TINJAUAN PUSTAKA
2.1 Tabel Kontingensi
Tabel kontingensi adalah merupakan barisan bilangan-bilangan asli dalam bentuk
matrik dimana bilangan-bilangan asli tersebut mewakili jumlah atau frekuensi (Cononer,
1999). Tabel kontingensi atau yang sering disebut tabulasi silang (cross tabulation) adalah
tabel yang mempunyai i buah baris dari kategori X dan j buah kolom dari kategori Y dimana
setiap sel dari tabel tersebut menyajikan semua hasil ij yang mungkin. Cross tabulation yaitu
suatu metode statistik yang menggambarkan dua atau lebih variabel secara simultan dan
hasilnya ditampilkan dalam bentuk tabel yang merefleksikan distribusi bersama dua atau
lebih variabel dengan jumlah kategori yang terbatas.
Tabel 2.1 Tabel Kontingensi Dua Dimensi
X Y Total
1 2 … j … c
1 … …
2 … …
… … … … … … … …
i … …
… … … … … … … …
r … …
Total … …
Dimana 𝑂𝑖𝑗 menunjukkan banyaknya individu yang termasuk dalam sel ke-ij, (total
pengamatan pada sel ke-ij) dengan i = 1, 2, 3, ..., r dan nilai j = 1, 2, 3, …, c.
2.2 Uji Indenpendensi
Uji independensi digunakan untuk mengetahui hubungan antara dua variabel (Agresti,
1990). Setiap level atau kelas variable-variabel tersebut harus memenuhi syarat sebagai
berikut.
1. Homogen
Homogen adalah dimana di dalam setiap sel harus merupakan obyek yang sama.
Sehingga jika datanya heterogen tidak bisa dianalisis menggunakan tabel
kontingensi
2. Mutually Exclusive dan Mutually Exhaustive
Mutually Exclusive (saling saing) adalah antara level satu dengan level yang
lainnya harus saling lepas (independen). Mutually Exhaustive merupakan
dekomposisi secara lengkap sampai pada unit terkecil. Sehingga jika
mengklasifikasikan satu unsur, maka hanya dapat diklasifikasikan dalam satu unit
saja atau dengan kata lain harus masuk dalam klasifikasi yang dilakukan.
3. Skala nominal dan Skala Ordinal
Skala nominal merupakan skala yang bersifat ketegorikal atau klasifikasi, skala
tersebut dapat berfungsi untuk membedakan tetapi tidak merupakan hubungan
kuantitatif dan tingkatan. Jadi anggota dari kelas yang satu dengan anggota dari
kelas yang lainnya. Ciri-ciri dari skala ini adalah posisi data setara dan tidak bisa
dilakukan operasi matematik. Skala ordinal merupakan skala yang bersifat
kategorikal atau klasifikasi, skala ini berfungsi membedakan dan menunjukkan
adanya suatu urutan atau tingkatan.
Hipotesis untuk pengujian independensi antara respon dan prediktor dapat dituliskan
sebagai berikut.
𝐻0 = Tidak ada hubungan antara variabel prediktor dan variabel respon (x dan y)
𝐻1 = Terdapat hubungan antara variabel prediktor dan variabel respon (x dan y)
Statistik uji yang digunakan adalah sebagai berikut.
(n − Eij )
2
r c
2 =
ij
(2.1)
i =1 j =1 Eij
ni. n. j
Dengan Eij = , dimana i = 1, 2, …, r dan j = 1,2, …, c
n..
Keterangan:
2 = Nilai peubah acak yang distribusi sampelnya didekati oleh distribusi Chi-Square
( x)
g ( x ) = ln = 0 + 1 X 1 + 2 X 2 + + pX p
1 − ( x )
(2.3)
Model tersebut merupakan fungsi linier dari parameter-parameternya. Pada regresi
logistik, variabel respon diekspresikan sebagai dimana ε mempunyai salah satu dari
kemungkinan dua nilai yaitu dengan peluang jika y = 1 dan dengan peluang jika y = 0 dan
mengikuti distribusi binomial dengan rataan nol dan varians sama dengan satu (Agresti, 2002)
2.4 Uji Kesesuaian Model
Alat yang digunakan untuk menguji kecocokan model dalam regresi logistik adalah uji
Hosmer-Lemeshow. Pengujian ini dilakukan untuk menguji apakah model yang dihasilkan
berdasarkan regresi logistik multivariat/serentak sudah layak. Pengujian ini menggunakan
statistik uji Hosmer dan Lemeshow (Lemeshow, 2000) dengan hipotesis yang digunakan
adalah sebagai berikut.
