Kelas C

LAPORAN PRAKTIKUM
ANALISIS DATA KATEGORIK
Modul 2 : Analisis Tabel Kontigensi dan Uji Independensi

Nomor Tanggal Tanda Tangan

Nama Praktikan
Mahasiswa Kumpul Praktikan

Aufa Qorina Putri 17611070 7 November 2019

Tanggal Tanda tangan

Nama Penilai Nilai
Koreksi Asisten Dosen
Rizka Yolanda W.W
Salsabilla
Novianinggrum
Jaka Nugraha, S.Si.,
M.Si

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2019
Daftar Isi

Halaman Sampul.......................................................................................................i
Daftar Isi..................................................................................................................ii
Daftar Gambar........................................................................................................iii
1 Pendahuluan.....................................................................................................1
1.1 Tabel Kontigensi.......................................................................................1
1.2 Tabel Kontigensi dengan Cara Matrik......................................................1
1.3 Analisis Loglinear.....................................................................................2
2 Deskripsi Kerja................................................................................................3
2.1 Studi Kasus................................................................................................3
2.2 Langkah Kerja...........................................................................................4
3 Pembahasan....................................................................................................12
4 Penutup..........................................................................................................23
5 Daftar Pustaka................................................................................................25

ii
Daftar Gambar

Gambar 2.1 Membuka program Rstudio................................................................4

Gambar 2.2 Lembar Kerja RStudio........................................................................4
Gambar 2.3 Input Kasus 1a....................................................................................5
Gambar 2.4 Menghitung proporsi..........................................................................5
Gambar 2.5 Menghitung proporsi..........................................................................6
Gambar 2.6 Uji chi squared...................................................................................6
Gambar 2.7 Menghitung nilai odds........................................................................6
Gambar 2.8 Menghitung odds(OR)........................................................................6
Gambar 2.9 Input Data...........................................................................................6
Gambar 2.10 Memilih Menu Data.........................................................................7
Gambar 2.11 Weight Cases....................................................................................7
Gambar 2.12 Memilih menu analyze.....................................................................7
Gambar 2.13 Mengisi crosstabs.............................................................................8
Gambar 2.14 Menu statistics..................................................................................8
Gambar 2.15 Menu Cells........................................................................................8
Gambar 2.16 input data..........................................................................................9
Gambar 2.17 Menu Data........................................................................................9
Gambar 2.18 Menu weight cases...........................................................................9
Gambar 2.19 Menu Analyze.................................................................................10
Gambar 2.20 Menu Crosstabs..............................................................................10
Gambar 2.21 Menu analyse..................................................................................11
Gambar 2.22 Menu Model Selection....................................................................11
Gambar 2.23 Menu loglinear...............................................................................11
Gambar 3.1 Output Kasus 1a...............................................................................12
Gambar 3.2 Output Kasus 1b...............................................................................12
Gambar 3.3 Output Kasus 1c...............................................................................13
Gambar 3.4 Output Kasus 1d...............................................................................14
Gambar 3.5 Output Kasus 1e...............................................................................15
Gambar 3.6 Output Kasus 1f................................................................................15
Gambar 3.7 Output Kasus 2.................................................................................16
Gambar 3.8 Output tabel kontigensi.....................................................................17
Gambar 3.9 Output uji K-way and higher-order effects......................................18
Gambar 3.10 Output uji asosiasi..........................................................................19

