Anda di halaman 1dari 39

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)
1
...
J
1
...
J
...
1
...
J

2
...
i

Var 3 (X3)
2
...
n112
...
....
...

1
n111
...

k
n11k
....
n1ik

nijk

Keterangan : nijk = banyaknya observasi pada baris ke-i, kolom ke-j, dan layer ke-k.
Dengan model (Wulandari, 2009) :
Vijk i A j B k C ij AB jk BC ik AC ijk ABC

(1.1)

Jika antara ketiga variabel tersebut saling independent, maka taksiran nilai harapan dari
masing-masing sel adalah sebagai berikut :
eij
J

dimana :

ni.. n. j . n.. k
n...

(1.2)

ni.. nijk
j 1 k 1
I

jumlah nilai observasi pada baris ke-i

n. j . nijk
i 1 k 1
J

jumlah nilai observasi pada kolom ke-j

n.. k nijk
j 1 i 1
I

jumlah nilai observasi pada lyer ke-k

n... nijk
i 1 j 1 k 1

jumlah seluruh nilai observasi

Bila kedua ruas persamaan (1.2) dinyatakan dalam bentuk logaritma didapatkan :
log

eijk

= log

ni..

+ log

n. j .

+ log

n.. k

- 2 log

n...

(1.3)

yang analog dengan :

ABC
log eijk iA Bj Ck ijAB ikAC BC
jk ijk

Arti dari model tersebut adalah variabel 1, 2 dan 3 ada dalam model, tapi tidak ada
interaksi antara ketiganya (ketiga variabel independen). Dimana :

grand mean dari logaritma jumlah nilai harapannya atau rata-rata dari seluruh logarima
nilai harapannya.
I

1

IJK

log eijk

i 1 j 1 k 1

(1.4)

iA main effect variabel 1 atau pengaruh dari variabel 1 terhadap model.


iA

Bj

1
JK

log eijk

j 1 k 1

(1.5)

main effect variabel 2 atau pengaruh dari variabel 2 terhadap model.

Bj

1
IK

log eijk

i 1 k 1

(1.6)

Ck main effect variabel 3 atau pengaruh dari variabel 3 terhadap model


Ck

u1( i )

dan

u 2( j )

dan

u 3( k )

1
IJ

log eijk

i 1 j 1

(1.7)

menunjukkan deviasi penyimpangan dari u sehingga


I

i 1

j 1

k 1

iA Bj Ck 0
Jika terdapat interaksi pada ketiga variabel, maka model menjadi
ABC
log eijk iA Bj Ck ijAB ikAC BC
jk ijk

(1.8)

dimana :
I

i 1 j 1

AB
ij

i 1

k 1

AC
ik


j 1 k 1

BC
jk

ABC
ijk
0
i 1 j 1 k 1

dengan :

Page | 1

Tabel 1.2 Resume Derajat bebas untuk Log Linear 3 Dimensi

Bentuk

Db
1
I-1
J-1

iA

Bj

K-1
(I-1)(J-1)

Ck

ijAB
BC
jk

(I-1)(K-1)
(J-1)(K-1)

ABC
ijk

(I-1)(J-1)(K-1)

Total

IJK

ikAC

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 :
2
X hit

i 1

j 1

k 1

(nijk eijk )2
eijk

(1.9)

Nilai X2 diatas kemudian dibandingkan dengan nilai X2 pada tabel. Dengan daerah
kritisnya Tolak H0 jika X2hitung > X2tabel (Wulandari, 2009).

1.3

Pemilihan Model Terbaik


Pemilihan model terbaik dapat dilakukan dengan 3 cara yaitu.

1.3.1

Uji K-Way

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
Page | 2

log eijk iA Bj Ck ijAB ikAC BC


jk
H0 : Efek order ke-3 = 0 (
)
A
B
C
AB
AC
ABC
log eijk i j k ij ik BC
jk ijk
H1 : Efek order ke-3 0 (
)
Df = (I-1)(J-1)(K-1)

Untuk K = 2
H0 : Efek order ke-2 = 0 (

log eijk iA Bj Ck

ABC
log eijk iA Bj Ck ijAB ikAC BC
jk ijk
H1 : Efek order ke-2 0 (
)

Df = (I-1)(J-1)+(I-1)(K-1)+(J-1)(K-1)+(I-1)(J-1)(K-1)

Untuk K = 1
H0 : Efek order ke-1 dan yang lebih tinggi = 0 (

log eijk

H1 : Efek order ke-2 dan yang lebih tinggi 0


(

ABC
log eijk iA Bj Ck ijAB ikAC BC
jk ijk

Df = (I-1)+(J-1)+(K-1)+(I-1)(J-1)+(I-1)(K-1)+(J-1)(K-1)+(I-1)(J-1)(K-1)
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 (

iA Bj Ck 0

A 0 atau Bj 0 atau Ck 0 )
H1 : Efek order ke-1 0 ( i
Df = (I-1)+(J-1)+(K-1)

Untuk K = 2
H0 : Efek order ke-2 = 0 (

ijAB ikAC BC
jk 0

AC
AB 0
BC 0
H1 : Efek order ke-2 0 ( ij
atau ik 0 atau jk
)

Df = (I-1)(J-1)+(I-1)(K-1)+(J-1)(K-1)

Untuk K = 3
H0 : Efek order ke-3 = 0 (

ABC
ijk
0

ABC 0
H1 : Efek order ke-3 0 ( ijk
)
Df = (I-1)(J-1)(K-1)
Kriteria penolakan G2 >
1.3.2

2(db : ) maka tolak H0 (Wulandari, 2009).

Uji Asosiasi Parsial


Page | 3

Pengujian ini mempunyai tujuan untuk menguji semua parameter yang mungkin dari
suatu model lengkap baik satu variabel yang bebas maupun untuk hubungan ketergantungan
beberapa variabel yang merupakan parsial dari suatu model lengkap. Hipotesisnya sebagai
berikut :
1.

H0 : X1 dan X2 independen dalam setiap level X3 (

ijAB 0

0
H1 : X1 dan X2 dependen dalan setiap level X3 (
)
Df = (I-1)(J-1)
AC
iA Bj Ck BC
jk ik
Maka jika Terima H0 logeijk =
AC 0 )
H0 : X1 dan X3 independen dalam setiap level X2 ( ik
AC 0 )
H1 : X1 dan X3 dependen dalan setiap level X2 ( ik
Df = (I-1)(K-1)
AB
ij

2.

