M2 2043201019 2043201078 Lapres

LAPORAN RESMI
PEMODELAN DATA KATEGORI
MODUL II
ANALISIS MODEL LOG LINIER HUBUNGAN BENTUK

SEGMEN ST DENGAN TIPE KERUSAKAN PADA PENYAKIT
JANTUNG KORONER
Oleh:
Chafidhotul Itsmi 2043201019
Nabilla Rizqina Efrianti 2043201078
Asisten Dosen
Andini Mediana Pramita
Dosen :
Ir. Sri Pingit Wulandari, M.Si.
Iis Dewi Ratih, S.Si, M.Si.
Program Studi Sarjana Terapan

Departemen Statistika Bisnis
Fakultas Vokasi
Institut Teknologi Sepuluh Nopember
Surabaya
2022ABSTRAK
Salah satu penyakit kardiovaskular di Indonesia yang menempati
urutan pertama adalah penyakit jantung koroner. Penyakit jantung koroner
(PJK) adalah penyakit yang disebabkan adanya plak yang menumpuk di
dalam arteri koroner yang mensuplai oksigen ke otot jantung. Penyakit
jantung koroner merupakan masalah kesehatan masyarakat karena
morbiditas dan mortalitas yang tinggi. Pada penyakit jantung koroner,
identifikasi pola Segmen ST sangat penting diketahui untuk menentukan
strategi terapi dan penanganan yang tepat. Pada penelitian ini akan dianalisis
hubungan antara pola yang terbentuk dari Segmen ST dengan tipe kerusakan
penderita jantung koroner. Pada penelitian ini akan menganalisis pengaruh
pola yang terbentuk dari Segmen ST terhadap tipe kerusakan penderita
jantung koroner. Karakteristik datanya dapat diketahui dengan mengunakan
tabel kontingensi dua dimensi. Sumber data yang digunakan adalah data
sekunder yang didapatkan dari website Kaggle.com. Metode yang digunakan
untuk menguji yaitu pengujian log linear 2 dimensi. Berdasarkan hasil
analisis dapat diketahui bahwa mayoritas jumlah penderita jantung koroner
memiliki pola berbentuk downsloping dan tipe kerusakan fixed, sedangkan
yang paling sedikit penderita memiliki pola berbentuk downsloping dan tipe
kerusakan normal. Adapun hasil uji independensi menunjukkan bahwa
terdapat hubungan antara pola yang terbentuk dari Segmen ST dengan tipe
kerusakan pada penderita jantung koroner. Hasil analisis log linear
didapatkan bahwa model log linear yang diperoleh memberi hasil yang sama
yaitu model terlengkap. Variabel pola yang terbentuk dari Segmen ST dan
tipe kerusakan penderita jantung koroner memberikan efek terhadap model.
Terdapat hubungan antar variabel, dimana pengaruh efek utama variabel pola
yang terbentuk dari Segmen ST dengan tipe kerusakan pada penderita
jantung koroner juga masuk ke dalam model. Adapun pola unsloping yang
terbentuk dari Segmen ST memiliki kecenderungan untuk memiliki tipe
kerusakan Normal pada penderita jantung koroner.
Kata Kunci: Jantung Koroner, Log Linear 2 Dimensi, Segmen ST
i
DAFTAR ISI
Halaman
ABSTRAK..............................................................................................................ii
DAFTAR ISI..........................................................................................................iii
DAFTAR TABEL....................................................................................................v
DAFTAR GAMBAR..............................................................................................vi
DAFTAR LAMPIRAN.........................................................................................vii
BAB I PENDAHULUAN
1.1 Latar Belakang.........................................................................................1
1.2 Rumusan Masalah....................................................................................2
1.3 Tujuan......................................................................................................2
1.4 Manfaat....................................................................................................2
1.5 Batasan Masalah.......................................................................................3
BAB II TINJAUAN PUSTAKA
2.1 Tabel Kontingensi....................................................................................4
2.2 Uji Goodness of Fit..................................................................................4
2.3 Model Log Linear....................................................................................5
2.3.1 Uji K-Way.......................................................................................5
2.3.2 Uji Asosiasi Parsial.........................................................................7
2.3.3 Estimasi Parameter.........................................................................7
2.3.4 Eliminasi Backward........................................................................7
2.4 Jantung Koroner.......................................................................................8
2.5 Segmen ST...............................................................................................8
BAB III METODOLOGI PENELITIAN
3.1 Sumber Data.............................................................................................9
3.2 Variabel Penelitian....................................................................................9
3.3 Struktur Data............................................................................................9
3.4 Langkah Analisis......................................................................................9
3.5 Diagram Alir..........................................................................................10
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Karakteristik Pola yang Terbentuk dari Segmen ST dan Tipe…
Kerusakan.pada Penderita Penyakit Jantung Koroner...........................11
i
Halaman
4.2 Uji Independensi pada Pola yang Terbentuk dari Segmen ST dan…
Tipe.Kerusakan pada Penderita Penyakit Jantung Koroner...................12
4.3 Analisis Model Log Linear pada Pola yang Terbentuk dari Segmen…
ST dan Tipe Kerusakan pada Penderita Penyakit Jantung Koroner......13
4.3.1 Uji K-Way pada Pola yang Terbentuk dari Segmen ST dan…
Tipe Kerusakan pada Penderita Penyakit Jantung Koroner.......13
4.3.2 Uji Asosiasi Parsial Pola yang Terbentuk dari Segmen ST dan…
4.3.3 Estimasi Parameter Pola yang Terbentuk dari Segmen ST dan…
4.3.4 Eliminasi Backward Pola yang Terbentuk dari Segmen ST dan…
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan............................................................................................19
5.2 Saran .....................................................................................................19
DAFTAR PUSTAKA
LAMPIRAN
ii
DAFTAR TABEL
Halaman
Tabel 2.1 Tabel Kontingensi 2 Dimensi r x c........................................................6
Tabel 3.1 Variabel Penelitian.................................................................................9
Tabel 3.2 Struktur Data..........................................................................................9
Tabel 4.1 Tabel Kontingensi Pola yang Terbentuk dari Segmen ST dan Tipe…
Kerusakan pada Penderita Penyakit Jantung Koroner.........................11
Tabel 4.2 Statistik Uji Independensi....................................................................12
Tabel 4.3 Statistik Uji K-Way k=1 dan lebih.......................................................13
Tabel 4.4 Statistik Uji K-Way k=2 dan lebih.......................................................14
Tabel 4.5 Statistik Uji K-Way k=1......................................................................14
Tabel 4.6 Statistik Uji K-Way k=2......................................................................15
Tabel 4.7 Uji Asosiasi Parsial..............................................................................16
iii
Tabel 4.8 Estimasi Parameter..............................................................................17
Tabel 4.9 Uji Eliminasi Backward.......................................................................17
iv
DAFTAR GAMBAR
Halaman
Gambar 3.1 Diagram Alir...................................................................................10
v
DAFTAR LAMPIRAN
Halaman
Lampiran 1. Data................................................................................................21
Lampiran 2. Output Software.............................................................................24
Lampiran 3. Dokumentasi..................................................................................25
vi
BAB I
PENDAHULUAN
1.1 Latar Belakang
Salah satu penyakit kardiovaskular di Indonesia yang terus menerus