iii
1

iv
2 Pendahuluan

2.1 Tabel Kontigensi

Salah satu bentuk penyajian tabulasi adalah tabel kontigensi atau tabulasi
silang. Tabel kontigensi adalah merupakan satu bentuk distribusi frekuensi untuk
dua variabel atau lebih. Akan tetapi, tidak semua pengolah data (penganalisis)
mengetahui dengan baik bagaimana menyajikan tabulasi yang cocok agar suatu
laporan dapat berbobot. Apabila data yang dianalisis memuat dua variabel atau
lebih, maka dapat melakukan analisis hubungan antara variabel-variabel tersebut.
Berbicara tentang hubungan (asosiasi) antara dua variabel atau lebih adalah
membahas tentang ada tidaknya hubungan dan hubungan kausal serta pengaruh
faktor interaksi antara variabel bebas terhadapa variabel tak bebas. Dalam analisis
data, pada umumnya peneliti cenderung akan memperhatikan sedemikian banyak
variabel, maka pendekatan analisis asosiasi untuk multivariat, misalnya analisis
tabulasi silang menjadi sangat penting. (Nugraha, 2017)
2.2 Tabel Kontigensi dengan Cara Matrik
Input data menggunkan fungsi matix (fungsi ini sama dengan fungsi array).
Dimana script di R nya yaitu :
> Nama matrix <- matrix(c(....),nrow=2,byrow=TRUE)
Untuk memberi nama variable baris dan kolom, maka dapat digunakan perintah
berikut :
> Dimnames (Nama matrix)<- list(c(“....”),c(“....”))
Selanjutnya, memeberikan nama variabel baris dan kolom seperti berikut :
> names (Dimnames (Nama matrix))<- list(c(“....”,“....”)
Menghitung total sampel dan proporsi masing-masing sel dengan cara :
> tot <- sum(Nama matrix)
> Nama matrix/tot
Menghitung total baris (nio) dan total kolom (noj) dan total proporsi (Poj dan pio)
dapat digunakan fungsi apply dengan cara :
> rowtot <- apply(Nama matrix,1,sum)
> coltot <- apply(Nama matrix,2,sum)
> rowpct <- sweep(Nama matrix,1,rowtot,"/")

1
 > round(rowpct,2)
(Nugraha, 2013)
2.3 Analisis Loglinear
Model loglinear adalah salah satu kasus khusus dari Generalized Linear
Model (GLM). Analisis Loglinear merupakan pengembangan dari analisis tabel
kontingensi dua arah atau lebih. Walaupun model loglinear dapat digunakan
untuk menganalisa hubungan antara dua variabel kategorik (tabel kontingensi dua
arah), tetapi biasanya digunakan untuk mengevaluasi multi arah dari tabel
kontingensi yang melibatkan tiga atau lebih variabel. Dalam analisis ini tida
membedakan antara variabel respon dan prediktornya. Oleh karena itu, hanya
model loglinear menunjukkan hubungan antara variabel-variabel.
Estimasi parameter dilakukan menggunakan data sampel salah satu metode
yang digunakan untuk mengestimasi parameter adalah maximum likelihood
estimator (MLE). Terdapat dua cara untuk inferensi parameter ƛ, yaitu metode
exsak dan metode pendekatan distribusi normal. Metode eksak digunakan pada
sampel kecil dan metode pendekatan distirbusi normal digunakan ketika jumlah
sampel besar. Dalam inferensi statistik, kita mengenal nilai α yang merupakan
probabilitas kesalahan tipe I yang biasa disebut dengan tingkat signifikansi. Untuk
menguji hipotesis H0, peneliti menetapkan nilai α yang digunakan. Nilai α terkecil
sedemikian hingga dapat menolak H0 disebut P-value. [ CITATION Jak16 \l 1057 ]
Jika persamaan tersebut dinyatakan dalam bentuk logaritma, maka didapatkan:
𝐿𝑜𝑔𝑚𝑖𝑗 = log 𝑛++ + log 𝜋𝑖+ + log 𝜋+𝑗 atau
A b C AB AC BC ABC
Log(ijk)=λ+ λi + λ j + λ k + λ ij + λik + λ jk + λ ijk

2
3 Deskripsi Kerja

3.1 Studi Kasus

Pada praktikum kali ini praktikan dituntut untuk menjawab dan
menyelesaikan beberapa studi kasus dengan menggunakan software R dan SPSS.
Berikut adalah studi kasus yang diberikan.

