LEMBAR KERJA MAHASISWA

Nama : Muchamad Nur Kholis

NIM : 19611095
Kelas : C

Praktikum Analisis Data Kategorik

Modul 4: Analisis Loglinear dengan SPSS

1. Studi Kasus

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. 1 Survey Rencana Studi Lanjut Pelajar SMA/MA/Sederajat

Strata Sosial Pendidikan Orang Tua Rencana Studi

Ya Tidak
Pra Sejahtera Rendah 749 35
Tinggi 233 133
Sejahtera 1 Rendah 627 38
Tinggi 330 303
Sejahtera 2 Rendah 470 37
Tinggi 324 487
Berdasarkan data pada Tabel 1. 1, maka:
a. Buatlah tabel kontingensinya
b. Lakukan analisis bagaimana hubungan ketiga variabel tersebut (Strata Sosial, Pendidikan
Orang Tua, Rencana Studi) menggunakan analisis log linier dan berikan modelnya.
2. Deskripsi Kerja
1. Sebelum memasuki studi kasus, inputkan data yang akan dianalisis dengan SPSS.
Pertama-tamap buka software SPSS lalu klik pada bagian Variable View seperti pada
gambar berikut.

Gambar 2. 1. Variable View pada SPSS

2. Lalu, praktikan mengisikan variabel-variabel terkait dan sesuaikan dengan tipe datanya
seperti pada gambar berikut.

Gambar 2. 2. Mengisi Variabel-variabel Terkait

3. Kemudian, kodekan input pada kolom “Strata_Sosial” dengan 0 untuk “Pra Sejahtera”,
1 untuk “Sejahtera 1”, dan 2 untuk “Sejahtera 2” seperti pada gambar berikut.

Gambar 2. 3. Memberi Value Labels pada Variabel Strata_Sosial

4. Kodekan juga input pada kolom “Pendidikan_Ortu” dengan 0 untuk “Rendah” dan 1
untuk “Tinggi” seperti pada gambar berikut.

Gambar 2. 4. Memberi Value Labels pada Variabel Pendidikan_Ortu

5. Dan yang terakhir, kodekan input pada kolom “Rencana_Studi” dengan 0 untuk “Tidak”
dan 1 untuk “Ya” seperti pada gambar berikut.

Gambar 2. 5. Memberi Value Labels pada Variabel Rencana_Studi

6. Selanjutnya, masukkan data dari Tabel 1. 1 yang telah diubah menjadi data mentah dan
juga telah dikodekan ke dalam SPSS seperti pada gambar berikut.

Gambar 2. 6. Memasukkan Data

7. Sebelum melakukan analisis loglinear, praktikan perlu mengatur bobot kasus (Weight
Cases), bobot kasus ini berfungsi sebagai penunjuk frekuensi pada tiap-tiap kasus. Untuk
mengatur Weight Cases dengan memilih menu Data > Weight Cases seperti pada gambar
berikut.

Gambar 2. 7. Cara Mengatur Weight Cases

8. Maka akan muncul tampilan Weight Cases, lalu pilih kolom “Frekuensi” sebagai Weight
Cases seperti pada gambar berikut.

Gambar 2. 8. Mengatur Weight Cases

9. Kemudian, pada studi kasus poin a, praktikan diminta membuat tabel kontingensi dari
kasus tersebut. Untuk membuat tabel kontingensi atau crosstab ini pada menu pilih
Analyze > Deskriptive Statistics > Crosstabs seperti pada gambar berikut.

Gambar 2. 9. Cara Membuat Tabel Kontingensi

10. Pada tampilan Crosstabs, isi bagian Row(s) dengan variabel “Pendidikan_Ortu”,
Column(s) dengan variabel “Rencana_Studi”, dan Layer 1 diisi dengan variabel
“Strata_Sosial” seperti pada gambar berikut.

Gambar 2. 10. Membuat Tabel Kontingensi

11. Kemudian, pada Statistics pilih “Chi-square” seperti pada gambar berikut. Lalu klik
Continue dan OK.

Gambar 2. 11. Memilih Statistik Chi-square

12. Selanjutnya, pada studi kasus poin b, praktikan diminta melakukan analisis hubungan
ketiga variabel tersebut (Strata Sosial, Pendidikan Orang Tua, Rencana Studi)
menggunakan analisis loglinear dan memberikan modelnya. Untuk melakukan analisis
loglinear ini, pada menu pilih Analyze > Loglinear > Model Selection seperti pada
gambar berikut.