menempati urutan pertama adalah penyakit jantung koroner. Penyakit Jantung
Koroner (PJK) adalah suatu kelainan yang disebabkan oleh penyempitan atau
penghambatan pembuluh arteri yang mengalirkan darah ke otot jantung dan
merupakan kelainan mikroardium yang disebabkan oleh insufisiensi aliran darah
koroner. Penyebab paling utama PJK adalah dislipidemia. Dislipidemia
merupakan faktor risiko yang utama penyakit jantung. Perubahan gaya hidup
masyarakat erat hubungannya dengan peningkatan kadar lipid (Khotimah & dkk,
2022). Pada penelitian ini akan dianalisis hubungan antara pola yang terbentuk
dari Segmen ST dengan tipe kerusakan penderita jantung koroner. Ada atau
tidaknya pengaruh pola yang terbentuk dari Segmen ST terhadap tipe kerusakan
penderita jantung koroner dapat dianalisis menggunakan tabel kontingensi dan
metode log linear 2 dimensi.
Model log linear merupakan suatu model untuk memperoleh model
statistika yang menyatakan hubungan antara variabel dengan data yang bersifat
kualitatif (skala nominal atau ordinal) (Wulandari, Salamah, & Susilaningrum,
2009). Maka dari itu, metode loglinear 2 dimensi berguna untuk melihat pengaruh
variabel dan interaksi variabel untuk dua variabel. Untuk dapat mngetahui
pengaruh variabel dan interaksi variabel antara dua variabel dilakukan pengujian
independensi dan pengujian loglinear 2 dimensi. Terdapat beberapa prosedur
untuk melakukan pengujian loglinear 2 dimensi yaitu uji K-Way, uji asosiasi
parsial, estimasi parameter, dan memilih model terbaik menggunakan backward
elimination.
Pada penelitian ini akan menganalisis pengaruh pola yang terbentuk dari
Segmen ST terhadap jenis kerusakan pada penderita jantung koroner. Metode
yang digunakan yaitu menggunakan metode log linear dua dimensi. Dengan
adanya laporan penelitian ini diharapkan dapat membantu mengetahui
pengaplikasian dari tabel kontingensi dan metode loglinear 2 dimensi yang
1
digunakan serta mengetahui ada atau tidaknya pengaruh pola yang terbentuk dari
Segmen ST terhadap tipe kerusakan pada penderita jantung koroner.
1.2 Rumusan Masalah
Rumusan masalah yang digunakan dalam penelitian ini adalah sebagai
berikut.
1. Bagaimana karakteristik pola yang terbentuk dari Segmen ST dan tipe
kerusakan pada penderita penyakit jantung koroner?
2. Adakah hubungan antara pola yang terbentuk dari Segmen ST dengan tipe
kerusakan pada penderita penyakit jantung koroner?
3. Bagaimana hasil analisis log linear 2 dimensi pada hubungan antara pola
penyakit jantung koroner?
1.3 Tujuan
Tujuan dari praktikum yang ingin dicapai dalam kegiatan penelitian ini
adalah sebagai berikut.
1. Mengetahui karakteristik pola yang terbentuk dari Segmen ST dan tipe
kerusakan pada penderita penyakit jantung koroner dimensi.
2. Mengetahui hubungan antara pola yang terbentuk dari Segmen ST dengan
tipe kerusakan pada penderita penyakit jantung koroner.
3. Mengetahui hasil analisis log linear 2 dimensi pada hubungan antara pola
penyakit jantung koroner.
1.4 Manfaat
Manfaat penelitian ini bagi penulis adalah mampu memahami konsep
analisis menggunakan tabel kontingensi dua dimensi, melakukan pengujian
independensi dari dua variabel, menambah kemampuan dalam menganalisis data
menggunakan log linear 2 dimensi, dan mampu menyajikan suatu data menjadi
informasi yang bermakna dan mudah dipahami. Manfaat praktikum ini bagi
pembaca adalah memperoleh informasi mengenai ada tidaknya pengaruh pola
yang terbentuk dari Segmen ST terhadap tipe kerusakan pada penderita jantung
koroner.
2
1.5 Batasan Masalah
Batasan masalah penelitian ini adalah data tipe kerusakan pada penderita
penyakit jantung koroner sebagai variabel respon dengan 3 kategori tipe
kerusakan (normal, fixed, reversible defect) dan pola yang terbentuk dari Segmen
ST pada EKG sebagai variabel prediktor dengan 3 kategori (unsloping, flat,
downsloping). Adapun jumlah data yang digunakan sebanyak 297 data.
3
BAB II
TINJAUAN PUSTAKA
2.1 Tabel Kontingensi

