Anda di halaman 1dari 23

TUGAS AKHIR PRAKTIKUM ANALISIS DATA KATEGORIK

Disusun oleh : Nama NIM Program Studi : Yuni Dwi Setyaningsih : 121.061.005 : Statisti a

JURUSAN MATEMATIKA PROGRAM STUDI STATISTIKA FAKULTAS SAINS TERAPAN INSTITUT SAINS DAN TEKNOLOGI AKPRIND YOGYAKARTA 2013

KATA PENGANTAR
Dengan meman!at an "u!i syu ur ehadirat #llah S$%& #lhamdulilah "enulis telah menyelesai an la"oran a hir Pra ti um #nalisis Data 'ategori ini. (u u" )anya ham)atan dan esulitan yang dihada"i dalam menyelesai an la"oran a hir ini. Mes i"un demi ian& atas "etun!u dan lim"ahan rahmat*Nya ham)atan dan esulitan terse)ut da"at teratasi dengan adanya uluran tangan dan )antuan dari )er)agai "iha . Sehingga "ada saatnya la"oran a hir ini da"at terwu!ud mes i"un dalam )entu sederhana. +ntu itu sudah se"antasnya !i a "enyusun menyam"ai an "enghormatan yang setinggi*tingginya dan u,a"an terima asih yang se)esar*)esarnya e"ada : 1. Drs. Yudi Setyawan& M.S.& M.S,& sela u dosen "em)im)ing yang telah mem)eri an "engarahan. 2. -irin Dwi .ayanti& /ermenia 0imenes& 1ati h N 'ha)i)ah sela u asisten 2a)oratorium Statisti a. 3. 'edua orangtua yang telah menyedia an anggaran untu semua yang )er aitan dalam "enulisan ma alah. 4. %eman*teman yang telah mem)eri an du ungan. Penulis menyadari )ahwa dalam ma alah ini terda"at )anya si6atnya mem)angun demi esem"urnaan la"oran ini. Semoga la"oran ini da"at )erman6aat )agi "ara "em)a,a. Penyusun esalahan dan e urangan.

5leh arena itu e"ada "ara "em)a,a& "enulis menghara" an saran dan riti yang

DAFTAR ISI

BAB I PROPORSI 2 SAMPEL


1.1 1.2 Soal Suatu sam"el random dengan 200 orang la i*la i umur 50 sam"ai 65 tahun menun!u )anya nya "enderita "enya it gula dan "enya it !antung se)agai )eri ut : Penya it !antung Penya it gula #da %ida #da 16 32 %ida 20 132 an LANDASAN TEORI SOAL DAN PEMBAHASAN

+ntu mengetahui a"a ah ada "er)edaan seseorang )er"otensi mem"unyai "enya it !antung terhada" ada tida nya "enya it gula seseorang. Dengan mengguna an ting at signi6i ansi 57 la u an "engu!ian a"a ah terda"at "er)edaan "ro"orsi seseorang )er"otensi mem"unyai "enya it !antung8 Pem)ahasan 91: Prosedur +ntu menyelesai an asus di atas ita guna an so6tware - dengan menulis an synta;nya yaitu se)agai )eri ut :

92: #nalisis /i"otesis yang diguna an dalam asus ini adalah : /0 : "ro"orsi seseorang )er"otensi mem"unyai "enya it !antung urang dari atau sama dengan "ro"orsi seseorang )er"otensi mem"unyai "enya it gula. /1 : "ro"orsi seseorang )er"otensi mem"unyai "enya it !antung le)ih dari "ro"orsi seseorang )er"otensi mem"unyai "enya it gula. Nilai signi6i ansi < = 57 = 0.05 Statisti, u!i Dari hasil out"ut di atas di"eroleh nilai " >alue adalah 0.003113 Daerah ritis /0 ditola a"a)ila " >alue ? < dan /0 diterima a"a)ila " >alue @ < 'esim"ulan 'arena " >alue ? < atau 0.003113 ? 0.05 ma a /0 ditola yang artinya )ahwa "ro"orsi seseorang )er"otensi mem"unyai "enya it !antung le)ih dari "ro"orsi seseorang )er"otensi mem"unyai "enya it gula.

