log linear 3 dimensi new-1.docx
DESCRIPTION
k-wayasosiasi parsialbackwardTRANSCRIPT
ANALISIS DATA KUALITATIF
MODUL IV
LOG LINEAR 3 DIMENSI
Oleh :
1. Fitri Ayu Kusumawati 1313 201 045
2. Yuanita Damayanti 1313 201 047
3. Puspita Kartikasari 1313 201 048
Dosen :
Dr. Vita Ratnasari, S.Si., M.Si.
Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember Surabaya
2013
I. TINJAUAN PUSTAKA
1.1 Log Linier 3 Dimensi
Log linier 3 dimensi digunakan untuk menggambarkan ada tidaknya hubungan antara
dua atau lebih variabel dan sekaligus untuk mengetahui sel-sel mana yang menyebabkan
dependensi.
Tabel 1.1 Organisasi Data
Var 1 (X1)
Var 2(X2)
Var 3 (X3)1 2 ... k
11 n111 n112 ... n11k
... ... .... ... ....J n1ik
21...J
... ...
i1...J nijk
Keterangan : nijk = banyaknya observasi pada baris ke-i, kolom ke-j, dan layer ke-k.
Dengan model (Wulandari, 2009) :
V ijk=λ+ λiA
+ λjB+λ
kC+λijAB+ λ
jkBC+λik AC+λ
ijkABC (1.1)
Jika antara ketiga variabel tersebut saling independent, maka taksiran nilai harapan dari
masing-masing sel adalah sebagai berikut :
e ij=ni .. n. j .n ..k
n.. .2 (1.2)
dimana :ni ..=∑
j=1
J
∑k=1
K
nijk=jumlah nilai observasi pada baris ke-i
n. j .=∑i=1
I
∑k=1
K
nijk=jumlah nilai observasi pada kolom ke-j
n. .k=∑j=1
J
∑i=1
I
nijk=jumlah nilai observasi pada lyer ke-k
n . ..=∑i=1
I
∑j=1
J
∑k=1
K
nijk=jumlah seluruh nilai observasi
Bila kedua ruas persamaan (1.2) dinyatakan dalam bentuk logaritma didapatkan :
log e ijk = log ni .. + log
n. j . + log n. .k - 2 log n. . . (1.3)
Page | 1
yang analog dengan : log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
Arti dari model tersebut adalah variabel 1, 2 dan 3 ada dalam model, tapi tidak ada
interaksi antara ketiganya (ketiga variabel independen). Dimana :
λ= grand mean dari logaritma jumlah nilai harapannya atau rata-rata dari seluruh logarima
nilai harapannya.
λ̂= 1IJK
∑i=1
I
∑j=1
J
∑k=1
K
log eijk (1.4)
λ+ λiA= main effect variabel 1 atau pengaruh dari variabel 1 terhadap model.
λ+ λiA= 1
JK∑j=1
J
∑k=1
K
log eijk (1.5)
λ+ λ jB= main effect variabel 2 atau pengaruh dari variabel 2 terhadap model.
λ+ λ jB= 1
IK∑i=1
I
∑k=1
K
log e ijk(1.6)
λ+ λkC= main effect variabel 3 atau pengaruh dari variabel 3 terhadap model
λ+ λkC= 1
IJ∑i=1
I
∑j=1
J
log e ijk (1.7)
u1( i) dan u2( j)dan
u3(k )menunjukkan deviasi penyimpangan dari u sehingga
∑i=1
I
λiA=∑
j=1
J
λ jB=∑
k=1
K
λkC=0
Jika terdapat interaksi pada ketiga variabel, maka model menjadi
log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
(1.8)
dimana :
∑i=1
I
∑j=1
J
λijAB=∑
i=1
I
∑k=1
K
λikAC=∑
j=1
J
∑k=1
K
λ jkBC=∑
i=1
I
∑j=1
J
∑k=1
K
λ ijkABC=0
dengan :
Page | 2
Tabel 1.2 Resume Derajat bebas untuk Log Linear 3 Dimensi
Bentuk Dbλ 1λ i
A I-1
λ jB J-1
λkC K-1
λ ijAB (I-1)(J-1)
λ ikAC (I-1)(K-1)
λ jkBC (J-1)(K-1)
λ ijkABC (I-1)(J-1)(K-1)
Total IJK
1.2 Uji Independensi
Uji Independen adalah uji yang digunakan untuk melihat variabel yang diteliti bebas
artinya tidak memiliki hubungan satu sama lain.Untuk melihat apakah variabel independen
atau tidak yaitu dengan diuji korelasi. Uji korelasi digunakan untuk menguji hubungan antara
dua variabel yang tidak menunjukkan hubungan fungsional (berhubungan bukan berarti
disebabkan) (Daniel, 1989). Uji hipotesis pada uji korelasi adalah sebagai berikut.
Hipotesis :
H0 : Tidak terdapat hubungan yang signifikan antar kedua variabel
H1 : Terdapat hubungan yang signifikan antar kedua variabel
Statistik uji :
X hit2 =∑
i=1
I
∑j=1
J
∑k=1
K (nijk−e ijk )2
e ijk
(1.9)
Nilai X2 diatas kemudian dibandingkan dengan nilai X2 pada tabel. Dengan daerah
kritisnya Tolak H0 jika X2hitung > X2
tabel (Wulandari, 2009).
1.3 Pemilihan Model Terbaik
Pemilihan model terbaik dapat dilakukan dengan 3 cara yaitu.
1.3.1 Uji K-Way
Page | 3
1. Pengujian interaksi pada derajat K atau lebih sama dengan nol (Test that K-Way and
higher order effect are zero) uji ini didasarkan pada hipotesis bahwa efek order ke-K dan
yang lain tinggi sama dengan nol. Pada model log liniear hipotesisnya sebagai berikut.
