Kelas E

LAPORAN PRAKTIKUM
ANALISIS DATA KATEGORIK
Modul 4, 5,dan 6 : Analisis Loglinear dan Logistik Biner

Nomor Tanda Tangan

Nama Praktikan Tanggal Kumpul Praktikan
Mahasiswa
Wanda Aulia Putri 19611188 08 Desember 2021

Tanggal Tanda tangan

Nama Penilai Nilai Asisten Dosen
Koreksi
Aisyah Putri Znuarizqi
Bella Destia
Jaka Nugraha, Dr., S.Si., M.Si

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2021
Daftar Isi

Daftar Isi ............................................................................................................................... ii

Daftar Gambar ...................................................................................................................... iii
1 Pendahuluan ................................................................................................................. 4
1.1 Dasar Teori............................................................................................................ 4
1.1.1 Rstudio .......................................................................................................... 4
1.1.2 Data Frame .................................................................................................... 4
1.2 SPSS...................................................................................................................... 5
1.3 Model Log Linear ................................................................................................. 5
1.4 Goodness of Fit ..................................................................................................... 5
1.5 K-Way ................................................................................................................... 6
1.6 Uji Asosiasi Parsial ............................................................................................... 6
1.7 Seleksi Model........................................................................................................ 5
1.8 Regresi Logistic Biner .......................................................................................... 5
2 Deskripsi Kerja............................................................................................................. 6
2.1 Studi Kasus ........................................................................................................... 6
2.2 Langkah Kerja ....................................................................................................... 7
2.2.1 Modul 4 ......................................................................................................... 7
2.2.2 Modul 5 ......................................................................................................... 8
2.2.3 Modul 6 ......................................................................................................... 8
3 Pembahasan .................................................................................................................. 22
3.1 Pembahasan Hasil ................................................................................................. 22
3.1.1 Modul 4 ......................................................................................................... 22
3.1.2 Modul 5 ......................................................................................................... 30
3.1.3 Modul 6 ......................................................................................................... 35
4 Penutup ......................................................................................................................... 42
4.1 Kesimpulan ........................................................................................................... 42
4.1.1 Kesimpulan Modul 4 ..................................................................................... 42
4.1.2 Kesimpulan Modul 5 ..................................................................................... 43
4.1.3 Kesimpulan Modul 6 ..................................................................................... 43
5 Daftar Pustaka .............................................................................................................. 45
Daftar Gambar

Gambar 2.1. Tampilan SPSS ................................................................................. 10

Gambar 2.2. Data ................................................................................................... 10
Gambar 2.3. Variabel View ................................................................................... 11
Gambar 2.4. Pemberian Weight Case .................................................................... 11
Gambar 2.5. Jendela Crosstabs .............................................................................. 12
Gambar 2.6. Chi Square ........................................................................................ 12
Gambar 2.7. Memilih Model Seleksi ................................................................... 13
Gambar 2.8. Input Data ......................................................................................... 13
Gambar 2.9. Pemberian Weight Case .................................................................... 14
Gambar 2.10. Crosstabs ......................................................................................... 14
Gambar 2.11. Analisis Loglinear........................................................................... 15
Gambar 2.12. Program RStudio ............................................................................ 15
Gambar 2.13. Input Labels .................................................................................... 15
Gambar 2.14. Pembentukan Model ....................................................................... 15
Gambar 2.15. Tabel Nilai Harapan........................................................................ 16
Gambar 2.16. Odds Ratio ...................................................................................... 16
Gambar 2.17. Fungsi Generic ................................................................................ 17
Gambar 2.18. Penjumlahan ................................................................................... 17
Gambar 2.19. Uji Goodness of Fit......................................................................... 17
Gambar 2.20. Penentuan Model ............................................................................ 17
Gambar 2.21. Loglinear ......................................................................................... 17
Gambar 2.22. Model GLM .................................................................................... 17
Gambar 2.23. Modif GLM .................................................................................... 17
Gambar 2.24. Tampilan SPSS ............................................................................... 17
Gambar 2.25. Input Data ....................................................................................... 18
Gambar 2.26. Variabel View ................................................................................. 18
Gambar 2.27. Analisis Logitic............................................................................... 18
Gambar 2.28. Backward ........................................................................................ 18
Gambar 2.29. Tampilan Jendela Logistic .............................................................. 19
Gambar 2.30. Jendela Options............................................................................... 19
Gambar 3.1. Output Analalisis Crosstabs.............................................................. 20
Gambar 3.2. Output K-Way ................................................................................... 20
Gambar 3.3. Uji Parsial ......................................................................................... 20
Gambar 3.4. Backward .......................................................................................... 21
Gambar 3.5. Uji Parameter .................................................................................... 21
Gambar 3.6. Goodness of Fit ................................................................................. 22
Gambar 3.7. Output Crosstabs............................................................................... 22
Gambar 3.8. K-Way ............................................................................................... 23
Gambar 3.9. Uji Parsial ......................................................................................... 24
Gambar 3.10. Backward ........................................................................................ 25
Gambar 3.11. Uji Parameter .................................................................................. 26
Gambar 3.12. Goodness of Fit ............................................................................... 27
Gambar 3.13. Output Data..................................................................................... 27
Gambar 3.14. Output Model .................................................................................. 28
3
Gambar 3.15. Nilai Harapan .................................................................................. 29
Gambar 3.16. Odds Ratio ...................................................................................... 29
Gambar 3.17. Chi Square ...................................................................................... 30
Gambar 3.18. Model Loglinear ............................................................................. 31
Gambar 3.19. Estimasi Loglinear .......................................................................... 31
Gambar 3.20. Uji Overall ...................................................................................... 32
Gambar 3.21. R-Squared Test ............................................................................... 32
Gambar 3.22. Variabel Persamaan ........................................................................ 33

