Jumlah Kategori Respons	Chi-square	Derajat Bebas	p-value
Hosmer-Lemeshow ordinal	10	4	27.3124	24	0.2901

Inti uji Hosmer-Lemeshow ordinal

Uji membentuk 10 kelompok observasi dan menghasilkan chi-square 27.3124, derajat bebas 24, serta p-value 0.2901. Keputusannya: H0 tidak ditolak, sehingga tidak terdapat indikasi ketidaksesuaian model terhadap data.

3.8 Uji Signifikansi Parameter

Uji signifikansi parameter dilakukan secara simultan dan parsial. Uji simultan digunakan untuk mengetahui apakah variabel prediktor secara bersama-sama berpengaruh terhadap sikap responden terhadap spanking, sedangkan uji parsial digunakan untuk mengetahui pengaruh masing-masing parameter dalam model akhir.

Hipotesis dan kriteria uji simultan

H₀: Seluruh koefisien prediktor sama dengan nol, sehingga variabel prediktor secara bersama-sama tidak berpengaruh signifikan terhadap sikap responden terhadap spanking.
H₁: Minimal terdapat satu koefisien prediktor yang tidak sama dengan nol, sehingga variabel prediktor secara bersama-sama berpengaruh signifikan terhadap sikap responden terhadap spanking.

Kriteria keputusan: Jika p-value < 0,05, maka H₀ ditolak dan model dinyatakan signifikan secara simultan.

Hasil Uji Signifikansi Parameter Secara Simultan Menggunakan Uji Rasio Likelihood
Likelihood Ratio	Derajat Bebas	p-value
364.4352	9	<0.001

Inti uji simultan

Nilai likelihood ratio sebesar 364.4352 dengan p-value <0.001. Karena p-value kurang dari 0,05, prediktor secara bersama-sama berpengaruh signifikan terhadap sikap responden terhadap spanking.

Setelah model dinyatakan signifikan secara simultan, pengujian dilanjutkan secara parsial menggunakan statistik Wald yang ditunjukkan melalui nilai z value dan p-value pada masing-masing parameter model.

Hipotesis dan kriteria uji parsial

H₀: Koefisien parameter sama dengan nol, sehingga parameter tidak berpengaruh signifikan terhadap sikap responden terhadap spanking.
H₁: Koefisien parameter tidak sama dengan nol, sehingga parameter berpengaruh signifikan terhadap sikap responden terhadap spanking.

Kriteria keputusan: Jika p-value < 0,05, maka H₀ ditolak dan parameter dinyatakan signifikan secara parsial.

Hasil Uji Signifikansi Parameter Secara Parsial Menggunakan Uji Wald
Parameter	Jenis	Estimate	Std. Error	z value	p-value	Keputusan
Strongly Disagree \| Disagree pada age	Efek non-proporsional	0.0012	0.0036	0.3481	0.7278	Tidak signifikan
Disagree \| Agree pada age	Efek non-proporsional	0.0047	0.0027	1.7315	0.0834	Tidak signifikan
Agree \| Strongly Agree pada age	Efek non-proporsional	0.0118	0.0035	3.3647	<0.001	Signifikan
Strongly Disagree \| Disagree pada polviews	Efek non-proporsional	-0.4692	0.0449	-10.4598	<0.001	Signifikan
Disagree \| Agree pada polviews	Efek non-proporsional	-0.4136	0.0347	-11.9205	<0.001	Signifikan
Agree \| Strongly Agree pada polviews	Efek non-proporsional	-0.3164	0.0441	-7.1749	<0.001	Signifikan
sexFEMALE	Efek proporsional	-0.4722	0.0844	-5.5952	<0.001	Signifikan
degree	Efek proporsional	-0.2640	0.0337	-7.8295	<0.001	Signifikan
attend	Efek proporsional	0.0455	0.0161	2.8338	0.0046	Signifikan

Inti uji parsial

Efek proporsional yang signifikan adalah sex, degree, dan attend. Pada efek non-proporsional, age signifikan hanya pada batas AGREE|STRONGLY AGREE, sedangkan polviews signifikan pada seluruh batas kategori.

3.9 Interpretasi Hasil Estimasi Partial Proportional Odds Model

Interpretasi hasil model dilakukan menggunakan nilai koefisien dan odds ratio pada partial proportional odds model. Pada efek proporsional, satu koefisien berlaku pada seluruh batas kategori respons. Pada efek non-proporsional, interpretasi dilakukan pada masing-masing batas kategori respons.