Untuk K=3
H0 : Efek order ke-3 = 0 (log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC)
H1 : Efek order ke-3 ≠ 0 (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
)
Untuk K = 2
H0 : Efek order ke-2 = 0 (log eijk=λ+λ iA+λ j
B+λkC
)
H1 : Efek order ke-2 ≠ 0 (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
)
Untuk K = 1
H0 : Efek order ke-1 dan yang lebih tinggi = 0 (log e ijk=λ
)
H1 : Efek order ke-2 dan yang lebih tinggi ≠ 0
(log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
)
2. Pengujian interaksi pada derajat K sama dengan nol (Test that K-Way and higher order
effect are zero) uji ini didasarkan pada hipotesis bahwa efek order ke-K sama dengan nol.
Pada model log liniear hipotesisnya sebagai berikut.
Untuk K = 1
H0 : Efek order ke-1 = 0 (λ iA=λ j
B= λkC=0 )
H1 : Efek order ke-1 ≠ 0 (λ iA≠0 atau λ j
B≠0 atau λkC≠0 )
Untuk K = 2
H0 : Efek order ke-2 = 0 (λ ijAB= λik
AC=λ jkBC=0 )
H1 : Efek order ke-2 ≠ 0 (λ ijAB≠0 atau λ ik
AC≠0 atau λ jkBC≠0 )
Untuk K = 3
H0 : Efek order ke-3 = 0 (λ ijkABC=0 )
H1 : Efek order ke-3 ≠ 0 (λ ijkABC≠0 )
Kriteria penolakan G2 > χ2(db: α ) maka tolak H0 (Wulandari, 2009).
1.3.2 Uji Asosiasi Parsial
Pengujian ini mempunyai tujuan untuk menguji semua parameter yang mungkin dari
suatu model lengkap baik satu variabel yang bebas maupun untuk hubungan ketergantungan
Page | 4
beberapa variabel yang merupakan parsial dari suatu model lengkap. Hipotesisnya sebagai
berikut :
1. H0 : X1 dan X2 independen dalam setiap level X3 (λ ij
AB=0)
H1 : X1 dan X2 dependen dalan setiap level X3 (λ ij
AB≠0 )
Maka jika Terima H0 logeijk = λ+ λiA+ λ j
B+λkC+ λ jk
BC+λikAC
2. H0 : X1 dan X3 independen dalam setiap level X2 (λ ik
AC=0)
H1 : X1 dan X3 dependen dalan setiap level X2 (λ ikAC≠0 )
Maka jika Terima H0 logeijk = λ+ λiA+ λ j
B+λkC+ λij
AB+ λ jkBC
3. H0 : X2 dan X3 independen dalam setiap level X1 (λ jk
BC=0)
H1 : X2 dan X3 dependen dalan setiap level X1 (λ jk
BC≠0 )
Maka jika Terima H0 logeijk = λ+ λiA+ λ j
B+λkC+ λij
AB+ λikAC
4. H0 : X1 independen dalam setiap level (λ i
A=0)
H1 : X1 dependen dalan setiap level (λ iA≠0 )
Maka jika Terima H0 logeijk = λ+ λ jB+ λk
C
5. H0 : X1 independen dalam setiap level (λ j
B=0)
H1 : X1 dependen dalan setiap level (λ jB≠0 )
Maka jika Terima H0 logeijk = λ+ λiA+ λk
C
6. H0 : X1 independen dalam setiap level (λk
C=0)
H1 : X1 dependen dalan setiap level (λkC≠0 )
Maka jika Terima H0 logeijk = λ+ λiA+ λ j
B
Kriteria penolakan χ2 > χ2(db: α ) maka tolak H0 (Wulandari, 2009).
1.3.3 Eliminasi Backward
Page | 5
Metode Backward Elemination pada dasarknya menyeleksi model dengan
menggunakan prinsip hierarki, yaitu dengan melihat model terlengkap sampai dengan model
yang sederhana. Langkah-langkah yang dilakukan adalah
1. Anggap model (0) yaitu model XYZ sebagai model terbaik.
2. Keluarkan efek interaksi tiga faktor sehingga modelnya menjadi (XY, YZ, XZ) yang
disebut model (1).
3. Bandingkan model (0) dengan model (1) dengan hipotesis sebagai berikut.
H0 : Model (1) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC)
H1 : Model (0) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
)
Statistik uji yang digunakan adalah Likelihood Ratio Test (G2).
4. Jika H0 ditolak, maka dinyatakan bahwa model (0) adalah model terbaik. Tetapi jika
gagal tolak H0, maka bandingkan model (1) tersebut dengan model (0). Kemudian
salah satu interaksi dua faktor dikeluarkan dari model.
5. Untuk menentukan interaksi mana yang dikeluarkan terlebih dahulu maka dipilih nilai
G2 terkecil.
6. Jika H0 diterima maka Model (1) yang terbentuk, sehingga dibuat Model (2) dengan
hipotesis sebagai berikut.
a. H0 : Model (2) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ik
AC+λ jkBC
)
H1 : Model (1) = model terbaik (log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC )
b. H0 : Model (2) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ jkBC
)
H1 : Model (1) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC )
c. H0 : Model (2) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC
)
H1 : Model (1) = model terbaik (log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC)
(Wulandari, 2009)
II. APLIKASI DAN LANGKAH ANALISIS
2.1 Studi Kasus
Data yang digunakan adalah data karakteristik pelanggan koran Jawa Pos di daerah
Ketintang Surabaya yang dikutip dari tugas akhir Herman Fauzi 1392030039. Pada studi
kasus ini, ingin diketahui independensi, interaksi serta hubungan ketergantungan antara jenis
kelamin, usia dan berita yang disenangi oleh pelanggan dengan menggunakan log linear 3
dimensi dimana ketiga variabel tersebut dikategorikan sebagai berikut.