4
 1 Pendahuluan
1.1 Pengantar Program R

1.1.1 Rstudio
RStudio adalah integrated development environment (IDE) untuk R. Ini
mencakup konsol, editor penyorotan sintaks yang mendukung eksekusi kode
langsung, serta alat untuk merencanakan, riwayat, debugging, dan manajemen ruang
kerja. RStudio tersedia dalam edisi open source dan komersial dan berjalan di
desktop (Windows, Mac, dan Linux) atau di browser yang terhubung ke RStudio
Server atau RStudio Server Pro (Debian / Ubuntu, Red Hat / CentOS, dan SUSE
Linux)
Adapun kelebihan dari Rstudio sebagai berikut :

• Antarmuka Rstudio diatur sehingga pengguna dapat dengan jelas melihat

grafik, tabel data, kode R, dan output semua pada waktu yang sama.
• Fitur seperti Import-Wizard yang memungkinkan pengguna untuk
mengimpor file CSV, Excel, SAS (* .sas7bdat), SPSS (* .sav), dan Stata (*
.dta) ke dalam R tanpa harus menulis kode ke lakukan itu.
• RStudio dan timnya telah berkontribusi banyak paket R (tidyverse, shiny,
rmarkdown, dll)
• Memiliki Addins yang berfungsi untuk menjalankan proses secara
interaktif (bookdown, colourpicker, dll)

1.1.2 Data Frame

Data Frame adalah fungsi yang dapat digunakan untuk membuat kerangka
data, koleksi dari variabel-variabel yang mana memiliki karakteristik seperti
matriks. Ibaratnya data frame membuat data yang anda susun mirip seperti tabel
yang terdiri dari baris dan kolom pada Excel atau Calc. Sebagian besar data dalam
ekonometrika merupakan bentuk dataframe. Sebuah data frame adalah kumpulan
vektor (sebagai kolom) yang berisi data, yang tidak harus dari tipe yang sama tetapi
masing-masing kolom harus memiliki jumlah elemen yang sama.

5
1.2 SPSS
SPSS adalah Statistical Product and Service Solutions. SPSS adalah sebuah
program aplikasi yang memiliki kemampuan untuk analisis statistik cukup tinggi
serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-
menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah dipahami
untuk cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah
yaitu dengan menggunakan pointing dan clicking mouse SPSS banyak digunakan
dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu (quality
improvement), serta riset-riset sains. SPSS pertama kali muncul dengan versi PC
(bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi,
dengan mulai populernya sistem operasi windows. SPSS dapat membaca berbagai
jenis data atau memasukkan data secara langsung ke dalam SPSS pada data editor.

1.3 Model Log Linear

Model log linier adalah suatu model untuk memperoleh model statistika 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
𝜋𝑖𝑗 = 𝜋𝑖+⋯ . 𝜋+𝑗 dimana : 𝑖 = 1,2, … . , 𝐼 dan 𝑗 = 1,2, … . . , 𝐽. Dimana frekuensi nilai
harapannya adalah sebagai berikut :
𝑚
̂𝑖𝑗 = 𝑛++ 𝜋𝑖𝑗 = 𝑛++ 𝜋𝑖+ 𝜋𝑖+𝑗 dan jika dinyatakan dalam bentuk logaritma, maka
didapatkan :
log 𝑚𝑖𝑗 = log 𝑛++ + log 𝜋𝑖+ + log 𝜋+𝑗

1.4 Uji Goodness of Fit

Manfaat dari Goodness of Fit Statistisc adalah untuk membandingkan atau
menentukan ada atau tidaknya jarak antara observasi dan model. Untuk menguji
hipotesis pada tiap model digunakan uji Person Chi Square (𝑋 2 ) atau Likelihood
Ratio Test (𝐺 2 ) sebagai berikut :

6
 Uji Pearso Chi Square (𝑋 2 ) yaitu
̂𝑖𝑗 )2
(𝑛𝑖𝑗 −𝑚
𝑋 2 = ∑𝐼𝑖=1 ∑𝐽𝑗=1 ̂𝑖𝑗
𝑚

Uji Likelihood Ratio Test (𝐺 2 ) yaitu

𝑛
𝐺 2 = 2 ∑𝐼𝑖=1 ∑𝐽𝑗=1 𝑛𝑖𝑗 log (𝑚̂𝑖𝑗 )
𝑖𝑗

1.5 Uji K-Way

Pengujian interaksi pada derajat K atau lebih sama dengan nol (Test that K-
Way and higher order effect are zero) Uji ini didasarkan pada hipotesis bahwa efek
order keK dan yang lebih tinggi sama dengan nol. Pada model log linear
hipotesisnya sebagai berikut.
• Untuk K = 2 H0 : Efek order ke-2 = 0 (Efek order ke-1 dan yang lebih
tinggi = 0)
• H1 : Efek order ke-2 ≠ 0 - Untuk K = 1 (Efek order ke-1 dan yang
lebih tinggi ≠ 0 2).
Pengujian interaksi pada derajat K sama dengan nol (Test that K-Way effect are
zero) Uji ini didasarkan pada hipotesis efek order ke-K sama dengan nol. Pada
model log linear hipotesisnya sebagai berikut.
• Untuk K = 1 H0 : Efek order ke-1 = 0 (Efek order ke-2 = 0)
• H1 : Efek order ke-1 ≠ 0 (Efek order ke-2 ≠ 0)
Statistik uji yang digunakan adalah Likelihood Ratio Test (G2 ) Kriteria penolakan
G 2 > χ2 (db;α) maka tolah H0.