Maka jika Terima H0 logeijk =


3.

iA Bj Ck ijAB BC
jk

H0 : X2 dan X3 independen dalam setiap level X1 (

BC
jk 0

0
H1 : X2 dan X3 dependen dalan setiap level X1 (
)
Df = (J-1)(K-1)
iA Bj Ck ijAB ikAC
Maka jika Terima H0 logeijk =
BC
jk

4.

A
H0 : X1 independen dalam setiap level ( i 0 )
A
H1 : X1 dependen dalan setiap level ( i 0 )
Df = (I-1)

Maka jika Terima H0 logeijk =


5.

Bj Ck

H0 : X1 independen dalam setiap level (

Bj 0

H1 : X1 dependen dalan setiap level (


Df = (J-1)

Bj 0

A
C
Maka jika Terima H0 logeijk = i k

6.

C
H0 : X1 independen dalam setiap level ( k 0 )
C
H1 : X1 dependen dalan setiap level ( k 0 )
Df = (K-1)

Maka jika Terima H0 logeijk =


Kriteria penolakan
1.3.3

2 >

iA Bj

2(db : ) maka tolak H0 (Wulandari, 2009).

Eliminasi Backward
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).
Page | 4

3. Bandingkan model (0) dengan model (1) dengan hipotesis sebagai berikut.
H0 : Model (1) = model terbaik (

log eijk iA Bj Ck ijAB ikAC BC


jk
log e

iA

Bj

Ck

ijAB

ikAC

BC
jk

)
ABC

ijk
ijk
H1 : Model (0) = model terbaik (
)
2
Statistik uji yang digunakan adalah Likelihood Ratio Test (G ).
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 (
H1 : Model (1) = model terbaik (
b. H0 : Model (2) = model terbaik (
H1 : Model (1) = model terbaik (
c. H0 : Model (2) = model terbaik (
H1 : Model (1) = model terbaik (

log eijk iA Bj Ck ikAC BC


jk

log eijk iA Bj Ck ijAB ikAC BC


jk )
log eijk iA Bj Ck ijAB BC
jk

log eijk iA Bj Ck ijAB ikAC BC


jk )
log eijk iA Bj Ck ijAB ikAC

log e ijk iA Bj Ck ijAB ikAC BC


jk

(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 Variabel

Variabel
Jenis kelamin

Kategori
1 = Laki-laki
Page | 5

2 = Perempuan
1 = 25-37 tahun
2 = 38-50 tahun
3 = > 50 tahun
Berita yang disenangi
1 = Berita umum
2 = Berita metropolis
3 = Berita olahraga
Berikut ini merupakan tabel kontingensi dari data karakteristik pelanggan koran Jawa Pos.
Usia

Tabel 2.2 Kontingensi Karakteristik Pelanggan Koran Jawa Pos

Jenis
Kelamin
Laki-Laki
Perempua
n

Usia
25-37 tahun
38-50 tahun
> 50 tahun
25-37 tahun
38-50 tahun
> 50 tahun

Berita yang disenangi


Koran I
Koran 2
Koran 3
(Berita Umum) (Berita Metropolis) (Berita Olahraga)
10
15
29
25
23
27
48
27
25
15
15
10
10
9
1
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

Pilih Weight case by


Page | 6

Isi Frequency Variable dengan frekuensi.

2. Melakukan uji independensi


Analyze > Loglinier > General

Masukkan variabel Jeniskelamin, Usia, dan Berita ke Factor(s), pilih Model

Page | 7

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 | 8

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 | 9

Pada Model, pilih Saturated > Continue

Pilih Option, kemudian klik Parameter estimates dan Association table.


Continue > OK

Page | 10

4. Pemilihan Model Terbaik Menggunakan Eliminasi Backward


Analyze > Loglinier > Model Selection

Masukkan variabel jenis kelamin dan partai ke faktor - isi define range untuk
jenis kelamin dan partai dengan amgka 1 dan 2 klik use backward elimination

Page | 11

Klik model-pilih saturated model

Klik option klik parameter estimates dan association table

Page | 12

III. ANALISIS DAN PEMBAHASAN


4.1

Uji 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).
=5%
Daerah Kritis :

2hitung > 2((i-1)(j-1)+(i-1)(k-1)+(j-1)(k-1)-(i-1)(j-1)(k-1),)

2hitung > 2((2-1)(3-1)+(2-1)(3-1)+(3-1)(3-1)-(2-1)(3-1)(3-1),)


2hitung > 2(12, 0,05)
2hitung > 21,0642 atau G2 > 21,0642
Statistik Uji:
Tabel 3.1 Frekuensi Harapan Data Berdasarkan Output SPSS
Jeniskelamin

Usia
25-27
tahun

Laki-laki

38-50
tahun

>50 tahun
Perempuan

25-27
tahun
38-50

Berita
Umum
Metropolis
Olahraga
Umum
Metropolis
Olahraga
Umum
Metropolis
Olahraga
Umum
Metropolis
Olahraga
Umum

Observed
Count
%
10
3.3%
15
5.0%
29
9.7%
25
8.3%
23
7.7%
27
9.0%
48
16.0%
27
9.0%
25
8.3%
15
5.0%
15
5.0%
10
3.3%
10
3.3%

Expected
Count
%
26.549
8.8%
22.483
7.5%
22.722
7.6%
26.831
8.9%
22.722
7.6%
22.964
7.7%
31.350
10.5%
26.549
8.8%
26.831
8.9%
8.231
2.7%
6.971
2.3%
7.045
2.3%
8.319
2.8%

