LAPORAN MINGGUAN

ANALISIS DATA KATEGORIK

Nama : Maria Jeanne Natalia Pakaenoni

NIM : 201064001

Modul Ke : IV

Kelompok :A

ASLAB :

1. Yakobus Adventianus Nong

2. Mercynanda Yuliany Alang

JURUSAN STATISTIKA

FAKULTAS SAINS TERAPAN

INSTITUT SAINS & TEKNOLOGI AKPRIND

YOGYAKARTA

2022
I. DATA PERCOBAAN
Disajikan data sebagai berikut:

II. RUMUSAN MASALAH

Misalkan akan diteliti hubungan antara Jenis kelamin dan Usia terhadap orang yang
teridentifikasi ataupun tidak teridentifikasi COVID-19.
1) Interpretasikan semua hasil pada output!
2) Lakukan uji Hipotesis untuk mengetahui pengaruh seseorang teridentifikasi
COVID-19. Gunakan taraf signifikansi 90%!
3) Bagaimana perbandingan dan hasil dari output interval keyakinan dari Statistik
Wald dan Likelihood?
 4) Bagaimana bentuk modelnya (menggunakan model regresi logistic).

III. ANALISIS DAN PEMBAHASAN

1) Interpretasikan semua hasil pada output
Hasil Output:

Interpretasi:
- Berdasarkan hasil output GLM diatas, diperoleh nilai minimal (terkecil)
sebesar -2.00238, nilai kuartil pertama (Q1) sebesar -0.38893, nilai
median/nilai tengah (Q2) sebesar 0.05374, nilai kuartil ketiga (Q3) sebesar
0.38238 dan nilai maksimal (terbesar) sebesar 2.40361
- Nilai estimasi dari intercept sebesar -8.58309, standar error sebesar
3.46495, z value sebesar -2.477 dan p-value sebesar 0.01324
- Nilai estimasi dari variabel Jenis Kelamin[T.Perempuan] sebesar 4.69150,
standar error sebesar 1.45273, z value sebesar 3.229 dan p-value sebesar
0.00124
- Nilai estimasi dari variabel Usia sebesar 0.14379, standar error sebesar
0.06938, z value sebesar 2.073 dan p-value sebesar 0.03821
 - Dapat dilihat bahwa terdapat tanda bintang pada bagian Coefficients yang
artinya ketiga variabel (X(1;2) dan Y) signifikan
- Nilai exp coeffiecients (odds ratio) untuk intercept sebesar 0.0001872459,
untuk variabel Jenis Kelamin[T.Perempuan] sebesar 109.0165608759 dan
untuk variabel Usia sebesar 1.1546437903

2) Uji Hipotesis untuk mengetahui pengaruh seseorang teridentifikasi COVID-

19. Gunakan taraf signifikansi 90%
➔ Uji Hipotesis untuk variabel Jenis kelamin
Hipotesis
H0: Tidak ada pengaruh dari variabel jenis kelamin terhadap seseorang
teridentifikasi COVID-19
H1 : Ada pengaruh yang signifikan dari variabel jenis kelamin terhadap
seseorang teridentifikasi COVID-19

Taraf Signifikansi
α = 10% (0.1)

Statistik Uji
P-value = 0.00124

Daerah Kritis
H0 ditolak jika, P-value < α

Kesimpulan
Karena P-value = 0.00124 < α = 0.1, maka H0 ditolak. Dengan demikian,
dapat disimpulkan bahwa ada pengaruh yang signifikan dari variabel jenis
kelamin terhadap seseorang teridentifikasi COVID-19 dengan tingkat
kepercayaan 90%.

➔ Uji Hipotesis untuk variabel Usia

Hipotesis
H0: Tidak ada pengaruh dari variabel usia terhadap seseorang
teridentifikasi COVID-19
 H1 : Ada pengaruh yang signifikan dari variabel usia terhadap seseorang
teridentifikasi COVID-19

Taraf Signifikansi
α = 10% (0.1)

Statistik Uji
P-value = 0.03821

Daerah Kritis
H0 ditolak jika, P-value < α

Kesimpulan
Karena P-value = 0.03821 < α = 0.1, maka H0 ditolak. Dengan demikian,
dapat disimpulkan bahwa ada pengaruh yang signifikan dari variabel usia
terhadap seseorang teridentifikasi COVID-19 dengan tingkat kepercayaan
90%.

➔ Uji Hipotesis antara variabel Jenis Kelamin dan variabel Usia

Hipotesis
H0: Tidak ada pengaruh antara variabel jenis kelamin dan usia terhadap
seseorang teridentifikasi COVID-19
H1 : Ada pengaruh yang signifikan antara variabel jenis kelamin dan usia
terhadap seseorang teridentifikasi COVID-19

Taraf Signifikansi
α = 10% (0.1)

Statistik Uji
P-value = 0.01324

Daerah Kritis
H0 ditolak jika, P-value < α
 Kesimpulan
Karena P-value = 0.01324 < α = 0.1, maka H0 ditolak. Dengan demikian,
dapat disimpulkan bahwa ada pengaruh yang signifikan antara variabel
jenis kelamin dan usia terhadap seseorang teridentifikasi COVID-19
dengan tingkat kepercayaan 90%.

3) Perbandingan dan hasil dari output interval keyakinan dari Statistik Wald dan
Likelihood
➔ Statistik Wald
Hasil Output:

Interpretasi:
Dari hasil output interval keyakinan diatas dimana batas bawah bernilai
2.5% dan batas atas 97.5% dapat dijelaskan bahwa variabel jenis kelamin
mempunyai pengaruh yang signifikan terhadap variabel respon, sedangkan
variabel usia tidak berpengaruh terhadap variabel respon. Dikatakan
mempunyai pengaruh yang signifikan karena pada koefisien variabel jenis
kelamin tidak mencakup nilai NOL pada batas bawah dan atasnya.

