LOGLINEAR MODEL

Tabel Kontingensi 3 Arah

1
• Apakah terdapat hubungan antara ras pelaku
kejahatan, ras korban dan hukuman yang
diberikan?
• Apakah ada hubungan antara pendidikan, jenis
kelamin KRT dengan tingkat kesejahteraan
Rumah Tangga?
• Apakah ada hubungan antara wilayah tempat
tinggal, sektor usaha dan kelangsungan usaha
informal?
• Apakah ada hubungan antara jenis kelamin,
pendidikan dan afiliasi politik?

2
CONTOH KASUS: HUKUMAN MATI

Tabel Frekuensi Putusan Hukuman Mati berdasarkan

Ras Terdakwa dan Ras Korban

Ras Ras Hukuman Mati Persentase

Terdakwa Korban Ya Tidak “Ya”

Putih 19 132 12,6

Putih
Hitam 0 9 0,0

Putih 11 52 17,4
Hitam
Hitam 6 97 4,8

Agung PU - agung@stis.ac.id 3
CONTOH KASUS: HUKUMAN MATI

Tabel Frekuensi Putusan Hukuman Mati berdasarkan

Ras Terdakwa (Tabel marginal)

Ras Hukuman Mati

Total
Terdakwa Ya Tidak
Putih 19 141 160
Hitam 17 149 166
Total 36 290 326

Agung PU - agung@stis.ac.id 4
Pelaku berkulit putih memiliki

CONTOH KASUS: HUKUMAN MATI

kecenderungan sebesar 1,18 kali
untuk mendapat hukuman mati

Tabel OR Putusan Hukuman Mati (P),

Ras Terdakwa (D) dan Ras Korban (V)
Variabel
Asosiasi
P–D P–V D–V
Marjinal 1,18 2,88 27,43
Parsial Level 1 0,67 2,80 22,04
Level 2 0,79 3,29 25,90

Pelaku berkulit putih memiliki

Penghitungan OR didasarkan pada
kecenderungan sebesar 0,67 kali
model lengkap (saturated model) untuk mendapat hukuman mati, jika
korban berkulit putih
Tujuan dalam analisis model log-linier
adalah mencari pola hubungan antar
variabel kategorik yang paling sesuai Agung PU - agung@stis.ac.id 5
MODELLING STRATEGY
Berdasarkan hubungannya, terdapat 9 model log linier
yang mungkin yaitu:
1. Complete independence: (X, Y, Z)
2. Jointly independence: (XY, Z); (XZ, Y); (YZ, X)
3. Conditional independence: (XY, YZ); (XZ, YZ); (XY, XZ)
4. Homogeneous Association: (XY, XZ, YZ)
5. Saturated: (XYZ)

6
 MODEL COMPLETE INDEPENDENCE


7
MODEL JOINTLY INDEPENDENCE

Jika dua variabel bersama (joint) bebas terhadap variabel

yang ke-3

Disimbolkan dengan (XY, Z) atau (XZ, Y) atau (YZ, X)

Pada model ini parameter {𝜆𝑖𝑗 𝑋𝑌 } menunjukkan hubungan

parsial antara variabel X dan variabel Y

Juga menunjukkan adanya syarat ketidakbebasan

(dependen) antara variabel X dan Y dan adanya
independensi antara variabel X dan Z, juga antara variabel
Y dan Z
8
 LANJUTAN

MODEL JOINTLY INDEPENDENCE

 Jika variabel Z bebas terhadap joint variabel X dan Y,

maka 𝜋i𝑗𝑘 = 𝜋i𝑗+ 𝜋++𝑘 dan dilambangkan dengan
(XY, Z)

 Model loglinier untuk hipotesis ini:

log 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖 𝑋 + 𝜆𝑗 𝑌 +𝜆𝑘 𝑍 + 𝜆𝑖𝑗 𝑋𝑌

Dengan asumsi:
𝜆𝐼 𝑋 = 𝜆𝐽 𝑌 = 𝜆𝐾 𝑍 = 𝜆𝐼𝑗 𝑋𝑌 = 𝜆𝑖𝐽 𝑋𝑌 = 0

9
MODEL CONDITIONAL INDEPENDENCE

Sepasang variabelnya bebas dengan kondisi variabel

ketiga, yang disimbolkan dengan (XY,YZ) atau (XY,XZ),
atau (XZ,YZ)