Tabel 2.1 Kategori VariabelPage | 6
Variabel KategoriJenis kelamin 1 = Laki-laki
2 = PerempuanUsia 1 = 25-37 tahun
2 = 38-50 tahun3 = > 50 tahun
Berita yang disenangi 1 = Berita umum2 = Berita metropolis3 = Berita olahraga
Berikut ini merupakan tabel kontingensi dari data karakteristik pelanggan koran Jawa Pos.
Tabel 2.2 Kontingensi Karakteristik Pelanggan Koran Jawa Pos
Jenis Kelamin
UsiaBerita yang disenangi
Koran I(Berita Umum)
Koran 2(Berita Metropolis)
Koran 3(Berita Olahraga)
Laki-Laki25-37 tahun 10 15 2938-50 tahun 25 23 27> 50 tahun 48 27 25
Perempuan25-37 tahun 15 15 1038-50 tahun 10 9 1> 50 tahun 3 5 3
2.2 Langkah Analisis
Langkah-langkah yang digunakan dalam menganalisis ketiga variabel karakteristik
pelanggan koran dengan menggunakan software SPSS adalah sebagai berikut.
1. Melakukan Weight Case
Data > Weight Case
Page | 7
Pilih Weight case by
Isi Frequency Variable dengan frekuensi.
Page | 8
2. Melakukan uji independensi
Analyze > Loglinier > General
Masukkan variabel Jeniskelamin, Usia, dan Berita ke Factor(s), pilih Model
Page | 9
Pada model, pilih custom. Masukkan variabel Jeniskelamin, Usia, dan Berita ke
terms in model dengan pilihan type main effect
3. Menguji Interaksi k-suku atau lebih adalah nol
Analyze > Loglinier > Model Selection
Page | 10
Masukkan variabel Jeniskelamin, Usia, dan Berita ke Factor(s) kemudian melakukan
Define range, Jeniskelamin 1-2, Usia 1-3, dan Berita 1-3.
Pilih Enter in single step, kemudian pilih Model
Page | 11
Pada Model, pilih Saturated > Continue
Pilih Option, kemudian klik Parameter estimates dan Association table.
Page | 12
Continue > OK
III. ANALISIS DAN PEMBAHASAN
3.1Uji Independensi
H0: Tidak ada hubungan antara ketiga variabel (jenis kelamin,usia, dan berita yang
disenangi).
H1: Ada hubungan antara ketiga variabel (jenis kelamin,usia, dan berita yang disenangi).
α = 5 %
Daerah Kritis : 2hitung > 2
((i-1)(j-1)+(i-1)(k-1)+(j-1)(k-1)-(i-1)(j-1)(k-1),α)
2hitung > 2
((2-1)(3-1)+(2-1)(3-1)+(3-1)(3-1)-(2-1)(3-1)(3-1),α)
2hitung > 2
(12, 0,05)
2hitung > 21,0642 atau G2 > 21,0642
Statistik Uji:
Tabel 3.1 Frekuensi Harapan Data Berdasarkan Output SPSS
Page | 13
Jeniskelamin Usia BeritaObserved Expected
Count % Count %
Laki-laki
25-27 tahun
Umum 10 3.3% 26.549 8.8%
Metropolis 15 5.0% 22.483 7.5%
Olahraga 29 9.7% 22.722 7.6%
38-50 tahun
Umum 25 8.3% 26.831 8.9%
Metropolis 23 7.7% 22.722 7.6%
Olahraga 27 9.0% 22.964 7.7%
>50 tahun
Umum 48 16.0% 31.350 10.5%
Metropolis 27 9.0% 26.549 8.8%
Olahraga 25 8.3% 26.831 8.9%
Perempuan
25-27 tahun
Umum 15 5.0% 8.231 2.7%
Metropolis 15 5.0% 6.971 2.3%
Olahraga 10 3.3% 7.045 2.3%
38-50 tahun
Umum 10 3.3% 8.319 2.8%
Metropolis 9 3.0% 7.045 2.3%
Olahraga 1 .3% 7.120 2.4%
>50 tahun
Umum 3 1.0% 9.720 3.2%
Metropolis 5 1.7% 8.231 2.7%
Olahraga 3 1.0% 8.319 2.8%
Selain menggunakan output SPSS, nilai ekspektasi dapat dihitung menggunakan
rumus:
e ijk=ni . .×n. j
.×n. . k ¿
n. . .2
¿
e111=n1 . .×n. 1.×n. . 1
n .. .2=229×94×111
3002=26 ,55
e112=n1. . x n. 1. x n. . 2
n . ..2=229 x94 x94
3002=22, 48
e113=n1. . x n. 1. xn. . 3
n . ..2=229 x 94 x 95
3002=22 , 72
e121=n1 .. xn. 2 . xn .. 1
n. ..2=229 x 95 x 111
3002=26 ,83
e122=n1 .. xn2 . x n. .2
n. . .2=229 x95 x 94
3002=22 ,72
e123=n1 .. xn .2 . x n. .3
n .. .2=229 x95 x 95
3002=22 , 96
e131=n1 .. xn. . 3. xn. . 1
n . ..2=229 x111 x111
3002=31,35
e132=n1 .. xn. 3 . x n.. 2
n. . .2=229 x 111 x 94
3002=26 , 55
e133=n1 .. xn .3 . x n. .3
n .. .2=229 x111x 95
3002=26 , 83
Page | 14
e211=n2. . x n. 1. xn. . 1
n . ..2=71 x 94 x111
3002=8 ,23
e212=n2 .. xn .1 . x n.. 2