Tabel kontingensi atau yang sering disebut tabulasi silang (cross tabulation
atau cross classification) adalah tabel yang berisi data jumlah atau frekuensi atau
beberapa klasifikasi (kategori). 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. Metode cross tabulation dapat menjawab
hubungan antara dua atau lebih variabel penelitian tetapi bukan hubungan sebab
akibat. Semakin bertambah jumlah variabel yang ditabulasikan maka semakin
kompleks interpretasinya (Wulandari, Salamah, & Susilaningrum, 2009). Berikut
ini contoh tabel kontingensi 2 dimensi yang disajikan pada tabel 2.1.
Tabel 2.1 Tabel Kontingensi 2 Dimensi rxc
B1 B2 … Bc Total
A1 n11 n12 … n1c n1.
A2 n21 n22 … n2c n2.
… … … … … …
Ar nr1 nr2 … nrc nr.
Total n.1 n.2 … n.c n..
2.2 Uji Goodness of Fit
Uji Goodness of Fit bertujuan untuk mengetahui adanya independensi antar
variabel. Statistik uji yang digunakan adalah statistik Chi-Square dengan rumus
yang tertera sebagai berikut. Selain statistik Chi-Square, dapat juga menggunakan
statistik rasio likelihood, dengan hipotesis sebagai berikut (Nurman, 2013).
Hipotesis:
H0 : Tidak terdapat hubungan antar variabel (independen).
H1 : Terdapat hubungan antar variabel (dependen).
Taraf signifikan : a
Daerah penolakan : Tolak H0 jika χ2hitung > χ2(df,a) atau G2hitung > χ2(df,a) atau p-value <
a
Statistik Uji:
4
2 2
∑ ∑ (n ij−e ij ) 2
χ 2 = i=1 j=1
e ij (2.1)
G2 =2 ∑ nij ln
()
nij
e ij
(2.2)
Keterangan:
χ2 = Chi-square hitung
G2 = Likelihood ratio
2.3 Model Log Linear
Analisis log linear merupakan pengembangan dari analisis tabel kontingensi
dua arah atau lebih. Walaupun model log linear dapat digunakan untuk
menganalisa hubungan antara dua variabel kategori (tabel kontingensi dua arah),
tetapi biasanya digunakan untuk mengevaluasi multi arah dari tabel kontingensi
yang melibatkan tiga atau lebih variabel. Dalam analisis ini tidak membedakan
antara variabel respon dan prediktornya. Analisis dengan model log linear
dilakukan untuk mempelajari pola asosiasi antara sekelompok variabel. Di
samping itu juga digunakan untuk memperkirakan banyaknya observasi yang
diharapkan dalam tiap sel tabel kontingensi. Selanjutnya berdasarkan nilai
harapan itu dapat dihitung beberapa statistik penting seperti proporsi, statistik
rasio kecenderungan (Nugraha, 2014). Model log linear 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 linear bisa diketahui model matematikanya secara pasti serta level
atau kelas mana yang cenderung menimbulkan adanya hubungan atau dependensi
(Wulandari, Salamah, & Susilaningrum, 2009).
2.3.1 Uji K-Way
Uji K-Way digunakan untuk mengetahui apakah terdapat efek pada order
ke-k. Uji K-Way ada dua macam, yaitu:
a. Uji untuk interaksi k-suku atau lebih adalah nol
Uji ini berdasarkan hipotesa bahwa efek order ke-k atau lebih sama dengan
nol. Uji ini dimulai dari order tertinggi hingga order terendah. Untuk model
log linear dua dimensi adalah sebagai berikut.
5
 Untuk k = 2 dan lebih
Hipotesis:
H0 : Efek order ke-2 dan lebih = 0 (log eij = m + liA + ljB)
H1 : Efek order ke-2 dan lebih ≠ 0 (log eij = m + liA + ljB + lijAB)
Model jika H0 benar: log eij = m + liA + ljB
Statistik uji : χ2 atau G22
Hipotesis:
H0 : Efek order ke-1 dan lebih = 0 (log eij = m)
Model jika H0 benar: log eij = m
Statistik uji : χ2 atau G12
b. Uji untuk interaksi k-suku adalah nol
Uji ini didasarkan pada hipotesa bahwa efek order ke-k sama dengan nol.
Untuk model log linear dua dimensi adalah sebagai berikut.
 Untuk k = 1
Hipotesis:
H0 : Efek order ke-1 = 0 (log eij = m + lijAB)
H1 : Efek order ke-1 ≠ 0 (log eij = m + liA + ljB + lijAB)
Statistik uji : χ2 atau G2 = G12 – G22
Dimana G12 adalah nilai G2 yang diperoleh dari uji order ke-1 atau lebih dan G22
adalah nilai G2 yang diperoleh dari uji order ke-2 atau lebih = 0
 Untuk k = 2
Hipotesis:
H0 : Efek order ke-2 = 0 (log eij = m + liA + ljB)
Statistik uji : χ2 atau G2 = G22 – G12
Dimana G22 adalah nilai G2 yang diperoleh dari uji order ke-2 atau lebih dan G12
adalah nilai G2 yang diperoleh dari uji order ke-1 atau lebih = 0
(Wulandari, Salamah, & Susilaningrum, 2009) .
6
2.3.2 Uji Asosiasi Parsial
Uji asosiasi parsial merupakan suatu uji untuk melihat dependensi masing-
masing efek. Uji ini bertujuan untuk menguji hubungan ketergantungan antara dua
variabel dalam setiap level variabel lainnya (Wulandari, Salamah, &
Susilaningrum, 2009).
Hipotesisnya adalah sebagai berikut:
H0 : Variabel independen terhadap model.
H1 : Variabel dependen terhadap model.
Taraf signifikan : α
Daerah penolakan : Tolak H0 jika χ2hitung lebih besar χ2(α, df) atau P-Value < α
2 2
∑ ∑ (n ij−e ij ) 2
i=1 j=1
χ2=
Statistik Uji: e ij (2.3)
2.3.3 Estimasi Parameter
Estimasi parameter pada model log linier digunakan untuk menganalisa pola
hubungan menggunakan nilai peubah-peubah dengan klasifikasi per kategorinnya,
yaitu dengan melihat nilai z-value. Apabila nilai Z sel di luar range –1,96 sampai
1,96 atau interval konfidensi 95% tidak memuat nol, maka sel ini adalah penyebab
terjadinya dependensi (dapat dilihat pada nilai lower 95% CI dan Upper 95% CI ).
Tetapi apabila nilai z-value berada dalam range maka disimpulkan bahwa tidak
ada keterkaitan antara sel per kategori yang diamati tersebut (Satiwi, 2022).
2.3.4 Eliminasi Backward
Eliminasi backward juga digunakan untuk menyeleksi model hingga
didapatkan model terbaik untuk data yang ada. Adapun langkah-langkah dari
eliminasi backward adalah sebagai berikut:
1. Anggap model terlengkap yaitu [12] sebagai model terbaik, dalam hal ini
disebut sebagai model (0).
2. Keluarkan interaksi dua faktor dari model, sehingga model menjadi model
(1), yaitu [1,2].
3. Dengan conditional test statistika uji apakah model (1) masih merupakan
model terbaik dengan hipotesis sebagai berikut.
H0 : model(1) sebagai model terbaik
7
H1 : model(0) sebagai model terbaik
G12 – G02 = G1-02
df1 – df0 = df(1-0)
4. Bandingkan G1-02 dengan χ2[(1-0),a] dengan kriteria G2 > χ2
5. Jika H0 ditolak, maka model(0) adalah model terbaik. Jika H 1 diterima,
bandingkan model(1) tersebut dengan model (0). Apabila salah satu
interaksi dua faktor dikeluarkan dari model.
6. Untuk menentukan interaksi mana yang dikeluarkan terlebih dahulu maka
yang dipilih adalah nilai G2 terkecil.
7. Seandainya salah satu interaksi dua faktor dikeluarkan, ulangi langkah no 3
hingga akhir sampai tidak ada lagi faktor yang harus dikeluarkan dari
model.
(Wulandari, Salamah, & Susilaningrum, 2009).
2.4 Jantung Koroner
Penyakit Jantung Koroner (PJK) adalah suatu kelainan yang disebabkan
oleh penyempitan atau penghambatan pembuluh arteri yang mengalirkan darah ke
otot jantung dan merupakan kelainan mikroardium yang disebabkan oleh
insufisiensi aliran darah koroner. Penyebab paling utama PJK adalah dislipidemia.
Dislipidemia merupakan faktor risiko yang utama penyakit jantung. Perubahan
gaya hidup masyarakat erat hubungannya dengan peningkatan kadar lipid
(Khotimah & dkk, 2022).
2.5 Segmen ST
Depresi Segmen ST adalah manifestasi dari iskemia miokard yang diinduksi
latihan. Depresi segmen ST yang terekam pada EKG mewakili besar dan arah
gradient listrik yang dihasilkan oleh vektor iskemik di seluruh endokardium dan
epikardium, serta lokasi elektroda yang merekam (Ardiana, 2022). Perubahan-
perubahan segmen ST merupakan kriteria yang diterima secara luas untuk iskemia
dan cedera miokard. Interpretasi segmen ST bisa dipengaruhi oleh konfigurasi
EKG saat istirahat (bundle branch blocks, hipertrofi ventrikel kiri, dll) dan zat-zat
farmokologis (contohnya, preparat digitalis) (Atmadja & Doewes, 2004).
8
BAB III
METODE PENELITIAN
3.1 Sumber Data

