07 - 112111945 - Bagas Andriata Pratama - Tugas Pertemuan 6

NAMA : BAGAS ANDRIATA PRATAMA
NIM : 112111945
KELAS : 2D32
TUGAS ADK PERTEMUAN 6
1. Berdasarkan Data_TugasPADK01.sav, lakukan pengujian apakah terdapat asosiasi homogen

antara variabel Kegiatan Sosial Gotong Royong (Y), Klasifikasi Desa/Kota (X11), dan Jenis
Kelamin (X13). Jika terdapat asosiasi homogen, apakah semua odds ratio bernilai 1 (satu)?
Gunakan tingkat signifikansi 5%.
2. Data berikut berisi tentang banyaknya kecelakaan yang menurut kondisi korban (tidak fatal
atau fatal), apakah terlempar dari kendaraan (Ya atau Tidak), dan status penggunaan seat belt
(Ya atau Tidak). Data diambil dari Tabel 8.18 (Agresti, A.,2002).
Lakukan pengujian apakah terdapat asosiasi homogen antar ketiga variabel

Tersebut. Jika terdapat asosiasi homogen, apakah semua odds ratio bernilai 1
(satu)? Gunakan tingkat signifikansi 5%
JAWAB
SPSS
1.
a) Case Processing Summary
Output di atas memberikan informasi mengenai jumlah data dan keterangan tentang data
missing /kosong. Dapat dilihat jumlah data ada 10901, tanpa ada data kosong.
b) Cross Tabulation
Output di atas menunjukkan tabel 3 (dua) arah yang dibentuk antara Kegiatan Sosial
Gotong Royong, Jenis Kelamin dan Klasifikasi Desa/Kota dengan total 10.901.
c) Chi-square test
Tabel Parsial Perkotaan
Hipotesis
 H0: Tidak terdapat hubungan antara variabel jenis kelamin dan

kegiatan sosial gotong royong
 H1: Terdapat hubungan antara variabel jenis kelamin dan kegiatan
sosial gotong royong
Tingkat signifikansi
α = 5% atau 0.05
Wilayah kritis
 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1)

 Tolak H0 jika p-value < 𝑎
Output SPSS
Dari hasil pengolahan di atas didapatkan nilai 𝜒2 hitung sebesar 154.855

dengan Nilai p-value (2 tailed) sebesar 0,000
Keputusan
𝜒2 hitung (154.855) > 𝜒2 tabel((0.05, 1)= 3,84)
p-value (0.00) < 𝑎 (0.05)

sehingga tolak H0
Kesimpulan
 Dengan tingkat signifikansi 5% dan jumlah sampel yang di tentukan

, terdapat cukup bukti untuk menyatakan bahwa ada hubungan yang
signifikan antara variabel jenis kelamin dan kegiatan sosial gotong
royong.
Tabel Parsial Pedesaan
Hipotesis

α = 5% atau 0.05
Wilayah kritis

Output SPSS

dengan Nilai p-value (2 tailed) sebesar 0.00
Keputusan
𝜒2 hitung (275.046) > 𝜒2 tabel((0.05, 1)= 3,84)
p-value (0.00) < 𝑎 (0.05)
sehingga tolak H0
Kesimpulan
 Dengan tingkat signifikansi 5% dan jumlah sampel yang di

tentukan, terdapat cukup bukti untuk menyatakan bahwa ada
hubungan yang signifikan antara variabel jenis kelamin dan kegiatan
sosial gotong royong.
Tabel Marginal
Hipotesis
α = 5% atau 0.05
Wilayah kritis

Output SPSS

Keputusan
𝜒2 hitung (428.197) > 𝜒2 tabel((0.05, 1)= 3,84)
p-value (0.00) < 𝑎 (0.05)
sehingga tolak H0
Kesimpulan

, terdapat cukup bukti untuk menyatakan bahwa ada hubungan yang
signifikan antara variabel jenis kelamin dan kegiatan sosial gotong
royong.
d) BD test
Hipotesis
H0: OR homogen pada strata (terdapat asosiasi homogen)
H1: OR tidak homogen pada strata (tidak terdapat asosiasi homogen)