1.6 Uji Asosiasi Parsial

Pengujian ini mempunyai tujuan untuk menguji semua parameter yang
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 adalah sebagai berikut. - H0 : Efek interaksi
antara variabel 1 dan variabel 2 = 0 H1 : 𝐻 0 - H0 : Efek variabel 1 = 0 H1 : 𝐻 0 -
H0 : Efek variabel 2 = 0 H1 : 𝐻 0 Statistik uji yang digunakan adalah Partial Chi
Square Kriteria penolakan Partial Chi Square > χ2 (db;α) maka tolak H0.

7
1.7 Seleksi Model
Seleksi model log linier dilakukan dengan metode Backward Elimination.
Metode Backward Elimination pada dasarnya menyeleksi model dengan
menggunakan prinsip hierarki, yaitu dengan melihat model terlengkap sampai
dengan model yang sederhana. Langkah-langkah yang dilakukan adalah
1) Anggap model (0) yaitu model XY sebagai model terbaik.
2) Keluarkan efek interaksi dua faktor sehingga modelnya menjadi (X, Y)
yang disebut model (1).
3) Bandingkan model (0) dengan model (1) dengan hipotesis sebagai berikut.
H0 : Model (1) = model terbaik H1 : Model (0) = model terbaik Statistik
uji yang digunakan adalah Likelihood Ratio Test (G2 ) Kriteria penolakan
G 2 > χ 2 (db;α) maka tolak H0
4) Jika H0 ditolak, maka dinyatakan bahwa model (0) adalah model terbaik.
Tetapi jika gagal tolak H0, maka bandingkan model (1) tersebut dengan
model (0). Kemudian salah satu interaksi dua faktor dikeluarkan dari
model.
5) Untuk menentukan interaksi mana yang dikeluarkan terlebih dahulu maka
dipilih nilai G 2 terkecil.

1.8 Regresi Logistik Biner

Salah satu bentuk pendekatan model matematis yang dapat digunakan untuk
menganalisis hubungan satu atau beberapa variabel prediktor (independent) dengan
sebuah variabel respon (dependent) kategori yang bersifat dikotom/binary yaitu
Regresi logistik. Jika variabel responnya terdiri dari dua kategori misalnya Y=1
yang menyatakan hasil yang diperoleh adalah “sukses” dan Y=0 adalah “gagal”
maka regresi logisitk tersebut menggunakan regresi logistik biner. Menurut
Agresti, bahwa variabel (y) yang demikian lebih tepat dikatakan sebagai variabel
indikator dan memenuhi distribusi Bernoulli.

8
 2 Deskripsi Kerja
2.1 Studi Kasus
2.1.1 Modul 4
1. Berikut ini disajikan data penelitian yang dilakukan terhadap pelajar
Sekolah Menengah Atas (SMA/MA/Sederajat). Survey ini berkaitan dengan
strata sosial, pendidikan orang tua dan rencana studi lanjut.
Tabel 1. Survey Rencana Studi Lanjut Pelajar SMA/MA/Sederajat
Rencana Studi
Strata Sosial Pendidikan Orang Tua
Ya Tidak
Rendah 749 35
Pra Sejahtera
Tinggi 233 133
Rendah 627 38
Sejahtera 1
Tinggi 330 303
Rendah 470 37
Sejahtera 2
Tinggi 324 487
Berdasarkan data pada tabel 1 tersebut, maka:
a. Buatlah tabel kontigensinya.
b. Lakukan analisis bagaimana hubungan ketiga variabel tersebut (Strata
Sosial, Pendidikan Orang Tua, Rencana Studi) menggunakan analisis log
linier dan berikan modelnya.
2. Pada tabel 2 selesaikan menggunakan SPSS studi kasus tersebut dengan
menggunakan analisis log linier.
Tabel 2. Studi Kasus Kedua
Status
Konsumsi Alkohol
Merokok Tidak Merokok

Ya 325 360

Tidak 376 300

9
2.1.2 Modul 5

1. Berikut ini disajikan data kecelakaan mobil di sebuah provinsi sebanyak

25526 penumpang. Penumpang diklasifikasi menurut gender (G),
Penggunaan Sabuk Pengaman (S), dan Luka (L):
Tabel 1.1 Data Kecelakaan Mobil
Luka(L)
Gender(G) Sabuk(S)
Tidak Ya
Tidak 3246 973
Wanita
Ya 6137 757
Tidak 6123 1084
Laki-Laki
Ya 6693 513

Lakukan analisis loglinier menggunakan data tersebut dengan menggunakan

software R.

2.1.3 Modul 6
1. Suatu perusahaan mengadakan open recruitment untuk posisi karyawan
baru yang ditujukan untuk fresh graduate. Penelitian dilakukan untuk
melihat pengaruh nilai IPK, skor TOEFL, dan keikutsertaan mengikuti
training leadership terhadap hasil kelulusan recruitment. Dimiliki data
berikut:

10
 Hasil Skor Keikutsertaan
IPK
Recruitment TOEFL Training
0 2.76 410 1
0 2.87 530 1
0 3.03 560 1
1 3.92 607 1
0 2.63 520 1
0 3.32 520 1
0 3.57 563 1
1 3.26 600 1
0 3.53 365 1
0 2.74 550 1
0 2.75 467 1
0 2.83 467 1
0 3.12 550 0
1 3.16 611 0
0 2.06 563 0
1 3.62 650 0
0 2.89 389 0
0 3.51 620 0
1 3.54 600 0
1 2.83 635 0
1 3.39 467 0
0 2.67 600 0
1 3.65 550 0
1 4 580 0
0 3.1 550 0
1 2.39 490 0

Dari data dimiliki keterangan sebagai berikut :

Kelulus Recruitment : 1 (Lulus) dan 0 (Tidak Lulus)
IPK : Indeks Prestasi Akademik
Skor TOFL : Hasil test TOEFL
Keikutsertaan Trainning : 1 (Mengikuti training) dan 0 (Tidak
mengikuti training)

Dari studi kasus dan data di atas praktikan diminta melakukan :

a. Lakukan analisis pengaruh nilai IPK, skor TOEFL, dan keikutsertaan
mengikuti training leadership terhadap hasil kelulusan recruitment,
bentuk model logit!