Page | 13

tahun

>50 tahun

Metropolis
Olahraga
Umum
Metropolis
Olahraga

9
1
3
5
3

3.0%
.3%
1.0%
1.7%
1.0%

7.045
7.120
9.720
8.231
8.319

2.3%
2.4%
3.2%
2.7%
2.8%

Selain menggunakan output SPSS, nilai ekspektasi dapat dihitung menggunakan


rumus:

eijk

ni.. n. j . n.. k
n...2

e111

n1.. n.1. n..1 229 94 111

26,55
n...2
3002

e112

n1..x n.1. x n..2 229x 94x 94

22,48
n...2
3002

e113

n1..x n.1.x n..3 229x 94x 95

22,72
n...2
3002

e121

n1..x n.2. x n..1 229x 95x 111

26,83
n...2
3002

e122

n1..x n2. x n..2 229x 95x 94

22,72
n...2
3002

e123

n1..x n.2. x n..3 229x 95x 95

22,96
n...2
3002

e131

n1..x n..3. x n..1 229x 111x 111

31,35
n...2
3002

e132

n1..x n.3. x n..2 229x 111x 94

26,55
n...2
3002

e133

n1..x n.3. x n..3 229x 111x 95

26,83
n...2
3002

e211

n2..x n.1. x n..1 71x 94x 111

8,23
n...2
3002

e212

n2..x n.1. x n..2 71x 94x 94

6,97
n...2
3002

e213

n2..x n.1. x n..3 71x 94x 95

7,04
n...2
3002

e221

n2..x n.2. x n..1 71x 95x 111

8,32
n...2
3002

e222

n2..x n.2. x n..2 71x 95x 94

7,04
n...2
3002

n2..x n.2. x n..3 71x 95x 95

7,12
n...2
3002
n xn xn
71x 111x 111
e231 2.. .3.2 ..1
9,72
n...
3002
e223

Page | 14

n2..x n.3. x n..2 71x111x 94

8,23
n...2
3002
n xn xn
71x 111x 95
e233 2.. .3.2 ..3
8,32
n...
3002
Tabel 3.2 Nilai Ekspektasi Berdasarkan Perhitungan Manual
e232

Jenis
Kelamin

Berita yang disenangi


Koran I
Koran 2 (Berita
Koran 3 (Berita
(Berita Umum)
Metropolis)
Olahraga)
26.55
22.48
22.72
26.83
22.72
22.96
31.35
26.55
26.83
8.23
6.97
7.04
8.32
7.04
7.12
9.72
8.23
8.32

Usia
25-37 tahun
38-50 tahun
> 50 tahun
25-37 tahun
38-50 tahun
> 50 tahun

Laki-Laki
Perempuan

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
Likelihood Ratio

Value
60.527

Df
12

Sig.
0.000

Pearson Chi-Square

55.866

12

0.000

Tabel 3.4 Perhitungan Menggunakan Excel


kode
level
111
112
113
121
122
123
131
132
133
211
212
213
221
222
223
231
232
233

nijk

eijk
10
15
29
25
23
27
48
27
25
15
15
10
10
9
1
3
5
3

nijk-eijk

26,55
-16,55
22,48
-7,48
22,72
6,28
26,83
-1,83
22,72
0,28
22,96
4,04
31,35
16,65
26,55
0,45
26,83
-1,83
8,23
6,77
6,97
8,03
7,04
2,96
8,32
1,68
7,04
1,96
7,12
-6,12
9,72
-6,72
8,23
-3,23
8,32
-5,32
TOTAL

(nijk-eijk)2
273,86
55,99
39,41
3,35
0,08
16,29
277,22
0,20
3,35
45,82
64,47
8,73
2,83
3,82
37,45
45,16
10,44
28,29

(nijk-eijk)/eijk
10,32
2,49
1,73
0,12
0,00
0,71
8,84
0,01
0,12
5,57
9,25
1,24
0,34
0,54
5,26
4,65
1,27
3,40
55,86

nijk/eijk
0,38
0,67
1,28
0,93
1,01
1,18
1,53
1,02
0,93
1,82
2,15
1,42
1,20
1,28
0,14
0,31
0,61
0,36

nijk ln (nijk/eijk)
-9,76
-6,07
7,08
-1,77
0,28
4,37
20,45
0,46
-1,77
9,00
11,50
3,50
1,84
2,20
-1,96
-3,53
-2,49
-3,06
30,26
Page | 15

(nijk eijk )2
I 1 j 1 k 1

eijk
2

55,86

G 2 2 (nijk eijk )2nijk ln


I 1 j 1 k 1

nijk
eijk

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).
4.2 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)
2: Koran 2 (Berita Metropolis)
3: Koran 3 (Berita Olahraga)
Secara umum, model log linear dari kasus ini adalah :
AC
ABC
log eijk iA Bj Ck ijAB ik
BC
jk ijk

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
Likelihood Ratio

K-way and
Higher Order
Effectsa

K-way Effectsb

Df

1
2
3
1
2
3

Pearson
ChiSig.
Square

Number
of
Iterations

Chi-Square

Sig.

17

151.670

0.000

148.920

0.000

12
4
5
8
4

60.527
7.082
91.143
53.445
7.082

0.000
0.132
0.000
0.000
0.132

55.866
7.470
93.054
48.396
7.470

0.000
0.113
0.000
0.000
0.113

2
4
0
0
0

Page | 16

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 (

AC
log eijk iA Bj Ck ijAB ik
BC
jk

H1 : order ke-3 tidak sama dengan nol


(

AC
ABC
log eijk iA Bj Ck ijAB ik
BC
jk ijk

=5%
Daerah Kritis :

2hitung > 2((i-1)(j-1)(k-1),)


2hitung > 2((2-1)(3-1)(3-1),)
2hitung > 2(4, 0,05)
2hitung > 9,4877 atau G2 > 9,4877

Statistik Uji :
2 = 7,470
G2 = 7,082
Kesimpulan :
Karena nilai 2 yaitu 7,470 dan nilai G2 7,082 kurang dari 9,4877 maka gagal tolak H 0.
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
2. Untuk k = 2

AC
ABC
log eijk iA Bj Ck ijAB ik
BC
jk ijk

H0 : order ke-2 sama dengan nol (

log eijk iA Bj Ck

H1 : order ke-2 tidak sama dengan nol


(

AC
ABC
log eijk iA Bj Ck ijAB ik
BC
jk ijk

=5%
Daerah Kritis :

2hitung > 2((i-1)(j-1)+(i-1)(k-1)+(j-1)(k-1)+(i-1)(j-1)(k-1),)


2hitung > 2((2-1)(3-1)+(2-1)(3-1)+(3-1)(3-1)+(2-1)(3-1)(3-1),)
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
2