n. . .2=71 x 94 x 94
3002=6 ,97
e213=n2 . . xn .1 . x n. .3
n .. .2=71 x 94 x 95
3002=7 ,04
e221=n2 .. xn .2 . x n. .1
n. . .2=71 x 95 x111
3002=8 , 32
e222=n2 .. xn .2 . x n. .2
n. . .2=71 x 95 x94
3002=7 ,04
e223=n2 . . xn .2 . x n. .3
n .. .2=71 x 95 x 95
3002=7 ,12
e231=n2 .. xn .3 . x n. .1
n. . .2=71x 111 x111
3002=9 ,72
e232=n2 .. xn .3 . x n. .2
n. . .2=71x 111x 94
3002=8 ,23
e233=n2 . . xn .3 . x n. . 3
n .. .2=71 x 111 x 95
3002=8 ,32
Tabel 3.2 Nilai Ekspektasi Berdasarkan Perhitungan Manual
Jenis Kelamin
UsiaBerita yang disenangi
Koran I (Berita Umum)
Koran 2 (Berita Metropolis)
Koran 3 (Berita Olahraga)
Laki-Laki25-37 tahun 26.55 22.48 22.7238-50 tahun 26.83 22.72 22.96> 50 tahun 31.35 26.55 26.83
Perempuan25-37 tahun 8.23 6.97 7.0438-50 tahun 8.32 7.04 7.12> 50 tahun 9.72 8.23 8.32
Nilai ekspektasi berdasarkan perhitungan manual pada Tabel 3.2 sama dengan
nilai pada kolom Expected-Count pada Tabel 3.1. Kemudian setelah mendapatkan nilai
ekspektasi maka dilakukan perhitungan uji Chi-Square atau perhitungan uji Nisbah
Kemungkinan G2 .
Tabel 3.3 Nilai Uji Likelihood Ratio G2 dan Nilai Uji Pearson Chi-Square
Value Df Sig.
Likelihood Ratio 60.527 12 0.000
Pearson Chi-Square 55.866 12 0.000
Tabel 3.4 Perhitungan Menggunakan Excelkode level
nijk eijk nijk-eijk (nijk-eijk)2 (nijk-eijk)/eijk nijk/eijk nijk ln (nijk/eijk)
Page | 15
111 10 26,55 -16,55 273,86 10,32 0,38 -9,76112 15 22,48 -7,48 55,99 2,49 0,67 -6,07113 29 22,72 6,28 39,41 1,73 1,28 7,08121 25 26,83 -1,83 3,35 0,12 0,93 -1,77122 23 22,72 0,28 0,08 0,00 1,01 0,28123 27 22,96 4,04 16,29 0,71 1,18 4,37131 48 31,35 16,65 277,22 8,84 1,53 20,45132 27 26,55 0,45 0,20 0,01 1,02 0,46133 25 26,83 -1,83 3,35 0,12 0,93 -1,77211 15 8,23 6,77 45,82 5,57 1,82 9,00212 15 6,97 8,03 64,47 9,25 2,15 11,50213 10 7,04 2,96 8,73 1,24 1,42 3,50221 10 8,32 1,68 2,83 0,34 1,20 1,84222 9 7,04 1,96 3,82 0,54 1,28 2,20223 1 7,12 -6,12 37,45 5,26 0,14 -1,96231 3 9,72 -6,72 45,16 4,65 0,31 -3,53232 5 8,23 -3,23 10,44 1,27 0,61 -2,49233 3 8,32 -5,32 28,29 3,40 0,36 -3,06
TOTAL 55,86 30,26
χ2=∑I=1
2
∑j=1
3
∑k=1
3
(nijk−e ijk )2
eijk
=55 , 86
G2=2∑I=1
2
∑j=1
3
∑k=1
3
(nijk−e ijk )2nijk ln
nijk
e ijk
¿2×30 , 26¿60 , 52
Kesimpulan: Karena 2hitung yaitu 55,86 dan G2 = 60,52 yang lebih dari 21,0642
maka tolak H0, sehingga ada hubungan antara ketiga variabel (jenis kelamin,usia, dan
jenis berita yang disenangi).
3.2 Analisis Log Linear
Analisis log linear pada kasus ini, terdapat tiga kategori yaitu:
1. Kategori A yaitu Jenis Kelamin
1: Laki – laki
2: Perempuan
2. Kategori B yaitu Umur
1: 25 – 37 tahun
2: 38 – 50 tahun
3: > 50 tahun
3. Kategori C yaitu Jenis Berita
1: Koran 1 (Berita Umum)
Page | 16
2: Koran 2 (Berita Metropolis)
3: Koran 3 (Berita Olahraga)
Secara umum, model log linear dari kasus ini adalah :
log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
dengan keterangan:
i : level variabel A
j : level variabel B
k : level variabel C
3.3 Seleksi Model dengan metode K-Way
Tabel 3.5 K-Way and Higher-Order Effects
K Df
Likelihood Ratio Pearson Number of
Iterations
Chi-Square Sig.Chi-
SquareSig.
K-way and Higher Order
Effectsa
1 17 151.670 0.000 148.920 0.000 0
2 12 60.527 0.000 55.866 0.000 23 4 7.082 0.132 7.470 0.113 4
K-way Effectsb
1 5 91.143 0.000 93.054 0.000 02 8 53.445 0.000 48.396 0.000 03 4 7.082 0.132 7.470 0.113 0
1. Test untuk interaksi K-suku atau lebih adalah nol
Test ini berdasarkan pada hipotesis bahwa efek order ke-K atau lebih sama dengan nol.
Test ini dimulai dari order tertinggi hingga order terendah.