11
 b. Apabila seseorang dengan skor TOEFL = 550, IPK = 3.70, dan
mengikuti training leadership, hitung peluang lulus recruitment!
c. Apabila seseorang mahasiswa dengan skor TOEFL = 320, IPK = 2.65,
dan tidak mengikuti training leadership, hitung peluang lulus
recruitment!

2.2 Langkah Kerja

Pada bagian ini praktikan akan menjelaskan langkah-langkah dalam
menyelesaikan studi kasus tersebut, dengan langkah-langkah sebagai berikut:
2.2.1 Modul 4
1. Pertama, untuk menyelesaikan studi kasus praktikan terlebih dahulu
membuka program SPSS.

Gambar 2.1.Tampilan SPSS.

2. Praktikan menginputkan data yang ada pada studi kasus pada jendela
Data View pada program SPSS. Adapun variable pada data tersebut
strata sosial, Pendidikan ortu, rencana studi, dan frekuensi.

Gambar 2.2. Data.

12
3. Praktikan beralih ke jendela variable view untuk menambahkan
keterangan pada masig-masing variabel dengan memberi nama pada
masing-masing variabel, menambahkan values pada variabel
strata_sosial dengan ketentuan yang diberikan seperti 0 = “pra sejahtera”,
1 = “sejahtera 1”, dan 2 = “sejahtera 2”. Sedangkan untuk variabel
Pendidikan_ortu kententuannya seperti 0 = “rendah” dan 1= “tinggi”.
Adapun untuk ketentuan variabel rencana studi seperti 0 = “ya” dan 1=
“tidak”.

Gambar 2.3. Varibel View.

4. Praktikan memberikan bobot pada frekuensi dengan cara memilih menu

Data > Weight Case lalu diikuti dengan memilih Weight Case by >
frekuensi.

Gambar 2.4. Pemberian Weight Case.

5. Untuk menyelasaikan studi kasus nomor 1 bagian a praktikan memilih
menu Analyze > Descriptive Statistics > Crosstabs yang lalu diikuti
dengan menginputkan variabel Pendidikan_ortu untuk row,
rencana_studi untuk coloumn, dan strata_sosial untuk layer of 1.

13
 Gambar 2.5. Jendela Crosstabs.
6. Setelah itu memilih menu Statistics pada jendela Crostabs dan memilih
menu Chi-square.

Gambar 2.6. Analisis Chi-Square.

7. Dalam menyelesaikan nomor 1 bagian b praktikan diperitahkan untuk
melakukan analisis loglinear dengan memilih menu Analyze > Loglinear
> Model Selection.
8. Selanjutnya akan muncul jendela baru yang kemudian menginputkan
variabel strata_sosial, Pendidikan_ortu, dan rencana_studi. Kemudian
diikuti juga dengan menginputkan Define Range. Dan selanjutnya
praktikan memilih menu Model > Saturated pada Specify Model >
Options > Variabel Display > Continue > Ok.

14
 Gambar 2.7. Memilih Model Seleksi.

9. Selanjutnya untuk menyelesaikan studi kasus nomor 2 yaitu praktikan

menginputkan datanya terlebih dahulu ke dalam SPSS.

Gambar 2.8. Input Data.

10. Selanjutnya memilih menu Data > Weight Case > Weight case by >
frekuensi.

15
 Gambar 2.9. Pemberian Weight Case.

11. Selanjutnya praktikan melakukan analisis Crostabs dengan memilih

menu Analyze > Descriptive Statistics > Crostabs.

Gambar 2.10. Analisis Crosstabs.

12. Selanjutnya, praktikan memilih Analyze > Loglinear > Model Selection
kemudian praktikan menginputkan variabel konsumsi_alkohol dan status
yang masing-masing diberikan Define Rangenya. Dan selanjutnya
memilih menu Model > Saturated > Options > Frequencies > Residuals.

16
 Gambar 2.11. Analisis Loglinear.

2.2.2 Modul 5
1. Untuk menyelesaikan studi kasus pada modul 5 praktikan menggunakan
program RStudio.

Gambar 2.12. Program RStudio.

2. Praktikan terlebih dahulu menginputkan masing-masing variable pada
data yang ada pada studi kasus beserta menginputkan masing-masing
label dari setiap variable.

Gambar 2.13. Input Labels.

17
3. Praktikan mengaktifkan package dari library(MASS) yang mana
tujuannya untuk dlakukan pembentukan model linear. Pada Langkah ini
dilakukan beberapa pembentukan model linear seperti membentuk model
linear dari variable data set, dan melakukan regresi linear berganda atau
Multiple Linear Regression. Pada pembaharuan pertama akan akan
menggunakan variable Gender, Sabuk, dan Luka. Sedangkan pada
pembaharuan kedua hanya menggunakan dua variable yaitu Gender da
Sabuk dan pembaharuan ketiga dan keempet pun menggunakan dua
variable yang mana masing-masing menggunakan variable Gender,
Luka, dan Sabuk.

Gambar 2.14. Pembentukan Model.

4. Selanjutnya, praktikan membuat table nilai harapan dari variable

Kecelakaan yang kemudian dijadikannya ke dalam sebuah data frame.
Pada Langkah ini pula dilakukannya fitted values yang mana
dilakukannya prediksi model statistiknya dari nilai respon dari rata-rata
nilai faktor atau komponen lainnya ke dalam model.

Gambar 2.15. Tabel Nilai Harapan.

