1.

1 Uji Independensi
Tabel Hubungan Diet Bayi dengan Kesehatan
DIET
Total
A B
BAIK 25 10 35
SEHAT
BURUK 14 51 65
Total 39 61 100

H0: Tidak ada hubungan antara kedua variabel (diet bayi dan kesehatan).
H1: Ada hubungan antara kedua variabel (diet bayi dan kesehatan).
α=5%
Daerah Kritis : 2hitung > 2((I-1)(J-1),α)
2hitung > 2((2-1)(2-1),α)
2hitung > 2(1, 0,05)
2hitung > 3,8415 atau G2 > 3,8415
Statistik Uji:
2 2 (nij  mˆ ij )2
 2
 
mˆ ij
hitung
i 1 j 1

Nilai ekspektasi dapat dihitung menggunakan rumus:

ni.  n. j
mˆ ij 
n..
n1.  n.1 35  39
mˆ 11    13, 65
n.. 100
n1.  n.2 35  61
mˆ 12    21,35
n.. 100
n2.  n.1 65  39
mˆ 21    25,35
n.. 100
n2.  n.2 65  61
mˆ 22    39, 65
n.. 100
Tabel Nilai Ekspektasi Berdasarkan Perhitungan Manual
DIET
A B
BAIK 13,65 21,35
SEHAT
BURUK 25,35 39,65
Setelah mendapatkan nilai ekspektasi maka dilakukan perhitungan uji Chi-Square
atau perhitungan uji G2.
 Tabel Perhitungan Menggunakan Excel
kode 𝟐 (𝒏𝒊𝒋 − 𝒎̂ 𝒊𝒋 )
𝟐 𝒏𝒊𝒋 𝒏𝒊𝒋
𝒏𝒊𝒋 ̂ 𝒊𝒋
𝒎 ̂ 𝒊𝒋
𝒏𝒊𝒋 − 𝒎 ̂ 𝒊𝒋 )
(𝒏𝒊𝒋 − 𝒎 𝒏𝒊𝒋 𝐥𝐧 ( )
level ̂ 𝒊𝒋
𝒎 ̂ 𝒊𝒋
𝒎 𝒎̂ 𝒊𝒋
11 25 13,65 11,35 128,8225 9,437546 1,831502 15,12841
12 10 21,35 -11,35 128,8225 6,033841 0,468384 -7,58467
21 14 25,35 -11,35 128,8225 5,081755 0,552268 -8,3121
22 51 39,65 11,35 128,8225 3,248991 1,286255 12,83847
TOTAL 23,8021 12,0701

2 2

 (n
i 1 j 1
ij  mˆ ij )2
2   23,8021
mˆ ij
2 2 nij
G 2  2 nij ln
i 1 j 1 mˆ ij
 2 12, 0701
 24,1402

Kesimpulan: Karena 2hitung yaitu 23,8021 dan G2 = 24,1402 yang lebih dari 3,8415
maka tolak H0, sehingga ada hubungan antara kedua variabel (kesehatan dan diet bayi).

1.2 Analisis Log Linear

Analisis log linear pada kasus ini, terdapat dua kategori yaitu:
1. Kategori A yaitu Kesehatan Bayi
1: Baik
2: Buruk
2. Kategori B yaitu Tipe Diet Bayi
1: A
2: B
Secara umum, model log linear dari kasus ini adalah :

ˆ ij    iA   jB  ijAB
ln m
dengan keterangan:
i : level variabel kesehatan bayi (A)
j : level variabel tipe diet bayi (B)

Page | 1
Seleksi Model dengan metode K-Way
Tabel K-Way and Higher-Order Effects
Likelihood Ratio Pearson Number
K Df Chi- of
Chi-Square Sig. Sig. Iterations
Square
K-way and 1 3 38.160 0.000 40.880 0.000 0
Higher Order
Effectsa 2 1 24.140 0.000 23.802 0.000 2
1 2 14.020 0.001 17.078 0.000 0
K-way Effectsb
1 24.140 0.000 23.802 0.000 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.
Uji K-way and Higher Effects
1. Untuk k = 2
ˆ ij    iA   jB )
H0: efek orde kedua atau lebih sama dengan nol ( ln m

H1: efek orde kedua atau lebih tidak sama dengan nol
ˆ ij    iA   jB  ijAB )
( ln m