Hipotesis:
𝐻0 : Model sesuai (tidak ada perbedaan antara hasil observasi dengan kemungkinan prediksi
model)
𝐻1 : Model tidak sesuai (ada perbedaan antara hasil observasi dengan kemungkinan prediksi
model)
Statistik Uji:
𝑔
′
(𝑜𝑖𝑗 − 𝑛𝑖𝑗 𝜋̅𝑖𝑗 )2
𝐶̂ = ∑ ′ (2.4)
𝑛𝑖𝑗 𝜋̅𝑖𝑗 (1 − 𝜋̅𝑖𝑗 )
𝑖,𝑗=1
Dimana:
g = Jumlah grup (kombinasi kategori dalam model serentak)
′
𝑛𝑖𝑗 = Banyaknya observasi pada grup ke-ij
𝑐𝑖𝑗
𝑜𝑖𝑗 = Observasi pada grup ke-ij (∑𝑗=1 𝑦𝑖 dengan 𝑐𝑖𝑗 : respon (0,1))
𝑖𝑗 𝑐 ̂𝑗
𝑚𝑗 𝜋
𝜋̅𝑖𝑗 = Rata-rata taksiran peluang (∑𝑗=1 ) dimana j = 1, 2, …, c
𝑛′𝑖𝑗
Daerah penolakan:
𝐻0 ditolak apabila nilai C (2v, ) dengan v derajat bebas adalah banyaknya parameter dalam
model tanpa 𝛽0 atau nilai p-value < α. Dengan menolak 𝐻0 maka model sesuai atau tidak
terdapat perbedaan antara observasi dengan hasil prediksi (Lemeshow, 2000).
2.5 MANOVA
Manova adalah generalisasi dari analisis varian untuk situasi dimana ada beberapa
variabel independen dengan mengukur beberapa variabel dependen. Peneliti dapat
meningkatkan kemungkinan perubahan yang dihasilkan oleh perlakuan yang berbeda-beda
dan interaksi-interaksi yang berbeda, tetapi meningkatkan kompleksitas analisis. Keuntungan
dari MANOVA melalui serangkaian ANOVA untuk setiap variabel dependen adalah
perlindungan terhadap kesalahan tipe 1. Akan tetapi, keuntungan ini akan terlihat hanya
ketika uji signifikasi dua sisi. Namun jika tes satu sisi yang diinginkan, penggunaan
MANOVA dapat mengakibatkan kerugian yang tidak dapat diterima hasilnya (Sutopo &
Slamet, 2017)
Seperti ANOVA, MANOVA dapat dibagi menjadi MANOVA satu arah dan MANOVA
dua arah (desain faktorial). Perbedaan antara MANOVA satu arah dan MANOVA dua arah
(desain faktorial) adalah jumlah kategori variabel bebas. Dalam analisis multivariat satu arah,
variabel independen dikategorikan dan setidaknya dua variabel dependen adalah angka.
Dalam MANOVA dua arah (desain faktorial), dua atau lebih variabel bebas dibagi menjadi
beberapa kategori, setidaknya dua di antaranya bergantung secara numerik (Joseph F. Hair Jr
et al., 2010).
Model umum untuk MANOVA satu arah, yaitu (Mattjik & Sumertajaya, 2011):
Yijk = k + ik + ijk (2.5)
dimana : i = 1, 2,..., t; j = 1, 2,..., r; k = 1, 2,..., p
Yijk = pengamatan dari variabel terikat ke-k dan ulangan ke-j yang memperoleh perlakuan ke-i
k = rata-rata dari variabel terikat ke-k
ik = pengaruh dari perlakuan ke-i terhadap variabel terikat ke-k.
ijk = pengaruh sisaan yang timbul pada variabel terikat ke-k dari ulangan ke-j dan perlakuan
ke-i
Model umum untuk two-way MANOVA, yaitu (Mattjik & Sumertajaya, 2011):
Yijk = nilai pengamatan dari variabel terikat ke-k dan kelompok ke-j yang memperoleh
perlakuan ke-i
k = rata-rata dari variabel terikat ke-k
Agresti, A. (2002). Categorical Data Analysis Second Edtion. New Jersey: John Wiley & Sons.
Ajzen. (2016). Nature and Operation of Motivation. Annual Review of Psychology, 52(3), 27–58.
Barbara, A. V. M., B.H.R.Kairupan, & S.H.Malonda, N. (2017). Hubungan Motivasi Kerja Dan
Partisipasi Kerja dengan Kinerja Bidan Desa di Kabupaten Maluku Tenggara Barat. Jurnal
Kesehatan Masyarakat Universitas Sam Ratulangi, 6(3), 1–7.
BPS. (2007). Analisis Perkembangan Statistik Ketenagakerjaan (Laporan Sosial Indonesia 2007). In
Badan Pusat Statistik, Jakarta-Indonesia.
Cononer, W. (1999). Practical Nonparametric Statiustic. Thirt Edition. Texas, America: John Wiley &
Sons, INC.
Harjanto, C. T. (2013). Pengaruh Minat Kerja dan Prestasi Praktik Kerja Industri terhadap Kesiapan
Kerja Siswa Kelas XII SMKN 1 Seyegan.
http://repositorio.uchile.cl/bitstream/handle/2250/130118/Memoria.pdf
Heidjarachman, R., & Husnan, A. (2014). Manajemen Personalia. BPFE-Yogyakarta.
Hosmer, D., & Lemeshow . (1989). Applied Logistik Regression. New York: John Wiley and Sons Inc.
Joseph F. Hair Jr, William C. Black, Barry J. Babin, & Rolph E. Anderson. (2010). Multivariate Data
Analysis : A Global Perspective (7th Edition). Pearson Prentice Hall.
Lemeshow, D. (2000). Applied Logistic Regression. Canada: Wiley & Sons, Inc.
Mattjik, A. A., & Sumertajaya, I. M. (2011). Sidik Peubah Ganda dengan Menggunakan SAS (Edisi 1).
IPB Press.