1. Untuk k = 3
H0 : order ke-3 sama dengan nol (log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC )
H1 : order ke-3 tidak sama dengan nol
(log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
)
α = 5 %
Daerah Kritis : 2hitung > 2
((i-1)(j-1)(k-1),α)
2hitung > 2
((2-1)(3-1)(3-1),α)
2hitung > 2
(4, 0,05)
2hitung > 9,4877 atau G2 > 9,4877
Statistik Uji :
2 = 7,470
Page | 17
G2 = 7,082
Kesimpulan :
Karena nilai 2 yaitu 7,470 dan nilai G2 7,082 kurang dari 9,4877 maka gagal tolak H0.
Kesimpulan ini juga didapatkan dari nilai P-Value pada uji Chi-Square 0,113 yang lebih
besar dari alpha 0,05. Sehingga keputusannya adalah order ke-3 sama dengan nol atau
model log linearnya adalah log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
2. Untuk k = 2
H0 : order ke-2 sama dengan nol (log e ijk=λ+λ iA+λ j
B+λkC
)
H1 : order ke-2 tidak sama dengan nol
(log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
)
α = 5 %
Daerah Kritis : 2hitung > 2
((i-1)(j-1)+(i-1)(k-1)+(j-1)(k-1)-(i-1)(j-1)(k-1),α)
2hitung > 2
((2-1)(3-1)+(2-1)(3-1)+(3-1)(3-1)-(2-1)(3-1)(3-1),α)
2hitung > 2
(12, 0,05)
2hitung > 21,0642 atau G2 > 21,0642
Statistik Uji :
Nilai ekspektasi (e) untuk masing-masing level ditampilkan pada Tabel 3.2, dan
perhitungannya pada Tabel 3.4.
Sehingga statistik uji yang didapatkan adalah
χ2=∑I=1
2
∑j=1
3
∑k=1
3
(nijk−e ijk )2
eijk
=55 , 86
G2=2∑I=1
2
∑j=1
3
∑k=1
3
(nijk−e ijk )2nijk ln
nijk
e ijk
¿2×30 , 26¿60 , 52
Kesimpulan :
Karena nilai 2 yaitu 55,86 dan nilai G2 60,52 lebih dari 21,0642 maka tolak H0.
Kesimpulan ini juga didapatkan dari nilai P-Value pada uji Chi-Square 0 yang kurang
dari alpha 0,05. Sehingga keputusannya adalah order ke-2 tidak sama dengan nol atau
model log linearnya adalah log e ijk=μ+λiA+ λ j
B+ λkC+λij
AB+λikAC+ λ jk
BC+λ ijkABC
3. Untuk k = 1
H0 : order ke-1 sama dengan nol (log e ijk=λ )Page | 18
H1 : order ke-1 tidak sama dengan nol
(log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
)
α = 5 %
Daerah Kritis : 2hitung > 2
((i-1)+(j-1)+(k-1)+(i-1)(j-1)+(i-1)(k-1)+(j-1)(k-1)-(i-1)(j-1)(k-1),α)
2hitung > 2
((2-1)+(3-1)+(3-1)+(2-1)(3-1)+(2-1)(3-1)+(3-1)(3-1)-(2-1)(3-1)(3-1),α)
2hitung > 2
(17, 0,05)
2hitung > 27,587 atau G2 > 27,587
Statistik Uji :
e ijk=n . ..18
=30018
=16 ,67
Tabel 3.6 Nilai Ekspektasi Berdasarkan Perhitungan Manual pada Order K = 1
Jenis Kelamin
UsiaBerita yang disenangi
Koran I (Berita Umum)
Koran 2 (Berita Metropolis)
Koran 3 (Berita Olahraga)
Laki-Laki25-37 tahun 16,67 16,67 16,6738-50 tahun 16,67 16,67 16,67> 50 tahun 16,67 16,67 16,67
Perempuan25-37 tahun 16,67 16,67 16,6738-50 tahun 16,67 16,67 16,67> 50 tahun 16,67 16,67 16,67
Tabel 3.7. Perhitungan Menggunakan Excel
kode level
eijk nijk nijk-eijk (nijk-eijk) 2/eijk nijk/eijk nijk x ln nijk/eijk
111 16.67 10 -6.67 2.67 0.6 -5.109112 16.67 15 -1.67 0.17 0.9 -1.580113 16.67 29 12.33 9.127 1.74 16.063121 16.67 25 8.33 4.167 1.5 10.137122 16.67 23 6.33 2.407 1.38 7.408123 16.67 27 10.33 6.407 1.62 13.025131 16.67 48 31.33 58.907 2.88 50.774132 16.67 27 10.33 6.407 1.62 13.025133 16.67 25 8.33 4.167 1.5 10.137211 16.67 15 -1.66 0.167 0.9 -1.580212 16.67 15 -1.66 0.167 0.9 -1.580213 16.67 10 -6.66 2.667 0.6 -5.108221 16.67 10 -6.66 2.667 0.6 -5.108222 16.67 9 -7.66 3.527 0.54 -5.545223 16.67 1 -15.67 14.727 0.06 -2.813231 16.67 3 -13.67 11.207 0.18 -5.144232 16.67 5 -11.67 8.167 0.3 -6.019233 16.67 3 -13.67 11.207 0.18 -5.144
TOTAL 148.92 75,835
Page | 19
χ2=∑I=1
2
∑j=1
3
∑k=1
3
(nijk−e ijk )2
eijk
=148 , 92
G2=2∑I=1
2
∑j=1
3
∑k=1
3
(nijk−e ijk )2nijk ln
nijk
e ijk
¿2×75 , 835¿151 , 670
Kesimpulan :
Karena nilai 2 yaitu 148,92 dan nilai G2 151,670 lebih dari 27,587 maka tolak H0.