1. Terdapat data tentang jenis kelamin dengan pemilihan kandidat calon ketua
LEM. Seseorang dengan jenis kelamin laki-laki yang memilih kandidat A
sebanyak 201 orang dan yang memilih kandidat B sebanyak 405 orang. 
Sedangkan seseorang dengan jenis kelamin perempuan yang memilih
kandidat A sebanyak 417 orang dan yang memilih kandidat B sebanyak 391
orang.
a. Buatlah tabel kontigensi dengan menggunakan cara matrik dan
dataframe menggunakan software R
b. Hitunglah total sampel dan proporsi masing-masing sel
c. Hitunglah total masing-masing baris dan kolom serta proporsi
terhadap masing-masing total baris dan kolom
d. Apakah terdapat hubungan antara jenis kelamin dengan kandidat
yang dipilih ?
e. Hitung nilai odds yang memilih kandidat A untuk laki-laki dan
perempuan 
f. Hitung rasio odds (OR) untuk memilih kandidat A serta
interpretasikan hasilnya

2. Berikut hasil data penggunaan obat dalam mengatasi sakit kepala. Dari data
dibawah ini, apakah ada hubungan antara jenis obat dengan kesembuhan sakit
kepala. Buatlah dengan menggunakan software SPSS.

Tabel 2.1 Jumlah Kasus Penggunaan Narkoba

Obat Sakit Kepala Sembuh

3
 Ya Tidak
Bodrek 90 45
Paramex 32 93
3. Penelitian dilakukan terhadap pelajar SMA. Survey berkaitan dengan
strata sosial, pendidikan orang tua, dan rencana studi lanjut.
Pendidikan Rencana studi lanjut
Strata sosial
orang tua Tidak Ya
Rendah 749 35
Pra Sejahtera
Tinggi 233 133
Rendah 627 38
Sejahtera 1
Tinggi 330 303
Rendah 420 37
Sejahtera 2
Tinggi 374 467

Berdasarkan data tersebut, maka:

a. Buatlah tabel kontingensi.
b. Lakukan analisis log linear untuk melihat hubungan ketiga variabel yang
ada!

3.2 Langkah Kerja

1. Membuka program RStudio pada dekstop dengan cara klik pada icon
seperti gambar di bawah ini pada taskbar.

Gambar 2.1 Membuka program Rstudio

2. Kemudian akan muncul tampilan lembar halaman pada program RStudio

seperti gambar 2.2.

4
 Gambar 2.2 Lembar Kerja RStudio

3. Pada kasus nomor 1a praktikan diminta untuk membuat tabel kontigensi

dari kasus tersebut. Praktikan menggunakan sintaks
data=matrix(c(201,405,417,391),2, byrow=T)
dimnames(data)=list(c("Laki-laki", "Perempuan"),c("A","B"))

names(dimnames(data))=c("Jenis","Kandidat") untuk membuat

tabel kontigensi menggunakan matriks, sedangkan untuk membuat tabel
kontigensi menggunakan data frame menggunakan sintaks
dataf=data.frame(jenis_kelamin=c("Laki-laki", "Laki-laki",
"Perempuan", "Perempuan"), kandidat=c("A","B","A","B"),

frekuensi=c(201, 405,417,391)). Seperti gambar berikut ini :

Gambar 2.3 Input Kasus 1a

4. Selanjutnya praktikan akan menghitung total sampel dan proporsi dari

masing masing sel dengan menggunakan sintak sebagai berikut seperti
gambar berikut ini :

5
 Gambar 2.4 Menghitung proporsi

5. Setelah itu, praktikan akan menghitung total masing-masing baris dan

kolom serta proporsi terhadap masing-masing total baris dan kolom

Gambar 2.5 Menghitung proporsi

4. Selanjutnya praktikan akan menganalisis apakah terdapat hubungan antara
jenis kelamin dengan kandidat yang dipilih dengan menggunakan uji chi
squared.

