MODEL LOG LINIER
Gangga Anuraga
MODEL LOG LINIER
Menyatakan hubungan antar variabel, dengan data yang
bersifat kualitatif (skala nominal atau ordinal).
Dengan menggunakan pendekatan log linier bisa
diketahui model matematikanya secara pasti serta level
atau kelas mana yang cenderung menimbulkan adanya
hubungan atau dependensi.
Dalam tabel kontingensi I x J, dikatakan independen
apabila ij i j
Formula dalam model log linier menggunakan nilai
harapan ij n ij
dan independen jika n
ij i j
MODEL LOG LINIER UNTUK TABEL 2 X 2
Misalkan X sebagai variabel baris dan
Y sebagai variabel kolom, maka model log linier
dapat dituliskan sebagai berikut :
log
ij i
X Y
j
...(1)
dimana :
menunjukkan efek utama kategori
i
X
ke-i variabel X.
menunjukkan efek utama kategori ke-j
j
Y
variabel Y.
dan model jenuh dapat dituliskan sebagai berikut :
log
ij i
X Y
j
XY
ij
... (2)
= efek interaksi antara kategori ke-i peubah X
ij
XY
dan kategori ke-j peubah Y
untuk i=1,2,3,...,I dan j=1,2,3,...,J
log (terdapat hubungan antara log
ij ij ij
dengan n , sehingga n dapat digunakan
ij ij
untuk menduga log ) ij
i
J
j 1
ij
J
j
I
i 1
ij
I
I
i 1
J
j 1
ij
IJ
i
X
i
j
Y
j
ij
XY
ij i j
CONTOH KASUS
Hubungan partai dengan jenis kelamin
Partai
jenis kelamin Total
buruh konservatif
Laki-laki 222 115 337
Perempuan 240 185 425
Total 462 300 762
Ln nij hubungan partai dengan jenis kelamin
eta(ij)
Partai
jenis kelamin eta(i+)
buruh konservatif
Laki-laki 5.40 4.74 5.07
Perempuan 5.48 5.22 5.35
eta(+j) 5.44 4.98 5.21
Sehingga :
5, 21
0,14
1
X
0,14
2
X
0, 23
1
Y
0, 23
2
Y
11
XY
0,10
0,10 XY
12
0,10 0,10
21
XY XY
22
MODEL JENUH / SATURATED MODEL
(MODEL 0)
Didapat model penuh (saturated model)
misal log v ij ij
v
ij i
X Y
j
XY
ij
v
11 1
X
1
Y
11
XY
5, 4 5, 21 0,14 0, 23 0,10 (mod el jenuh)
v
21
X
2 1
Y
21
XY
5, 21 0,14 0, 23 0,10 (mod el jenuh)
df 0 G 0,000
2
MODEL TANPA INTERAKSI (MODEL 1)
XY
ij
Model 1 adalah interaksi antar 2 variabel dihilangkan
misal log v ij ij
v
ij i
X Y
j
Untuk mengevaluasi interaksi XY
ij
dapat dilakukan dengan membandingkan model
Berikut hipotesis yang dibangun :
H model 1 adalah model terbaik
0
H model 0 (saturated model) adalah model terbaik
1
Statistik Uji :
Dengan pearson 2 dan Likelihood ratio test G 2 sebagai berikut :
n ˆ ij
2
nij
, G 2 nij log
2 ij 2
hitung
ˆ ij ˆ ij
df I 1 J 1
0,05
1:0,05
2
3,841
Tabel Frekuensi Harapan dan ln dari
frekuensi harapan
Partai
jenis kelamin
buruh konservatif Total
Laki-laki 204.32 132.68 337.00
Perempuan 257.68 167.32 425.00
Total 462.00 300.00 762.00
Partai
jenis kelamin Total
buruh konservatif
Laki-laki 5.32 4.89 10.21
Perempuan 5.55 5.12 10.67
Total 10.87 10.01 20.88
ANALISIS DAN PEMBAHASAN
Perhitungan :
nij
G 2 nij log
2
ˆ ij
G 2 7, 003138
Keputusan : Tolak H 0
Sehingga dapat ditarik kesimpulan bahwa Model 0 (model
lengkap) sebagai model terbaik. Jadi model log linier
untuk hubungan antara kedua variabel tersebut adalah :
vij iX Yj ijXY
INTERPRETASI :
Interpretasi dari model adalah adanya hubungan
antara variabel jenis partai dengan variabel Jenis kelamin,
dimana pengaruh efek utama variabel jenis partai dan
variabel jenis kelamin juga masuk ke dalam model.