Kesimpulan ini juga didapatkan dari nilai P-Value pada uji Chi-Square 0,00 yang
kurang dari alpha 0,05. Sehingga keputusannya adalah order ke-2 tidak sama dengan nol
atau model log linearnya adalah log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
2. Test untuk interaksi K-suku adalah nol
Test ini didasarkan pada hipotesa bahwa efek order ke-K sama dengan nol.
1. Untuk k = 1
H0 : efek order ke-1 sama dengan nol (λ iA=λ j
B= λkC=0 )
H1 : efek order ke-1 tidak sama dengan nol (λ iA≠0 atau λ j
B≠0 atau λkC≠0 )
α = 5 %
Daerah Kritis : 2hitung > 2
(db1-db2,α)
2hitung > 2
(17-12,α)
2hitung > 2
(5, 0,05)
2hitung > 11,0705 atau G2 > 11,0705
Statistik Uji :
G2 = G12 - G2
2
= 151,670 – 60,527
= 91,143
Kesimpulan :
Karena nilai G2 91,143 lebih dari 11,0705 maka tolak H0. Kesimpulan ini juga
didapatkan dari nilai P-Value pada uji Likelihood Ration 0 yang kurang dari alpha 0,05.
Sehingga keputusannya adalah order ke-1 tidak sama dengan nol.
2. Untuk k = 2
H0 : efek order ke-2 sama dengan nol (λ ijAB= λik
AC=λ jkBC=0 )
Page | 20
H1 : efek order ke-2 tidak sama dengan nol (λ ijAB≠0 atau λ ik
AC≠0 atau λ jkBC≠0 )
α = 5 %
Daerah Kritis : 2hitung > 2
(db2-db1,α)
2hitung > 2
(12-4,α)
2hitung > 2
(8, 0,05)
2hitung > 15,507 atau G2 > 15,507
Statistik Uji :
G2 = G22 – G3
2
= 60,527 – 7,082
= 53,445
Kesimpulan :
Karena nilai G2 adalah sebesar 53,445 lebih dari 15,507 maka tolak H0. Kesimpulan ini
juga didapatkan dari nilai P-Value pada uji Likelihood Ration 0 yang kurang dari alpha
0,05. Sehingga keputusannya adalah order ke-2 tidak sama dengan nol.
3. Untuk k = 3
H0 : efek order ke-3 sama dengan nol (λ ijkABC=0 )
H1 : efek order ke-3 tidak sama dengan nol (λ ijkABC≠0 )
α = 5 %
Daerah Kritis : 2hitung > 2
(db3,α)
2hitung > 2
(4,α)
2hitung > 9,488 atau G2 > 9,488
Statistik Uji :
G2 = G32
= 7,082
Kesimpulan :
Karena nilai G2 7,082 kurang dari 9,488 maka gagal tolak H0. Kesimpulan ini juga
didapatkan dari nilai P-Value pada uji Likelihood Ration 0,132 yang lebih dari alpha
0,05. Sehingga keputusannya adalah order ke-3 sama dengan nol.
3. Test Asosiasi Parsial
Page | 21
Test ini bertujuan untuk menguji hubungan ketergantungan antara dua variabel
dalam setiap level variabel lainnya.
Tabel 3.8 Partial Association
Effect dfPartial Chi-
SquareSig.
Number of
IterationsJeniskelamin*Usia 2 36.113 0.000 2Jeniskelamin*Berit
a2 12.851 0.002 2
Usia*Berita 4 15.520 0.004 2Jeniskelamin 1 87.564 0.000 2
Usia 2 1.790 0.409 2Berita 2 1.790 0.409 2
1. Untuk variabel jenis kelamin dan usia
H0 : Jenis kelamin dan Usia independent dalam setiap level Koran (λ ijAB
=0)
H1 : Jenis kelamin dan Usia dependent dalam setiap level Koran (λ ijAB
≠0)
α = 5 %
Daerah Kritis : 2hitung > 2
((i-1)(j-1),α)
2hitung > 2
((2-1)(3-1),α)
2hitung > 2
(2, 0,05)
2hitung > 5,991 atau G2 > 5,991
Statistik Uji :
Tabel 3.9 Tabulasi Silang Jenis Kelamin dan Usia
Jenis kelamin 25-37 tahun 38-50 tahun >50 tahun TotalLaki-laki 54 75 100 229
Perempuan 40 20 11 71total 94 95 111 300
e ij=ni .×n. j
n. .
e11=n1 .×n. 1
n. .=229×94
300=71 , 7533
e12=n1. x n. 2
n . .=229 x 95
300=72 ,5167
e13=n1. xn. 3
n. .=229 x 111
300=84 ,73
e21=n2. xn. 1
n . .=71 x 94
300=22 , 2467
Page | 22
e22=n2. xn. 2
n. .=71 x 95
300=22,4833
e23=n2 . xn .3
n. .=71 x 111
300=26 , 27
Tabel 3.10 eij jenis kelamin dan umur
Jenis kelamin 25-37 tahun 38-51 tahun >50 tahunLaki-laki 71,7533 72,5167 84,73
Perempuan 22,2467 22,4833 26,27
Nilai uji χ2=∑i=1
2
∑j=1
3 ( nij−e ij)2
eij
χ2=4.392549+0.085039+2.751952+14.16748+0.274283+8.876014
¿30,54731
db= (i-1)(j-1)=(2-1)(3-1)=2
χ (2: 0.05)2 =5,991
Tolak Ho, Jenis kelamin dan Usia dependent dalam setiap level Koran.