α = 5% atau 0.05
Wilayah kritis

Output SPSS
Dari hasil pengolahan di atas didapatkan nilai p-value (2 tailed) sebesar

0.474
Keputusan
p-value (0.474) > 𝑎 (0.05)
sehingga gagal tolak H0
Kesimpulan

, terdapat cukup bukti untuk menyatakan bahwa OR tidak homogen
pada strata atau dengan kata lain terdapat asosiasi homogen
e) CMH test
Hipotesis
 H0: OR independent pada strata

 H1: OR tidak independent pada strata
α = 5% atau 0.05
Wilayah kritis
 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1) =3.84

Output SPSS
Keputusan
𝜒2 hitung (429.37) > 𝜒2 tabel((0.05, 1)= 3,84)
p-value (0.00) < 𝑎 (0.05)
sehingga tolak H0
Kesimpulan
Oleh karena itu, dapat disimpulkan bahwa dengan tingkat signifikansi 5%

dan dengan jumlah sampel yang telah ditentukan, terdapat cukup bukti
untuk menyatakan bahwa OR tidak independen pada strata atau dengan kata
lain terdapat hubungan antara variabel jenis kelamin dan kegiatan sosial
gotong royong atau terdapat minimal 1 conditional odds ratio ≠ 1 dan
terjadi conditional association.
f) Mentel-Haenszel
Didapat nilai common odds ratio sebesar 2,372 artinya kecenderungan jenis
kelamin laki-laki untuk ikut kegiatan gotong royong 2,372 kali lebih besar daripada
jenis kelamin perempuan di perkotaan maupun perdesaan. Kemudian didapat nilai
selang kepercayaan diantara 2,184 dan 2,576 dimana tidak terdapat nilai satu di
dalam selang kepercayaan sehingga nilai odds ratio signifikan pada tingkat
signifikansi 5%.
2. Data berikut berisi tentang banyaknya kecelakaan yang menurut kondisi korban (tidak fatal
atau fatal), apakah terlempar dari kendaraan (Ya atau Tidak), dan status penggunaan seat
belt (Ya atau Tidak). Data diambil dari Tabel 8.18 (Agresti, A., 2002).
Lakukan pengujian apakah terdapat asosiasi homogen antar ketiga variabel

Tersebut. Jika terdapat asosiasi homogen, apakah semua odds ratio bernilai 1
(satu)? Gunakan tingkat signifikansi 5%
a) Case Processing Summary

Output di atas memberikan informasi mengenai jumlah data dan keterangan tentang data
missing /kosong. Dapat dilihat jumlah data ada 576184, tanpa ada data kosong.
b) Cross Tabulation
Output di atas menunjukkan tabel 3 (dua) arah yang dibentuk antara Kondisi korban,
penggunaan seat belt dan terlempar dari kendaraan dengan total 576184
c) Chi-square
Tabel Parsial Menggunakan seat belt
Hipotesis
H0: Tidak terdapat hubungan antara variabel apakah terlempar dari

kendaraan dan kondisi korban
H1: Terdapat hubungan antara variabel apakah terlempar dari

α = 5% atau 0.05
Wilayah kritis

Output SPSS

dengan Nilai p-value (2 tailed) sebesar 0,000
Keputusan
𝜒2 hitung (119.265) > 𝜒2 tabel((0.05, 1)= 3,84)
p-value (0.00) < 𝑎 (0.05)
sehingga tolak H0
Kesimpulan
Dengan tingkat signifikansi 5% dan jumlah sampel yang di tentukan ,

terdapat cukup bukti untuk menyatakan bahwa ada hubungan yang
signifikan antara variabel apakah terlempar dari kendaraan dan kondisi
korban
Tabel Parsial Tidak Menggunakan seat belt
Hipotesis

H1: Terdapat hubungan antara variabel apakah terlempar dari kendaraan dan
kondisi korban
α = 5% atau 0.05
Wilayah kritis

