1.1
yang menyatakan hubungan antara variabel dengan data yang bersifat kualitatif
(skala nominal atau ordinal). Dengan menggunakan pendekatan log linier bisa
diketahui model matematikanya secara pasti serta level atau kelas mana yang
cenderung menimbulkan adanya hubungan atau dependensi.
Pada tabel kontingensi dua dimensi terdiri dari dua faktor, yaitu faktor I
sebagai faktor baris dan faktor J sebagai faktor kolom. Jika kedua faktor ini
independen, maka peluang pengamatan ij= i+ . +j, dimana : i = 1, 2, . . ., I dan
j = 1, 2, . . ., J
(3)
= log ++ + + + log +
i 1
j 1
= n++ +
i 1
log i
ix log i
i 1
xj log j
J
j 1
log i
1
J
j 1
log j
1
log j
1
(5)
Model (5) inilah yang disebut dengan model Log Linier Independen pada
tabel kontingensi dua dimensi (Agresti,1990). Dalam model tersebut
menunjukkan efek rata-rata secara umum, menunjukkan efek utama kategori
ke-i variabel X, menunjukkan efek utama kategori ke-j variabel Y.
Dimana juga berlaku
i 1
ix j 1 yj 0
J
Jika ada dependensi antara kedua variabel, dengan nilai mij > 0 dan dimisalkan
= log
+ = j 1
nij
+j = i 1
nij
= ++ = i 1 j 1
I
nij
IJ
ijxy = + + + ++
(6)
Model (6) disebut dengan model jenuh. Selanjutnya dicari nilai dari
derajat bebasnya (df). Derajat bebas adalah banyaknya sel dikurangi dengan
banyaknya parameter yang diestimasi. Untuk model independen (5), merupakan
kasus khusus dari model jenuh (6) dimana = 0. Jumlah parameter yang
diestimasi = I + (I-1) + (J-1). Sehingga untuk model independen, mempunyai
derajat bebas
df
a.
Uji Goodness of Fit adalah uji untuk membandingkan atau menentukan ada
atau tidaknya jarak antara observasi dan model. Untuk menguji hipotesis pada tiap
model digunakan uji Person Chi-Square (2) atau Likelihood Ratio Test (G2)
adalah sebagai berikut.
Uji Person Chi Square (2)
2hit =
ijk
eijk
eijk
ij
= 2 nij ln
i
j
e
ij
= 2 nij ln nij
ni . ln ni . n. j ln n. j n.. ln n..
i
Uji K-Way
Uji K-Way digunakan untuk mengetahui apakah ada efek order antara 2
Pengujian interaksi pada derajat K sama dengan nol. Uji ini didasarkan pada
hipotesis efek order ke-K sama dengan nol, sehingga pada model log linear
hipotesisnya adalah sebagai berikut.
Untuk K = 1
H0 : Efek order ke-1 = 0
mungkin dari suatu model lengkap baik untuk satu variabel yang bebas maupun
untuk hubungan ketergantungan beberapa variabel yang merupakan parsial dari
suatu model lengkap. Hipotesisnya ialah sebagai berikut.
Hipotesis :
1. H0 : Efek interaksi antara variabel 1 dan variabel 2 = 0
H1 : Efek interaksi antara variabel 1 dan variabel 2 0
2. H0 : Efek variabel 1= 0
H1 : Efek variabel 1 0
3. H0 : Efek variabel 2 = 0
H1 : Efek variabel 2 0
2
Statistik Uji :
i 1 j 1
(Oij Eij ) 2
Eij
d. Backward Elimination
Metode ini pada dasarnya menyelesaikan model dengan menggunakan prinsip
hierarki, yaitu dengan melihat model terlengkap sampai dengan model yang
sederhana. Berikut ialah beberapa kemungkinan model yang terbentuk.
Model
vij iA Bj ijAB
vij iA Bj
bebas
H0: Peluang A dan B bebas
vij iA
vij Bj
vij
dimana
eij
ni n j
n
1.3
pemerintah. Model log linier untuk hubungan antara kedua variabel tersebut
adalah :
Log mij ix yj ijxy
Likelihood Ratio
Nilai
df P-Value
12.184 3 0.007
0.010
Uji K-Way
Pada pengujian efek order ke-K atau lebih sama dengan nol dijabarkan sebagai
berikut.
Hipotesis:
Untuk K = 1
H0 : Efek order ke-1atau lebih = 0
H1 : Efek order ke-1atau lebih 0
Diperoleh statistik uji G2hit = 46,715 > 2(7,5%) = 14,067 atau dapat dilihat pada
nilai Pvalue yang kurang dari nilai = 5% yaitu 0,000. Sehingga H 1 didukung oleh
data, artinya efek interaksi order kedua terdapat dalam model.
Untuk K = 2
H0 : Efek order ke-2 = 0
H1 : Efek order ke-2 0
Diperoleh statistik uji G2hit = 12,184 > 2(3,5%) = 7,815 atau dapat dilihat pada
nilai Pvalue yang kurang dari nilai = 5% yaitu 0,007 Sehingga H1 didukung oleh
data, artinya efek interaksi order kedua terdapat dalam model.
Pada pengujian efek order ke-K sama dengan nol dijabarkan sebagai berikut.
Hipotesis:
Untuk K = 1
H0 : Efek order ke-1 = 0
H1 : Efek order ke-1 0
Diperoleh statistik uji G2hit = 34,531 > 2(4,5%) = 9,488 atau dapat dilihat pada
nilai Pvalue yang kurang dari nilai = 5% yaitu 0,000. Sehingga H 1 didukung oleh
data, artinya efek interaksi order kedua terdapat dalam model.