(nijk eijk )2
I 1 j 1 k 1

eijk

55,86

Page | 17

G 2 2 (nijk eijk )2nijk ln


I 1 j 1 k 1

nijk
eijk

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

ABC
log eijk iA Bj Ck ijAB ikAC BC
jk ijk

3. Untuk k = 1
H0 : order ke-1 sama dengan nol (

log eijk

H1 : order ke-1 tidak sama dengan nol


(

AC
ABC
log eijk iA Bj Ck ijAB ik
BC
jk ijk

=5%
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),)

Daerah Kritis :

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),)


2hitung > 2(17, 0,05)
2hitung > 27,587 atau G2 > 27,587
Statistik Uji :
eijk

n... 300

16,67
18 18
Tabel 3.6 Nilai Ekspektasi Berdasarkan Perhitungan Manual pada Order K = 1

Jenis
Kelamin
Laki-Laki
Perempuan

Koran I
(Berita Umum)
16,67
16,67
16,67
16,67
16,67
16,67

Usia
25-37 tahun
38-50 tahun
> 50 tahun
25-37 tahun
38-50 tahun
> 50 tahun

Berita yang disenangi


Koran 2 (Berita
Koran 3 (Berita
Metropolis)
Olahraga)
16,67
16,67
16,67
16,67
16,67
16,67
16,67
16,67
16,67
16,67
16,67
16,67

Tabel 3.7. Perhitungan Menggunakan Excel


kode
level
111
112

eijk
16.67
16.67

nijk

nijk-eijk
10
15

-6.67
-1.67

(nijk-eijk) 2/eijk
2.67
0.17

nijk/eijk
0.6
0.9

nijk x ln nijk/eijk
-5.109
-1.580
Page | 18

16.67
16.67
16.67
16.67
16.67
16.67
16.67
16.67
16.67
16.67
16.67
16.67
16.67
16.67
16.67
16.67
TOTAL

113
121
122
123
131
132
133
211
212
213
221
222
223
231
232
233
2

12.33
8.33
6.33
10.33
31.33
10.33
8.33
-1.66
-1.66
-6.66
-6.66
-7.66
-15.67
-13.67
-11.67
-13.67

9.127
4.167
2.407
6.407
58.907
6.407
4.167
0.167
0.167
2.667
2.667
3.527
14.727
11.207
8.167
11.207
148.92

1.74
1.5
1.38
1.62
2.88
1.62
1.5
0.9
0.9
0.6
0.6
0.54
0.06
0.18
0.3
0.18

16.063
10.137
7.408
13.025
50.774
13.025
10.137
-1.580
-1.580
-5.108
-5.108
-5.545
-2.813
-5.144
-6.019
-5.144
75,835

(nijk eijk )2
I 1 j 1 k 1

eijk
2

29
25
23
27
48
27
25
15
15
10
10
9
1
3
5
3

148,92

G 2 2 (nijk eijk )2nijk ln


I 1 j 1 k 1

nijk
eijk

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

AC
ABC
log eijk iA Bj Ck ijAB ik
BC
jk ijk

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 (

iA Bj Ck 0

A
Bj 0

0
C 0 )
i
H1 : efek order ke-1 tidak sama dengan nol (
atau
atau k

=5%
Daerah Kritis :

2hitung > 2(db1-db2,)


2hitung > 2(17-12,)
2hitung > 2(5, 0,05)
Page | 19

2hitung > 11,0705 atau G2 > 11,0705


Statistik Uji :
G2 = G12 - G22
= 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 (

ijAB ikAC BC
jk 0

H1 : efek order ke-2 tidak sama dengan nol (

ijAB 0

AC
BC 0
atau ik 0 atau jk
)

=5%
Daerah Kritis :

2hitung > 2(db2-db1,)


2hitung > 2(12-4,)
2hitung > 2(8, 0,05)
2hitung > 15,507 atau G2 > 15,507

Statistik Uji :
G2 = G22 G32
= 60,527 7,082
= 53,445
Kesimpulan :
Karena nilai G2 adalah sebesar 53,445 lebih dari 15,507 maka tolak H 0. 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 (

ABC
ijk
0

H1 : efek order ke-3 tidak sama dengan nol (

ABC
ijk
0

=5%
Daerah Kritis :

2hitung > 2(db3,)


2hitung > 2(4,)
Page | 20

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
Test ini bertujuan untuk menguji hubungan ketergantungan antara dua variabel
dalam setiap level variabel lainnya.
Tabel 3.8 Partial Association

Partial
ChiSquare
36.113

0.000

Number
of
Iterations
2

12.851

0.002

4
1
2
2

15.520
87.564
1.790
1.790

0.004
0.000
0.409
0.409

2
2
2
2

Effect

df

Jeniskelamin*Usia
Jeniskelamin*Berit
a
Usia*Berita
Jeniskelamin
Usia
Berita

Sig.

1. Untuk variabel jenis kelamin dan usia


H0 : Jenis kelamin dan Usia independent dalam setiap level Koran (
H1 : Jenis kelamin dan Usia dependent dalam setiap level Koran (

ijAB

ijAB

=0)

0)

=5%
Daerah Kritis :

2hitung > 2((i-1)(j-1),)


2hitung > 2((2-1)(3-1),)
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
Laki-laki
Perempuan
total

25-37 tahun
54
40
94

38.50 tahun
75
20
95

>50 tahun
100
11
111

Total
229
71
300
Page | 21

eij

ni. n. j
n..

e11

n1. n.1 229 94

71,7533
n..
300

e12

n1.x n.2 229x 95

72,5167
n..
300

e13

n1. x n.3
229x 111

84,73
n..
300

e21

n2. x n.1 71x 94

22,2467
n..
300

e22

n2. x n.2 71x 95

22,4833
n..
300

e23

n2. x n.3 71x 111

26,27
n..
300

Page | 22

Tabel 3.10 eij jenis kelamin dan umur


Jenis kelamin
Laki-laki
Perempuan
2

Nilai uji

=
2

i=1 j=1

25-37 tahun
71,7533
22,2467

38.51 tahun
72,5167
22,4833

>50 tahun
84,73
26,27

( n ij eij )
eij

=4.392549+0.085039+2.751952+14.16748+0.274283+8.876014
30,54731
db= (i-1)(j-1)=(2-1)(3-1)=2
2