BAB II TABEL KONTINGENSI TIGA ARAH


2.1 2.2 Soal Seorang "eneliti ingin meneliti )anya nya ematian )ayi terhada" !ara tinggal. Data hasil "enelitian disa!i an dalam ta)el )eri ut : 'ematian )ayi .ara elahiran %em"at tinggal Pedesaan Per otaan @ 2 tahun Pedesaan Per otaan Ya 164 A3 40 15 %ida 30 23 14 6 elahiran dan tem"at LANDASAN TEORI SOAL DAN PEMBAHASAN

? 2 tahun

/itung odds ratio dan !elas an. Pem)ahasan 91: Prosedur +ntu menyelesai an "ersoalan di atas ita guna an so6tware - yaitu dengan lang ah* lang ah se)agai )eri ut :

Men,ari odds ratio :

92:

#nalisis Dari out"ut di atas da"at dilihat )ahwa nilai odds ratio untu !ara dari 2 tahun adalah se)esar 1.142C5B. elahiran urang dari elahiran le)ih 2 tahun adalah se)esar 1.351AB1 sedang an nilai odds ratio untu !ara

BAB III GENERALIZED LINEAR MODEL (GLM)


3.1 LANDASAN TEORI Gene !"#$e% L#ne! M&%e"' Model linear tergeneralisir atau Generalized Linear Models 9D2M: meru"a an "engem)angan dari model linear yang menga omodir dua hal utama yaitu distri)usi res"on yang non normal dan trans6ormasi untu linearitas. Earia)el res"on )anya yang hanya memili i dua ategori misalnya elulusan dalam tes 9lulus atau tida :& "engo)atan "enya it 9sem)uh atau tida : dan lain*lain. 3.2 Soal %eliti hu)ungan antara IP' dan "engalaman er!a seseorang terhada" "enerimaan seseorang dalam suatu "erusahaan 9 0 = tida & 1 = ya :. 2a u an e>aluasi dari e)ai an model D2M dengan tes statisti, $ald. Data hasil "enelitian disa!i an dalam ta)el )eri ut : No.tes 1 2 3 4 5 6 B C A 10 IP' 3.12 3.22 3.45 3.55 3.CC 2.AC 3.33 3.31 3.0A 3.B5 Pengalaman 'er!a 1 0 1 1 1 0 1 1 0 0 Diterima 0 0 1 1 1 0 1 0 0 1 SOAL DAN PEMBAHASAN

11 12 13 14 15 Pem)ahasan 91: Prosedur

3.41 3.C3 3.56 2.AA 3.10

0 0 0 1 0

0 1 1 1 0

+ntu menyelesai an )eri ut : a:

asus di atas guna an so6tware - dengan lang ah*lang ah se)agai

Mengin"ut an data e dalam so6tware - : 'li menu Data @@ New Dataset @@ eti an nama dataset @@ 5' @@ in"ut an data di atas se"erti "ada ta)el )eri ut :

):

+ntu

memulai analisis

li

Statisti,s @@ 1it Model @@ DeneraliFed 2inear

Model :

,:

# an mun,ul ota dialog )eri ut :

# an menghasil an out"ut regresi logisti, se)agai )eri ut : @ D2M.1 ?* glm9diterima G IP' H "engalamanI er!a& 6amily=)inomial9logit:& H data=data: @ summary9D2M.1: (all: glm96ormula = diterima G IP' H "engalamanI er!a& 6amily = )inomial9logit:& data = data: De>ian,e -esiduals: Min 1J Median 3J Ma; *1.6A4A0 *0.36045 0.0B326 0.44C3A 1.C4664 (oe66i,ients:

Kstimate Std. Krror F >alue Pr9@LFL: 9Inter,e"t: *2A.116 14.405 *2.021 0.0433 M IP' C.341 4.141 2.014 0.0440 M "engalamanI er!a 2.6B1 1.C52 1.442 0.14A3 *** Signi6. ,odes: 0 NMMMN 0.001 NMMN 0.01 NMN 0.05 N.N 0.1 N N 1 9Dis"ersion "arameter 6or )inomial 6amily ta en to )e 1: Null de>ian,e: 20.B2C on 14 degrees o6 6reedom -esidual de>ian,e: 10.454 on 12 degrees o6 6reedom #I(: 16.454 Num)er o6 1isher S,oring iterations: 6 d: +ntu menge>aluasi e)ai an model D2M yang telah di"eroleh (on6iden,e inter>als : li Models @@

e:

# an mun,ul ota dialog :

'ita guna an ,on6iden,e le>el yaitu 0.A5 dan mengguna an test $ald Statisti, lalu li 5'. Ma a a an menghasil an out"ut inter>al eya inan dari Statisti $ald :

92:

#nalisis Dari hasil out"ut regresi logisti, di atas menun!u "engalaman >aria)el. +ntu IP' nilai " >alue se)esar 0.0440 yang artinya urang dari < =0.05& sedang an nilai " >alue "ada >aria)el "engalaman er!a se)esar 0.14A3 yang artinya le)ih dari < = 0.05. Se,ara matematis model regresi logisti, yang di"eroleh )erdasar an out"ut di atas adalah : er!a tida an )ahwa IP' )er"engaruh signi6i an terhada" "enerimaan seseorang dalam suatu "erusahaan& sedang an )er"engaruh terhada" "enerimaan seseorang dalam suatu an oleh )esarnya p value 9Pr @LFL: dari u!i O "ada edua "erusahaan. /al ini ditun!u

