STK351 10 PDF
STK351 10 PDF
Kelompok IPK
Jenis Kelamin
≥3.00 <3.00 Total
Putra 21 11 32
Putri 24 8 32
Total 45 19 64
Tabel di atas (selanjutnya disebut tabel sebaran IPK) disebut tabel kontingensi, yaitu sebuah
tabel yang menampilkan frekuensi (counts) dari peubah respon dalam setiap sel. Tabel
kontingensi yang menampilkan dua peubah kategorik sekaligus disebut tabel kontingensi
dua-arah. sedangkan tabel kontingensi dengan I baris dan J kolom disebut tabel kontingensi
I J, disingkat tabel I J. Tabel di atas adalah tabel 2 2.
2/9
peubah merupakan respon, maka dua peubah dinyatakan saling babas apabila semua
peluang bersama sama dengan perkalian dari peluang-peluang marginalnya. Ditulis :
ij i j untuk i = 1, 2, ..., I dan j = 1, 2, ..., J
p1 (1 p1 ) p2 (1 p2 )
SE
n1 n2
sehingga, untuk contoh berukuran besar selang kepercayaan 100(1α)% bagi 1 2 (disebut
selang kepercayaan Wald) adalah :
( p1 p2 ) z 2 SE
Perhatikan kembali tabel sebaran IPK. Anggaplah bahwa sukses adalah keberhasilan
memperoleh IPK IPK≥3.00, dan misalkan 1 adalah peluang mahasiswa putra memperoleh
IPK≥3.00 dan 2 adalah peluang mahasiswa putri memperoleh IPK≥3.00, maka hipotesis nol
bahwa 1 = 2 :
p1 = 21/32 = 0.656
p2 = 24/32 = 0.750
p1 – p2 = 0.094
0.656(0.344) 0.75(0.25)
SE 0.114
32 32
selang kepercayaan 95% bagi 1 2 adalah 0.094 1.96(0.114), atau 0.094 0.223.
Sehingga hipotesis nol bahwa 1 = 2 diterima pada taraf nyata 5%.
Risiko relatif
Beda dua proporsi penting digunakan jika nilai kedua proporsi tersebut mendekati nilai
0 atau 1. Apabilai nilai kedua proporsi berada di tengah-tengah, risiko relatif (relative risk)
lebih relevan. Risiko relatif adalah :
1
risiko relatif =
2
Untuk ilustrasi sebelumnya, risiko relatif contoh adalah 0.656/0.750 = 0.875.
3/9
Odds ratio
Ukuran asosiasi lain yang dapat digunakan untuk tabel 2 2 adalah odds ratio. Odds
ratio biasanya muncul disebagian besar model yang melibatkan data kategorik. Untuk
peluang “sukses” , nilai odds sukses adalah :
odds = dengan odds 1
1
Sebagai contoh, untuk = 0.60 mempunyai odds sukses sebesar 0.60/0.40 = 1.50. Ketika nilai
odds = 1.50, sukses adalah 1,5 kali gagal. Ada dengan kata lain kita berharap ada 3 kali
sukses untuk 2 kali gagal.
Pada tabel 2 2, odds sukses untuk baris ke-1 adalah odds1 = 1 / (1 1 ) dan untuk
baris ke-2 adalah odds2 = 2 / (1 2 ) . Rasio dua odds tersebut disebut odds ratio (), yang
ditulis sebagai :
odds1 1 / (1 1 )
odds 2 2 / (1 2 )
Odds ratio merupakan bilangan non-negatif. Jika peubah X dan Y saling bebas, 1 = 2
sehingga odds1 = odds2 dan = odds1/odds2 = 1.
Jika kedua peubah dalam tabel 2 2 merupakan peubah respon, maka odds ratio
didefinisikan melalui peluang bersama :
11 / 12 11 22
21 / 22 12 21
Untuk tabel sebaran IPK, odds sukses adalah odds1 = 21/11 = 1.91 untuk putra dan odds2 =
1.91
24/8 = 3 untuk putri. Sehingga odds ratio contoh adalah 0.637 .