α=5%
Daerah Kritis: 2hitung > 2((I-1)(J-1),α)
2hitung > 2((2-1)(2-1),α)
2hitung > 2(1, 0,05)
2hitung > 3,8415 atau G2 > 3,8415
Statistik Uji:
2 2

 (n
i 1 j 1
ij  mˆ ij )2
2   23,8021
mˆ ij
2 2 nij
G 2  2 nij ln
i 1 j 1 mˆ ij
 24,1402
P-value=
Kesimpulan :
Karena nilai 2 yaitu 23,8021 dan nilai G2 sebesar 24,1402 lebih dari 3,8415 maka tolak
H0. Kesimpulan ini juga didapatkan dari nilai P-Value pada uji Chi-Square 0,000 yang

Page | 2
 lebih kecil dari alpha 0,05. Sehingga keputusannya adalah efek orde kedua atau lebih
ˆ ij    iA   jB  ijAB
tidak sama dengan nol atau model log linearnya adalah ln m

2. Untuk k = 1
ˆ ij   )
H0: efek orde kesatu atau lebih sama dengan nol ( ln m

H1: efek orde kesatu atau lebih tidak sama dengan nol
ˆ ij    iA   jB  ijAB )
( ln m

α=5%
Daerah Kritis : 2hitung > 2((i-1)+(j-1) +(i-1)(j-1),α)
2hitung > 2((2-1)+(2-1)+ (2-1)(2-1),α)
2hitung > 2(3; 0,05)
2hitung > 7,8147 atau G2 > 7,8147
Statistik Uji :
n.. 100
mˆ ij    25
4 4
Tabel Nilai Ekspektasi Berdasarkan Perhitungan Manual pada Order K = 1
DIET
Total
A B
BAIK 25 25 50
SEHAT
BURUK 25 25 50
Total 50 50 100

Tabel Perhitungan Menggunakan Excel

kode 𝟐 (𝒏𝒊𝒋 − 𝒎̂ 𝒊𝒋 )
𝟐 𝒏𝒊𝒋 𝒏𝒊𝒋
𝒏𝒊𝒋 ̂ 𝒊𝒋
𝒎 ̂ 𝒊𝒋
𝒏𝒊𝒋 − 𝒎 ̂ 𝒊𝒋 )
(𝒏𝒊𝒋 − 𝒎 𝒏𝒊𝒋 𝐥𝐧 ( )
level ̂ 𝒊𝒋
𝒎 ̂ 𝒊𝒋
𝒎 ̂ 𝒊𝒋
𝒎
11 25 25 0 0 0 1 0
12 10 25 -15 225 9 0,4 -9,16291
21 14 25 -11 121 4,84 0,56 -8,11746
22 51 25 26 676 27,04 2,04 36,36044
TOTAL 40,88 19,0801

2 2

 (n
i 1 j 1
ij  mˆ ij )2
2   40,88
mˆ ij
2 2 nij
G 2  2 nij ln
i 1 j 1 mˆ ij
 38,1602

Page | 3
 P-value =
Kesimpulan :
Karena nilai 2 yaitu 40,88 dan nilai G2 yaitu 38,1602 lebih dari 7,8147 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 efek orde kesatu atau lebih tidak sama
ˆ ij    iA   jB  ijAB
dengan nol atau model log linearnya adalah ln m

Uji K-way
Test ini didasarkan pada hipotesa bahwa efek orde ke-K sama dengan nol.
1. Untuk k = 1
H0 : efek order kesatu sama dengan nol ( iA  Bj  Ck  0 )

H1 : efek order kesatu tidak sama dengan nol ( iA  0 atau Bj  0 atau Ck  0 )

α=5%
Daerah Kritis : 2hitung > 2(db1-db2,α)
2hitung > 2(3-1,α)
2hitung > 2(2, 0,05)
2hitung > 5,9915 atau G2 > 5,9915
Statistik Uji :
G2 = 𝐺𝐻20 − 𝐺𝐻21
= 151,670 – 24,1402
= 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 atau ikAC  0 atau BC
jk  0 )

α=5%
Daerah Kritis : 2hitung > 2(db2-db1,α)
2hitung > 2(12-4,α)
2hitung > 2(8, 0,05)
Page | 4
 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 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 ( ijk
ABC
 0)

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

ABC
 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.