(2 : 0.05)=5,991
Tolak Ho, Jenis kelamin dan Usia dependent dalam setiap level Koran.
2. Untuk variabel jenis kelamin dan koran
AC

H0 : Jenis kelamin dan koran independent dalam setiap level umur ( ik =0)
AC

H1 : Jenis kelamin dan Koran dependent dalam setiap level umur ( ik 0)


=5%
Daerah Kritis :

2hitung > 2((i-1)(k-1),)


2hitung > 2((2-1)(3-1),)
2hitung > 2(2, 0,05)
2hitung > 5,991 atau G2 > 5,991

Statistik Uji :
Tabel 3.11 Jenis Kelamin dan Berita
Jenis kelamin
Laki-laki
Perempuan
total

Koran 1
83
28
111

eik

ni. n.k
n..

e11

n1. n.1 229 x 111

84,73
n..
300

e12

n1. x n.2 229 x 94

71,7533
n..
300

e13

n1.. x n.3 229 x 95

72,5167
n..
300

e21

n2. x n.1 71 x111

26,27
n..
300

Koran 2
65
29
94

Koran 3
81
14
95

Total
229
71
300

Page | 23

e22

n2.. x n.2 71 x 94

22,2467
n..
300

e23

n 2. x n.3 71 x 95

22,4833
n..
300
Tabel 3.12. eik Jenis Kelamin dan berita
Jenis kelamin
Laki-laki
Perempuan
2

Nilai uji

=
2

i=1 k=1

Koran 1
84,73
26,27

Koran 2
71,7533
22,2467

Koran 3
72,5167
22,4833

( n ikeik )
eik

=0,035323+ 0,635609+ 0,992411+0,113928+ 2,05006+3,200881=7,028213


db= (i-1)(j-1)=(2-1)(3-1)=2
2(2 : 0.05)=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 (
H1 : Umur dan Koran dependent dalam setiap level jenis kelamin (

AB
jk

AB
jk

=0)

0)

=5%
Daerah Kritis :

2hitung > 2((k-1)(j-1),)


2hitung > 2((3-1)(3-1),)
2hitung > 2(4, 0,05)
2hitung > 9,488 atau G2 > 9,488

Statistik Uji :
Tabel 3.13 Tabulasi Silang Usia dan Berita

ejk

nj . n.k

Umur
25-37 tahun
38-50 tahun
>50 tahun
total

Koran 1
25
35
51
111

Koran 2
30
32
32
94

Koran 3
39
28
28
95

Total
94
95
111
300

n..

e11

n1. n.1
94 111

34,78
n..
300

e12

n1. x n..2 94x 94

29,4533
n..
300

e13

n1. x n..3 94x 95

29,7667
n..
300

Page | 24

e21

n2. x n.1 95x 111

35,15
n..
300

e22

n2.x n.2
95x 94

29,7667
n..
300

e23

n2. x n..3 95x 95

30,0833
n...2
300

e31

n3. x n.1 111x 111

41,07
n..
300

e32

n.3. x n.2 111x 94

34,78
n..
300

e33

n3. x n.3 111x 95

35,15
n..
300

Tabel 3.14. ejk Usia dan Berita


Umur
25-37 tahun
38-50 tahun
>50 tahun
2

Nilai uji

=
2

j=1 k=1

( n jk e jk )

Koran 1
34,78
35,15
41,07

Koran 2
29,4533
29,7667
34,78

Koran 3
29,7667
30,0833
35,15

e jk

=2,750098+ 0,010148+ 2,864067+0,000064+ 0,167557+0,144271+2,400898+0,222208+1,454


db= (j-1)(k-1)=(3-1)(3-1)=4
2(4 :0.05 )=9,488
Tolak Ho. Umur dan koran dependent dalam setiap level Koran.
4. Untuk variabel Jenis kelamin
A

H0 : Jenis kelamin independent dalam model ( i =0)


A

H1 : Jenis kelamin dependent dalam model ( i 0)


=5%
Daerah Kritis :

2hitung > 2((i-1),)


2hitung > 2((2-1),)
2hitung > 2(1, 0,05)
2hitung > 3,841 atau G2 > 3,841

Statistik Uji :
Nilai uji

2=87.564

db= (i-1)=(2-1)=1
2(1 : 0.05)=3,841
Page | 25

Tolak Ho, Jenis kelamin dependent dalam Model.


5. Untuk variabel Usia
H0 : Usia independent dalam model (
H1 : Usia dependent dalam model (

Bj

Bj

=0)

0)

=5%
Daerah Kritis :

2hitung > 2((j-1),)


2hitung > 2((3-1),)
2hitung > 2(2, 0,05)
2hitung > 5,991 atau G2 > 5,991

Statistik Uji :
Nilai uji

2=1,790

db= (j-1)=(3-1)=2
2(1 : 0.05)=5,991
Gagal tolak Ho, Usia independent dalam Model.
6. Untuk variabel Berita
C

H0 : Berita independent dalam model ( k =0)


C

H1 : Berita dependent dalam model ( k 0)


=5%
Daerah Kritis :

2hitung > 2((k-1),)


2hitung > 2((3-1),)
2hitung > 2(2, 0,05)
2hitung > 5,991 atau G2 > 5,991

Statistik Uji :
Nilai uji

2=1,790

db= (k-1)=(3-1)=2
2(1 : 0.05)=5,991
Gagal tolak Ho, berita independent dalam Model.
Untuk mengetahui kecenderungan per cell, maka digunakan tabel assosiasi parsial sebagai
berikut.
Tabel 3.15 Tabel Estimasi Parameter
Effect

Parameter

Estimat
e

Std.
Error

Sig.

Page | 26

1
2
3
4
1
2
1
2
1
2
3
4
1
1
2
1
2

Jeniskelamin*Usia*Berita

Jeniskelamin*Usia
Jeniskelamin*Berita

Usia*Berita
Jeniskelamin
Usia
Berita

-.180
.116
-.218
-.107
-.535
.141
-.122
-.224
-.271
-.092
.243
.137
.643
.181
-.084
.099
.114

.144
.138
.159
.157
.104
.127
.112
.107
.144
.138
.159
.157
.083
.104
.127
.112
.107

-1.250
.844
-1.371
-.681
-5.147
1.111
-1.087
-2.081
-1.878
-.664
1.527
.871
7.708
1.739
-.665
.883
1.063

.211
.399
.170
.496
.000(a)
.267
.277
.037(b)
.060
.506
.127
.384
.000
.082
.506
.377
.288

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 bukan yang


berusia dengan kategori pertama (38-50 tahun) dalam pengamatan pemilihan
jenis berita koran.