Output SPSS

Keputusan
𝜒2 hitung (4472.3) > 𝜒2 tabel((0.05, 1)= 3,84)
p-value (0.00) < 𝑎 (0.05)
sehingga tolak H0
Kesimpulan
korban.
Tabel Marginal
Hipotesis

H1: Terdapat hubungan antara variabel apakah terlempar dari kendaraan dan
kondisi korban
α = 5% atau 0.05
Wilayah kritis

Output SPSS
Dari hasil pengolahan di atas didapatkan nilai 𝜒2 hitung sebesar

11203.058 dengan Nilai p-value (2 tailed) sebesar 0.00
Keputusan
𝜒2 hitung (11203.058) > 𝜒2 tabel((0.05, 1)= 3,84)
p-value (0.00) < 𝑎 (0.05)
sehingga tolak H0
Kesimpulan

korban
d) BD test
Hipotesis
H0: OR homogen pada strata (terdapat asosiasi homogen)
H1: OR tidak homogen pada strata (tidak terdapat asosiasi homogen)
α = 5% atau 0.05
Wilayah kritis

Output SPSS
Dari hasil pengolahan di atas didapatkan nilai p-value (2 tailed) sebesar

0.110
Keputusan
p-value (0.11) > 𝑎 (0.05)
sehingga gagal tolak H0
Kesimpulan

, terdapat cukup bukti untuk menyatakan bahwa OR tidak homogen
pada strata atau dengan kata lain terdapat asosiasi homogen
e) CMH test
Hipotesis
 H0: OR independent pada strata

 H1: OR tidak independent pada strata
α = 5% atau 0.05
Wilayah kritis
 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1) =3.84

Output SPSS

Keputusan
𝜒2 hitung (4591.219) > 𝜒2 tabel((0.05, 1)= 3,84)
p-value (0.00) < 𝑎 (0.05)
sehingga tolak H0
Kesimpulan
Oleh karena itu, dapat disimpulkan bahwa dengan tingkat signifikansi 5%

dan dengan sampel 576184 orang, terdapat cukup bukti untuk menyatakan
bahwa OR tidak independen pada strata atau dengan kata lain terdapat
hubungan antara variabel apakah terlempar dari kendaraan dan kondisi
korban atau terdapat minimal 1 conditional odds ratio ≠ 1 dan terjadi
conditional association.
f) Mantel-Haenszel
Didapat nilai common odds ratio sebesar 0,061 artinya kecenderungan terlempar
dari kendaraan dengan kondisi tidak fatal lebih kecil 0,061 kali daripada tidak
terlempar dari kendaraan baik menggunakan seat belt maupun tidak. Kemudian
didapat nilai selang kepercayaan diantara 0,054 dan 0,068.
syntax-adk-no-1.R
User
2023-03-16
#Persiapkan package
library(foreign) #Import data
library(DescTools) #Untuk uji asosiasi dan ukuran asosiasi
library(samplesizeCMH) #diperlukan untuk menggunakan Mantel-Haenzel test
#Mempersiapkan data yang akan digunakan

data6 <- read.spss("C:/Kuliah/SEMESTER 4/ANALISIS DATA KATEGORIK PRAKTIKUM/PE
RTEMUAN 6/Data_TugasPADK01.sav",to.data.frame=TRUE) #Sesuaikan dengan lokasi
penyimpanan file
## Warning in read.spss("C:/Kuliah/SEMESTER 4/ANALISIS DATA KATEGORIK

## PRAKTIKUM/PERTEMUAN 6/Data_TugasPADK01.sav", : Undeclared level(s) 5 added
in
## variable: X7
View(data6)
head(data6,3)
## urut m101 Y X1 X2 X3 X4 X5 X6 X
7
## 1 2736 12 Tidak Ikut Gotong Royong Ikut Tidak Tidak Tidak Tidak Tidak
5
## 2 2736 12 Tidak Ikut Gotong Royong Ikut Tidak Tidak Tidak Tidak Tidak
5
## 3 2736 12 Tidak Ikut Gotong Royong Tidak Tidak Tidak Tidak Tidak Tidak
5
## X8 X9 X10 X11 X12 X13 X14
X15
## 1 Tidak Ada Tinggi Perkotaan KRT Laki-laki Kawin Perguruan Tin
ggi
## 2 Tidak Ada Tinggi Perkotaan ART Perempuan Kawin Perguruan Tin
ggi
## 3 Tidak Ada Tinggi Perkotaan ART Laki-laki Belum Kawin Maksimum SMP/Sedera
jat
## X16 Z X17 filter_.
## 1 Milik Sendiri 35 Dewasa Muda Selected
## 2 Milik Sendiri 34 Dewasa Muda Selected
## 3 Milik Sendiri 14 Remaja Selected
#Membuat tabel kontingensi