2. Test Asosiasi Parsial

Test ini bertujuan untuk menguji hubungan ketergantungan antara dua variabel
dalam setiap level variabel lainnya.
Tabel 3.8 Partial Association
Partial Number
Effect df Chi- Sig. of
Square Iterations
Jeniskelamin*Usia 2 36.113 0.000 2
Jeniskelamin*Berita 2 12.851 0.002 2
Usia*Berita 4 15.520 0.004 2
Page | 5
 Jeniskelamin 1 87.564 0.000 2
Usia 2 1.790 0.409 2
Berita 2 1.790 0.409 2

1. Untuk variabel jenis kelamin dan usia

H0 : Jenis kelamin dan Usia independent dalam setiap level Koran ( ijAB =0)

H1 : Jenis kelamin dan Usia dependent dalam setiap level Koran ( 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 Total
Laki-laki 54 75 100 229
Perempuan 40 20 11 71
total 94 95 111 300

ni.  n. j
eij 
n..
n1.  n.1 229 94
e 11    71,7533
n.. 300
n1. x n.2 229 x 95
e 12    72,5167
n.. 300
n1. x n.3 229 x 111
e 13    84,73
n.. 300
n2. x n.1 71 x 94
e 21    22,2467
n.. 300
n 2. x n.2 71 x 95
e 22    22,4833
n.. 300
n2. x n.3 71 x 111
e 23    26,27
n.. 300
Tabel 3.10 eij jenis kelamin dan umur
Jenis kelamin 25-37 tahun 38-51 tahun >50 tahun
Laki-laki 71,7533 72,5167 84,73
Perempuan 22,2467 22,4833 26,27
2
(𝑛 −𝑒 )
Nilai uji 𝜒 = 2 ∑2𝑖=1 ∑3𝑗=1 𝑖𝑗 𝑖𝑗
𝑒 𝑖𝑗

𝜒 2 = 4.392549 + 0.085039 + 2.751952 + 14.16748 + 0.274283 + 8.876014

Page | 6
 = 30,54731
db= (i-1)(j-1)=(2-1)(3-1)=2
2
𝜒(2:0.05) = 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 ( ikAC =0)
H1 : Jenis kelamin dan Koran dependent dalam setiap level umur ( 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 Total
Laki-laki 83 65 81 229
Perempuan 28 29 14 71
total 111 94 95 300

ni.  n.k
eik 
n..

n1.  n.1 229 x 111

e11    84,73
n.. 300
n1. x n.2 229 x 94
e12    71,7533
n.. 300
n1.. x n.3 229 x 95
e13    72,5167
n.. 300
n2. x n.1 71 x111
e21    26,27
n.. 300
n2.. x n.2 71 x 94
e22    22,2467
n.. 300
n2. x n.3 71 x 95
e23    22,4833
n.. 300
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

Page | 7
 (𝑛𝑖𝑘 −𝑒𝑖𝑘 )2
Nilai uji 𝜒 2 = ∑2𝑖=1 ∑3𝑘=1 𝑒𝑖𝑘

𝜒 2 = 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
𝜒(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 (  AB
jk =0)

H1 : Umur dan Koran dependent dalam setiap level jenis kelamin (  AB

jk ≠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 Total
25-37 tahun 25 30 39 94
38-50 tahun 35 32 28 95
>50 tahun 51 32 28 111
total 111 94 95 300
n j .  n. k
e jk 
n..

n1.  n.1 94  111

e 11    34,78
n.. 300
n1. x n..2 94 x 94
e 12    29,4533
n.. 300
n1. x n..3 94 x 95
e 13    29,7667
n.. 300
n2. x n.1 95 x 111
e 21    35,15
n.. 300
n2. x n.2 95 x 94
e 22    29,7667
n.. 300
n2. x n..3 95 x 95
e 23    30,0833
n...2 300
n 3. x n.1 111 x 111
e 31    41,07
n.. 300

Page | 8
 n.3. x n.2 111 x 94
e 32    34,78
n.. 300
n3. x n.3 111 x 95
e 33    35,15
n.. 300
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
2
(𝑛𝑗𝑘 −𝑒𝑗𝑘 )
Nilai uji 𝜒 2 = ∑2𝑗=1 ∑3𝑘=1 𝑒𝑗𝑘

𝜒 2 = 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
2
𝜒(4:0.05) = 9,488
Tolak Ho. Umur dan koran dependent dalam setiap level Koran.
4. Untuk variabel Jenis kelamin
H0 : Jenis kelamin independent dalam model ( iA =0)