Gunakan SPSS
UJI K-WAY
Uji K-Way
1. Pengujian interaksi pada derajat K atau lebih tinggi sama
dengan nol (Test that K - Way and higher order effect are zero)
Uji ini didasarkan pada hipotesis bahwa efek order ke-K dan
yang lebih tinggi sama dengan nol.
Pada model log linear hipotesisnya sebagai berikut.
- Untuk K = 2
H : Efek order ke-2 = 0
0
H : Efek order ke-2 0
1
- Untuk K = 1
H : Efek order ke-1 dan yang lebih tinggi = 0
0
H : Efek order ke-1 dan yang lebih tinggi 0
1
Uji K-way
2. Pengujian interaksi pada derajat K sama dengan nol
(Test that K - Way effect are zero)
Uji ini didasarkan pada hipotesis efek order ke-K
sama dengan nol. Pada model log linear hipotesisnya
sebagai berikut.
- Untuk K = 1
H : Efek order ke-1 = 0
0
H : Efek order ke-1 0
1
- Untuk K = 2
H : Efek order ke-2 = 0
0
H : Efek order ke-2 0
1
Statistik uji yang digunakan adalah Likelihood Ratio Test
(G ) Kriteria penolakan G2> (db; ) maka tolah H
2 2
0
Output SPSS Uji K-Way
Pada pengujian efek order ke-K atau lebih sama dengan nol dijabarkan sebagai berikut.
Untuk K = 2
Hipotesis :
H : Efek order ke-2 = 0
0
H : Efek order ke-2 0
1
P_value yang kurang dari nilai = 5% yaitu 0,008.
Sehingga H didukung oleh data, artinya efek interaksi order kedua terdapat dalam model.
1
Untuk K = 1
Hipotesis :
H : Efek order ke-1 dan yang lebih tinggi = 0
0
H : Efek order ke-1 dan yang lebih tinggi 0
1
P_value = 0,000 yang kurang dari nilai = 5% .
Sehingga H didukung oleh data, artinya efek interaksi order kesatu dan yang lebih tinggi
1
terdapat dalam model.
Pada pengujian efek order ke-K sama dengan nol
dijabarkan sebagai berikut.
Untuk K = 1
Hipotesis :
H : Efek order ke-1 = 0
0
H : Efek order ke-1 0
1
Nilai P_value = 0,000 yang kurang dari nilai = 5%.
Sehingga H didukung oleh data, artinya efek interaksi order ke-1 terdapat dalam model.
1
Untuk K = 2
Hipotesis :
H : Efek order ke-2 = 0
0
H : Efek order ke-2 0
1
Nilai P_value = 0,008 yang kurang dari nilai = 5%.
Sehingga H didukung oleh data, artinya
1
efek interaksi order ke-2 terdapat dalam model.
Uji Asosiasi Parsial
Pengujian ini mempunyai tujuan untuk menguji
semua parameter yang mungkin dari suatu model lengkap
baik untuk satu variabel yang bebas maupun untuk
hubungan ketergantungan beberapa variabel yang
merupakan parsial dari suatu model lengkap.
Hipotesisnya adalah sebagai berikut.
- H : Efek interaksi antara variabel 1 dan variabel 2 = 0
0
H :H
1 0
- H : Efek variabel 1 = 0
0
H :H
1 0
- H : Efek variabel 2 = 0
0
H :H
1 0
OUTPUT SPSS UJI PARSIAL
Statistik uji yang digunakan adalah partial chi-squared
dengan derajat bebas (db; ).
2
tolak H yang berarti terdapat efek variabel jenis kelamin
0
dalam model.
tolak H yang berarti terdapat efek variabel jenis partai
0
dalam model.
SELEKSI MODEL
Eliminasi Backward
Seleksi model log linier dilakukan dengan metode Backward Elimination.
Metode Backward Elimination pada dasarnya menyeleksi model
dengan menggunakan prinsip hierarki, yaitu dengan melihat
model terlengkap sampai dengan
model yang sederhana.
Untuk memilih model terbaik menggunakan hipotesis sebagai berikut.
H : Model 1 adalah model terbaik
0
H : Model 0 (model jenuh) adalah model terbaik
1
TERIMA KASIH