Exp : Jika X dan Y independen pada tabel parsial untuk

kategori ke-k dari variabel Z, maka X dan Y dikatakan
sebagai independent bersyarat pada level k dari Z
(conditionally independent at level of Z)

Hanya terdapat satu pasang variabel yang independen

10
 LANJUTAN

MODEL CONDITIONALLY INDEPENDENCE

Model log liniernya adalah:

log 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖 𝑋 + 𝜆𝑗 𝑌 +𝜆𝑘 𝑍 + 𝜆𝑖𝑘 𝑋𝑍 + 𝜆𝑗𝑘 𝑌𝑍

Disimbolkan dengan (XZ,YZ)

Dengan asumsi:
𝜆𝐼 𝑋 = 𝜆𝐽 𝑌 = 𝜆𝐾 𝑍 = 𝜆𝐼𝑗 𝑋𝑌 = 𝜆𝑖𝐾 𝑋𝑍 = 𝜆𝐼𝑘 𝑋𝑍
= 𝜆𝑗𝐾 𝑌𝑍 = 𝜆𝐽𝑘 𝑌𝑍 = 0

11
 LANJUTAN

MODEL CONDITIONALLY INDEPENDENCE

 Hipotesis dengan model (XZ,YZ) menyatakan bahwa
pada setiap level variabel Z, tidak terdapat
interaksi antara variabel X dan Y (𝜆𝑖𝑗 𝑋𝑌 =0)

 Interaksi antara variabel X dan Z adalah sama pada

setiap variabel Y (𝜆𝑖𝑘 𝑋𝑍 ≠ 0, 𝜆𝑖𝑗𝑘 𝑋𝑌𝑍 = 0)

 Demikian halnya dengan variabel Y dan Z pada tiap

level variabel X(𝜆𝑗𝑘 𝑌𝑍 ≠ 0, 𝜆𝑖𝑗𝑘 𝑋𝑌𝑍 =0)

12
 LANJUTAN

MODEL CONDITIONALLY INDEPENDENCE

Untuk membandingkan nested models maka perbedaan

nilai deviance dapat diuji dengan rumus :

𝐺 2 = −2 𝑙𝑛 𝐿2 − 𝑙𝑛 𝐿1
= −2 𝑙𝑛 𝐿2 − 𝑙𝑛 𝐿𝑆 − −2 𝑙𝑛 𝐿1 − 𝑙𝑛 𝐿𝑆
= 𝐷𝑒𝑣𝑖𝑎𝑛𝑐𝑒 𝑜𝑓 𝑀𝑜𝑑𝑒𝑙 2 − 𝐷𝑒𝑣𝑖𝑎𝑛𝑐𝑒 𝑜𝑓 𝑀𝑜𝑑𝑒𝑙 1

Statistik uji ini mengikuti distribusi chi-square dengan

df = selisih jumlah parameter dari kedua model

13
MODEL HOMOGENEOUS ASSOCIATION
Setiap pasang variabelnya terdapat interaksi/asosiasi, dan
interaksi tersebut tidak dipengaruhi oleh level variabel ketiga
(asosiasi diantara setiap 2 variabel sama untuk semua level
dari variabel ketiga)

Hipotesisnya disimbolkan dengan (XY, YZ, XZ)

Model log linier untuk hipotesis tersebut adalah:

log 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖 𝑋 + 𝜆𝑗 𝑌 +𝜆𝑘 𝑍 + 𝜆𝑖𝑗 𝑋𝑌 + 𝜆𝑗𝑘 𝑌𝑍 +𝜆𝑖𝑘 𝑋𝑍

Dengan asumsi:
𝜆𝐼 𝑋 = 𝜆𝐽 𝑌 = 𝜆𝐾 𝑍 = 𝜆𝐼𝑗 𝑋𝑌 = 𝜆𝑖𝐽 𝑋𝑌 = 𝜆𝑖𝐾 𝑋𝑍 = 𝜆𝐼𝑘 𝑋𝑍 = 𝜆𝑗𝐾 𝑌𝑍
= 𝜆𝐽𝑘 𝑌𝑍 = 0
14
MODEL HOMOGENEOUS ASSOCIATION