H1 : Jenis kelamin dependent dalam model ( 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 𝜒 2 = 87.564

db= (i-1)=(2-1)=1
2
𝜒(1:0.05) = 3,841
Tolak Ho, Jenis kelamin dependent dalam Model.
5. Untuk variabel Usia
H0 : Usia independent dalam model (  Bj =0)

H1 : Usia dependent dalam model (  Bj ≠0)

α=5%
Daerah Kritis : 2hitung > 2((j-1),α)
Page | 9
 2hitung > 2((3-1),α)
2hitung > 2(2, 0,05)
2hitung > 5,991 atau G2 > 5,991
Statistik Uji :
Nilai uji 𝜒 2 = 1,790
db= (j-1)=(3-1)=2
2
𝜒(1:0.05) = 5,991
Gagal tolak Ho, Usia independent dalam Model.
6. Untuk variabel Berita
H0 : Berita independent dalam model ( Ck =0)

H1 : Berita dependent dalam model ( Ck ≠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 𝜒 2 = 1,790
db= (k-1)=(3-1)=2
2
𝜒(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 Assosiasi Parsial

95% Confidence
Std. Interval
Effect Parameter Estimate Z Sig.
Error Lower Upper
Bound Bound
1 -.180 .144 -1.250 .211 -.463 .102
2 .116 .138 .844 .399 -.154 .386
Jeniskelamin*Usia*Berita
3 -.218 .159 -1.371 .170 -.531 .094
4 -.107 .157 -.681 .496 -.416 .201
1 -.535 .104 -5.147 .000(a) -.739 -.332
Jeniskelamin*Usia
2 .141 .127 1.111 .267 -.108 .389
Page | 10
 1 -.122 .112 -1.087 .277 -.341 .098
Jeniskelamin*Berita
2 -.224 .107 -2.081 .037(b) -.434 -.013
1 -.271 .144 -1.878 .060 -.554 .012
2 -.092 .138 -.664 .506 -.362 .179
Usia*Berita
3 .243 .159 1.527 .127 -.069 .555
4 .137 .157 .871 .384 -.171 .445
Jeniskelamin 1 .643 .083 7.708 .000 .479 .806
1 .181 .104 1.739 .082 -.023 .385
Usia
2 -.084 .127 -.665 .506 -.333 .164
1 .099 .112 .883 .377 -.121 .318
Berita
2 .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).

3. 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    iA  Bj  Ck  ijAB  ikAC  BC
jk  ijk
ABC

Model 1  log eijk    iA  Bj  Ck  ijAB  ikAC  BC

jk
(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

Page | 11
 Number
Chi-
Stepa Effects df Sig. of
Squarec
Iterations
Generating
JENIS*UMUR*KORAN .000 0 .
Classb
0
Deleted
1 JENIS*UMUR*KORAN 7.082 8 0.528 4
Effect
JENIS*UMUR,
Generating
JENIS*KORAN, 7.082 8 0.528
Classb
UMUR*KORAN
1
1 JENIS*UMUR 36.113 4 0.000 2
Deleted
2 JENIS*KORAN 12.851 4 0.012 2
Effect
3 UMUR*KORAN 15.520 4 0.004 2
JENIS*UMUR,
Generating
2 JENIS*KORAN, 7.082 8 0.528
Classb
UMUR*KORAN

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 ( log eijk    iA  Bj  Ck  ikAC  BC
jk )

H1 : Model (1) = model terbaik ( log eijk    iA  Bj  Ck  ijAB  ikAC  BC
jk )

 = 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 = 36,113
Kesimpulan :

Page | 12
 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    iA  Bj  Ck  ijAB  ikAC  BC
jk

b. H0 : Model (2) = model terbaik ( log eijk    iA  Bj  Ck  ijAB  BC
jk )

H1 : Model (1) = model terbaik ( log eijk    iA  Bj  Ck  ijAB  ikAC  BC
jk )

 = 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    iA  Bj  Ck  ijAB  ikAC  BC
jk

c. H0 : Model (2) = model terbaik ( log eijk    iA  Bj  Ck  ijAB  ikAC )

H1 : Model (1) = model terbaik ( log eijk    iA  Bj  Ck  ijAB  ikAC  BC
jk )

 = 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 :
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    iA  Bj  Ck  ijAB  ikAC  BC
jk

Page | 13