5. Selanjutnya, praktikan menentukan peluang suatu kejadian dari variable

X yang dihitung dari angka kejadian kelompok yang terpapar faktor
resiko dan dibandingkan dengan angka kejadian kelompok yang tidak
terpapar faktor resiko.

18
 Gambar 2.16. Menenetukan Odds Ratio.

6. Pada Langkah ini praktikan melakukan suatu fungsi generic yang

mengaplikasikan suati fungsi pada setiap kolom dan baris pada sebuah
matriks untuk jenis data array yang kemudian akan dihitung dengan data
odds ratio.

Gambar 2.17. Fungsi Generic.

7. Selanjutnya, praktikan mealukan penjumlahan pada setiap masig-masing

array.

Gambar 2.18. Penjumlahan.

8. Selanjutnya, pada Langkah ini praktikan melakukan sebuah analisis Chi-

square dengan menggunakan uji Goodness of Fit Test yang mana artinya
praktikan akan membandingkan dua distribusi data yaitu frekuensi
harapan dan frekuensi observasi.

Gambar 2.19. Uji Goodness of Fit.

19
9. Pada Langkah ini praktikan melakukan penentuan model.

Gambar 2.20. Penenetuan Model.

10. Selanjutnya, praktikan akan melakukan analisa hubungan variable-

variabel kategori dengan menggunakan model loglinear.

Gambar 2.21. Analisis Loglinear.

11. Selanjutnya, praktikan akan melihat keterkaitan adanya peluang antara

variable dependen dan variable independent dengan menggunakan
permodelan General Linear Model.

Gambar 2.22. Model GLM.

12. Selanjutnya praktikan melakukan modifikasi terhadap model.

Gambar 2.23. Modifikasi GLM.

20
2.2.3 Modul 6
1. Pertama, untuk menyelesaikan studi kasus praktikan terlebih dahulu
membuka program SPSS.

Gambar 2.24. Tampilan SPSS.

2. Praktikan terlebih dahulu menginputkan data yang ada pada studi kasus
pada program SPSS. Data tersebut diinputkan pada jendela halaman data
view.

Gambar 2.25. Input Data.

3. Praktikan menuju jendela halaman variable view, yang mana pada bagian
tersebut praktikan menambahkan nilai label pada 2 variabel. Yaitu pada
variable hasil recruitment yang mana untuk nilai 0 = “tidak lulus”, 1 =
“lulus”, sedangkan untuk variable training 0 = “tidak ikut”, dan 1 =
“ikut”.

21
 Gambar 2.26. Variabel View.

4. Selanjutnya, praktikan melakkan analisis regresi logistic dengan memilih

menu Analyze > Regression > Binnary Logistic.

Gambar 2.27. Analisis Logistic.

5. Selanjutnya, praktikan menginputkan variable-variabel yang ada seperti

pada gambar di bawah ini.

Gambar 2.28. Backward.

6. Selanjutnya, memilih menu save dan mencentang kolom seperti yang ada
pada gambar.

22
 Gambar 2.29. Tampilan Jendela Logistic.

7. Pilih menu save, dan mencentang sesuai dengan pada gambar di bawah
ini.

Gambar 2.30. Jendela Options.

23
 3 Pembahasan

3.1 Pembahasan Hasil

3.1.1 Modul 4

Gambar 3.1. Output Analisis Crosstabs.

Dari hasil yang ditampilkan merupakan hasil dari analisis Crostabs, seperti
yang kita ketahui bahwa pada variabel strata_sosial terdapat 3 kategori yang mana
masing-masing kategorinya “pra sejahtaera”, “sejahtera 1”, dan “sejahtera 2” yang
masing-masing bernilai 0,1, dan 2. Sedangkan untuk variabel Pendidikan_ortu dan
rencana studi masing-masing memiliki kategori “rendah” “tinggi” dan “ya” “tidak”.
Jika dilihat dari hasil di atas dapat diketahui pula banyaknya siswa yang memiliki
recana studi sebanyak 2733 sedangkan yag tidak sebanyak 1033 dilihat dari angka
yang ada menunujukkan adanya selisish yang cukup tinggi antara yang memiliki dan
tidak dan jika dilihat dari masing-masing kategori pada strata_sosial pada kategori
pra sejahtera lah yang memiliki nilai tertinggi dalam memiliki rencana studi sebesar
982.
Adapun uji dalam penyelesaian ini dengan menggunakan uji K-Way and
Higher Order Effect yaitu menguji apakah adanya pengaruh orde ke i dengan
yang lebih tinggi adapun uji yang didapatkan seperti berikut :

24
• Hipotesis
𝐻0 : efek order kei dengan yang lebih tinggi = 0, i=1,2,3
(tidak adanya pengaruh interaksi)
𝐻1 : efek order kei dengan yang lebih tinggi ≠ 0, i=1,2,3
(adanya pengaruh interaksi)
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji

Gambar 3.2. Output K-Way.

• Keputusan
Orde pada p-value didapatkan (0.000) < 𝛼 : 0.05 maka tolak 𝐻0
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung tolak 𝐻0 yang mana artinya
adanya pengaruh interaksi.

Selanjutnya dilakukan uji asosiasi parsial yang mana tujuannya untuk

melihat apakah adanya interaksi antar variabel. Adapun uji hipotesisinya seperti
berikut :
• Hipotesis
𝐻0 : efek interaksi antar variabel = 0
(tidak adanya interaksi antar peubah)
𝐻1 : efek interaksi antar variabel ≠ 0
(adanya interaksi antar peubah )

25
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji

Gambar 3.3. Uji Parsial

• Keputusan
Tolak 𝐻0 jika p-value < 𝛼
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung tolak 𝐻0 yang mana artinya
adanya interaksi antar peubah.