Gambar 2.6 Uji chi squared

5. Selanjutnya praktikan akan menghitung nilai odds yang memilih kandidat A

untuk laki-laki dan perempuan

Gambar 2.7 Menghitung nilai odds

6. Hitung rasio odds (OR) untuk memilih kandidat A serta interpretasikan
hasilnya

Gambar 2.8 Menghitung odds(OR)

7. Selanjutnya praktikan akan bekerja menggunakan spss , setelah input data lalu
memilih dataweight cases  memasukkan variabel frekuensi pada kolom
weight cases by:

6
 Gambar 2.9 Input Data

Gambar 2.10 Memilih Menu Data

Gambar 2.11 Weight Cases

8. Setelah itu, praktikan memilih menu analyze  descriptive statistics 

crosstabs lalu memasukkan variabel obat pada menu rows dan memasukkan
variabel sakit_kepala pada menu coulumn. Lalu memilih menu statistics dan
mencentang chi-square. Lalu klik Ok untuk menampilkan output

7
Gambar 2.12 Memilih menu analyze

Gambar 2.13 Mengisi crosstabs

Gambar 2.14 Menu statistics

8
 Gambar 2.15 Menu Cells

9. Pada kasus nomor 3a praktikan diminta untuk membuat tabel kontigensi

menggunakan SPSS. Setelah menginput data, praktikan mengklik menu
data weight cases memasuki variabel frekuensi pada weight cases

Gambar 2.16 input data

Gambar 2.17 Menu Data

9
 Gambar 2.18 Menu weight cases

10. Selanjutnya praktikan akan membuat tabel kontigensi dengan cara

analyze  descriptive statistics crosstabs

Gambar 2.19 Menu Analyze

11. Setelah itu, praktikan akan memasuki variabel pendidikan kolom
row(s) variabel rencana studi dimasukin pada kolom coloumn(s) dan
strata_sosial dimasukkan pada layer. Lalu klik OK untuk mengeluarkan
output

Gambar 2.20 Menu Crosstabs

10
12. Selanjutnya praktikan akan menganalisis kasus kedua, untuk
melakukan uji log linier. Praktikan mengklik menu analyze loglinear 
model selection.

Gambar 2.21 Menu analyse

13. Setelah itu praktikan mengisi factor(s) dengan variabel Strata_sosial,

Pendidikan, dan Rencana_Studi. Selanjutnya mengisi define range dengan
nilai minimum 0 dan maksimum 1.

Gambar 2.22 Menu Model Selection

14. Selanjutnya praktikan mencentang parameter estimates dan association
table lalu klik continue dan OK untuk mengeluarkan output.

11
 Gambar 2.23 Menu loglinear

4 Pembahasan

Pada kesempatan kali ini praktikan akan membahas beberapa studi kasus
yang diberikan berdasarkan deskripsi kerja yang telah praktikan lakukan. Dari
langkah-langkah kerja yang telah praktikan lakukan, masing-masing kasus dapat
dijelaskan dan diinterpretasikan berdasarkan output yang dihasilkan oleh software
R dan SPSS. Maka di sinilah praktikan akan membahas dan menganalisis lebih
rinci lagi kasus-kasus yang diberikan.

Gambar 3.24 Output Kasus 1a

Pada gambar 3.1 terdapat tabel kontigensi 2x2 dimana terdapat data
tentang jenis kelamin dengan pemilihan kandidat calon ketua LEM. Seseorang
dengan jenis kelamin laki-laki yang memilih kandidat A sebanyak 201 orang dan
yang memilih kandidat B sebanyak 405 orang.  Sedangkan seseorang dengan jenis
kelamin perempuan yang memilih kandidat A sebanyak 417 orang dan yang
memilih kandidat B sebanyak 391 orang.