Data yang digunakan dalam praktikum ini adalah data sekunder mengenai
penderita penyakit jantung koroner pada tahun 2020 dengan jumlah data sebanyak
297 yang diakses melalui website Kaggle.com dengan judul Coronary Artery
Disease. Data di akses pada hari Rabu, 7 September 2022 pukul 16.50 di
Surabaya.
3.2 Variabel Penelitian

Variabel penelitian yang digunakan pada praktikum adalah sebagai berikut.
Tabel 3.1 Variabel Penelitian
Variabel Keterangan Skala Kategori
1: Normal
Y Tipe Kerusakan Penderita Jantung Koroner Nominal 2: Fixed
3: Reversible Defect
1: Unsloping
X Pola yang Terbentuk dari Segmen ST Nominal 2: Flat
3: Downsloping
3.1
3.2
3.1
3.2
3.3 Struktur Data

Struktur data yang digunakan pada praktikum adalah sebagai berikut.
Tabel 3.2 Struktur Data
Tipe Kerusakan
Pola
Fixe Total
Segmen STNormal Reversible Defect
d
Unsloping n11 n12 n13 n1.
Flat n21 n22 n23 n2.
Downsloping n31 n32 n33 n3.
Total n.1 n.2 n.3 n..
3.4 Langkah Analisis

Langkah analisis yang digunakan pada praktikum kali ini sebagai berikut.
9
1. Mengumpulkan data tipe kerusakan pada penderita penyakit jantung
koroner dan pola yang terbentuk dari Segmen ST melalui website Kaggle.
2. Mendeskripsikan karakteristik tipe kerusakan pada penderita penyakit
jantung koroner dan pola yang terbentuk dari Segmen ST menggunakan
tabel kontingensi 2 dimensi.
3. Melakukan uji independensi pada data tipe kerusakan pada penderita
penyakit jantung koroner dan pola yang terbentuk dari Segmen ST
menggunakan tabel kontingensi 2 dimensi menggunakan Chi-Square.
4. Melakukan analisis model log linear data tipe kerusakan pada penderita
penyakit jantung koroner dan pola yang terbentuk dari Segmen ST.
a. Melakukan Uji K-Way
b. Melakukan Uji Asosiasi Parsial
c. Melakukan Estimasi Parameter
d. Melakukan Uji Backward Selection
5. Menginterpretasikan hasil analisis.
6. Menarik kesimpulan dan saran
3.4 Diagram Alir

Berdasarkan hasil uraian tersebut, dapat disajikan diagram alir sebagai
berikut.
Mulai
Mengumpulkan Data
Karakteristik Data Independen
Uji Independensi
Dependen
Analisis Model Log Linear 2 Dimensi
Analisis Model Log Linear 2 Dimensi:

1. Uji K-Way
2. Uji Asosiasi Parsial
3. Estimasi Parameter
4. Pemilihan Model Terbaik dengan
Eliminasi Backward
10
Kesimpulan dan Saran
Selesai
Gambar 3.1 Diagram Alir
BAB IV
ANALISIS DAN PEMBAHASAN
Bab ini membahas tentang hubungan pola yang terbentuk dari Segmen ST
dan tipe kerusakan pada penderita penyakit jantung koroner yang akan dibuat
karakteristik datanya dengan tabel kontingensi, kemudian melakukan uji
Goodness of Fit, serta melakukan analisis model log linear menggunakan uji K-
Way, uji asosiasi parsial, estimasi parameter, dan eliminasi backward. Berikut
merupakan hasil analisis yang akan dijelaskan pada subbab sebagai berikut.
4.1 Karakteristik Pola yang Terbentuk dari Segmen ST dan Tipe