tabel6 <- table(data6$X13,data6$Y,data6$X11)
tabel6
## , , = Perkotaan
##
##
## Ikut Gotong Royong Tidak Ikut Gotong Royong
## Laki-laki 832 1500
## Perempuan 470 1936
##
## , , = Pedesaan
##
##
## Ikut Gotong Royong Tidak Ikut Gotong Royong
## Laki-laki 1485 1601
tabel6_f <- addmargins(tabel6)

tabel6_f
## , , = Perkotaan
##
##
## Ikut Gotong Royong Tidak Ikut Gotong Royong Sum
## Laki-laki 832 1500 2332
## Perempuan 470 1936 2406
## Sum 1302 3436 4738
##
## , , = Pedesaan
##
##
## Laki-laki 1485 1601 3086
## Perempuan 850 2227 3077
## Sum 2335 3828 6163
##
## , , = Sum
##
##
## Laki-laki 2317 3101 5418
## Perempuan 1320 4163 5483
## Sum 3637 7264 10901
#Pengujian asosiasi
chisq.test(tabel6_f[,,1][-3,-3],correct=F)
##
## Pearson's Chi-squared test
##
## data: tabel6_f[, , 1][-3, -3]
## X-squared = 154.86, df = 1, p-value < 2.2e-16
##
##
## data: tabel6_f[, , 2][-3, -3]
##
##
## data: tabel6_f[, , 3][-3, -3]
#OR dan RR
#Parsial
OddsRatio(tabel6[,,1], conf.level = 0.95) # OR tabel parsial kategori 1
## odds ratio lwr.ci upr.ci

## 2.284755 2.002895 2.606279
tabel61<-matrix(as.numeric(tabel6[,,1]), nrow = 2)
RelRisk(tabel61, conf.level = 0.95) # RR tabel parsial kategori 1
## rel. risk lwr.ci upr.ci

## 1.826386 1.656915 2.014368

## 2.430169 2.185810 2.701845
tabel62<-matrix(as.numeric(tabel6[,,2]),nrow = 2)

## 1.741964 1.628016 1.864860
#Marginal
OddsRatio(tabel6_f[,,3][-3,-3], conf.level = 0.95) # OR tabel marginal

## 2.356442 2.170849 2.557902
RelRisk(tabel6_f[,,3][-3,-3], conf.level = 0.95) # RR tabel marginal

## 1.776361 1.679523 1.879303
#Mengubah tipe data tabel

tabel6n<-as.data.frame(tabel6) #Dibuat menjadi data frame baru
tabel6n$Freq<-as.numeric(tabel6n$Freq) #Mengubah tipe data frekuensi menjadi
numerik
colnames(tabel6n)[1]<-"Jenis Kelamin" #Ubah nama kolom Var1 menjadi Jenis Kel
amin
colnames(tabel6n)[2]="Kegiatan Sosial Gotong Royong" #Ubah nama kolom Var2 me
njadi Kegiatan Sosial Gotong Royong
colnames(tabel6n)[3]="Klasifikasi Desa/Kota" #Ubah nama kolom Var3 menjadi Kl
asifikasi Desa/Kota
tabel6n
## Jenis Kelamin Kegiatan Sosial Gotong Royong Klasifikasi Desa/Kota Freq