Gambar 2. 12. Cara Melakukan Analisis Loglinear

13. Pada tampilan Model Selection Loglinear Analysis, isi bagian Factor(s) dengan ketiga
variabel yang ada yaitu Strata_Sosial, Pendidikan_Ortu, dan Rencana_Studi. Lalu, pada
Cell Weights isikan dengan variabel frekuensi seperti pada gambar berikut.

Gambar 2. 13. Melakukan Analisis Loglinear

14. Kemudian, klik bagian Define Range… lalu isikan nilai minimum dan maksimum untuk
tiap-tiap variabel. Karena variabel Strata_Sosial memiliki 3 kategori maka isikan dengan
nilai minimum yaitu 0 dan nilai maksimum yaitu 2. Sedangkan, variabel
Pendidikan_Ortu dan Rencana_Studi memiliki 2 kategori maka isikan dengan nilai
 minimum yaitu 0 dan nilai maksimum yaitu 1. Maka, tampilan pada Factor(s) akan
berubah seperti berikut.

Gambar 2. 14. Memilih Analisis dengan Metode Chi-square

15. Selanjutnya, pada Model… pilih Saturated seperi berikut.

Gambar 2. 15. Memilih Model Saturated

16. Kemudian, pada Options… centang Frequencies, Residuals, Parameter Estimates, dan
Association Table. Sedangkan, pada Model Criteria biarkan secara default SPSS.

Gambar 2. 16. Mengatur Opsi Analisis Loglinear

17. Langkah terakhir, pilih Use backward elimination dan klik OK.

Gambar 2. 17. Memilih “Use backward elimination”

3. Pembahasan
Sebelumnya telah dipaparkan deskripsi kerja mengenai langkah kerja untuk
menyelesaikan studi kasus. Pada bab kali ini praktikan akan menjelaskan lebih detail lagi
mengenai hal tersebut.
Pada studi kasus tersebut, praktikan diminta melakukan analisis loglinear dari Tabel
1. 1. Untuk melakukan analisis loglinear ini, praktikan menggunakan bantuan software
SPSS.
Yang perlu diperhatikan dalam melakukan analisis loglinear ini yaitu praktikan perlu
membuat value label untuk tiap-tiap tipe data kategorik dengan cara klik Variable View pada
bagian bawah layar dan isikan kode pada kolom “Values” seperti yang dijelaskan pada
Langkah Kerja. Selain itu, data yang dimasukkan ke SPSS merupakan data dari tabel
kontingensi yang telah diubah menjadi data mentah dan juga telah dikodekan atau diberi
value labels. Tidak lupa juga harus ada Weight Cases yang berfungsi sebagai penunjuk
frekuensi pada tiap-tiap kasus. Untuk mengatur Weight Cases dengan memilih menu Data >
Weight Cases seperti pada Gambar 2. 7. Dalam hal ini, Weight Cases adalah data pada
variabel “frekuensi”.

3.1 Tabel Kontingensi

Pada studi kasus poin a, praktikan diminta membuat tabel kontingensi dari kasus
tersebut. Untuk membuat tabel kontingensi atau crosstab ini pada menu pilih Analyze >
Descriptive Statistics > Crosstabs seperti pada Gambar 2. 9. Kemudian, isi bagian Row(s)
dengan variabel “Pendidikan_Ortu”, Column(s) dengan variabel “Rencana_Studi”, dan
Layer 1 diisi dengan variabel “Strata_Sosial” seperti pada Gambar 2. 10. Hal ini sesuai
dengan Tabel 1. 1. Lalu pilih statistik Chi-square. Maka, akan dihasilkan output seperti
gambar berikut.

Gambar 3. 1. Output Case Processing Summary

 Pada output “Case Processing Summary” di atas menunjukkan bahwa semua data yang
diperoleh 100% valid dengan jumlah data 3766 dan tidak terdapat data yang hilang(missing).