(X) = atau log =

dengan 01 adalah >aria)el IP' dan 02 adalah >aria)el "engalaman er!a. +ntu out"ut yang edua adalah out"ut inter>al eya inan statisti, $ald yang

men!elas an )ahwa >aria)el IP' mem"unyai "engaruh yang signi6i an terhada"

>aria)el res"on 9"enerimaan seseorang dalam suatu "erusahaan:& hal ini ditun!u

an

dengan inter>al eya inan oe6isien dari >aria)el IP' yang tida men,a u" nilai nol "ada )atas )awah 9"ositi6: dan )atas atasnya 9"ositi6:. Sedang an >aria)el "engalaman er!a tida )er"engaruh terhada" >aria)el res"on yang ditun!u an oleh inter>al eya inan oe6isien dari >aria)el "engalaman er!a yang men,a u" nilai nol "ada )atas )awah 9negati>e: dan )atas atasnya 9"ositi6:.

BAB I( ANALISIS REGRESI LOGISTIK BERGANDA


).1 ).2 Soal Data di )awah ini adalah data hasil nilai tugas 1& 2& dan 3 dan su ses tida nya +#S se elom"o mahasiswa : Nilai tugas 1 C 6 5 B C 4 A 6 B 6 6 A B 6 Nilai tugas 2 A 5 4 A C 5 C A 5 5 B C 5 B Nilai tugas 3 A B C B B 5 B 5 5 4 6 B C C Su ses +#S 1 0 0 1 1 0 1 1 0 0 0 1 1 1 LANDASAN TEORI SOAL DAN PEMBAHASAN

2a u an analisis terhada" data di atas. Earia)el )e)as mana sa!a yang )er"engaruh se,ara signi6i ansi terhada" su ses tida nya +#S 8

Pem)ahasan 1: Prosedur 9a: Mem)uat desain >aria)el. Pada (! #!*e" (#e+ )uat desain >aria)el se"erti ta)el )eri ut ini :

+ntu >aria)el su sesI+#S "ada >alues isi an 0 untu Ptida Q dan 1 untu PyaQ. (aranya "ada ota dialog )eri ut isi an "ada >alue : 0 lalu "ada la)el eti : tida emudian #dd dan "ada >alue eti : 1 lalu "ada la)el eti ya li #dd dan 5'.

9):

Mengin"ut an data Pada D!,! (#e+ in"ut an data terse)ut se"erti )eri ut :

9,: 2a u an analisis dengan ,ara li #nalyFe @@ -egression @@ Rinary 2ogisti, :

Ma a a an mun,ul ota dialog :

Pada olom De"endent isi dengan >aria)el su sesI+#S dan "ada olom (o>ariates isi dengan >aria)el nilaiItugas1& nilaiItugas2 dan nilaiItugas3 lalu li 5"tions.

Pilih /osmer 2emeshow goodness o6 6it lalu li (ontinue lalu 5'. 5ut"ut :
Case Processing Summary Unweighted Casesa Selected Cases N Included in Analysis 14 Missing Cases Total Unselected Cases Total 0 14 0 14 Percent 100.0 .0 100.0 .0 100.0

a. If weight is in effect see classification ta!le for the total nu"!er of cases.

Dependent Variable Encoding #riginal $alue Internal $alue Tida% &a 0 1

Classification Tablea,b Predicted su%ses(UAS #!ser'ed Ste) 0 su%ses(UAS Tida% &a #'erall Percentage a. Constant is included in the "odel. !. The cut 'alue is .,00 tida% 0 0 ya * + Percentage Correct .0 100.0 ,-.1

Variables in the Equation . Ste) 0 Constant .4++ S./. .,40 0ald .4+4 df 1 Sig. .,54 /1)2.3 1.666

Variables not in the Equation Score Ste) 0 $aria!les nilai(tugas1 nilai(tugas4 nilai(tugas6 #'erall Statistics *.00+.41, 6.,40 10.44+ df 1 1 1 6 Sig. .014 .004 .0*0 .01-

Omnibus Tests of Model Coefficients Chi7s8uare Ste) 1 Ste) .loc% Model 15.141 15.141 15.141 df 6 6 6 Sig. .000 .000 .000