Selanjutnya dilakukan uji backward elimination yang mana tujuannya

untuk menyeleksi model terbaik. Adapun uji hipotesisnya sebagai berikut :
• Hipotesis
𝐻0 : model 1 adalah model terbaik
𝐻1 : model 2 adalah model terbaik
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼

26
• Statistik uji

Gambar 3.4. Backward.

• Keputusan
Tolak 𝐻0 jika p-value (0.000) < 𝛼 : 0.05
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung tolak 𝐻0 yang mana artinya
model 2 adalah model terbaik.

Selanjutnya ada uji parameter yang mana uji ini untuk melihat apakah
ada pola hubungan signifikan dalam model. Adapun uji hipotesisnya seperti
berikut :
• Hipotesis
𝐻0 : pola hubungan tidak signifikan dalam model
𝐻1 : pola hubungan signifikan dalam model
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼

27
• Statistik uji

Gambar 3.5. Uji Parameter.

• Keputusan
Pada strata_sosial*Pendidikan_ortu*rencana studi menunjukkan gagal tolak
𝐻0 sedangkan untuk yang lainnya menunjukan tolak 𝐻0 .
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung tolak 𝐻0 yang mana artinya
pola hubungan signifikan dalam model.

Selanjutnya dilakukan uji goodness of fit dengan tujuannya untuk

menguji apakah model yang dihasilkan signifikan atau tidak.
• Hipotesis
𝐻0 : model tidak signifikan
𝐻1 : model signifikan
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji

Gambar 3.6. Goodness of Fit Test.

28
• Keputusan
Tolak 𝐻0 jika p-value < 𝛼
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung tolak 𝐻0 yang mana artinya
model signifikan.

Adapun pembahasan pada studi kasus nomor 2 adalah sebagai berikut :

Gambar 3.7. Output Crosstabs.

Dari hasil di atas diketahui bahwa variable konsumsi_alkohol dan variable

status memiliki dua kategori pula. Sebanyak 325 untuk orang yang
mengkonsusmsi alkhol dan juga merokok, dan 360 untuk orang yang
mengkonsusmsi alcohol tetapi tidak merokok. Sedangkan untuk yang tidak
mengkonsumsi alkholo dan yang tidak merokok sebanyak 660 sedangkan untuk
yang mengkonsusmi alcohol dan juga merokok sebanyak 710. Selanjutnya
praktikan melakukan uji K-Way and Higher Order Effect dan didapatkan uji
sebagai berikut :

• Hipotesis
𝐻0 : efek order kei dengan yang lebih tinggi = 0, i=1,2,3
(tidak adanya pengaruh interaksi)
𝐻1 : efek order kei dengan yang lebih tinggi ≠ 0, i=1,2,3
(adanya pengaruh interaksi)
• Tingkat signifikansi

29
 𝛼 = 5%
• Daerah kritis

Gambar 3.8. Output K-Way.

• Keputusan
Pada semua orde p-value < 𝛼 maka tolak 𝐻0
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung tolak 𝐻0 yang mana
artinya adanya pengaruh interaksi.

Selanjutnya dilakukan uji asosiasi parsial yang mana tujuannya untuk

melihat interaksi antar variable. Adapun hipotesisnya seperti berikut :
• Hipotesis
𝐻0 : efek interaksi antar variabel = 0
(tidak adanya interaksi antar peubah)
𝐻1 : efek interaksi antar variabel ≠ 0
(adanya interaksi antar peubah )
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji

30
 Gambar 3.9. Uji Parsial.
• Keputusan
Gagal tolak 𝐻0 karena p-value semua efek > 𝛼
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung untuk gagal tolak 𝐻0 yang
mana artinya tidak adanya interaksi antar peubah

Selanjutnya dilakukan uji backward elimination yang mana tujuannya

untuk menyeleksi model terbaik. Adapun uji hipotesisnya sebagai berikut :
• Hipotesis
𝐻0 : model 0 adalah model terbaik
𝐻1 : model 1 adalah model terbaik
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji

Gambar 3.10. Backward.

• Keputusan
Tolak 𝐻0 karena p-value (.003) < 𝛼
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung untuk tolak 𝐻0 yang mana
artinya model 1 merupakan model terbaik.

31
 Selanjutnya ada uji parameter yang mana uji ini untuk melihat apakah ada
pola hubungan signifikan dalam model. Adapun uji hipotesisnya seperti berikut :
• Hipotesis
𝐻0 : pola hubungan tidak signifikan dalam model
𝐻1 : pola hubungan signifikan dalam model
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji

Gambar 3.11. Uji Parameter.

• Keputusan
Pada meminum_alkohol*status menunjukkan tolak 𝐻0 sedangkan untuk
yang lainnya menunjukan gagal tolak 𝐻0 .
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung tolak 𝐻0 yang mana
artinya pola hubungan signifikan dalam model.

Selanjutnya dilakukan uji goodness of fit dengan tujuannya untuk

menguji apakah model yang dihasilkan signifikan atau tidak.
• Hipotesis
𝐻0 : model tidak signifikan
𝐻1 : model signifikan
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼

32
• Statistik uji

Gambar 3.12. Goodness of Fit.

• Keputusan
Tolak 𝐻0 jika p-value (.000) < 𝛼
• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% dan tingkat
signifikansi sebesar 5% data yang ada mendukung tolak 𝐻0 yang mana
artinya model signifikan.

3.1.2 Modul 5

Gambar 3.13. Output Data.

Pada output di atas merupakan output dari data kecelakaan yang terdiri dari
empat variable yaitu Luka, Sabuk, Gender, dan Count yang mana variable Luka
memiliki label “Ya” dan “Tidak”, variable Sabuk memiliki label “Ya” dan “Tidak”,
dan variable Gender memiliki label “Wanita” dan “Laki”.