(b)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk tidak


memilih jenis berita kategori kedua (berita metropolis).
Tabel 3.16 Tabel Kontingensi Pemutaran Pertama
Jenis
Kelamin
Laki-laki

Perempuan

Umur
>50 tahun
25-37 tahun
38-50 tahun
>50 tahun
25-37 tahun
38-50 tahun

Koran 1
48
10
25
3
15
10

Berita
Koran 2
27
15
23
5
15
9

Koran 3
25
29
27
3
10
1

Tabel 3.17 Tabel Estimasi Parameter Pemutaran Pertama


Effect
Jenis_kelamin*Umur*Berit
a

Estimate

Std.
Error

Sig.

2,346

,019(a)

,399

,170

2
3

-,009

,160

-,057

,955

-,180

,144

-1,250

,211

Page | 27

Jenis_kelamin*Umur
Jenis_kelamin*Berita

Umur*Berita

Jenis_kelamin
Umur
Berita

,116

,138

,844

,399

,395

,122

3,242

,001(b)

-,535

,104

-5,147

,000(c)

-,122

,112

-1,087

,277

-,224

,107

-2,081

,037(d)

,028

,170

,163

,871

-,045

,160

-,285

,776

-,271

,144

-1,878

,060(e)

-,092

,138

-,664

,506

,643

,083

7,708

,000

-,097

,122

-,793

,428

,181

,104

1,739

,082

,099

,112

,883

,377

,114

,107

1,063

,288

Berdasarkan tabel 3.17 menunjukkan bahwa terdapat lima cell yang memiliki
kecenderungan, sel-sel tersebut adalah sebagai berikut.
(a)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan berusia


dengan kategori pertama (>50 tahun) dalam pengamatan pemilihan jenis berita
koran.

(b)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk


berumur dengan kategori pertama (> 50 tahun).

(c)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk


berumur bukan dengan kategori kedua (25-37 tahun).

(d)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan memilih


berita bukan kategori kedua (berita metropolis).

(e)

: Umur dengan kategori kedua (25=37 tahun) memiliki kecenderungan memilih


berita dengan kategori paertama (berita umum).
Tabel 3.18 Tabel Kontingensi Pemutaran Kedua
Jenis
Kelamin

Umur

Laki-laki

Perempuan

25-37 tahun
38-50 tahun
>50 tahun
25-37 tahun
38-50 tahun
>50 tahun

Koran 3
29
27
25
10
1
3

Berita
Koran 1
10
25
48
15
10
3

Koran 2
15
23
27
15
9
5

Tabel 3.19 Tabel Estimasi Parameter Pemutaran Kedua


Effect

Estimat

Std.

Sig.

Page | 28

Jenis_Kelamin*Umur*Berit
a

Jenis_Kelamin*Umur
Jenis_Kelamin*Berita

Umur*Berita

Jenis_Kelamin
Umur
Berita

Error

,064

,159

,404

,686

2
3
4
1
2
1
2
1
2
3
4
1
1
2
1

-,180
,326
-,218
-,535
,141
,345
-,122
,362
-,271
-,380
,243
,643
,181
-,084
-,213

,144
,215
,159
,104
,127
,133
,112
,159
,144
,215
,159
,083
,104
,127
,133

-1,250
1,513
-1,371
-5,147
1,111
2,597
-1,087
2,287
-1,878
-1,767
1,527
7,708
1,739
-,665
-1,602

,211
,130
,170
,000(a)
,267
,009(b)
,277
,022(c)
,060
,077
,127
,000
,082
,506
,109

,099

,112

,883

,377

Berdasarkan tabel 3.19 menunjukkan bahwa terdapat tiga cell yang memiliki
kecenderungan, sel-sel tersebut adalah sebagai berikut.
(a)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan berusia


bukan dengan kategori pertama (25-37 tahun).

(b)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk


memilih berita dengan kategori pertama (berita umum).

(c)

: Umur kategori pertama (25-37 tahun) memiliki kecenderungan untuk memilih


berita dengan kategori pertama (berita umum).
Tabel 3.20 Tabel Kontingensi Pemutaran Ketiga
Jenis
Kelamin

Umur

Laki-laki

Perempuan

Koran 3
25
29
27
3
10
1

>50 tahun
25-37 tahun
38-50 tahun
>50 tahun
25-37 tahun
38-50 tahun

Berita
Koran 1
48
10
25
3
15
10

Koran 2
27
15
23
5
15
9

Tabel 3.21 Tabel Estimasi Parameter Pemutaran Ketiga


Effect
Jenis_Kelamin*Umur*Berit
a

1
2

Estimat
e

Std.
Error

Sig.

-,390
,399

,186
,170

-2,096
2,346

,036(a)
,019(b)

Page | 29

Jenis_Kelamin*Umur
Jenis_Kelamin*Berita

Umur*Berita

Jenis_Kelamin
Umur
Berita

3
4
1
2
1
2
1
2
3
4
1
1
2
1
2

,064
-,180
,395
-,535
,345
-,122
,018
,028
,362
-,271
,643
-,097
,181
-,213
,099

,159
,144
,122
,104
,133
,112
,186
,170
,159
,144
,083
,122
,104
,133
,112

,404
-1,250
3,242
-5,147
2,597
-1,087
,096
,163
2,287
-1,878
7,708
-,793
1,739
-1,602
,883

,686
,211
,001(c)
,000(d)
,009(e)
,277
,924
,871
,022(f)
,060(g)
,000
,428
,082
,109
,377

Berdasarkan tabel 3.21 menunjukkan bahwa terdapat tujuh cell yang memiliki
kecenderungan, sel-sel tersebut adalah sebagai berikut.
(a)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan berusia


dengan bukan kategori pertama (>50 tahun) dan juga cenderung memilih jenis
berita bukan kategori pertama (berita olahraga).