➔ Likelihood
Hasil Output:
 Interpretasi:
Dari hasil output interval keyakinan diatas dimana batas bawah bernilai 5%
dan batas atas bernilai 95% dapat dijelaskan bahwa variabel jenis kelamin
mempunyai pengaruh yang signifikan terhadap variabel respon, sedangkan
variabel usia tidak berpengaruh terhadap variabel respon. Dikatakan
mempunyai pengaruh yang signifikan karena pada koefisien variabel jenis
kelamin tidak mencakup nilai NOL pada batas bawah dan atasnya.

#Perbandingan dan hasil dari output interval keyakinan dari Statistik

Wald dan Likelihood:
Dapat dilihat bahwa, untuk nilai batas bawah dan atas interval keyakinan
dari kedua statistik diatas berbeda tetapi untuk variabel yang mempunyai
pengaruh signifikan terdapat pada variabel yang sama dari kedua statistic
diatas yakni variabel jenis kelamin.

4) Bentuk modelnya (menggunakan model regresi logistic)

𝟏
µ̂(x) = 𝟏+𝒆−[−𝟖.𝟓𝟖𝟑𝟎𝟗+𝟒.𝟔𝟗𝟏𝟓𝟎𝑿𝟏+𝟎.𝟏𝟒𝟑𝟕𝟗𝑿𝟐

Atau
µ̂(𝒙)
log(𝟏−µ̂(𝒙)) = -8.58309 + 4.69150X1 + 0.14379X2

Interpretasi:
- Konstanta/intercept (β0) = 8.58309, menunjukkan bahwa jika variabel X
atau jenis kelamin dan usia konstan maka rata-rata nilai variabel Y atau
seseorang teridentifikasi COVID-19 adalah -8.58309
- Koefisien regresi (β1x1) = 4.69150X1 menunjukkan bahwa jika variabel X
atau jenis kelamin dan usia meningkat sebesar 1 satuan maka akan
meningkatkan variabel Y atau seseorang teridentifikasi COVID-19 adalah
4.69150
- Koefisien regresi (β2x2) = 0.14379X2 menunjukkan bahwa jika variabel X
atau jenis kelamin dan usia meningkat sebesar 1 satuan maka akan
meningkatkan variabel Y atau seseorang teridentifikasi COVID-19 adalah
0.14379
IV. KESIMPULAN
Berdasarkan hasil analisis dan pembahasan pada bab sebelumnya, diperoleh
beberapa kesimpulan yakni diantaranya:
1) Hasil pada output diatas menghasilkan model GLM, Deviance Residuals,
Coefficients, Signif.codes, nilai AIC dan nilai exp model GLM dengan nilai-
nilai yang dapat dilihat pada bab analisis dan pembahasan.

2) Pada uji hipotesis untuk mengetahui pengaruh seseorang teridentifikasi

COVID-19 dari variabel jenis kelamin sebagai X1, dari variabel usia sebagai
X2 dan dari kedua variabel X(1;2) terhadap variabel Y sebagai respon sama-sama
mempunyai pengaruh yang signifikan antar variabel dengan tingkat
kepercayaan 90%.

3) Perbandingan dan hasil dari output interval keyakinan dari Statistik Wald dan
Likelihood didapatkan bahwa untuk nilai batas bawah dan atas interval
keyakinan dari kedua statistik diatas berbeda tetapi untuk variabel yang
mempunyai pengaruh signifikan terdapat pada variabel yang sama dari kedua
statistic diatas yakni variabel jenis kelamin.

4) Bentuk modelnya (menggunakan model regresi logistic) yang dibentuk

𝟏
µ̂(x) = 𝟏+𝒆−[−𝟖.𝟓𝟖𝟑𝟎𝟗−𝟒.𝟔𝟗𝟏𝟓𝟎𝑿𝟏−𝟎.𝟏𝟒𝟑𝟕𝟗𝑿𝟐

Atau
µ̂(𝒙)
log(𝟏−µ̂(𝒙)) = -8.58309 + 4.69150X1 + 0.14379X2
LAMPIRAN

➔ Langkah-langkah kerja untuk nomor 1, 2, dan 4

a) Buka RGui, kemudian ketikkan library(Rcmdr) dan klik enter untuk
membuka tampilan Rcmdr yang akan digunakan dalam analisis kali ini

b) Langkah selanjutnya setelah tampilan Rcmdr muncul, import data excel yang
akan dianalisis dengan pilih menu Data>>Import Data>>from excel file
kemudian beri nama laprak3andakat dan klik OK
c) Setelah import data, panggil data dengan ketikkan laprak3andakat kemudian
submit, dan lihat hasilnya

d) Selanjutnya, mulai analisis data laprak3andakat dengan pilih menu

Statistics>>Fit models>>Generalized linear model
 e) Setelah tampilan GLM muncul, pada kotak Splines/Polynomials yang
pertama masukkan variabel Y: Covid [Factor] dan pada kotak
Splines/polynomials yang kedua masukkan variabel X1: Jenis Kelamin
[Factor] ditambah dengan variabel X2: Usia kemudian klik OK

f) Lihat hasil outputnya

➔ Langkah-langkah kerja untuk nomor 3

a) Pilih menu Models>>Confidence intervals
b) Pada Test Based On, pilih Wald statistics dan Likelihood-ratio statistics
secara beturut-turut, kemudian masukkan Confidence Level: 0.90 sesuai
yang diketahui di soal, selanjutnya klik OK

c) Yang terakhir, lihat hasil outputnya