Kriteria interpretasi odds ratio

Jika OR > 1, maka kenaikan satu unit variabel meningkatkan odds berada pada kategori respons yang lebih tinggi sebesar (OR − 1) × 100%. Jika OR < 1, maka kenaikan satu unit variabel menurunkan odds berada pada kategori respons yang lebih tinggi sebesar (1 − OR) × 100%, dengan asumsi variabel lain konstan.

Catatan interpretasi: Pada efek non-proporsional, koefisien dari output clm() disesuaikan arahnya agar interpretasi tetap mengacu pada odds berada pada kategori respons yang lebih tinggi. Oleh karena itu, tabel menggunakan kolom Koefisien Interpretasi, sehingga OR dihitung sebagai OR = exp(β) dan dapat langsung digunakan dalam interpretasi.

Odds Ratio dan Interpretasi Langsung pada Partial Proportional Odds Model
Parameter	Jenis	Koefisien Interpretasi	OR	95% CI OR	p-value	Interpretasi Singkat
Strongly Disagree \| Disagree pada age	Efek non-proporsional	-0.0012	0.9988	[0.9918; 1.0058]	0.7278	Pada batas Strongly Disagree \| Disagree, koefisien age menunjukkan OR = 0.9988. Setiap kenaikan 1 tahun usia menurunkan odds berada pada kategori Disagree atau lebih tinggi sebesar 0.12%. Namun, p-value = 0.7278, sehingga pengaruh ini tidak signifikan pada taraf 5% dan tidak dijadikan fokus interpretasi utama.
Disagree \| Agree pada age	Efek non-proporsional	-0.0047	0.9953	[0.9901; 1.0006]	0.0834	Pada batas Disagree \| Agree, koefisien age menunjukkan OR = 0.9953. Setiap kenaikan 1 tahun usia menurunkan odds berada pada kategori Agree atau Strongly Agree sebesar 0.47%. Namun, p-value = 0.0834, sehingga pengaruh ini tidak signifikan pada taraf 5% dan tidak dijadikan fokus interpretasi utama.
Agree \| Strongly Agree pada age	Efek non-proporsional	-0.0118	0.9883	[0.9815; 0.9951]	<0.001	Pada batas Agree \| Strongly Agree, koefisien age menunjukkan OR = 0.9883. Setiap kenaikan 1 tahun usia menurunkan odds berada pada kategori Strongly Agree sebesar 1.17%. Pengaruh ini signifikan pada taraf 5%.
Strongly Disagree \| Disagree pada polviews	Efek non-proporsional	0.4692	1.5987	[1.4641; 1.7456]	<0.001	Pada batas Strongly Disagree \| Disagree, koefisien polviews menunjukkan OR = 1.5987. Setiap kenaikan 1 unit polviews meningkatkan odds berada pada kategori Disagree atau lebih tinggi sebesar 59.87%. Pengaruh ini signifikan pada taraf 5%.
Disagree \| Agree pada polviews	Efek non-proporsional	0.4136	1.5123	[1.4128; 1.6187]	<0.001	Pada batas Disagree \| Agree, koefisien polviews menunjukkan OR = 1.5123. Setiap kenaikan 1 unit polviews meningkatkan odds berada pada kategori Agree atau Strongly Agree sebesar 51.23%. Pengaruh ini signifikan pada taraf 5%.
Agree \| Strongly Agree pada polviews	Efek non-proporsional	0.3164	1.3722	[1.2586; 1.496]	<0.001	Pada batas Agree \| Strongly Agree, koefisien polviews menunjukkan OR = 1.3722. Setiap kenaikan 1 unit polviews meningkatkan odds berada pada kategori Strongly Agree sebesar 37.22%. Pengaruh ini signifikan pada taraf 5%.
sexFEMALE	Efek proporsional	-0.4722	0.6236	[0.5285; 0.7358]	<0.001	Koefisien sexFEMALE menunjukkan OR = 0.6236. Perempuan memiliki odds berada pada kategori sikap yang lebih tinggi 37.64% lebih rendah dibanding laki-laki. Pengaruh ini signifikan pada taraf 5%.
degree	Efek proporsional	-0.2640	0.7680	[0.7189; 0.8205]	<0.001	Koefisien degree menunjukkan OR = 0.768. Setiap kenaikan 1 tingkat pendidikan menurunkan odds berada pada kategori sikap yang lebih tinggi sebesar 23.20%. Pengaruh ini signifikan pada taraf 5%.
attend	Efek proporsional	0.0455	1.0466	[1.0141; 1.08]	0.0046	Koefisien attend menunjukkan OR = 1.0466. Setiap kenaikan 1 tingkat kehadiran keagamaan meningkatkan odds berada pada kategori sikap yang lebih tinggi sebesar 4.66%. Pengaruh ini signifikan pada taraf 5%.