 Hipotesis ini menyatakan bahwa interaksi di setiap

pasang variabel adalah identik pada setiap level
variabel ketiga

 Bentuk hubungan parsial terlihat pada tiap pasang

variabel

 Tidak terdapat pasangan variabel yang independen

 Tidak dapat dinyatakan dengan menggunakan konsep

kebebasan maupun kebebasan bersyarat

15
PENULISAN MODEL LOGLINIER

Agung PU - agung@stis.ac.id 16
PENGEPASAN MODEL LOGLINIER
 Setelah memilih model loglinier, maka tahapan
berikutnya adalah melakukan estimasi parameter
(probabilita setiap sel dan frekuensi harapan)
 Metode estimasi:
◦ Direct Maximum likelihood (ML)
Prinsip: memaksimalkan fungsi likelihood, hasil
estimasi tergantung pada statistik cukup (sufficient
statistics)
◦ Iteratif (proporsional/iteratif proportional fitting
dan metode Newton-Rapson)
Pengepasan melalui proses iterasi sampai
menghasilkan nilai estimasi yang konvergen.
Agung PU - agung@stis.ac.id 17
PENGEPASAN MODEL LOGLINIER

Agung PU - agung@stis.ac.id 18
PENGEPASAN MODEL LOGLINIER

19
Catatan dalam Pemilihan Model

• Pemilihan kelompok variabel harus didasarkan pada

substansi dan landasan teoritis, sehingga asosiasi antar
variabel pada model teoritis dapat dipertanggungjawabkan

• Jika hasil analisis atau pengujian hipotesis berdasarkan

sebuah data menolak model teoritis yang diperoleh, maka
jangan langsung ditafsirkan bahwa model tsb salah.
Walaupun akan bersifat subyektif, harus diambil keputusan
mana yang akan dipandang cocok sebagai model akhir
Catatan dalam Pemilihan Model
• Disarankan agar lebih mengutamakan model teoritis
daripada model kuantitatif yang diturunkan hanya
berdasarkan data sampel.

• Di sisi lain, model kuantitatif dapat diterima kebenarannya

jika telah dilakukan pengujian hipotesis secara berulang
kali dengan hasil yang konsisten menciptakan model
teoritis yang baru

• Dapat dinyatakan bahwa hasil suatu pengujian tentang

asosiasi ganda selayaknya menyajikan beberapa buah
model teoritis maupun model kuantitatif
Fitting log-linear model:
hierarchy of log-linear
models for 3-way
contingency tables
H0: data observasi cocok (fit) dg
model (tidak ada perbedaan
antara estimasi frekuensi
harapan dan frekuensi
observasi)

Statistik uji:
1. Pearson’s Chi-Square:

2. Likelihood Ratio Test:

Penghitungan OR berdasarkan
model yg paling sesuai (fit)
Agung PU - agung@stis.ac.id 22
CONTOH:
TABEL 7.4 @AZEN & WALKER

Homogeneous Association Model?

Agung PU - agung@stis.ac.id 23
CONTOH:
TABEL 7.4 @AZEN & WALKER

Agung PU - agung@stis.ac.id 24
CONTOH:
TABEL 7.4 @AZEN & WALKER

Agung PU - agung@stis.ac.id 25
CONTOH:
TABEL 7.4 @AZEN & WALKER

Homogeneous Association Model (dg software):

Agung PU - agung@stis.ac.id 26
CONTOH:
TABEL 7.4 @AZEN & WALKER

27
Latihan 1: Hubungan antara Gender (G), Jenis
Wisatawan (W), dan Tingkat Kepuasan (K)

 Berdasarkan data berikut, estimasilah model log linier (GW, GK)

dan (GW, WK). Manakah model yang sesuai untuk menggambarkan
pola hubungan antar ketiga variabel diatas. Interpretasikan nilai
conditional OR berdasarkan model terbaik.

Jenis Tingkat Kepuasan

Gender
Wisawatan Tinggi Sedang Rendah
Lokal 25 30 36
Laki-laki Nusantara 32 26 30
Mancanegara 45 12 6
Lokal 49 40 38
Perempua
Nusantara 32 24 28
n
Mancanegara 62 36 19
Agung PU - agung@stis.ac.id 28