Model Summary Ste) 1 74 9og li%elihood Co1 : Snell ; S8uare .000a .-4, Nagel%er%e ; S8uare 1.000

a. /sti"ation ter"inated at iteration nu"!er 40 !ecause "a1i"u" iterations has !een reached. <inal solution cannot !e found.

osmer and !emesho" Test Ste) 1 Chi7s8uare .000 =f + Sig. 1.000

Contingency Table for osmer and !emesho" Test su%ses(UAS > tida% #!ser'ed Ste) 1 1 4 6 4 , * + 5 10 1 1 1 1 1 1 0 0 0 0 /1)ected 1.000 1.000 1.000 1.000 1.000 1.000 .000 .000 .000 .000 su%ses(UAS > ya #!ser'ed 0 0 0 0 0 0 1 1 1 , /1)ected .000 .000 .000 .000 .000 .000 1.000 1.000 1.000 ,.000 Total 1 1 1 1 1 1 1 1 1 ,

Classification Tablea Predicted su%ses(UAS #!ser'ed Ste) 1 su%ses(UAS tida% ya #'erall Percentage a. The cut 'alue is .,00 tida% * 0 ya 0 + Percentage Correct 100.0 100.0 100.0

Variables in the Equation . Ste) 1a nilai(tugas1 nilai(tugas4 nilai(tugas6 Constant 4+.5-6 4,.+6+ 1+.400 7*01.,0* S./. 1.*-4/4 -.*14/6 1.6,*/4 1.01,/, 0ald .000 .000 .000 .000 df 1 1 1 1 Sig. .55+ .55.555 .55, /1)2.3 1.+,*/41 1.**,/11 5.-54/.000

a. $aria!le2s3 entered on ste) 1? nilai(tugas1 nilai(tugas4 nilai(tugas6.

#nalisis 9a: +!i elaya an model regresi /i"otesis yang diguna an adalah : /0 : tida ada "er)edaan signi6i ansi antara lasi6i asi yang di"redi si dan yang diamati. /1 : ada "er)edaan signi6i ansi antara lasi6i asi yang di"redi si dan yang diamati. Signi6i ansi < = 57 = 0.05 Statisti, u!i
osmer and !emesho" Test Ste) 1 Chi7s8uare .000 df + Sig. 1.000

/asil out"ut di atas menun!u an )ahwa ang a "ro)a)ilitas "ada olom Sig. se)esar 1.000 'riteria e"utusan .i a "ro)a)ilitas @ 0.05 ma a /0 tida ditola .i a "ro)a)ilitas ? 0.05 ma a /0 ditola 'esim"ulan 'arena "ro)a)ilitas @ < atau 1.000 @ 0.05 ma a / 0 tida ditola artinya model regresi )iner laya untu diguna an analisa selan!utnya arena tida ada "er)edaan antara lasi6i asi yang di"redi si dan yang diamati. 9): +!i elaya an model eseluruhan 95>erall Model 1it: 2aya dan tida nya model eseluruhan da"at dilihat dengan mengguna an ang a* ang a 2og 2i elihood& dalam "erhitungan ini ang a terse)ut se)esar 0.000.
Model Summary Ste) 1 74 9og li%elihood Co1 : Snell ; S8uare .000a .-4, Nagel%er%e ; S8uare 1.000

a. /sti"ation ter"inated at iteration nu"!er 40 !ecause "a1i"u" iterations has !een reached. <inal solution cannot !e found.

9a: +!i oe6isien regresi


Variables in the Equation . Ste) 1a nilai(tugas1 nilai(tugas4 nilai(tugas6 Constant 4+.5-6 4,.+6+ 1+.400 7*01.,0* S./. 1.*-4/4 -.*14/6 1.6,*/4 1.01,/, 0ald .000 .000 .000 .000 df 1 1 1 1 Sig. .55+ .55.555 .55, /1)2.3 1.+,*/41 1.**,/11 5.-54/.000

a. $aria!le2s3 entered on ste) 1? nilai(tugas1 nilai(tugas4 nilai(tugas6.

+ntu mengu!i a"a ah oe6isien regresi laya & ita guna an ang a "ro)a)ilitas 9Sig.: "ada ta)el (! #!*"e' #n ,-e E./!,#&n. +ntu analisis selan!utnya ita guna an >aria)el yang memili i sig. urang dari < 90.05:. Pada hasil out"ut di atas nilai sig. etiga >aria)el le)ih dari < 90.05: artinya )ahwa tida ada >aria)el yang mem"engaruhi se,ara signi6i an terhada" su ses tida nya +#S . Sehingga analisis selan!utnya tida da"at dilan!ut an.

BAB ( KESIMPULAN DAN SARAN


0.1 0.2 KESIMPULAN SARAN

DAFTAR PUSTAKA