Kerusakan pada Penderita Penyakit Jantung Koroner
Hasil analisis karakteristik pola yang terbentuk dari Segmen ST meliputi
pola unsloping, flat, dan downsloping sedangkan tipe kerusakan pada penderita
penyakit jantung koroner meliputi kategori normal, fixed, dan reversible defect.
Hasil analisis karakteristik data akan dijelaskan pada tabel kontingensi 2 dimensi
sebagai berikut.
Tabel 4.1 Tabel Kontingensi Pola yang Terbentuk dari Segmen ST dan Tipe Kerusakan pada
Penderita Penyakit Jantung Koroner
Pola yang Terbentuk Tipe Kerusakan Total
dari Segmen ST Normal Fixed Reversible Defect
Unsloping 3 8 10 21
Flat 13 56 68 137
Downsloping 2 100 37 139
Total 18 164 115 297
Tabel 4.1 menunjukkan bahwa dari 297 jumlah penderita jantung koroner
yang memiliki pola berbentuk unsloping total sebanyak 21 orang, pola flat
berjumlah sebanyak 137 orang, dan pola downsloping total berjumlah 139 orang.
Kemudian pada penderita dengan tipe kerusakan normal total berjumlah sebanyak
18 orang, penderita dengan tipe kerusakan fixed sebanyak 164 orang, dan
penderita dengan tipe kerusakan reversible defect sebanyak 115 orang. Penderita
11
jantung coroner yang memiliki pola pada segmen ST berbentuk unsloping dan tipe
kerusakan normal sebanyak 3, jumlah penderita jantung koroner yang memiliki
pola pada segmen ST berbentuk unsloping dan tipe kerusakan fixed sebanyak 8,
jumlah penderita jantung koroner yang memiliki pola pada segmen ST berbentuk
unsloping dan tipe kerusakan reversible defect sebanyak 10, jumlah penderita
jantung koroner yang memiliki pola pada segmen ST berbentuk flat dan tipe
kerusakan normal sebanyak 13, jumlah penderita jantung koroner yang memiliki
pola pada segmen ST berbentuk flat dan tipe kerusakan fixed sebanyak 56, jumlah
penderita jantung koroner yang memiliki pola pada segmen ST berbentuk flat dan
tipe kerusakan reversible defect sebanyak 68, jumlah penderita jantung koroner
yang memiliki pola pada segmen ST berbentuk downsloping dan tipe kerusakan
normal sebanyak 2, jumlah penderita jantung koroner yang memiliki pola pada
segmen ST berbentuk downsloping dan tipe kerusakan fixed sebanyak 100, dan
jumlah penderita jantung koroner yang memiliki pola pada segmen ST berbentuk
downsloping dan tipe kerusakan reversible defect sebanyak 37. Berdasarkan hasil
tabel kontingensi di atas yang memiliki jumlah paling besar yaitu jumlah
penderita jantung koroner yang memiliki pola pada segmen ST berbentuk
downsloping dan tipe kerusakan fixed, sedangkan yang memiliki jumlah paling
kecil yaitu jumlah penderita jantung koroner yang memiliki pola pada segmen ST
berbentuk downsloping dan tipe kerusakan normal
4.2 Uji Independensi Pola yang Terbentuk dari Segmen ST dan Tipe
Uji independensi pada pola yang terbentuk dari segmen ST dan tipe
kerusakan pada penderita penyakit jantung koroner digunakan untuk mengetahui
apakah terdapat hubungan antara dua variabel tersebut. Uji independensi
dilakukan dengan hipotesis sebagai berikut.
Hipotesis :
H0 : Tidak ada hubungan antara pola yang terbentuk dari segmen ST dengan tipe
kerusakan pada penderita penyakit jantung koroner.
H1 : Ada hubungan antara pola yang terbentuk dari segmen ST dengan tipe
kerusakan pada penderita penyakit jantung koroner.
12
Dalam praktikum ini ditetapkan taraf signifikan (α) sebesar 0,05, maka
2
diperoleh daerah penolakan, tolak H0 jika χ 2h itun g lebih besar dari χ (0,0 5; 4)= 9,487
dan P-value kurang dari α sebesar 0,05. Hasil statistik uji ditunjukkan pada Tabel
4.2 sebagai berikut.
Tabel 4.2 Statistik Uji Independensi
χ2hitung χ2(0,05;4) P-Value
33,061 9,487 0,000
Tabel 4.2 menunjukkan bahwa dari data pola yang terbentuk dari segmen ST
dengan tipe kerusakan pada penderita penyakit jantung koroner diperoleh nilai
χ2hitung pada Pearson Chi-Squre sebesar 33,061 yang lebih besar dari nilai χ2(0,05;4)
yaitu sebesar 9,487 dan diperkuat dengan P-value sebesar 0,000 yang lebih kecil
dari nilai α sebesar 0,05 sehingga dapat diputuskan tolak H0 yang artinya ada
hubungan antara pola yang terbentuk dari segmen ST dengan tipe kerusakan pada
penderita penyakit jantung koroner.
4.3 Analisis Model Log Linear pada Pola yang Terbentuk dari Segmen ST
dan Tipe Kerusakan pada Penderita Penyakit Jantung Koroner
Analisis model log linear pada pola yang terbentuk dari segmen ST dengan
tipe kerusakan pada penderita penyakit jantung koroner digunakan untuk
memperoleh model statistika yang menyatakan hubungan antara variabel serta
bisa diketahui level atau kelas mana yang cenderung menimbulkan adanya
hubungan atau dependensi. Analisis ini menggunakan uji K-Way, uji asosiasi
parsial, estimasi parameter, dan eliminasi backward yang akan dijelaskan pada
subbab sebagai berikut.
4.3.1 Uji K-Way pada Pola yang Terbentuk dari Segmen ST dan Tipe
Uji K-Way digunakan untuk mengetahui apakah terdapat efek pada order
ke-k. Adapun hasil analisis uji K-Way pada data pola yang terbentuk dari Segmen
ST terhadap tipe kerusakan pada penderita penyakit jantung koroner dapat
diuraikan sebagai berikut.
Hipotesis:
H0 : Efek order ke-1 dan lebih = 0 (log eij = m)
13
Dengan menggunakan taraf signifikan (α) sebesar 0,05, maka
2
diperoleh daerah penolakan, tolak H0 jika χ 2h itun g lebih besar dari χ (0,0 5; 8)=
15,507 atau P-value kurang dari α sebesar 0,05. Hasil statistik uji
ditunjukkan pada Tabel 4.3 sebagai berikut.
Tabel 4.3 Statistik Uji K-Way k=1 dan lebih
k=1 dan 293,152 15,507 0,000
lebih
Tabel 4.3 menunjukkan bahwa pada efek order ke-1 dan lebih
diperoleh nilai χ2hitung sebesar 293,152 yang lebih besar dari nilai χ2(0.05;8)
sebesar 15,507 serta diperkuat dengan P-Value sebesar 0,000 yang lebih
kecil dari nilai α sebesar 0,05 sehingga diputuskan tolak H0 yang artinya
efek order ke-1 dan lebih tidak sama dengan nol atau model log linearnya
adalah log eij = m + liA + ljB + lijAB.
Hipotesis:
H0 : Efek order ke-2 dan lebih = 0 (log eij = m + liA + ljB)
2
diperoleh daerah penolakan, tolak H0 jika χ 2h itun g lebih besar dari χ (0,0 5; 4) =
9,487 atau P-value kurang dari α sebesar 0,05. Hasil statistik uji ditunjukkan
pada Tabel 4.4 sebagai berikut.
Tabel 4.4 Statistik Uji K-Way k=2 dan lebih
k=2 dan lebih 33,06 9,487 0,000
1
Tabel 4.4 menunjukkan bahwa pada efek order ke-2 dan lebih
diperoleh nilai χ2hitung sebesar 33,061 yang lebih besar dari nilai χ2(0.05;4)
sebesar 9,487 serta diperkuat dengan P-Value sebesar 0,000 yang lebih kecil
dari nilai α sebesar 0,05 sehingga diputuskan tolak H0 yang artinya efek
order ke-2 dan lebih tidak sama dengan nol atau model log linearnya adalah
log eij = m + liA + ljB + lijAB.
14
 Untuk k = 1
Hipotesis:
H0 : Efek order ke-1 = 0 (log eij = m + lijAB)
2
diperoleh daerah penolakan, tolak H0 jika χ 2h i tu n g lebih besar dari χ (0,0 5; 4)=
Tabel 4.5 Statistik Uji K-Way k=1