## 1 Laki-laki Ikut Gotong Royong Perkotaan 832
## 2 Perempuan Ikut Gotong Royong Perkotaan 470
## 3 Laki-laki Tidak Ikut Gotong Royong Perkotaan 1500
## 4 Perempuan Tidak Ikut Gotong Royong Perkotaan 1936
## 5 Laki-laki Ikut Gotong Royong Pedesaan 1485
## 6 Perempuan Ikut Gotong Royong Pedesaan 850
## 7 Laki-laki Tidak Ikut Gotong Royong Pedesaan 1601
## 8 Perempuan Tidak Ikut Gotong Royong Pedesaan 2227
tab6<-xtabs(Freq~.,data=tabel6n) #Membuat tabel baru setelah tipe data frekue

nsi diubah
tab6
## , , Klasifikasi Desa/Kota = Perkotaan

##
## Kegiatan Sosial Gotong Royong
## Jenis Kelamin Ikut Gotong Royong Tidak Ikut Gotong Royong
## Laki-laki 832 1500
##
## , , Klasifikasi Desa/Kota = Pedesaan
##
## Kegiatan Sosial Gotong Royong
## Jenis Kelamin Ikut Gotong Royong Tidak Ikut Gotong Royong
## Laki-laki 1485 1601
#BD Test dan CMH Test

BreslowDayTest(tab6)
##
## Breslow-Day test on Homogeneity of Odds Ratios
##
## data: tab6
## X-squared = 0.512, df = 1, p-value = 0.4743
mantelhaen.test(tab6)
##
## Mantel-Haenszel chi-squared test with continuity correction
##
## data: tab6
## Mantel-Haenszel X-squared = 428.45, df = 1, p-value < 2.2e-16
## alternative hypothesis: true common odds ratio is not equal to 1
## 95 percent confidence interval:
## 2.183694 2.575735
## sample estimates:
## common odds ratio
## 2.371628
syntax-adk-no-2.R
User
2023-03-16
#Persiapkan package
library(foreign) #Import data
library(DescTools) #Untuk uji asosiasi dan ukuran asosiasi
library(samplesizeCMH) #diperlukan untuk menggunakan Mantel-Haenzel test
#Mempersiapkan data yang akan digunakan

data6 <- read.spss("C:/Kuliah/SEMESTER 4/ANALISIS DATA KATEGORIK PRAKTIKUM/PE
RTEMUAN 6/tugas adk no 2 pert 6.sav",to.data.frame=TRUE) #Sesuaikan dengan lo
kasi penyimpanan file
View(data6)
head(data6,3)
## Penggunaan_seatbelt Terlempar_darikendaraan Kondisi_korban frekuensi

## 1 Ya Ya Tidak Fatal 1105
## 2 Ya Ya Fatal 14
## 3 Ya Tidak Tidak Fatal 411111
#Membuat tabel kontingensi

tabel6 <- xtabs(frekuensi~Terlempar_darikendaraan+Kondisi_korban+Penggunaan_s
eatbelt, data=data6)
tabel6
## , , Penggunaan_seatbelt = Ya
##
## Kondisi_korban
## Terlempar_darikendaraan Tidak Fatal Fatal
## Ya 1105 14
## Tidak 411111 483
##
## , , Penggunaan_seatbelt = Tidak
##
## Kondisi_korban
## Terlempar_darikendaraan Tidak Fatal Fatal
## Ya 4624 497
## Tidak 157342 1008
tabel6_f <- addmargins(tabel6)

tabel6_f
## , , Penggunaan_seatbelt = Ya
##
## Kondisi_korban
## Terlempar_darikendaraan Tidak Fatal Fatal Sum
## Ya 1105 14 1119
## Tidak 411111 483 411594
## Sum 412216 497 412713
##
## , , Penggunaan_seatbelt = Tidak
##
## Kondisi_korban
## Ya 4624 497 5121
## Tidak 157342 1008 158350
## Sum 161966 1505 163471
##
## , , Penggunaan_seatbelt = Sum
##
## Kondisi_korban
## Ya 5729 511 6240
## Tidak 568453 1491 569944
## Sum 574182 2002 576184
#Pengujian asosiasi
## Warning in chisq.test(tabel6_f[, , 1][-3, -3], correct = F): Chi-squared