12
 Gambar 3.25 Output Kasus 1b
Pada Gambar 3.2 dapat dilihat hasil outputnya yaitu 1414 total laki laki dan
perempuan yang memilih kandidat A dan B, hasil proporsi laki-laki yang memilih
kandidiat A sebesar 0.14 atau 14%, proporsi laki-laki memilih kandidat B sebesar
0,28 atau 28%, proporsi perempuan memilih kandidat A sebesar 0.29 atau 29%,
dan proporsi perempuan mimilih kandidat B yaitu 0,27 atau 27%. Kemudia
praktikan diminta untuk menghitung total masing-masing baris dan kolom serta
proporsi terhadap masing-masing total baris dan kolom sebagai berikut :

Gambar 3.26 Output Kasus 1c

Dari hasil output didapatkan pemilih laki-laki sebanyak 606 orang dan
pemilih perempuan sebanyak 808 orang, sedangkan pemilih kandidat A sebanyak
618 orang dan pemilih kandidat B sebanyak 796 orang. Selanjutnya proporsi laki-
laki yang memilih kandidat A dari keseluruhan pemilih laki-laki 0.33 atau 33%,
proporsi laki-laki yang memilih kandidat B dari keseluruhan pemilih laki-laki
0.66 atau 66%, proporsi perempuan yang memilih kandidat A dari keseluruhan

13
pemilih perempuan 0.51 atau 51%, dan proporsi perempuan yang memilih
kandidat B dari keseluruhan pemilih laki-laki 0.48 atau 48%. Lalu proporsi
kandidat A dipilih oleh laki-laki sebanyak 0.32 atau 32%, proporsi kandidat B
dipilih oleh laki-laki sebanyak 0.50 atau 50%, proporsi kandidat A dipilih oleh
perempuan sebanyak 0.67 atau 67%, dan proporsin kandidat B dipilih oleh
perempuan sebanyak 0.49 atau 49%. Selanjutnya praktikan diminta untuk
mencari apakah ada hubungan antara jenis kelamin dengan kandidat yang dipilih
dengan melihat hasil chi square berikut :

Gambar 3.27 Output Kasus 1d

Selanjutnya dari hasil chi-square tersebut dilaukan pengujian hipotesis :

i. Hipotesis
H0 : tidak ada hubungan antara jenis kelamin dan kandidat bersifat
independen
H1 : ada hubungan antara jenis kelamin dan kandidat bersifat
dependen
ii. Tingkat Signifikansi
α = 0.05
iii. Daerah Kritis
Tolak H0 jika p-value < α
iv. Statistika Uji

v. Keputusan
Tolak H0 karena p-value < α yaitu 6.696 x10-12 < 0.05
vi. Kesimpulan

14
 Dengan menggunakan tingkat kepercayaan 95% maka data yang
ada Tolak H0 yang artinya tidak ada hubungan antara jenis kelamin
mempengaruhi kandidat bersifat dependen
Selanjutnya peraktikan diminta untuk menghitung nilai odds yang memilih
kandidat A untuk laki-laki dan perempuan.

Gambar 3.28 Output Kasus 1e

Dari output di atas dapat disimpulkan bahwa untuk kandidat A dianggap
nilai sukses dilihat pada odds1 nilai prop 1 yaitu peluang jenis kelamin laki-laki
dan perempuan memilih kandidat A sebesar 0.49 atau 49%. Selanjutnya kandidat
B dianggap nilai sukses dilihat pada odds2 nilai prop2 yaitu peluang laki-laki dan
perempuan memilih kandidat B sebesar 0.93 atau 93%. Lalu dilakukan peritungan
rasio odds (OR) untuk memilih kandidat A serta interpretasikan hasilnya.

Gambar 3.29 Output Kasus 1f

Dari output yaitu laki-laki dan perempuan yg memilh kandidat A sebesar
0.46 atau 46% lebih banyak dibanding pemilih kandidat B. Selanjutnya pada
studi kasus kedua yaitu hasil data penggunaan obat dalam mengatasi sakit kepala.
Dari data dibawah ini, apakah ada hubungan antara jenis obat dengan kesembuhan
sakit kepala. Buatlah dengan menggunakan software SPSS.