k=1 260,090 9,487 0,000
Tabel 4.5 menunjukkan bahwa pada efek order ke-1 diperoleh nilai
χ2hitung sebesar 260,090 yang lebih besar dari nilai χ2(0.05;4) sebesar 9,487 serta
diperkuat dengan P-Value sebesar 0,000 yang lebih kecil dari nilai α sebesar
0,05 sehingga diputuskan tolak H0 yang artinya efek order ke-1 tidak sama
dengan nol atau model log linearnya adalah log eij = m + liA + ljB + lijAB.
 Untuk k = 2
Hipotesis:
H0 : Efek order ke-2 = 0 (log eij = m + liA + ljB)
2
diperoleh daerah penolakan, tolak H0 jika χ 2h itun g lebih besar dari ÷ (0,0 5 ; 4) =
Tabel 4.6 Statistik Uji K-Way k=2
k=2 33,061 9,487 0,000
Tabel 4.6 menunjukkan bahwa pada efek order ke-2 diperoleh nilai
χ2hitung sebesar 33,061 yang lebih besar dari nilai χ2(0.05;4) sebesar 9,487 serta
diperkuat dengan P-Value sebesar 0,000 yang lebih kecil dari nilai α sebesar
0,05 sehingga diputuskan tolak H0 yang artinya efek order ke-2 tidak sama
dengan nol atau model log linearnya adalah log eij = m + liA + ljB + lijAB.
15
4.3.2 Uji Asosiasi Parsial pada Pola yang Terbentuk dari Segmen ST dan
Tipe Kerusakan pada Penderita Penyakit Jantung Koroner
Uji asosiasi parsial digunakan untuk melihat dependensi dari masing-masing
efek. Adapun hasil analisis asosiasi parsial pada data pengaruh pola yang
terbentuk dari Segmen ST terhadap tipe kerusakan pada penderita penyakit
jantung koroner dapat diuraikan sebagai berikut.
Hipotesis 1:
H0 : Efek variabel pola yang terbentuk dari segmen ST = 0 (variabel pola yang
terbentuk dari Segmen ST independen terhadap model)
H1 : Efek variabel pola yang terbentuk dari segmen ST ≠ 0 (variabel pola yang
terbentuk dari Segmen ST dependen terhadap model)
Hipotesis 2:
H0 : Efek variabel tipe kerusakan pada penderita jantung koroner = 0 (variabel tipe
kerusakan pada penderita jantung koroner independen terhadap model)
H1 : Efek variabel tipe kerusakan pada penderita jantung koroner ≠ 0 (variabel tipe
kerusakan pada penderita jantung koroner dependen terhadap model)
Dengan menggunakan taraf signifikan sebesar 5% (α = 0.05) dan daerah
penolakan yaitu Tolak H0 jika χ2hitung lebih besar χ2(α, df) atau P-Value lebih kecil dari
taraf signifikan (α = 0.05). Hasil perhitungan statistik uji ditunjukkan pada Tabel
Tabel 4.7 Uji Asosiasi Parsial
Efek χ2hitung χ2(0.05;2) P-Value
Pola yang Terbentuk dari Segmen ST 118.227 0.000
138.64 5.991
Tipe Kerusakan pada Penderita Penyakit Jantung Koroner 0.000
3
16
Tabel 4.7 menunjukkan bahwa pada efek pola yang terbentuk dari Segmen
ST diperoleh nilai χ2hitung sebesar 118.227 yang lebih besar dari nilai χ2(0.05;2) sebesar
5.991 serta diperkuat dengan nilai P-Value sebesar 0.000 yang lebih kecil dari
nilai α sebesar 0.05 sehingga diputuskan Tolak H0 yang artinya variabel pola yang
terbentuk dari Segmen ST memberikan efek terhadap model (pola yang terbentuk
dari Segmen ST dependen terhadap model). Kemudian diperoleh hasil bahwa
pada tipe kerusakan penderita jantung koroner diperoleh nilai χ2hitung sebesar
138.643 yang lebih besar dari nilai χ2(0.05;2) sebesar 5.991 serta diperkuat dengan
nilai P-Value sebesar 0.000 yang lebih kecil dari nilai α sebesar 0.05 sehingga
diputuskan Tolak H0 yang artinya variabel tipe kerusakan penderita jantung
koroner memberikan efek terhadap model (tipe kerusakan penderita jantung
koroner dependen terhadap model).
4.3.3 Estimasi Parameter pada Pola yang Terbentuk dari Segmen ST dan
Hasil estimasi parameter pada data pola yang terbentuk dari Segmen ST
terhadap tipe kerusakan pada penderita penyakit jantung koroner dapat diuraikan
sebagai berikut.
Hipotesis :
H0 : Parameter yang terbentuk tidak menimbulkan dependensi terhadap model
H1 : Parameter yang terbentuk menimbulkan dependensi terhadap model
penolakan yaitu Tolak H0 jika |Zhitung| lebih besar dari Z(1-α/2) atau p-value kurang
dari α = 0.05. Hasil perhitungan statistik uji ditunjukkan pada Tabel 4.8 sebagai
berikut.
Tabel 4.8 Estimasi Parameter
Efek Parameter Z
1 2.018
2 -2.274
Pola Segmen ST*Tipe Kerusakan
3 1.097
4 -2.058
1 -5.353
Pola Segmen ST
2 5.857
1 -6.280
Tipe Kerusakan
2 5.425
17
Berdasarkan Tabel 4.8 didapatkan bahwa nilai |Zhitung| untuk parameter 1, 2,
dan 4 dari interaksi Pola Segmen ST yang terbentuk dengan tipe kerusakan
penderita penyakit jantung koroner berturut-turut sebesar 2.018, -2.274, dan -
2.058 dimana ketiga nilai tersebut yang berada di luar interval -1.96 sampai
dengan 1.96 sehingga dihasilkan keputusan Tolak H0, yang artinya parameter 1, 2,
dan 4 dari interaksi Pola Segmen ST yang terbentuk dengan tipe kerusakan
penderita penyakit jantung koroner menimbulkan dependensi terhadap model.
Adapun untuk parameter 1 dan 2, baik pada Pola Segmen ST yang terbentuk
maupun tipe kerusakan penderita penyakit jantung koroner memiliki nilai |Zhitung|
berturut-turut sebesar -5.353, 5.857 dan -6.280, 5.425 dimana keempat nilai
tersebut yang berada di luar interval -1.96 sampai dengan 1.96 sehingga
dihasilkan keputusan Tolak H0, yang artinya parameter 1 dan 2 dari Pola Segmen
ST yang terbentuk serta tipe kerusakan penderita penyakit jantung koroner
menimbulkan dependensi terhadap model.
4.3.4 Eliminasi Backward pada Pola yang Terbentuk dari Segmen ST dan
Hasil analisis eliminasi backward pada data pola yang terbentuk dari
Segmen ST terhadap tipe kerusakan pada penderita penyakit jantung koroner
dapat diuraikan sebagai berikut.
Hipotesis:
H0 : Model 1 adalah model terbaik (log e ij =μ+ λ iA + λ jB)
H1 : Model 0 adalah model terbaik (l og e ij =μ + λi A + λ jB + λij AB)
penolakan yaitu Tolak H0 jika χ2hitung lebih besar χ2(α, df) atau P-Value lebih kecil dari
taraf signifikan (α = 0.05). Hasil perhitungan statistik uji ditunjukkan pada Tabel
Tabel 4.9 Uji Eliminasi Backward
Ste
df χ2hitung χ2(0,05;4) P-Value
p
0 0.000 - -
0
4 34.515 9.4877 0.000
Tabel 4.9 menunjukkan bahwa diperoleh nilai χ2hitung efek pola yang
terbentuk dari Segmen ST sebesar 34.514 dimana nilai tersebut lebih besar dari
18
nilai χ2(0.05;4) sebesar 9.4877 serta diperkuat nilai P-Value sebesar 0.000 yang lebih
kecil dari nilai α sebesar 0.05 sehingga diputuskan Tolak H0 yang artinya model 0
(log e ij =μ+ λ iA +ë jB + λ ij AB ) adalah model terbaik yang artinya terdapat hubungan
antara pola yang terbentuk dari Segmen ST dengan tipe kerusakan penderita
penyakit jantung koroner, dimana pengaruh efek utama variabel pola yang
terbentuk dari Segmen ST dengan tipe kerusakan penderita penyakit jantung
koroner juga masuk ke dalam model.
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil analisis yang telah dilakukan dapat disimpulkan beberapa
hal, yaitu sebagai berikut.
1. Hasil tabel kontingensi yang memiliki frekuensi paling besar yaitu jumlah
penderita jantung koroner yang memiliki pola pada segmen ST berbentuk
downsloping dan tipe kerusakan fixed, sedangkan yang memiliki frekuensi
paling kecil yaitu jumlah penderita jantung koroner yang memiliki pola
pada segmen ST berbentuk downsloping dan tipe kerusakan normal.
19
2. Hasil uji independensi menggunakan Pearson Chi-Square menunjukkan
bahwa terdapat hubungan antara pola yang terbentuk dari segmen ST
dengan tipe kerusakan pada penderita penyakit jantung koroner.
3. Hasil analisis log linear didapatkan bahwa model log linear yang diperoleh
dari efek order yang berbeda-beda memberi hasil yang sama yaitu model
akhir nya adalah model terbaik log eij = m + liA + ljB + lijAB artinya terdapat
hubungan antara variabel pola yang terbentuk dari Segmen ST dengan tipe
kerusakan pada penderita jantung koroner, dimana pengaruh efek utama
variabel pola yang terbentuk dari Segmen ST dengan tipe kerusakan pada
penderita jantung koroner juga masuk ke dalam model.
5.2 Saran
Berdasarkan hasil analisis yang telah dilakukan, saran yang dapat diberikan
untuk pembaca yaitu agar lebih memahami konsep tabel kontingensi dan uji
independensi agar mudah untuk memahami laporan ini. Pada pasien penderita
agar mengurangi aktivitas merokok, melakukan olahraga secara teratur,
mengonsumsi makanan bergizi, dan menerapkan pola hidup sehat.
DAFTAR PUSTAKA
Ardiana, M. (2022). Buku Ajar Prevensi dan Rehabilitasi Jantung. Surabaya:
Penerbit Airlangga University Press.
Atmadja, D. S., & Doewes, D. (2004). ACSM: Panduan Uji Latihan Jasmani dan
Peresapannya. Jakarta: Penerbit Buku Kedokteran.
Khotimah, & dkk. (2022). Penyakit Gangguan Sistem Tubuh. Medan: Yayasan
Kita Menulis.
Nugraha, J. (2014). Pengantar Analisis Data Kategorik . Yogyakarta: Penerbit
Deepublish.
20
Nurman, T. A. (2013). Analisis Data Kategori dengan Log Linier Menggunakan
Prinsip Hirarki (Studi Kasus Jumlah Kecelakaan Lalu Lintas di Kota
Makassar Tahun 2011). Jurnal Teknosains: Media Informasi Sains dan
Teknologi, 105.
Satiwi, A. (2022, October 11). DSpace Repository UII. Retrieved from
https://dspace.uii.ac.id/:
https://dspace.uii.ac.id/bitstream/handle/123456789/35810/04611015%20A
mbar%20Satiwi.pdf?sequence=1&isAllowed=y
Wulandari, I. S., Salamah, I., & Susilaningrum, D. (2009). Analisa Data
Kualitatif. Surabaya: Jurusan Statistika FMIPA ITS.
LAMPIRAN
Lampiran 1. Data
No Slope Thal No Slope Thal
Downslopin
1 g Fixed 46 Flat Reversible defect
2 Flat Normal 47 Unsloping Normal
3 Flat Reversible defect 48 Flat Reversible defect
Downslopin
4 g Normal 49 Unsloping Normal
Downslopin
5 Unsloping Normal 50 g Normal
6 Unsloping Normal 51 Unsloping Normal
Downslopin
7 g Normal 52 Unsloping Reversible defect
21
9 Flat Reversible defect 54 Unsloping Normal
Downslopin
10 g Reversible defect 55 Unsloping Reversible defect
11 Flat Fixed 56 Flat Reversible defect
12 Flat Normal 57 Flat Reversible defect
13 Flat Fixed 58 Unsloping Reversible defect
Downslopin
14 Unsloping Reversible defect 59 g Normal
15 Unsloping Reversible defect 60 Unsloping Normal
16 Unsloping Normal 61 Flat Reversible defect
Downslopin Downslopin
17 g Reversible defect 62 g Normal
22 Unsloping Normal 67 Flat Normal
23 Flat Normal 68 Unsloping Reversible defect
Downslopin
24 Unsloping Reversible defect 69 g Reversible defect
25 Flat Reversible defect 70 Flat Normal
Downslopin
28 g Normal 73 Flat Reversible defect
29 Unsloping Normal 74 Unsloping Fixed
32 Unsloping Reversible defect 77 Flat Reversible defect
35 Unsloping Normal 80 Unsloping Reversible defect
38 Flat Fixed 83 Unsloping Normal
Lampiran 1. Data (Lanjutan)