3
1 1 1 1
SE
n11 n12 n21 n22
4/9
1 1 1 1
SE 0.305 ; sehingga selang kepercayaan 95% bagi log yang dapat
11 21 8 24
dibentuk adalah 0.451 1.96(0.305) atau (1.0488, 0.1468), atau ekuivalen dengan selang
bagi : [exp( 1.0488), exp(0.1468)] (0.350, 1.158)
p1 / (1 p1 ) 1 p2
odds ratio = risiko relatif
p2 / (1 p2 ) 1 p1
Perhatikan tabel sebaran IPK. Telah dihitung bahwa p1 = 21/32 = 0.656, p2 = 24/32 = 0.750
dan risiko relatif = 0.875, sehingga :
0.250
odds ratio 0.875 0.637
0.344
nij
Likelihood-ratio : G 2 2 nij log
ij
Dalam hal ini X 2 dan G 2 mengikuti sebaran khi-kuadrat dengan derajat bebas (I1)(J1)
dan adalah frekuensi harapan, yang dapat dihitung dengan rumus :
n n ni n j
ij npi p j n i j
n n n
Tiap sel pada tabel berikut menunjukkan frekuensi teramati (atas) dan frekuensi harapan
(bawah) untuk tabel sebaran IPK.
Kelompok IPK
Jenis Kelamin
≥3.00 <3.00 Total
Putra 21 11 32
22.5 9.5
Putri 24 8 32
22.5 9.5
Total 45 19 64
5/9
pakek Ln bukan Log
21 11 24 8
G 2 2 (21) log (11) log (24) log (8) log 0.676
22.5 9.5 22.5 9.5
Untuk derajat bebas 1 dan taraf nyata 5% diperoleh nilai tabel khi-kuadrat sebesar 3.84.
Sehingga berdasarkan uji X 2 maupun G 2 jenis kelamin dan IPK saling bebas.
Pola linier
Ketika peubah (baris dan/atau kolom) yang diuji diukur dalam skala ordinal, uji
kebebasan menggunakan uji X 2 dan G 2 , informasi urutan data diabaikan. Sebagai
alternatif, dapat digunakan uji asosiasi pola (trend association) . Untuk memeriksa adanya
asosiasi pola, analisis sederhana memberikan peringkat atau skor kepada kategori dan
mengukur derajat pola linier. Statistik uji yang digunakan sensitif terhadap arah pola linier
(positif atau negatif) dengan mamanfaatkan korelasi data. Misalkan u1 u2 uI adalah
adalah skor dan u i ui pi adalah rata-rata skor untuk baris, sedangkan v1 v2 vJ
dan v i vi p j untuk kolom. Jumlah i , j (ui u )(vi v ) pij merupakan kovarian X dan Y.
Korelasi antara X dan Y merupakan kovarian dibagi dengan perkalian antara simpangan baku
X dan Y, ditulis :
i , j (ui u )(v j v ) pij
r
i (ui u ) 2 pi j (v j v )2 p j
Untuk menguji H0 : kedua peubah saling bebas lawan H1 : kedua peubah berkorelasi (≠0)
digunakan statistik uji :
M 2 (n 1)r 2
Untuk n besar, M 2 menyebar khi-kuadrat dengan derajat bebas 1.
6/9
Daerah tertinggal
IPM
Ya Tidak Total
0 ≤ IPM < 60 13 0 13
60 ≤ IPM < 70 117 77 194
70 ≤ IPM < 100 29 158 187
Total 159 235 394
Pemilihan skor dapat dilakukan dengan beberapa cara, salah satunya adalah dengan
peringkat-tengah (mid-rank). Menggunakan cara ini, pengamatan diberi skors 1 sampai n.
Perhatikan tabulasi data profil daerah yang menampilkan frekuensi (n) dan frekuensi harapan
( ) daerah berdasarkan IPM (indeks pembangunan manusia) dan status daerah tertinggal
menurut KPDT di atas. Baris pertama, 0 ≤ IPM < 60, diberi skor (1+13)/2 = 7. Baris kedua, 60
≤ IPM < 70, akan mempunyai skor (1+13+(13+194))/2 = 110.5, sedangkan baris ketiga akan
mempunyai skor 301. Coba lanjutkan perhitungan, berapa nilai korelasi antara IPM dan
status daerah tertinggal? PROC FREQ memberikan nilai r = 0.499 dan M2 = 393 (0.499)2 =
97.943.
n1 n2
n11 n1 n11
P(n11 )
n
n1
yang merupakan peluang hipergeometrik. Pada pengujian H0 : peubah saling bebas = 1
lawan H1 : > 1, p-value merupakan peluang hipergeometri sebelah kanan bahwa n11 lebih
besar atau sama dengan frekuensi teramati.