Untuk K = 2
H0 : Efek order ke-2 = 0
H1 : Efek order ke-2 0
Diperoleh statistik uji G2hit = 12,184 > 2(3,5%) = 7,815 atau dapat dilihat pada
nilai Pvalue yang kurang dari nilai = 5% yaitu 0,007. Sehingga H1 didukung oleh
data, artinya efek interaksi order kedua terdapat dalam model.
Output tabel yang dihasilkan sebagai berikut.
Tabel 1.2 K-Way Higer-Order
df
1
2
1
2
7
3
4
3
Likelihood Ratio
Pearson
Number of
Chi-Square P-value. Chi-Square P-Value. Iterations
46.715
0.000
46.795
0.000
0
12.184
0.007
11.384
0.010
2
34.531
0.000
35.411
0.000
0
12.184
0.007
11.384
0.010
0
Variabel
df
Partial Chi-Square
P-value
KEGIATAN
30.343
0.000
Number of
Iterations
2
KETERLIBATAN
1
4.188
0.041
2
Hasil uji asosiasi parsial, dengan hipotesis sebagai berikut.
H0 : Efek variabel kegiatan= 0
H1 : Efek variabel kegiatan 0
Diperoleh nilai Partial Chi-Square > 2(3,5%) yaitu 30,343 > 7,815 atau
Pvalue < 0,05 maka tolak H0
Kesimpulan yang dapat diambil adalah ada efek variabel kegiatan.
H0 : Efek keterlibatan = 0
H1 : Efek keterlibatan 0
Diperoleh nilai Partial Chi-Square > 2(1,5%) yaitu 4,188 > 3,841 atau
Pvalue < 0,05 maka tolak H0
Kesimpula yang dapat diambil adalah ada efek variabel keterlibatan.
Seleksi Model
Tahap
Effects
Chi-Square df
P-value
Number of
Iterations
Deleted
1 KEGIATAN*KETERLIBATAN
12.184
3
0.007
2
Effect
Generating
KEGIATAN*KETERLIBATAN
.000
0
.
Class
Seleksi model dengan menggunakan metode Backward Elimination
dimulai dari model umum atau semua kemungkinan dimasukkan. Untuk memilih
model terbaik menggunakan hipotesis sebagai berikut.
H0 : Model 1 adalah model terbaik
H1 : Model 0 adalah model terbaik
Daerah Kritis : Tolak H0 jika G2 > 2(df,)
Keputusan dan kesimpulan : Model 0 adalah model terbaik karena G2 > 2(df,)
Model 0 lengkap sebagai model lengkap
Adanya hubungan antara variabel kegiatan dengan keterlibatan dimana
pengaruh efek utama variabel kegiatan dan variabel keterlibatan juga masuk
dalam model. = 2,52556
Tabel 1.5 Tabel Estimasi Parameter
Effect
KEGIATAN*KETERLIBATA
N
KEGIATAN
KETERLIBATAN
Parameter Estimate
1
2
3
1
2
3
1
0.478
-0.023
0.168
0.166
0.764
-0.143
-0.255
Std.
Error
0.172
0.150
0.188
0.172
0.150
0.188
0.115
95%
Confidence
Interval
Z
P-value
Lower Upper
Bound Bound
2.774 0.006 0.140 0.815
-0.151 0.880 -0.316 0.271
0.897 0.369 -0.199 0.536
0.964 0.335 -0.172 0.504
5.105 0.000 0.471 1.058
-0.765 0.444 -0.511 0.224
-2.219 0.027 -0.481 -0.030
pemerintah
Ya
Tidak
Koefisien
0.478
-0.478
Asongan
Z-value
2.774
-2.774
Koefisien
-0.023
0.023
Pengamen
Z-value
-0.151
0.151
Koefisien
0.168
-0.168
Pemulung
Z-value
0.897
-0.897
Koefisien
-0.623
0.623
Bermain
Z-value
-3.520
3.520
diketahui bahwa anak jalanan yang memiliki kegiatan sebagai penjual
asongan cenderung memiliki keterlibatan konflik dengan dengan aparat
pemerintah. Kemudian anak jalanan yang memiliki kegiatan di jalan bermain
cenderung tidak memiliki keterlibatan konflik dengan aparat.
1.4
Perhitungan Manual
Berikut perhitungan ekspetasi secara manual pada data hubungan kegiatan
31 52
127
31 75
e 21
e 22
127
12.693
e31
18.307
e32
23.748
e41
34.252
e42
58 52
127
58 75
127
22 52
127 2
22 75
127 2
16 52
127 2
16 75
127 2
9.008
12.992
6.551
9.449
ij
eij
eij
19 12.693 2
12.693
11.384
2
12 18.307 2
18.307
...
2 6.551 2
6.551
14 9.449 2
9.449
nij
G 2 2 nij ln
i
j
eij
19
12
2
14
G 2 2 19 ln
12 ln
2 ln
14 ln
12.693
18.307
6.551
9.449
G 2 12.184
Uji K-Way
Berikut perhitungan uji K-Way secara manual pada data hubungan kegiatan
ij
eij
eij
19 12.693 2
12.693
2 11.384
12 18.307 2
18.307
...
2 6.551 2
6.551
14 9.449 2
9.449
K=2
nij
G 2 2 nij ln
i
j
eij
19
12
2
14
G 2 2 19 ln
12 ln
2 ln
14 ln
12.693
18.307
6.551
9.449
G 2 12.184