No slope Thal No Slope Thal
13
91 Downsloping Reversible defect 9 Flat Normal
22
14
14
14
14
14
14
14
14
10 14
10 14
10 15
10 15
10 15
10 15
10 15
6 Unsloping Reversible defect 4 Downsloping Normal
10 15
10 15
8 Flat Reversible defect 6 Unsloping Reversible defect
10 15
15
15
16
112 Flat Fixed 0 Unsloping Reversible defect
16
16
16
115 Flat Fixed 3 Flat Normal
23
16
16
16
16
12 16
0 Unsloping Reversible defect 8 Flat Normal
12 16
12 17
12 17
3 Downsloping Reversible defect 1 Flat Normal
12 17
4 Flat Normal 2 Flat Normal
12 17
5 Flat Normal 3 Flat Fixed
12 17
6 Downsloping Reversible defect 4 Flat Reversible defect
12 17
12 17
8 Unsloping Normal 6 Flat Fixed
12 17
13 17
13 17
13 18
13 18
13 18
4 Flat Normal 2 Downsloping Reversible defect
13 18
13 18
6 Downsloping Reversible defect 4 Unsloping Normal
13 18
7 Flat Reversible defect 5 Downsloping Reversible defect
13 18
8 Flat Reversible defect 6 Flat Fixed
24
18 23
7 Unsloping Reversible defect 5 Unsloping Reversible defect
18 23
18 23
19 23
19 23
19 24
19 24
19 24
19 24
19 24
19 24
19 24
19 24
20 24
0 Unsloping Reversible defect 8 Flat Fixed
20 24
20 25
20 25
20 25
20 25
20 25
20 25
20 25
20 25
21 25
25
25
21 26
21 26
21 26
21 26
21 26
21 26
21 26
21 26
22 26
0 Unsloping Normal 8 Unsloping Fixed
22 26
22 27
22 27
22 27
22 27
22 27
22 27
22 27
22 27
23 27
23 27
23 28
23 28
23 28
4 Downsloping Reversible defect 2 Downsloping Fixed
26
283 Flat Fixed 291 Unsloping Normal
284 Unsloping Reversible defect 292 Flat Fixed
Downslopin
285 g Normal 293 Flat Reversible defect
Downslopin
288 g Fixed 296 Flat Reversible defect
289 Unsloping Reversible defect 297 Flat Normal
290 Flat Normal
Lampiran 2. Output Software

Tabel Kontingensi
slope * thal Crosstabulation
thal
Fixe Norm Tota

d al Reversible Defect l
slop Downslopin Count 3 8 10 21

e g Expected Count 1.3 11.6 8.1 21.0
Flat Count 13 56 68 137
Expected Count 137.