2. Untuk variabel jenis kelamin dan koran
H0 : Jenis kelamin dan koran independent dalam setiap level umur (λ ikAC
=0)
H1 : Jenis kelamin dan Koran dependent dalam setiap level umur (λ ikAC
≠0)
α = 5 %
Daerah Kritis : 2hitung > 2
((i-1)(k-1),α)
2hitung > 2
((2-1)(3-1),α)
2hitung > 2
(2, 0,05)
2hitung > 5,991 atau G2 > 5,991
Statistik Uji :Tabel 3.11 Jenis Kelamin dan Berita
Jenis kelamin Koran 1 Koran 2 Koran 3 TotalLaki-laki 83 65 81 229
Perempuan 28 29 14 71total 111 94 95 300
e ik=n i .×n.k
n. .
e11=n1 .×n. 1
n. .=229 x 111
300=84 , 73
e12=n1. x n. 2
n . .=229 x 94
300=71 ,7533
e13=n1. . x n. 3
n . .=229 x 95
300=72, 5167
Page | 23
e21=n2. xn. 1
n . .=71 x111
300=26 , 27
e22=n2. . x n. 2
n . .=71 x94
300=22 ,2467
e23=n2 . xn .3
n. .=71 x 95
300=22 , 4833
Tabel 3.12. eik Jenis Kelamin dan berita
Jenis kelamin Koran 1 Koran 2 Koran 3
Laki-laki 84,73 71,7533 72,5167
Perempuan 26,27 22,2467 22,4833
Nilai uji χ2=∑i=1
2
∑k=1
3 ( nik−e ik )2
eik
χ2=0,035323+0,635609+0,992411+0,113928+2,05006+3,200881=7,028213
db= (i-1)(j-1)=(2-1)(3-1)=2
χ (2: 0.05)2 =5,991
Tolak Ho. Jenis kelamin dan Umur dependent dalam setiap level Koran
3. Untuk variabel umur dan koran
H0 : Umur dan koran independent dalam setiap level jenis kelamin (λ jkAB
=0)
H1 : Umur dan Koran dependent dalam setiap level jenis kelamin (λ jkAB
≠0)
α = 5 %
Daerah Kritis : 2hitung > 2
((k-1)(j-1),α)
2hitung > 2
((3-1)(3-1),α)
2hitung > 2
(4, 0,05)
2hitung > 9,488 atau G2 > 9,488
Statistik Uji :Tabel 3.13 Tabulasi Silang Usia dan Berita
Umur Koran 1 Koran 2 Koran 3 Total25-37 tahun 25 30 39 9438-50 tahun 35 32 28 95
>50 tahun 51 32 28 111total 111 94 95 300
e jk=n j .×n.k
n. .
e11=n1 .×n. 1
n. .=94×111
300=34 , 78
e12=n1. x n. . 2
n . .=94 x94
300=29 , 4533
Page | 24
e13=n1. xn. . 3
n . .=94 x95
300=29 , 7667
e21=n2. xn. 1
n . .=95 x 111
300=35 ,15
e22=n2. xn. 2
n. .=95 x94
300=29 , 7667
e23=n2 . xn .. 3
n .. .2=95 x95
300=30 ,0833
e31=n3. xn .1
n . .=111x111
300=41 , 07
e32=n. 3. x n. 2
n . .=111 x94
300=34 , 78
e33=n3 . xn .3
n. .=111 x 95
300=35 ,15
Tabel 3.14. ejk Usia dan Berita
Umur Koran 1 Koran 2 Koran 3
25-37 tahun 34,78 29,4533 29,7667
38-50 tahun 35,15 29,7667 30,0833
>50 tahun 41,07 34,78 35,15
Nilai uji χ2=∑j=1
2
∑k=1
3 ( n jk−e jk )2
e jk
χ2=2,750098+0,010148+2,864067+0,000064+0,167557+0,144271+2,400898+0,222208+1,45441=10,0143
db= (j-1)(k-1)=(3-1)(3-1)=4
χ (4 : 0.05)2 =9,488
Tolak Ho. Umur dan koran dependent dalam setiap level Koran.
4. Untuk variabel Jenis kelamin
H0 : Jenis kelamin independent dalam model (λ iA
=0)
H1 : Jenis kelamin dependent dalam model (λ iA
≠0)
α = 5 %
Daerah Kritis : 2hitung > 2
((i-1),α)
2hitung > 2
((2-1),α)
2hitung > 2
(1, 0,05)
2hitung > 3,841 atau G2 > 3,841
Statistik Uji :
Nilai uji χ2=87.564
Page | 25
db= (i-1)=(2-1)=1
χ (1: 0.05)2 =3,841
Tolak Ho, Jenis kelamin dependent dalam Model.
5. Untuk variabel Usia
H0 : Usia independent dalam model (λ jB
=0)
H1 : Usia dependent dalam model (λ jB
≠0)
α = 5 %
Daerah Kritis : 2hitung > 2
((j-1),α)
2hitung > 2
((3-1),α)
2hitung > 2
(2, 0,05)
2hitung > 5,991 atau G2 > 5,991
Statistik Uji :
Nilai uji χ2=1,790
db= (j-1)=(3-1)=2
χ (1: 0.05)2 =5,991
Gagal tolak Ho, Usia independent dalam Model.
6. Untuk variabel Berita
H0 : Berita independent dalam model (λkC
=0)
H1 : Berita dependent dalam model (λkC
≠0)
α = 5 %
Daerah Kritis : 2hitung > 2
((k-1),α)
2hitung > 2
((3-1),α)
2hitung > 2
(2, 0,05)
2hitung > 5,991 atau G2 > 5,991
Statistik Uji :
Nilai uji χ2=1,790
db= (k-1)=(3-1)=2
χ (1: 0.05)2 =5,991
Gagal tolak Ho, berita independent dalam Model.
Untuk mengetahui kecenderungan per cell, maka digunakan tabel assosiasi parsial sebagai
berikut.
Page | 26
Tabel 3.15 Tabel Assosiasi Parsial
Effect Parameter EstimateStd.