Cara membaca tabel interpretasi

Kolom OR menunjukkan besar pengaruh, sedangkan kolom Interpretasi Singkat langsung menjelaskan maknanya. Parameter yang tidak signifikan tetap diinterpretasikan, lalu diberi catatan bahwa pengaruhnya tidak signifikan pada taraf 5%.

3.10 Evaluasi Klasifikasi Berdasarkan Probabilitas Prediksi Ordinal

Evaluasi klasifikasi dilakukan berdasarkan probabilitas prediksi ordinal yang dihasilkan oleh partial proportional odds model. Kategori prediksi ditentukan dari kategori respons dengan probabilitas terbesar pada setiap observasi, kemudian dibandingkan dengan kategori aktual menggunakan confusion matrix.

Kriteria evaluasi prediksi

Bagian ini bukan uji hipotesis, melainkan evaluasi kemampuan klasifikasi model. Akurasi tepat menunjukkan proporsi prediksi yang sama persis dengan kategori aktual. Akurasi toleransi satu tingkat menunjukkan proporsi prediksi yang sama atau hanya berbeda satu kategori dari kategori aktual. Rata-rata jarak ordinal menunjukkan rata-rata selisih tingkat antara kategori aktual dan kategori prediksi. Semakin kecil rata-rata jarak ordinal, semakin dekat prediksi model dengan kategori aktual.

Tabel prediksi di bawah ini bersifat interaktif. Kolom prediksi ditebalkan agar pembaca langsung melihat kategori hasil prediksi model.

Confusion Matrix Ordinal Berdasarkan Model Akhir
Aktual	STRONGLY DISAGREE	DISAGREE	AGREE	STRONGLY AGREE
STRONGLY DISAGREE	103	111	115	4
DISAGREE	59	154	342	4
AGREE	32	124	576	12
STRONGLY AGREE	11	40	273	16

Hasil Evaluasi Klasifikasi Berdasarkan Probabilitas Prediksi Ordinal
Akurasi Tepat	Akurasi Toleransi Satu Tingkat	Rata-rata Jarak Ordinal
0.4297	0.8957	0.6822

Inti evaluasi prediksi

Akurasi tepat model sebesar 42.97%, sehingga kemampuan prediksi kategori secara persis masih terbatas. Namun, akurasi toleransi satu tingkat sebesar 89.57% dan rata-rata jarak ordinal 0.6822 menunjukkan bahwa kesalahan prediksi umumnya tidak jauh dari kategori aktual. Model ini lebih cocok untuk inferensi daripada prediksi presisi.

4 Kesimpulan

Penelitian ini menganalisis faktor-faktor yang memengaruhi sikap responden terhadap penggunaan spanking menggunakan data General Social Survey (GSS) tahun 2024. Hasil pengujian menunjukkan bahwa asumsi proportional odds tidak sepenuhnya terpenuhi, sehingga Partial Proportional Odds Model (PPOM) dipilih sebagai model yang lebih sesuai dibandingkan regresi logistik ordinal konvensional.

Sex: Female−37,64%efek proporsional; lebih rendah dibanding laki-laki

Degree−23,20%efek proporsional; setiap naik 1 tingkat pendidikan

Attend+4,66%efek proporsional; setiap naik 1 tingkat kehadiran

Efek non-proporsional tetap ditampilkan per batas kategori

Variabel age dan polviews tidak diringkas menjadi satu angka efek global. Setiap kotak di bawah ini menunjukkan perubahan odds pada batas kategori tertentu, sehingga interpretasinya tetap sesuai dengan struktur Partial Proportional Odds Model.