## approximation may be incorrect
##
##
## data: tabel6_f[, , 1][-3, -3]
##
##
## data: tabel6_f[, , 2][-3, -3]
##
##
## data: tabel6_f[, , 3][-3, -3]
## X-squared = 11203, df = 1, p-value < 2.2e-16
#OR dan RR
#Parsial

## 0.09273043 0.05432947 0.15827381
tabel61<-matrix(as.numeric(tabel6[,,1]), nrow = 2)

## 0.9886490 0.9802529 0.9937011

## 0.05960426 0.05332430 0.06662380
tabel62<-matrix(as.numeric(tabel6[,,2]),nrow = 2)

## 0.9087333 0.9002598 0.9166004
#Marginal
OddsRatio(tabel6_f[,,3][-3,-3], conf.level = 0.95) # OR tabel marginal

## 0.02940634 0.02650745 0.03262226
RelRisk(tabel6_f[,,3][-3,-3], conf.level = 0.95) # RR tabel marginal

## 0.9205171 0.9134350 0.9270838
#Mengubah tipe data tabel

tabel6n<-as.data.frame(tabel6) #Dibuat menjadi data frame baru
tabel6n$Freq<-as.numeric(tabel6n$Freq) #Mengubah tipe data frekuensi menjadi
numerik
colnames(tabel6n)[1]<-"Apakah terlempar dari kendaraan"
colnames(tabel6n)[2]="Kondisi Korban"
colnames(tabel6n)[3]="Penggunaan seat belt"
tabel6n
## Apakah terlempar dari kendaraan Kondisi Korban Penggunaan seat belt Fr

eq
## 1 Ya Tidak Fatal Ya 11
05
## 2 Tidak Tidak Fatal Ya 4111
11
## 3 Ya Fatal Ya
14
## 4 Tidak Fatal Ya 4
83
## 5 Ya Tidak Fatal Tidak 46
24
## 6 Tidak Tidak Fatal Tidak 1573
42
## 7 Ya Fatal Tidak 4
97
## 8 Tidak Fatal Tidak 10
08
tab6<-xtabs(Freq~.,data=tabel6n) #Membuat tabel baru setelah tipe data frekue

nsi diubah
tab6
## , , Penggunaan seat belt = Ya

##
## Kondisi Korban
## Apakah terlempar dari kendaraan Tidak Fatal Fatal
## Ya 1105 14
## Tidak 411111 483
##
## , , Penggunaan seat belt = Tidak
##
## Kondisi Korban
## Apakah terlempar dari kendaraan Tidak Fatal Fatal
## Ya 4624 497
## Tidak 157342 1008
#BD Test dan CMH Test

BreslowDayTest(tab6)
##
## Breslow-Day test on Homogeneity of Odds Ratios
##
## data: tab6
## X-squared = 2.5556, df = 1, p-value = 0.1099
mantelhaen.test(tab6)
##
## Mantel-Haenszel chi-squared test with continuity correction
##
## data: tab6
## Mantel-Haenszel X-squared = 4581.3, df = 1, p-value < 2.2e-16
## alternative hypothesis: true common odds ratio is not equal to 1
## 0.05430025 0.06750262
## common odds ratio
## 0.06054262
fisher.test(tab6[,,1])
##
## Fisher's Exact Test for Count Data
##
## data: tab6[, , 1]
## p-value = 1.713e-10
## alternative hypothesis: true odds ratio is not equal to 1
## 0.05451871 0.17146058
## odds ratio
## 0.09271993

07 - 112111945 - Bagas Andriata Pratama - Tugas Pertemuan 6

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

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

07 - 112111945 - Bagas Andriata Pratama - Tugas Pertemuan 6

Diunggah oleh

Hak Cipta:

Format Tersedia

NAMA : BAGAS ANDRIATA PRATAMA

TUGAS ADK PERTEMUAN 6

1. Berdasarkan Data_TugasPADK01.sav, lakukan pengujian apakah terdapat asosiasi homogen

Lakukan pengujian apakah terdapat asosiasi homogen antar ketiga variabel

 H0: Tidak terdapat hubungan antara variabel jenis kelamin dan

 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1)