Tabel 2.1 Jumlah Kasus Penggunaan Narkoba

Sakit Kepala Sembuh
Obat
Ya Tidak
Bodrex 90 45

15
 Paramex 32 93
Dari hasil analisis menggunakan SPPS didaptkan hasil sebagai berikut :

Gambar 3.30 Output Kasus 2

Dari output di atas dapat dilihat 135 orang menggunakan obat bodrex
dimana 90 diantaranya sembuh dari sakit kepala dan 45 orang lainnya tidak
sembuh, selanjutnya dari 125 orang menggunakan obat paramex 32 diantarnya
sembuh dari sakit kepala dan 93 orang lainnya tidak sembuh. Kemudian nilai p-

16
value 5.813 nilai bodrex karena lebih baik, nilainya berada direntang 3.394 dan
9.954

Gambar 3.31 Output tabel kontigensi

Pada gambar di atas terdapat tabel kontigensi dimana didapatkan bahwa
pelajar SMA yang kelompok strata socialnya pra sejahtera, pendidikan orang
tuanya rendah, tidak mengikuti rencana studi lanjut sebanyak 749 orang dan yang
melanjutkan rencana studi sebanyak 35 orang. Lalu tingkat pendidikan
orangtuanya tinggi yang melanjutkan rencana studi lanjut sebanyak 133 orang dan
yang tidak melanjutkan sebanyak 233 orang. Selanjutnya kelompok sejahtera 1
paa tingkat pendidikan orangtua rendah sebanyak 627 orang tidak melanjutkan
rencana studinya dan hanya 38 orang yang mengikuti rencana studi. Sedangkan
pada tingkat pendidikan orangtuanya yang tinggi sebanyak 330 orang tidak
melanjutkan rencana studi lanjut dan 303 orang yang melanjutkan studi. Pada
kelompok sejahtera 2 tingkat pendidikan orantuanya yang rendah terdapat
sebanyak 420 orang tidak melanjutkan rencana studi lanjut dan sebanyak 37 orang
yang melanjutkan rencana studi. Untuk tingkat pendidikan orangtuanya yang
tinggi sebanyak 374 orang yang tidak melanjutkan rencana studi lanjut dan
sebanyak 467 orang yang melanjutkan rencana studi lanjut.

A. Uji K-Way and Higher- Order Effects

1. Hipotesis

17
 H0 = Efek orde ke-i dan yang lebih tinggi =0 (tidak ada pengaruh interaksi
dari orde ke-i dan yang lebih tinggi) ; i= 1,2,3
H1= Efek orde ke-i dan yang lebih tinggi ≠0 (ada pengaruh interaksi dari
orde ke-i dan yang lebih tinggi) ; i=1,2,3
2. Tingkat signifikansi
Untuk semua K (1,2,3) menggunakan α = 5%
3. Daerah Kritis
H0 ditolak jika p-value < α
4. Statistik Uji

Gambar 3.32 Output uji K-way and higher-order effects

5. Keputusan

K p-value Tanda Alfa Keputusan

1 0.000 < Tolak H0

0.05
2 0.000 < Tolak H0

3 0.730 > Gagal Tolak

H0

6. Kesimpulan
Dengan tingkat kepercayaan 95% data yang ada menjelaskan bahwa orde
atau k=1 dan k=2 memiliki pengaruh interaksi yang tidak sama dengan 0.
Sedangkan k=3 tidak memiliki pengaruh interaksi yang tidak sama dengan
0.. Sehingga diperoleh model :
log ( μij )= λ+ λ s+ λ p + λ r + λ sp + λsr + λ pr