Sebagai contoh, seorang peramal mengaku dapat melihat benda yang diletakkan di
dalam kotak tertutup. Untuk membuktikan klaim tersebut, dilakukan percobaan sederhana
sebagai berikut : sepuluh bola, lima berwarna hitam dan lima berwarna putih, dimasukkan ke
dalam sepuluh kotak sedemikian sehingga satu kotak hanya berisi satu bola. Kotak
semuanya ditutup rapat. Selanjutnya, sepuluh kotak tersebut diacak posisinya sehingga tidak
diketahui dengan pasti di kotak mana bola warna hitam dan putih tersebut berada. Lalu,
peramal diminta untuk menebak warna bola dalam kesepuluhu kotak tersebut, kemudian
satu-per-satu kotak dibuka sehingga warna bola dapat diketahui. Hasilnya adalah sebagai
berikut :
7/9
Warna Hasil ramalan
sebenarnya Hitam Putih Total
Hitam 3 2 5
Putih 2 3 5
Total 5 5 10
Berdasarkan tabel di atas, ada tiga hasil ramalan yang cocok, sehingga :
5 5
5!/ (3!)(2!) 5!/ (2!)(3!)
3 2
P(3)
0.3968
10 10!/ (5!)(5!)
5
Dengan perhitungan yang sama diperoleh P (4) 0.0992 dan P (5) 0.0040 . Karenanya,
klaim peramal tersebut sangat diragukan (p-value=0.5). Sementara untuk membuktikan
klaimnya dengan tingkat kepercayaan 85%, peramal tersebut setidaknya harus mampu
menemukan 4 bola hitam dan putih secara benar (p-value=0.1032). Tabel berikut meringkas
sebaran geometrik untuk percobaan meramal di atas.
n11 Peluang p-value
0 0.0000 1.0000
1 0.0992 0.9960
2 0.3968 0.8968
3 0.3968 0.5000
4 0.0992 0.1032
5 0.0040 0.0040
Kelompok IPK
Jenis Kelamin Organisasi ≥3.00 <3.00 Total
Putra Aktif 5 1 6
Tidak aktif 16 10 26
Putri Aktif 7 3 10
Tidak aktif 17 5 22
Total 45 19 64
Misalkan kita ingin mempelajari pengaruh aktivitas organisasi terhadap IPK, maka
dengan mengendalikan fakor jenis kelamin. Dengan demikian, tabel di atas akan terdiri dari
sebuah tabel parsial 2 2 antara aktivitas organisasi dan IPK untuk setiap taraf jenis kelamin
(putra dan putri). Gabungan dua tabel parsial ini akan membentuk tabel kontingensi dua
arah yang disebut sebagai tabel marginal.
8/9
Odds ratio bersyarat dan marginal
Sepertihalnya asosiasi marginal, asosiasi bersyarat dapat dijelaskan dengan odds ratio.
Odds ratio pada tabel parsial disebut odds ratio bersyarat. Perhatikan asosiasi bersyarat
antara aktivitas organisasi dan IPK. Penduga bagi odds ratio bersyarat untuk tabel parsial
pertama – mahasiswa putra adalah : XY (1) (5 10) / (16 1) 3.125 . Sedangkan untuk
mahasiswa putri, penduga bagi odds ratio antara aktivitas organisasi dan IPK adalah
XY (2) (7 5) / (17 3) 0.686 .
Untuk tabel marginal antara aktivitas organisasi dan IPK (jenis kelamin diabaikan),
diperoleh odds ratio marginal : XY (5 7)(10 5) / (16 17)(1 3) 1.364
Kehomogenan asosiasi
Misalkan Z terdiri dari k taraf serta X dan Y merupakan peubah biner. Peubah X dan Y
dikatakan memiliki asosiasi yang homogen apabila :
XY (1) XY (2) XY ( k )
Note :
Materi dikutip dari Agresti (2007). Apabila ada materi yang belum dibahas dapat dilihat langsung pada
halaman 21–54
CUIWW (Correct Us If We’re Wrong)
Prepared by : Nur Andi Setiabudi, S. Stat
Edited by : Didin Saepudin
9/9