8.3 75.6 53.0
0
Unsloping Count 2 100 37 139
Expected Count 139.

8.4 76.8 53.8
0
Total Count 18 164 115 297
Expected Count 18. 297.

164.0 115.0
0 0
Uji Goodness Of-Fits

Goodness-of-Fit Testsa,b
Value df Sig.
Likelihood Ratio 34.51

4 .000
5
Pearson Chi- 33.06
4 .000
Square 1
a. Model: Poisson
b. Design: Constant + slope1 + thal1
27
Uji K-Way & Higher Order
K-Way and Higher-Order Effects
Likelihood
Ratio Pearson
S S
d Chi- ig Chi- ig Number of
K f Square . Square . Iterations
K-way and Higher Order 1 .0 .0

Effects a
8 291.385 0 293.152 0 0
0 0
2 .0 .0
4 34.515 0 33.061 0 2
0 0
K-way Effectsb 1 .0 .0
4 256.870 0 260.090 0 0
0 0
2 .0 .0
4 34.515 0 33.061 0 0
0 0
a. Tests that k-way and higher order effects are zero.

b. Tests that k-way effects are zero.
Uji Asosiasi Parsial

Partial Associations
Partial Number
Chi- of
Effect df Square Sig. Iterations
slope1 2 118.227 .000 2

thal1 2 138.643 .000 2
Lampiran 2. Output Software (Lanjutan)

Estimasi Parameter
Parameter Estimates
95% Confidence Interval
Effect Parameter Estimate Std. Error Z Sig. Lower Bound Upper Bound
slope1*thal1 1 .610 .302 2.018 .044 .018 1.201
2 -.507 .223 -2.274 .023 -.945 -.070
3 .253 .231 1.097 .273 -.199 .705
4 -.320 .155 -2.058 .040 -.624 -.015
28
slope1 1 -.947 .177 -5.353 .000 -1.294 -.600
2 .759 .130 5.857 .000 .505 1.013
thal1 1 -1.272 .202 -6.280 .000 -1.668 -.875
2 .733 .135 5.425 .000 .468 .997
Backward Elimination
Step Summary
Chi- d Number of
Stepa Effects Squarec f Sig. Iterations
0 Generating
slope1*thal1 .000 0 .
Classb
Deleted 1 .00
slope1*thal1 34.515 4 2
Effect 0
1 Generating
slope1*thal1 .000 0 .
Classb
a. At each step, the effect with the largest significance level for the Likelihood Ratio Change
is deleted, provided the significance level is larger than ,050.
b. Statistics are displayed for the best model at each step after step 0.
c. For 'Deleted Effect', this is the change in the Chi-Square after the effect is deleted from
the model.
Lampiran 3. Dokumentasi
Judul Dataset dari website Kaggle.com
29
LEMBAR ASISTENSI
PRAKTIKUM PEMODELAN DATA KATEGORI
SEMESTER GASAL 2022/2023
Modul : Modul II
Nama Asdos : Andini Mediana P.
Nama Praktikan 1/NRP : Chafidhotul Itsmi/ 2043201019
ASISTENSI 1 TTD ASDOS
1. Chafidhotul Itsmi
Kehadiran
2. Nabilla Rizqina E.
Revisi judul laporan, Kata Kunci
Abstrak, Sitasi Pendahuluan BAB
Materi yang direvisi I, Susunan BAB II, Langkah
Analisis, Diagram Alir, BAB IV,
Estimasi Parameter, Lampiran
30
Output Software
Nama Praktikan 2/NRP : Nabilla Rizqina E. / 2043201078
31

M2 2043201019 2043201078 Lapres

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

M2 2043201019 2043201078 Lapres

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN RESMI

PEMODELAN DATA KATEGORI

ANALISIS MODEL LOG LINIER HUBUNGAN BENTUK

Program Studi Sarjana Terapan

Tabel 2.1 Tabel Kontingensi 2 Dimensi r x c........................................................6

Tabel 3.1 Variabel Penelitian.................................................................................9

Tabel 3.2 Struktur Data..........................................................................................9

Kerusakan pada Penderita Penyakit Jantung Koroner.........................11

Tabel 4.2 Statistik Uji Independensi....................................................................12

Tabel 4.3 Statistik Uji K-Way k=1 dan lebih.......................................................13

Tabel 4.4 Statistik Uji K-Way k=2 dan lebih.......................................................14

Tabel 4.5 Statistik Uji K-Way k=1......................................................................14

Tabel 4.6 Statistik Uji K-Way k=2......................................................................15

Tabel 4.7 Uji Asosiasi Parsial..............................................................................16

Tabel 4.9 Uji Eliminasi Backward.......................................................................17

Gambar 3.1 Diagram Alir...................................................................................10

Lampiran 2. Output Software.............................................................................24

1.1 Latar Belakang

Salah satu penyakit kardiovaskular di Indonesia yang terus menerus

2.1 Tabel Kontingensi

3.1 Sumber Data

3.2 Variabel Penelitian

3.3 Struktur Data

3.4 Langkah Analisis

3.4 Diagram Alir

Karakteristik Data Independen

Analisis Model Log Linear 2 Dimensi:

Gambar 3.1 Diagram Alir

4.1 Karakteristik Pola yang Terbentuk dari Segmen ST dan Tipe

Tabel 4.5 Statistik Uji K-Way k=1

Lampiran 1. Data (Lanjutan)

Lampiran 2. Output Software

Fixe Norm Tota

slop Downslopin Count 3 8 10 21

Flat Count 13 56 68 137

Expected Count 137.

Unsloping Count 2 100 37 139

Expected Count 139.

Expected Count 18. 297.

Uji Goodness Of-Fits

Likelihood Ratio 34.51

K-way and Higher Order 1 .0 .0

a. Tests that k-way and higher order effects are zero.

Uji Asosiasi Parsial

slope1 2 118.227 .000 2

Lampiran 2. Output Software (Lanjutan)

95% Confidence Interval

slope1*thal1 1 .610 .302 2.018 .044 .018 1.201

2 -.507 .223 -2.274 .023 -.945 -.070

3 .253 .231 1.097 .273 -.199 .705

4 -.320 .155 -2.058 .040 -.624 -.015

2 .733 .135 5.425 .000 .468 .997

Judul Dataset dari website Kaggle.com

Nama Praktikan 2/NRP : Nabilla Rizqina E. / 2043201078

Anda mungkin juga menyukai