B. Uji Asosiasi Parsial

1. Hipotesis
H0 =Efek interaksi antara variabel =0 (Tidak ada interaksi antar
berbagai peubah)

18
 H1= Efek interaksi antara variabel ≠0 (Interaksi antar berbagai peubah
terkandung dalam model)

2. Tingkat Signifikansi
α = 5%

3. Daerah kritis
H0 ditolak jika p-value < α

4. Statistik Uji

Gambar 3.33 Output uji asosiasi

5. Keputusan

Model p-value Tanda Alfa Keputusan

S*R 0.000 < Tolak H0

S*P 0.000 < Tolak H0

R*P 0.000 < 0.05 Tolak H0

S 0.003 < Tolak H0

P 0.281 > Gagal Tolak

H0

R 0.000 < Tolak H0

6. Kesimpulan

19
 Dengan menggunakan tingkat kepercayaan 95% diperoleh bahwa
model S*R, S*P, R*P, S, dan R, maka diperoleh kesimpulan :
a. Ada efek interaksi antara variabel strata sosial dengan rencana
studi lanjut.
b. Ada efek interaksi antara variabel strata sosial dengan pendidikan.
c. Ada efek interaksi antara variabel rencana studi lanjut dengan
pendidikan.
d. Ada efek interaksi antara variabel strata sosial.
e. Tidak ada efek interaksi antara variabel pendidikan.
f. Ada efek interaksi antara variabel rencana studi lanjut.

Maka didapat model:

log ( μij )= λ+ λ s+ λr + λsp + λ sr + λ pr

C. Uji Backward Elimination

1. Hipotesis
s r sp sr pr
H0 = Model 1 adalah model terbaik log ( μij )= λ+ λ + λ + λ + λ + λ
H1= Model 0 adalah model terbaik
log ( μij )= λ+ λ s+ λ p + λ r + λ sp + λsr + λ pr
2. Tingkat signifikansi
Untuk semua K (1,2,3) menggunakan α = 5%
3. Daerah Kritis
H0 ditolak jika p-value < α
4. Statistik Uji

20
 Step Summary

Chi- Number of
a c
Step Effects Square df Sig. Iterations

0 Generating Classb strata*rencana_studilanjut*pendidikan .000 0 .

Deleted 1
strata*rencana_studilanjut*pendidikan .624 2 .732 5
Effect

1 Generating Classb strata*rencana_studilanjut,

strata*pendidikan, .624 2 .732
rencana_studilanjut*pendidikan

Deleted 1 strata*rencana_studilanjut 44.606 2 .000 2

Effect 2 strata*pendidikan 127.626 2 .000 2

3 rencana_studilanjut*pendidikan 838.943 1 .000 2

2 Generating Classb strata*rencana_studilanjut, .732

strata*pendidikan, .624 2
rencana_studilanjut*pendidikan

5. Keputusan
Dengan menggunakan tingkat kepercayaan 95% diperoleh bahwa p-
value (0.732) > 0.05, maka gagal tolak H0, model 1 adalah model yang
s r sp sr pr
terbaik yaitu :log ( μij )= λ+ λ + λ + λ + λ + λ

D. Uji parameter (model terbaik)

1. Hipotesis
H0 = pola hubungan tidak signifikan atau parameter tidak signifikan
dalam model
H1= pola hubungan signifikan atau parameter signifikan dalam model
2. Tingkat signifikansi
Untuk semua K (1,2,3) menggunakan α = 5%
3. Daerah Kritis
H0 ditolak jika p-value < α
4. Statistik Uji

21
 5. Keputusan

Model p-value Tanda Alfa Keputusan

S*R 0.000 < Tolak H0

S*P 0.000 < Tolak H0

0.05
R*P 0.000 < Tolak H0

S 0.000 < Tolak H0

R 0.000 < Tolak H0

6. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95%, maka model
S*R,S*P,R*P,S,R tolak H0 yang berarti pola hubungan signifikan atau
parameter signifikan dalam model, maka model yang didapat adalah:
log ( μij )= λ−0.19 s +0.723r + 0.293sp +0.179+0.653 pr

E. Uji Goodness of Fit

1. Hipotesis
H0 = Model sesuai
H1= Model tidak sesuai
2. Tingkat signifikansi
Untuk semua K (1,2,3) menggunakan α = 5%
3. Daerah Kritis
H0 ditolak jika p-value < α

22
4. Statistik Uji

5. Keputusan
p-value (0.730) > 0.05, maka gagal tolak H0.
6. Kesimpulan
Dengan tingkat kepercayaan 95 % data yang ada menjelaskan bahwa
model sesuai untuk digunakan.

