NIM : 112111945
KELAS : 2D32
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).
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
α = 5% atau 0.05
Wilayah kritis
Keputusan
Kesimpulan
Hipotesis
α = 5% atau 0.05
Wilayah kritis
Keputusan
sehingga tolak H0
Kesimpulan
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
Keputusan
sehingga tolak H0
Kesimpulan
Hipotesis
α = 5% atau 0.05
Wilayah kritis
Keputusan
Kesimpulan
e) CMH test
Hipotesis
α = 5% atau 0.05
Wilayah kritis
Keputusan
sehingga tolak H0
Kesimpulan
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).
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
Tingkat signifikansi
α = 5% atau 0.05
Wilayah kritis
sehingga tolak H0
Kesimpulan
Hipotesis
H1: Terdapat hubungan antara variabel apakah terlempar dari kendaraan dan
kondisi korban
Tingkat signifikansi
α = 5% atau 0.05
Wilayah kritis
Keputusan
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 Marginal
Hipotesis
H1: Terdapat hubungan antara variabel apakah terlempar dari kendaraan dan
kondisi korban
Tingkat signifikansi
α = 5% atau 0.05
Wilayah kritis
Keputusan
sehingga tolak H0
Kesimpulan
d) BD test
Hipotesis
Tingkat signifikansi
α = 5% atau 0.05
Wilayah kritis
Keputusan
Kesimpulan
e) CMH test
Hipotesis
Wilayah kritis
Keputusan
sehingga tolak H0
Kesimpulan
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
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
## , , = 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
## Perempuan 850 2227
## , , = Perkotaan
##
##
## Ikut Gotong Royong Tidak Ikut Gotong Royong Sum
## Laki-laki 832 1500 2332
## Perempuan 470 1936 2406
## Sum 1302 3436 4738
##
## , , = Pedesaan
##
##
## Ikut Gotong Royong Tidak Ikut Gotong Royong Sum
## Laki-laki 1485 1601 3086
## Perempuan 850 2227 3077
## Sum 2335 3828 6163
##
## , , = Sum
##
##
## Ikut Gotong Royong Tidak Ikut Gotong Royong 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
chisq.test(tabel6_f[,,2][-3,-3],correct=F)
##
## Pearson's Chi-squared test
##
## data: tabel6_f[, , 2][-3, -3]
## X-squared = 275.05, df = 1, p-value < 2.2e-16
chisq.test(tabel6_f[,,3][-3,-3],correct=F)
##
## Pearson's Chi-squared test
##
## data: tabel6_f[, , 3][-3, -3]
## X-squared = 428.2, df = 1, p-value < 2.2e-16
#OR dan RR
#Parsial
OddsRatio(tabel6[,,1], conf.level = 0.95) # OR tabel parsial kategori 1
tabel61<-matrix(as.numeric(tabel6[,,1]), nrow = 2)
RelRisk(tabel61, conf.level = 0.95) # RR tabel parsial kategori 1
tabel62<-matrix(as.numeric(tabel6[,,2]),nrow = 2)
RelRisk(tabel62, conf.level = 0.95) # RR tabel parsial kategori 2
#Marginal
OddsRatio(tabel6_f[,,3][-3,-3], conf.level = 0.95) # OR tabel marginal
##
## 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
## , , 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
## , , 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
## Terlempar_darikendaraan Tidak Fatal Fatal Sum
## Ya 4624 497 5121
## Tidak 157342 1008 158350
## Sum 161966 1505 163471
##
## , , Penggunaan_seatbelt = Sum
##
## Kondisi_korban
## Terlempar_darikendaraan Tidak Fatal Fatal Sum
## Ya 5729 511 6240
## Tidak 568453 1491 569944
## Sum 574182 2002 576184
#Pengujian asosiasi
chisq.test(tabel6_f[,,1][-3,-3],correct=F)
##
## Pearson's Chi-squared test
##
## data: tabel6_f[, , 1][-3, -3]
## X-squared = 119.27, df = 1, p-value < 2.2e-16
chisq.test(tabel6_f[,,2][-3,-3],correct=F)
##
## Pearson's Chi-squared test
##
## data: tabel6_f[, , 2][-3, -3]
## X-squared = 4472.3, df = 1, p-value < 2.2e-16
chisq.test(tabel6_f[,,3][-3,-3],correct=F)
##
## Pearson's Chi-squared test
##
## data: tabel6_f[, , 3][-3, -3]
## X-squared = 11203, df = 1, p-value < 2.2e-16
#OR dan RR
#Parsial
OddsRatio(tabel6[,,1], conf.level = 0.95) # OR tabel parsial kategori 1
tabel62<-matrix(as.numeric(tabel6[,,2]),nrow = 2)
RelRisk(tabel62, conf.level = 0.95) # RR tabel parsial kategori 2
#Marginal
OddsRatio(tabel6_f[,,3][-3,-3], conf.level = 0.95) # OR tabel marginal
##
## 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
## 95 percent confidence interval:
## 0.05430025 0.06750262
## sample estimates:
## 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
## 95 percent confidence interval:
## 0.05451871 0.17146058
## sample estimates:
## odds ratio
## 0.09271993