33
 Gambar 3.14. Output Model.
Dari hasil model di atas dapat diketahui bahwa model terbaik untuk
digunakan yaitu pada model GS.GL.SL yang kemudian dilakukan perhitungan nilai
harapannya dan dihasilkan seperti pada gambar di bawah ini.

Gambar 3.15. Nilai Harapan.

Dari hasil di atas dapat diketahui bahwa nilai harapan dari kecelakaan
dengan korbannya Wanita yang tidak menggunakan sabuk pengaman dan tidak
mengalami luka sebesar 3254.449 sedangkan untuk laki-laki sebesar 6114.551. dan
untuk Wanita yang menggunakan sabuk pengaman tetapi mengalami luka sebesar
964.5553 dan untu laki-laki sebesar 1092.4447. selanjutnya praktikan menentukan
nilai odds ratio dengan hasilnya seperti berikut.

34
 Gambar 3.16. Odds Ratio.
Setelah itu, praktikan melakukan analisis Chi-square dengan menggunakan
uji Goodness of Fit Test dan didapatkan hasil seperti berikut.

Gambar 3.17. Chi Square.

Didapatkan uji hipotesisnya seperti berikut :
• Uji Hipotesis
𝐻0 : Model layak digunakan
𝐻1 : Model tidak layak digunakan
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
35
 • Statistik uji
Model 𝛼 𝐺2 p-value
GS.GL.SL 0.05 0.429 0.5122
GL.SL 0.05 436.8053 .0000
GS.L 0.05 626.8236 .0000
G.S.L 0.05 996.4553 .0000

• Keputusan
Gagal tolak 𝐻0
Tolak 𝐻0
Tolak 𝐻0
Tolak 𝐻0

• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% data yang ada
mendukung untuk Gagal tolak 𝐻0 yang mana artinya model layak
digunakan.

Setelah itu praktikan melakukan estimasi menggunakan model log linear

seperti berikut :

36
 Gambar 3.18. Model Loglinear.
Diketahui bahwa pola hubungan dari kejadian kecelakaan pada dua kondisi
pemakaian sabuk pengaman yang mengakibatkan terjadinya luka atau tidak adalah
signifikan. Adapun estimasinya seperti berikut.

37
 Gambar 3.19. Estimasi Loglinear.
3.1.3 Modul 6
Setelah perhitungan menggunakan SPSS selesai dan mendapatkan hasil yang
kemudian dijelaskan seperti di bawah ini.
1. Uji Overall
• Hipotesis
𝐻0 : 𝛽0 = 0 (tidak adanya pengaruh paling sedikit satu variable bebas
secara simultan terhadap variable tak bebas)
𝐻1 : 𝛽𝑗 ≠ 0 (adanya pengaruh paling sedikit satu variable bebas secara
simultan terhadap variable tak bebas)
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji

Gambar 3.20. Uji Overall.

• Keputusan
𝐻0 ditolak karena p-value (0.008) < 𝛼 (0.05)

38
• Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada mendukung
untuk tolak 𝐻0 yang mana artinya tidak adanya pengaruh paling sedikit satu
variable bebas secara simultan terhadap variable tak bebas

2. Uji Parsial
• Hipotesis
𝐻0 : 𝛽𝑗 = 0 (variable bebas ke-j tidak mempunyai pengaruh secara
signifikan terhadap variable tidak bebas)
𝐻1 : 𝛽𝑗 ≠ 0 (variable bebas ke-j mempunyai pengaruh secara
signifikan terhadap variable tidak bebas)
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika p-value < 𝛼
• Statistik uji dan keputusan
Variable 𝛼 p-value Keputusan
IPK 0.05 0.086 Gagal tolak 𝐻0
Training 0.05 0.098 Gagal tolak 𝐻0
Skor_Toefl 0.05 0.254 Gagal tolak 𝐻0
Constant 0.05 0.037 Tolak 𝐻0

• Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% data yang ada
menjelaskan bahwa variable constan berpengaruh terhadap variable
hasil recruitment, sedangkan untuk variable yang lainnya tidak
berpengaru terhadap variable dependen.

39
 3. R-Squared Test
• Hipotesis
𝐻0 : 𝛽𝑗 = 0 (variable bebas ke-j tidak mempunyai pengaruh secara
signifikan terhadap variable tidak bebas)
𝐻1 : 𝛽𝑗 ≠ 0 (variable bebas ke-j mempunyai pengaruh secara
signifikan terhadap variable tidak bebas)
• Tingkat signifikansi
𝛼 = 5%
• Daerah kritis
Tolak 𝐻0 jika -2 log likelihood < table Chi-square(0.05,3)
• Statistik uji

Gambar 3.21. R-Squared Test.

• Keputusan
Gagal tolak 𝐻0 karena -2 log likelihood (22.818)< table Chi-
square(0.05,3) = 7.815
• Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada
menjelaskan bahwa minimal ada satu variable independent yang
berpengaruh terhadap varaibel dependen.

4. Menentukan model dan mencari peluang

Gambar 3.22. Variabel Persamaan.