Age: Strongly Disagree | Disagree−0.12%Tidak signifikan
setiap naik 1 tahun usia; p-value 0.7278

Age: Disagree | Agree−0.47%Tidak signifikan
setiap naik 1 tahun usia; p-value 0.0834

Age: Agree | Strongly Agree−1.17%Signifikan
setiap naik 1 tahun usia; p-value <0.001

Polviews: Strongly Disagree | Disagree+59.87%Signifikan
setiap naik 1 unit polviews; p-value <0.001

Polviews: Disagree | Agree+51.23%Signifikan
setiap naik 1 unit polviews; p-value <0.001

Polviews: Agree | Strongly Agree+37.22%Signifikan
setiap naik 1 unit polviews; p-value <0.001

Hasil analisis menunjukkan bahwa jenis kelamin, usia, tingkat pendidikan, pandangan politik, dan frekuensi kehadiran dalam kegiatan keagamaan berpengaruh signifikan terhadap sikap responden terhadap spanking. Secara umum, perempuan dan individu dengan tingkat pendidikan yang lebih tinggi cenderung memiliki tingkat persetujuan yang lebih rendah terhadap penggunaan spanking, sedangkan individu yang lebih sering menghadiri kegiatan keagamaan cenderung memiliki tingkat persetujuan yang lebih tinggi. Selain itu, pengaruh usia dan pandangan politik tidak bersifat konstan pada seluruh kategori respons, yang menunjukkan pentingnya penggunaan PPOM dalam penelitian ini.

Temuan penelitian ini sejalan dengan penelitian sebelumnya yang menunjukkan bahwa faktor demografis, politik, dan religiusitas merupakan determinan penting sikap terhadap spanking. Meskipun kemampuan prediksi tepat model masih tergolong moderat, hasil penelitian menunjukkan bahwa PPOM efektif digunakan untuk menjelaskan hubungan antara karakteristik responden dan sikap terhadap spanking pada data ordinal.

5 Daftar Pustaka

Gagné, M.-H., Tourigny, M., Joly, J., & Pouliot-Lapointe, J. (2007). Predictors of adult attitudes toward corporal punishment of children. Journal of Interpersonal Violence, 22(10), 1285–1304. https://doi.org/10.1177/0886260507304550
Widyastuti, N., et al. (2024). Enhancing parenting to prevent negative discipline in Yogyakarta: Mixed methods study. Berita Ilmu Keperawatan, 17(1). https://doi.org/10.23917/bik.v17i1.8808
Hoffmann, J. P., Ellison, C. G., & Bartkowski, J. P. (2017). Conservative Protestantism and attitudes toward corporal punishment, 1986–2014. Social Science Research, 63, 81–94.
Wolf, J. P., & Kepple, N. J. (2019). Individual- and county-level religious participation, corporal punishment, and physical abuse of children: An exploratory study. Journal of Interpersonal Violence, 34(19). https://doi.org/10.1177/0886260516674197
Chung, E. K., Mathew, L., Rothkopf, A. C., Elo, I. T., Coyne, J. C., & Culhane, J. F. (2009). Parenting attitudes and infant spanking: The influence of childhood experiences. Pediatrics, 124(2), e278–e286. https://doi.org/10.1542/peds.2008-3247
Vittrup, B., Holden, G. W., & Buck, J. (2006). Attitudes predict the use of physical punishment: A prospective study of the emergence of disciplinary practices. Pediatrics, 117(6), 2055–2064. https://doi.org/10.1542/peds.2005-2204
Deater-Deckard, K., Lansford, J. E., Dodge, K. A., Pettit, G. S., & Bates, J. E. (2003). The development of attitudes about physical punishment: An 8-year longitudinal study. Journal of Family Psychology, 17(3), 351–360. https://doi.org/10.1037/0893-3200.17.3.351
NORC at the University of Chicago. (2024). General Social Survey (GSS) 2024. https://gss.norc.org

Pengaruh Faktor Demografis, Politik, dan Keagamaan terhadap Tingkat Persetujuan atas Spanking: Studi Menggunakan Partial Proportional Odds Model

Chelsea Violeta Hernathan & Mutiara Faza Artha Manggala

09 June 2026

1 Pendahuluan

1.1 Latar Belakang

1.2 Tujuan Penelitian

2 Data dan Variabel Penelitian

2.1 Deskripsi Data

2.2 Pengolahan Awal Data

2.2.1 Import dan Cleaning Data

2.2.2 Persiapan Variabel Penelitian

3 Hasil dan Pembahasan

3.1 Distribusi Variabel Respons

3.2 Pemeriksaan Multikolinearitas

3.3 Estimasi Model Regresi Logistik Ordinal Cumulative Logit

3.4 Pemeriksaan Asumsi Proportional Odds

3.5 Estimasi Partial Proportional Odds Model

3.6 Perbandingan Model

3.7 Pemeriksaan Kesesuaian Model

3.8 Uji Signifikansi Parameter

3.9 Interpretasi Hasil Estimasi Partial Proportional Odds Model

3.10 Evaluasi Klasifikasi Berdasarkan Probabilitas Prediksi Ordinal

4 Kesimpulan

5 Daftar Pustaka