Gambar 3. 2. Tabel Kontingensi Studi Kasus

Pada tabel kontingensi “Pendidikan_Ortu * Rencana_Studi * Strata_Sosial” di atas
dapat dilihat bahwa dari 784 orang dengan strata sosial pra sejahtera yang pendidikan
orangtuanya rendah, 749 diantaranya memilih rencana studi lanjut dan 35 lainnya tidak
memilih rencana studi lanjut. Dari 366 orang dengan strata sosial pra sejahtera yang
pendidikan orangtuanya tinggi, 233 diantaranya memilih rencana studi lanjut dan 133
lainnya tidak memilih rencana studi lanjut. Dengan demikian, total yang memilih rencana
studi lanjut pada strata sosial pra sejahtera sebanyak 982 orang, sedangkan yang tidak
memilih sebanyak 168 orang.
Dari 665 orang dengan strata sosial sejahtera 1 yang pendidikan orangtuanya rendah,
627 diantaranya memilih rencana studi lanjut dan 38 lainnya tidak memilih rencana studi
lanjut. Dari 633 orang dengan strata sosial sejahtera 1 yang pendidikan orangtuanya tinggi,
330 diantaranya memilih rencana studi lanjut dan 303 lainnya tidak memilih rencana studi
lanjut. Dengan demikian, total yang memilih rencana studi lanjut pada strata sosial sejahtera
1 sebanyak 957 orang, sedangkan yang tidak memilih sebanyak 341 orang.
Kemudian, dari 507 orang dengan strata sosial sejahtera 2 yang pendidikan orangtuanya
rendah, 470 diantaranya memilih rencana studi lanjut dan 37 lainnya tidak memilih rencana
studi lanjut. Dari 811 orang dengan strata sosial sejahtera 2 yang pendidikan orangtuanya
tinggi, 324 diantaranya memilih rencana studi lanjut dan 487 lainnya tidak memilih rencana
 studi lanjut. Dengan demikian, total yang memilih rencana studi lanjut pada strata sosial
sejahtera 2 sebanyak 794 orang, sedangkan yang tidak memilih sebanyak 527 orang.

3.2 Analisis Loglinear

Analisis loglinear digunakan untuk meilihat hubungan ketiga variabel yang ada. Model
awal yang diperoleh dalam kasus tersebut adalah sebagai berikut.
log(𝜇𝑅𝑃𝑆 ) = 𝜆 + 𝜆𝑅 + 𝜆𝑃 + 𝜆𝑆 + 𝜆𝑅𝑃 + 𝜆𝑅𝑆 + 𝜆𝑃𝑆 + 𝜆𝑅𝑃𝑆
Dimana :
P = Pendidikan Orangtua; R = Rencana Studi; S = Strata Sosial

Uji K-Way and Higher Order Effects

Gambar 3. 3. Output K-Way and Higher Order Effects

1. Hipotesis Uji
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. Taraf signifikansi
𝛼 = 5% = 0.05
3. Daerah Kritis
H0 ditolak jika p-value < 𝛼.
4. Statistik Uji dan Keputusan
P-value Pearson Chi-square
Orde ke- P-value Tanda α Keputusan
1 0.000 < 0.05 Tolak H0
2 0.000 < 0.05 Tolak H0
 3 0.000 < 0.05 Tolak H0
5. Kesimpulan
Dengan tingkat kepercayaan 95% data yang ada menolak H0 yang artinya orde atau
k=1 dan k=2 dan k=3 memiliki pengaruh interaksi yang tidak sama dengan 0. Sehingga
diperoleh model yaitu:
log(𝜇𝑅𝑃𝑆 ) = 𝜆 + 𝜆𝑅 + 𝜆𝑃 + 𝜆𝑆 + 𝜆𝑅𝑃 + 𝜆𝑅𝑆 + 𝜆𝑃𝑆 + 𝜆𝑅𝑃𝑆

Uji Asosiasi Parsial

Gambar 3. 4. Output Partial Associations

1. Hipotesis Uji
H0 : efek interaksi antara variabel = 0 (tidak ada interaksi antar berbagai peubah)
H1 : efek interaksi antara variabel ≠ 0 (interaksi antar berbagai peubah terkandung dalam
model)
2. Taraf signifikansi
𝛼 = 5% = 0.05
3. Daerah Kritis
H0 ditolak jika p-value < 𝛼.
4. Statistik Uji dan Keputusan
Effect P-value Tanda α Keputusan
Strata_Sosial * Pendidikan_Ortu 0.000 < 0.05 Tolak H0
Strata_Sosial * Rencana_Studi 0.089 > 0.05 Gagal Tolak H0
Pendidikan_Ortu * Rencana_Studi 0.000 < 0.05 Tolak H0
Strata_Sosial 0.001 < 0.05 Tolak H0
Pendidikan_Ortu 0.017 < 0.05 Tolak H0
Rencana_Studi 0.000 < 0.05 Tolak H0
5. Kesimpulan
Dengan tingkat kepercayaan 95% , pada variabel “Strata_Sosial *
Pendidikan_Ortu”, “Pendidikan_Ortu * Rencana_Studi” , “Strata_Sosial”,
“Pendidikan_Ortu”, dan “Rencana_Studi”, terdapat interaksi antar berbagai peubah
terkandung dalam model. Sedangkan, pada variabel “Strata_Sosial * Rencana_Studi”,
tidak terdapat interaksi antar berbagai peubah terkandung dalam model, maka dari itu
variabel tersebut akan dihilangkan. Sehingga diperoleh model:
log(𝜇𝑅𝑃𝑆 ) = 𝜆 + 𝜆𝑅 + 𝜆𝑃 + 𝜆𝑆 + 𝜆𝑅𝑃 + 𝜆𝑃𝑆 + 𝜆𝑅𝑃𝑆