(b)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk


berumur dengan kategori pertama (> 50 tahun) dan juga cenderung memilih
jenis berita dengan kategori kedua (berita umum).

(c)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk


berumur dengan kategori pertama (> 50 tahun).

(d)

: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan berumur


bukan dengan kategori kedua (25-37 tahun).

(e)

: Jenis kelamin dengan kategori pertama (> 50 tahun) memiliki kecenderungan


memilih berita dengan kategori pertama (berita olahraga).

(f)

: Umur dengan kategori kedua (25-37 tahun) memiliki kecenderungan memilih


berita dengan kategori pertama (berita olahraga).

(g)

: Umur dengan kategori kedua (25-37 tahun) memiliki kecenderungan memilih


berita bukan dengan kategori kedua (berita umum).
Tabel 3.22 Tabel Kontingensi Pemutaran Keempat
Jenis
Kelamin
Perempuan

Umur
25-37 tahun
38-50 tahun
>50 tahun

Koran 1
15
10
3

Berita
Koran 2
15
9
5

Koran 3
10
1
3
Page | 30

Laki-laki

25-37 tahun
38-50 tahun
>50 tahun

10
25
48

15
23
27

29
27
25

Tabel 3.23 Tabel Estimasi Parameter Pemutaran Keempat


Estimat
e

Effect

Jenis_kelamin*Umur*Berit
a

Jenis_kelamin*Umur
Jenis_kelamin*Berita

Umur*Berita

Jenis_kelamin
Umur
Berita

Std.
Error

Sig.

,180

,144

1,250

,211

2
3
4
1
2
1
2
1
2
3
4
1
1
2
1

-,116
,218
,107
,535
-,141
,122
,224
-,271
-,092
,243
,137
-,643
,181
-,084
,099

,138
,159
,157
,104
,127
,112
,107
,144
,138
,159
,157
,083
,104
,127
,112

-,844
1,371
,681
5,147
-1,111
1,087
2,081
-1,878
-,664
1,527
,871
-7,708
1,739
-,665
,883

,399
,170
,496
,000(a)
,267
,277
,037(b)
,060(c)
,506
,127
,384
,000
,082
,506
,377

,114

,107

1,063

,288

Berdasarkan tabel 3.23 menunjukkan bahwa terdapat tiga cell yang memiliki
kecenderungan, sel-sel tersebut adalah sebagai berikut.
(a)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk


berumur dengan kategori pertama (25-37 tahun).

(b)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk


memilih berita dengan kategori kedua (berita metropolis).

(c)

: Umur dengan kategori pertama (25-37 tahun) memiliki kecenderungan untuk


memilih berita dengan kategori pertama (berita umum).
Tabel 3.24 Tabel Kontingensi Pemutaran Kelima
Jenis
Kelamin
Perempuan
Laki-laki

Umur
>50 tahun
25-37 tahun
38-50 tahun
>50 tahun
25-37 tahun

Koran 1
3
15
10
48
10

Berita
Koran 2
5
15
9
27
15

Koran 3
3
10
1
25
29
Page | 31

38-50 tahun

25

23

27

Tabel 3.25 Tabel Estimasi Parameter Pemutaran Kelima


Estimat
e

Effect

Jenis_kelamin*Umur*Berit
a

Jenis_kelamin*Umur
Jenis_kelamin*Berita

Umur*Berita

Jenis_kelamin
Umur
Berita

Std.
Error

Sig.

-,399

,170

-2,346

,019(a)

2
3
4
1
2
1
2
1
2
3
4
1
1
2
1

,009
,180
-,116
-,395
,535
,122
,224
,028
-,045
-,271
-,092
-,643
-,097
,181
,099
,114

,160
,144
,138
,122
,104
,112
,107
,170
,160
,144
,138
,083
,122
,104
,112
,107

,057
1,250
-,844
-3,242
5,147
1,087
2,081
,163
-,285
-1,878
-,664
-7,708
-,793
1,739
,883
1,063

,955
,211
,399
,001(b)
,000(c)
,277
,037(d)
,871
,776
,060(e)
,506
,000
,428
,082
,377
,288

Berdasarkan tabel 3.25 menunjukkan bahwa terdapat lima cell yang memiliki
kecenderungan, sel-sel tersebut adalah sebagai berikut.
(a)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk


berumur bukan dengan kategori pertama (>50 tahun) dan cenderungan memilih
berita bukan dengan kategori pertama (berita umum).

(b)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan berumur


bukan dengan kategori pertama (>50 tahun).

(c)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan berumur


dengan kategori kedua (25-37 tahun).

(d)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan memilih


berita dengan kategori kedua (berita metropolis).

(e)

: Umur dengan kategori kedua (25-37 tahun) memiliki kecenderungan untuk


memilih berita dengan kategori pertama (berita umum).
Tabel 3.26 Tabel Kontingensi Pemutaran Keenam
Page | 32

Jenis
Kelamin
Perempuan

Laki-laki

Umur
25-37 tahun
38-50 tahun
>50 tahun
25-37 tahun
38-50 tahun
>50 tahun

Koran 3
10
1
3
29
27
25

Berita
Koran 1
15
10
3
10
25
48

Koran 2
15
9
5
15
23
27

Tabel 3.27 Tabel Estimasi Parameter Pemutaran Keenam


Estimat
e

Effect

Jenis_kelamin*Umur*Berit
a

Jenis_kelamin*Umur
Jenis_kelamin*Berita

Umur*Berita

Jenis_kelamin
Umur
Berita

Std.
Error

Sig.

-,064

,159

-,404

,686

2
3
4
1
2
1
2
1
2
3
4
1
1
2
1

,180
-,326
,218
,535
-,141
-,345
,122
,362
-,271
-,380
,243
-,643
,181
-,084
-,213
,099

,144
,215
,159
,104
,127
,133
,112
,159
,144
,215
,159
,083
,104
,127
,133
,112

1,250
-1,513
1,371
5,147
-1,111
-2,597
1,087
2,287
-1,878
-1,767
1,527
-7,708
1,739
-,665
-1,602
,883

,211
,130
,170
,000(a)
,267
,009(b)
,277
,022(c)
,060(d)
,077(e)
,127
,000
,082
,506
,109
,377

Berdasarkan tabel 3.27 menunjukkan bahwa terdapat lima cell yang memiliki
kecenderungan, sel-sel tersebut adalah sebagai berikut.
(a)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk


berumur dengan kategori pertama (25-37 tahun).