Setelah dilakukan uji overall dan uji parsial diperoleh model seperti
40
 berikut :
exp (−11.799+2.168 −1.880𝑥2 +0.010𝑥3 )
𝑛(𝑥) = 1+exp (−11.799+2.168𝑥1
𝑥1 −1.880𝑥2 +0.010𝑥3 )

Jika Toefl = 550, IPK= 3,70. Maka peluangnya adalah :

exp (−11.799+2.168(3.70)−1.880(1)+0.010(550))
𝑛(𝑥) = 1+exp (−11.799+2.168(3.70)−1.880(1)+0.010(550))
0.856
𝑛(𝑥) 1.856 = 0.461

Jika Toefl = 320, IPK= 2.65. Maka peluangnya adalah :

exp (−11.799+2.168(2.65)−1.880(0)+0.010(320))
𝑛(𝑥) = 1+exp (−11.799+2.168(2.65)−1.880(0)+0.010(320))
0.058
𝑛(𝑥) 1.058 = 0.055

41
 4 Penutup
4.1 Kesimpulan
4.1.1 Kesimpulan Modul 4
Dari pembahasan studi kasus pada modul 4 didapatkan kesimpulan seperti
berikut :
1) Pada studi kasus nomor satu didapatkan analisi crosstabs menujukkan
bahwa banyaknya siswa yang memiliki recana studi sebanyak 2733
sedangkan yang tidak sebanyak 1033.
2) Pada uji K-Way didapatkan p-value (0.000) < 𝛼 : 0.05 maka tolak 𝐻0
atau adanya pengaruh interaksi.
3) Pada uji asosiasi parsial didapatkan data yang ada mendukung tolak 𝐻0
yang mana artinya adanya interaksi antar peubah.
4) Pada uji backward didapatkan p-value (0.000) < 𝛼 : 0.05 yang
mendukung tolak 𝐻0 yang mana artinya model 2 adalah model terbaik.
5) Pada uji parameter data yang ada mendukung tolak 𝐻0 yang mana
artinya pola hubungan signifikan dalam model.
6) Uji goodness of fit data yang ada mendukung tolak 𝐻0 yang mana artinya
model signifikan.
7) Pada studi kasus nomor 2 Sebanyak 325 orang yang mengkonsusmsi
alkhol dan juga merokok, dan 360 orang yang mengkonsusmsi alcohol
tetapi tidak merokok. Sedangkan untuk yang tidak mengkonsumsi
alkohol dan yang tidak merokok sebanyak 660 sedangkan untuk yang
mengkonsusmi alcohol dan juga merokok sebanyak 710.
8) Dilakukan uji K-Way mendukung tolak 𝐻0 yang mana artinya adanya
pengaruh interaksi.
9) Pada uji asosiasi parsial didapatkan keputusan Gagal tolak 𝐻0 karena p-
value semua efek > 𝛼 artinya tidak adanya interaksi antar peubah.
10) Pada uji backward data yang ada mendukung untuk tolak 𝐻0 yang mana
artinya model 1 merupakan model terbaik.
11) Uji parameter menunjukkan tolak 𝐻0 yang mana artinya pola hubungan
signifikan dalam model.
12) Sedangkan untuk uji goodness of fit mendukung tolak 𝐻0 yang mana

42
 artinya model signifikan.
4.1.2 Modul 5
Dari pembahasan studi kasus pada modul 5 didapatkan kesimpulan seperti
berikut :
1) Diketahui bahwa model terbaik untuk digunakan yaitu pada model
GS.GL.SL.
2) Pada nilai harapan Wanita yang tidak menggunakan sabuk pengaman dan
tidak mengalami luka sebesar 3254.449, laki-laki sebesar 6114.551 dan
Wanita yang menggunakan sabuk pengaman tetapi mengalami luka
sebesar 964.5553 dan laki-laki sebesar 1092.4447.
3) Dilakukan analisis Chi-Square didapatkan data yang ada mendukung
untuk Gagal tolak 𝐻0 yang mana artinya model layak digunakan.
4) Dilakukan estimasi menggunakan model loglinear bahwa pola
hubungannya signifikan.

4.1.3 Modul 6
Dari pembahasan studi kasus pada modul 6 didapatkan kesimpulan seperti
berikut :
1) Pada uji overall didapatkan p-value (0.008) < 𝛼 (0.05) mendukung untuk
tolak 𝐻0 yang mana artinya tidak adanya pengaruh paling sedikit satu
variable bebas secara simultan terhadap variable tak bebas.
2) Uji parsial data yang ada menjelaskan bahwa variable constan
berpengaruh terhadap variable hasil recruitment, sedangkan untuk
variable yang lainnya tidak berpengaru terhadap variable dependen.
3) R-Squared Test didapatkan -2 log likelihood (22.818)< table Chi-
square(0.05,3) = 7.815 menjelaskan bahwa minimal ada satu variable
independent yang berpengaruh terhadap varaibel dependen.
4) Didapatkan model seperti berikut :
exp (−11.799 + 2.168𝑥1 − 1.880𝑥2 + 0.010𝑥3 )
𝑛(𝑥) =
1 + exp (−11.799 + 2.168𝑥1 − 1.880𝑥2 + 0.010𝑥3 )

43
5) Peluang Toefl = 550, IPK= 3,70
exp (−11.799+2.168(3.70)−1.880(1)+0.010(550))
𝑛(𝑥) = 1+exp (−11.799+2.168(3.70)−1.880(1)+0.010(550))
0.856
𝑛(𝑥) 1.856 = 0.461

6) Peluang Toefl = 320, IPK= 2.65

exp (−11.799+2.168(2.65)−1.880(0)+0.010(320))
𝑛(𝑥) = 1+exp (−11.799+2.168(2.65)−1.880(0)+0.010(320))
0.058
𝑛(𝑥) 1.058 = 0.055

44
 5 Daftar Pustaka

Nugraha, Jaka. Pengantar Program R. Yogyakarta : UII

Rosalia, Ayu Silvira. Analisis Model Log Linear Untuk Mengetahui Kecenderungan
Perilaku Anak Jalanan Binaan di Surabaya. Surabaya : ITS

Alwi, Wahidah. Analisis Regresi Logistik Biner Untuk Memprediski Kepuasan

Pengunjung Pada Rumah Sakit Umum Daerah Majene. UINAM

45