Uji Backward Elimination

1. Hipotesis Uji
H0 : Model 1 adalah model terbaik
H1 : Model 0 adalah model terbaik
2. Taraf signifikansi
𝛼 = 5% = 0.05
3. Daerah Kritis
H0 ditolak jika p-value < 𝛼.
4. Statistik Uji

Gambar 3. 5. Output Backward Elimination Statistics

5. Keputusan
Karena nilai p-value = 0.000 < 𝛼 = 0.05, maka tolak H0
6. Kesimpulan
Dengan tingkat kepercayaan 95% data yang ada menolak H0 yang artinya model 0
terbaik dimana model yang terbentuk yaitu:
log(𝜇𝑅𝑃𝑆 ) = 𝜆 + 𝜆𝑅 + 𝜆𝑃 + 𝜆𝑆 + 𝜆𝑅𝑃 + 𝜆𝑃𝑆 + 𝜆𝑅𝑃𝑆

Uji Parameter (Model Terbaik)

Gambar 3. 6. Output Parameter Estimates

1. Hipotesis Uji
H0 : pola hubungan tidak signifikan atau parameter tidak signifikan dalam model
H1 : pola hubungan signifikan atau parameter signifikan dalam model
2. Taraf signifikansi
𝛼 = 5% = 0.05
3. Daerah Kritis
H0 ditolak jika p-value < 𝛼.
4. Statistik Uji dan Keputusan
Effect P-value Tanda α Keputusan
Strata_Sosial * Pendidikan_Ortu *
0.171 > 0.05 Gagal tolak H0
Rencana_Studi
Strata_Sosial * Pendidikan_Ortu 0.000 < 0.05 Tolak H0
Strata_Sosial * Rencana_Studi 0.000 < 0.05 Tolak H0
Pendidikan_Ortu * Rencana_Studi 0.000 < 0.05 Tolak H0
Strata_Sosial 0.000 < 0.05 Tolak H0
 Pendidikan_Ortu 0.000 < 0.05 Tolak H0
Rencana_Studi 0.000 < 0.05 Tolak H0

5. Kesimpulan
Dengan tingkat kepercayaan 95%, maka pola hubungan yang tidak signifikan
hanya terjadi pada interaksi antara ketiga variabel yaitu “Strata Sosial * Pendidikan Ortu
* Rencana_Studi (RPS)” sehingga parameter ini akan dikeluarkan dari model. Sehingga
diperoleh model terbaik yang didapat adalah
log(𝜇𝑅𝑃𝑆 ) = 𝜆 + 𝜆𝑅 + 𝜆𝑃 + 𝜆𝑆 + 𝜆𝑅𝑃 + 𝜆𝑃𝑆
log(𝜇𝑅𝑃𝑆 ) = 𝜆 + 0.717𝑅 − 0.315𝑃 − 0.190𝑆 + 0.678𝑅𝑃 + 0.275𝑃𝑆

Uji Goodness of Fit

1. Hipotesis Uji
H0 : Model tidak signifikan
H1 : Model signifikan
2. Taraf signifikansi
𝛼 = 5% = 0.05
3. Daerah Kritis
H0 ditolak jika p-value < 𝛼.
4. Statistik Uji

Gambar 3. 7. Output Goodness of Fit Tests

5. Keputusan
Karena nilai p-value = 0.000 < 𝛼 = 0.05, maka tolak H0
6. Kesimpulan
Dengan tingkat kepercayaan 95% data yang ada menolak H0 yang artinya model
sesuai untuk digunakan atau sudah signifikan.
Jadi, setelah melalui tahapan-tahapan analisis loglinear, dapat disimpulkan model
terbaik yang diperoleh yaitu log(𝜇𝑅𝑃𝑆 ) = 𝜆 + 0.717𝑅 − 0.315𝑃 − 0.190𝑆 + 0.678𝑅𝑃 + 0.275𝑃𝑆 .