ErrorZ Sig.
95% Confidence Interval
Lower Bound
Upper Bound
Jeniskelamin*Usia*Berita
1 -.180 .144 -1.250 .211 -.463 .1022 .116 .138 .844 .399 -.154 .3863 -.218 .159 -1.371 .170 -.531 .0944 -.107 .157 -.681 .496 -.416 .201
Jeniskelamin*Usia 1 -.535 .104 -5.147 .000(a) -.739 -.3322 .141 .127 1.111 .267 -.108 .389
Jeniskelamin*Berita 1 -.122 .112 -1.087 .277 -.341 .0982 -.224 .107 -2.081 .037(b) -.434 -.013
Usia*Berita
1 -.271 .144 -1.878 .060 -.554 .0122 -.092 .138 -.664 .506 -.362 .1793 .243 .159 1.527 .127 -.069 .5554 .137 .157 .871 .384 -.171 .445
Jeniskelamin 1 .643 .083 7.708 .000 .479 .806
Usia 1 .181 .104 1.739 .082 -.023 .3852 -.084 .127 -.665 .506 -.333 .164
Berita 1 .099 .112 .883 .377 -.121 .3182 .114 .107 1.063 .288 -.096 .325
Berdasarkan tabel 3.15 menunjukkan bahwa terdapat dua cell yang memiliki
kecenderungan, sel-sel tersebut adalah sebagai berikut.
(a) : Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan berusia
dengan kategori pertama (38-50 tahun) dalam pengamatan.
(b) : Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk
memilih jenis berita kategori kedua (metropolis).
4. ELIMINASI BACKWARD
Metode Backward Elimination, pada dasarnya menyelesaikan model dengan
menggunakan prinsip hierarki, yaitu dengan melihat model terlengkap sampai dengan
model yang sederhana atau dimulai dari model umum (semua kemungkinan
dimasukkan).
Untuk memilih model terbaik, maka dibandingkan antara model 0 dengan model
1 dengan hipotesis sebagai berikut :
H0 : Model 1 adalah model terbaik
H1 : Model 0 adalah model terbaik
Model 0 log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC+ λijkABC
Page | 27
Model 1 log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC (interaksi antara tiga
variabel dihilangkan)
Daerah Kritis : 2hitung > 2
(db1-db0,α)
2hitung > 2
(12-4,α)
2hitung > 2
(8, 0,05)
2hitung > 15,507 atau G2 > 15,507
Tabel 3.15 Step Summary
Stepa EffectsChi-
Squarec df Sig.Number
of Iterations
0
Generating Classb JENIS*UMUR*KORAN .000 0 .
Deleted Effect
1 JENIS*UMUR*KORAN 7.082 8 0.528 4
1
Generating Classb
JENIS*UMUR, JENIS*KORAN, UMUR*KORAN
7.082 8 0.528
Deleted Effect
1 JENIS*UMUR 36.113 4 0.000 22 JENIS*KORAN 12.851 4 0.012 23 UMUR*KORAN 15.520 4 0.004 2
2Generating
Classb
JENIS*UMUR, JENIS*KORAN, UMUR*KORAN
7.082 8 0.528
Statistik Uji :
G2 = G12 – G0
2
= 7,082 – 0
= 7,082
Kesimpulan :
Karena nilai G2 7,082 kurang dari 15,507 maka gagal tolak H0. Kesimpulan ini juga
didapatkan dari nilai P-Value 0,528 yang lebih dari alpha 0,05. Sehingga keputusannya
adalah model 1 adalah model terbaik untuk iterasi pertama.
Untuk selanjutnya, dilakukan iterasi kedua yang terdiri dari tiga pengujian, pengujian
tersebut adalah sebagai berikut.
a. H0 : Model (2) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ik
AC+λ jkBC
)
H1 : Model (1) = model terbaik (log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC )
= 0,05
Daerah Kritis : 2hitung > 2
(db2-db1,α)
Page | 28
2hitung > 2
(12-8,α)
2hitung > 2
(4, 0,05)
2hitung > 9,488 atau G2 > 9,488
Statistik Uji :
G2 = 36,113
Kesimpulan :
Karena nilai G2 36,113 lebih dari 9,488 maka tolak H0. Sehingga keputusannya
adalah model 1 adalah model terbaik pada iterasi kedua. Jadi keputusan akhir,
model terbaik adalah log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC
b. H0 : Model (2) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ jkBC
)
H1 : Model (1) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC )
= 0,05
Daerah Kritis : 2hitung > 2
(db2-db1,α)
2hitung > 2
(12-8,α)
2hitung > 2
(4, 0,05)
2hitung > 9,488 atau G2 > 9,488
Statistik Uji :
G2 = 12,851
Kesimpulan :
Karena nilai G2 12,851 lebih dari 9,488 maka tolak H0. Sehingga keputusannya
adalah model 1 adalah model terbaik pada iterasi kedua. Jadi keputusan akhir,
model terbaik adalah log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC
c. H0 : Model (2) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC
)
H1 : Model (1) = model terbaik (log e ijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC)
= 0,05
Daerah Kritis : 2hitung > 2
(db2-db1,α)
2hitung > 2
(12-8,α)
2hitung > 2
(4, 0,05)
2hitung > 9,488 atau G2 > 9,488
Statistik Uji :
G2 = 15,520
Kesimpulan :
Page | 29
Karena nilai G2 15,520 lebih dari 9,488 maka tolak H0. Sehingga keputusannya
adalah model 1 adalah model terbaik pada iterasi kedua. Jadi keputusan akhir,
model terbaik adalah log eijk=λ+λ iA+λ j
B+λkC+λ ij
AB+λ ikAC+λ jk
BC
Page | 30