Dari hasil pengolahan di atas didapatkan nilai 𝜒2 hitung sebesar 154.855

𝜒2 hitung (154.855) > 𝜒2 tabel((0.05, 1)= 3,84)

p-value (0.00) < 𝑎 (0.05)

 Dengan tingkat signifikansi 5% dan jumlah sampel yang di tentukan

 H0: Tidak terdapat hubungan antara variabel jenis kelamin dan

 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1)

Dari hasil pengolahan di atas didapatkan nilai 𝜒2 hitung sebesar 275.046

𝜒2 hitung (275.046) > 𝜒2 tabel((0.05, 1)= 3,84)

p-value (0.00) < 𝑎 (0.05)

 Dengan tingkat signifikansi 5% dan jumlah sampel yang di

 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1)

Dari hasil pengolahan di atas didapatkan nilai 𝜒2 hitung sebesar 428.197

𝜒2 hitung (428.197) > 𝜒2 tabel((0.05, 1)= 3,84)

p-value (0.00) < 𝑎 (0.05)

 Dengan tingkat signifikansi 5% dan jumlah sampel yang di tentukan

H0: OR homogen pada strata (terdapat asosiasi homogen)

H1: OR tidak homogen pada strata (tidak terdapat asosiasi homogen)

 Tolak H0 jika p-value < 𝑎

Dari hasil pengolahan di atas didapatkan nilai p-value (2 tailed) sebesar

p-value (0.474) > 𝑎 (0.05)

sehingga gagal tolak H0

 Dengan tingkat signifikansi 5% dan jumlah sampel yang di tentukan

 H0: OR independent pada strata

 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1) =3.84

𝜒2 hitung (429.37) > 𝜒2 tabel((0.05, 1)= 3,84)

p-value (0.00) < 𝑎 (0.05)

Oleh karena itu, dapat disimpulkan bahwa dengan tingkat signifikansi 5%

Lakukan pengujian apakah terdapat asosiasi homogen antar ketiga variabel

a) Case Processing Summary

H0: Tidak terdapat hubungan antara variabel apakah terlempar dari

H1: Terdapat hubungan antara variabel apakah terlempar dari

 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1)

Dari hasil pengolahan di atas didapatkan nilai 𝜒2 hitung sebesar 119.265

𝜒2 hitung (119.265) > 𝜒2 tabel((0.05, 1)= 3,84)

p-value (0.00) < 𝑎 (0.05)

Dengan tingkat signifikansi 5% dan jumlah sampel yang di tentukan ,

Tabel Parsial Tidak Menggunakan seat belt

H0: Tidak terdapat hubungan antara variabel apakah terlempar dari

 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1)

Dari hasil pengolahan di atas didapatkan nilai 𝜒2 hitung sebesar 4472.3

𝜒2 hitung (4472.3) > 𝜒2 tabel((0.05, 1)= 3,84)

p-value (0.00) < 𝑎 (0.05)

H0: Tidak terdapat hubungan antara variabel apakah terlempar dari

 Tolak H0 jika 𝜒2 hitung > 𝜒2 (α, 1)

Dari hasil pengolahan di atas didapatkan nilai 𝜒2 hitung sebesar

𝜒2 hitung (11203.058) > 𝜒2 tabel((0.05, 1)= 3,84)

p-value (0.00) < 𝑎 (0.05)

Dengan tingkat signifikansi 5% dan jumlah sampel yang di tentukan ,

H0: OR homogen pada strata (terdapat asosiasi homogen)

H1: OR tidak homogen pada strata (tidak terdapat asosiasi homogen)

 Tolak H0 jika p-value < 𝑎

Dari hasil pengolahan di atas didapatkan nilai p-value (2 tailed) sebesar

p-value (0.11) > 𝑎 (0.05)

sehingga gagal tolak H0

 Dengan tingkat signifikansi 5% dan jumlah sampel yang di tentukan

 H0: OR independent pada strata