(b)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan memilih


berita bukan dengan kategori pertama (olahraga).

(c)

: Umur kategori pertama (25-37 tahun) memiliki kecenderungan memilih berita


dengan kategori pertama (berita olahraga).

(d)

: Umur dengan kategori pertama (25-37 tahun) memiliki kecenderungan memilih


berita bukan dengan kategori kedua (umum).

(e)

: Umur dengan kategori kedua (38-50 tahun) memiliki kecenderungan untuk


memilih berita bukan dengan kategori pertama (berita olahraga).
Page | 33

Tabel 3.28 Tabel Kontingensi Pemutaran Ketujuh


Jenis
Kelamin

Umur

Perempuan

Laki-laki

Koran 3
3
10
1
25
29
27

>50 tahun
25-37 tahun
38-50 tahun
>50 tahun
25-37 tahun
38-50 tahun

Berita
Koran 1
3
15
10
48
10
25

Koran 2
5
15
9
27
15
23

Tabel 3.29 Tabel Estimasi Parameter Pemutaran Ketujuh


Estimat
e

Effect

Jenis_kelamin*Umur*Berit
a

Jenis_kelamin*Umur
Jenis_kelamin*Berita

Umur*Berita

Jenis_kelamin
Umur
Berita

Std.
Error

Sig.

,390

,186

2,096

,036(a)

2
3
4
1
2
1
2
1
2
3
4
1
1
2
1

-,399
-,064
,180
-,395
,535
-,345
,122
,018
,028
,362
-,271
-,643
-,097
,181
-,213
,099

,170
,159
,144
,122
,104
,133
,112
,186
,170
,159
,144
,083
,122
,104
,133
,112

-2,346
-,404
1,250
-3,242
5,147
-2,597
1,087
,096
,163
2,287
-1,878
-7,708
-,793
1,739
-1,602
,883

,019(b)
,686
,211
,001(c)
,000(d)
,009(e)
,277
,924
,871
,022(f)
,060(g)
,000
,428
,082
,109
,377

Berdasarkan tabel 3.27 menunjukkan bahwa terdapat lima cell yang memiliki
kecenderungan, sel-sel tersebut adalah sebagai berikut.
(a)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk


berumur dengan kategori pertama (>50 tahun) dan cenderung memilih berita
dengan kategori pertama (berita olahraga).

Page | 34

(b)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk


berumur bukan dengan kategori pertama (25-37 tahun) dan cenderung memilih
berita bukan dengan kategori kedua (berita umum).

(c)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan berumur


bukan dengan kategori pertama (>50 tahun).

(d)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan berumur


dengan kategori kedua (25-37 tahun).

(e)

: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan memilih


berita bukan dengan kategori pertama (berita olahraga).

(f)

: Umur kategori kedua (25-37 tahun) memiliki kecenderungan memilih berita


dengan kategori pertama (berita olahraga).

(g)

: Umur dengan kategori kedua (25-37 tahun) memiliki kecenderungan memilih


berita bukan dengan kategori kedua (berita umum).

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
ABC
log eijk iA Bj Ck ijAB ikAC BC
jk ijk

Model 0

log eijk iA Bj Ck ijAB ikAC BC


jk

Model 1

(interaksi

antara

tiga

variabel dihilangkan)
Daerah Kritis :

2hitung > 2(db1-db0,)


2hitung > 2(12-4,)
2hitung > 2(8, 0,05)
2hitung > 15,507 atau G2 > 15,507
Tabel 3.15 Step Summary

Stepa

Effects

ChiSquarec

df

Sig.

Number
of
Iterations
Page | 35

Generating
Classb

JENIS*UMUR*KORAN

.000

JENIS*UMUR*KORAN

7.082

0.528

Generating
Classb

JENIS*UMUR,
JENIS*KORAN,
UMUR*KORAN

7.082

0.528

1
2
3

JENIS*UMUR
JENIS*KORAN
UMUR*KORAN

36.113
12.851
15.520

4
4
4

0.000
0.012
0.004

Generating
Classb

JENIS*UMUR,
JENIS*KORAN,
UMUR*KORAN

7.082

0.528

Deleted
Effect

1
Deleted
Effect
2

2
2
2

Statistik Uji :
G2 = G12 G02
= 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 (


H1 : Model (1) = model terbaik (

log eijk iA Bj Ck ikAC BC


jk

log eijk iA Bj Ck ijAB ikAC BC


jk )

= 0,05
Daerah Kritis :

2hitung > 2(db2-db1,)

2hitung > 2(12-8,)


2hitung > 2(4, 0,05)
2hitung > 9,488 atau G2 > 9,488
Statistik Uji :
G2 = 36,113
Kesimpulan :

Page | 36

Karena nilai G2 36,113 lebih dari 9,488 maka tolak H 0. Sehingga keputusannya
adalah model 1 adalah model terbaik pada iterasi kedua. Jadi keputusan akhir,
model terbaik adalah

log eijk iA Bj Ck ijAB ikAC BC


jk

b. H0 : Model (2) = model terbaik (


H1 : Model (1) = model terbaik (

log eijk iA Bj Ck ijAB BC


jk

log eijk iA Bj Ck ijAB ikAC BC


jk )

= 0,05
Daerah Kritis :

2hitung > 2(db2-db1,)

2hitung > 2(12-8,)


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 H 0. Sehingga keputusannya
adalah model 1 adalah model terbaik pada iterasi kedua. Jadi keputusan akhir,
model terbaik adalah

log eijk iA Bj Ck ijAB ikAC BC


jk

c. H0 : Model (2) = model terbaik (


H1 : Model (1) = model terbaik (

log eijk iA Bj Ck ijAB ikAC

log e ijk iA Bj Ck ijAB ikAC BC


jk

= 0,05
Daerah Kritis :

2hitung > 2(db2-db1,)

2hitung > 2(12-8,)


2hitung > 2(4, 0,05)
2hitung > 9,488 atau G2 > 9,488
Statistik Uji :
G2 = 15,520
Kesimpulan :
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 e ijk iA Bj Ck ijAB ikAC BC


jk

Page | 37

Page | 38