23
5 Penutup

Berdasarkan praktikum yang telah praktikan lakukan yaitu menyelesaikan

beberapa buah kasus yang telah diberikan mengguanakan program R, maka
praktikan dapat mengambil kesimpulan diantaranya:
1. a. Terdapat tabel kontigensi 2x2 tentang jenis kelamin dengan pemilihan
kandidat calon ketua LEM. Seseorang dengan jenis kelamin laki-laki yang
memilih kandidat A sebanyak 201 orang dan yang memilih kandidat B
sebanyak 405 orang. Sedangkan seseorang dengan jenis kelamin
perempuan yang memilih kandidat A sebanyak 417 orang dan yang
memilih kandidat B sebanyak 391 orang.
b. hasil proporsi laki-laki yang memilih kandidiat A sebesar 0.14 atau
14%, proporsi laki-laki memilih kandidat B sebesar 0,28 atau 28%,
proporsi perempuan memilih kandidat A sebesar 0.29 atau 29%, dan
proporsi perempuan mimilih kandidat B yaitu 0,27 atau 27%
c. pemilih laki-laki sebanyak 606 orang dan pemilih perempuan sebanyak
808 orang, sedangkan pemilih kandidat A sebanyak 618 orang dan pemilih
kandidat B sebanyak 796 orang. Selanjutnya proporsi laki-laki yang
memilih kandidat A dari keseluruhan pemilih laki-laki 0.33 atau 33%,
proporsi laki-laki yang memilih kandidat B dari keseluruhan pemilih laki-
laki 0.66 atau 66%, proporsi perempuan yang memilih kandidat A dari
keseluruhan pemilih perempuan 0.51 atau 51%, dan proporsi perempuan
yang memilih kandidat B dari keseluruhan pemilih laki-laki 0.48 atau 48%
d. Dengan menggunakan tingkat kepercayaan 95% maka data yang ada
Tolak H0 yang artinya tidak ada hubungan antara jenis kelamin
mempengaruhi kandidat bersifat dependen
e. peluang jenis kelamin laki-laki dan perempuan memilih kandidat A
sebesar 0.49 atau 49%. Selanjutnya kandidat B dianggap nilai sukses
dilihat pada odds2 nilai prop2 yaitu peluang laki-laki dan perempuan
memilih kandidat B sebesar 0.93 atau 93%

24
 f. laki-laki dan perempuan yg memilh kandidat A sebesar 0.46 atau 46%
lebih banyak dibanding pemilih kandidat B
2. dilihat 135 orang menggunakan obat bodrex dimana 90 diantaranya
sembuh dari sakit kepala dan 45 orang lainnya tidak sembuh, selanjutnya
dari 125 orang menggunakan obat paramex 32 diantarnya sembuh dari
sakit kepala dan 93 orang lainnya tidak sembuh. Kemudian nilai p-value
5.813 nilai bodrex karena lebih baik, nilainya berada direntang 3.394 dan
9.954.
3. Uji k-way and Higher- Order Effects didapatkan model jenuh
log ( μij )= λ+ λ s+ λ p + λ r + λ sp + λsr + λ pr
uji asosiasi parsial didapatkan model
log ( μij )= λ+ λ s+ λr + λsp + λ sr + λ pr
Uji Backward Elimination model terbaik yang didapatkan adalah

log ( μij )= λ+ λ s+ λr + λsp + λ sr + λ pr

Uji parameter
log ( μij )= λ−0.19 s +0.723r + 0.293sp +0.179+0.653 pr
Uji Goodness of fit menjelaskan bahwa model sesuai digunakan

25
6 Daftar Pustaka

Nugraha, Jaka. 2013. Modul Praktikum Analisis Data Kategorik. Yogyakarta :

Universitas Islam Indonesia.
Nugraha, Jaka. 2017. Pengantar Analisis Data Kategorik. Yogyakarta:
Deepublish

26
27
28