2-3 Agustus 2006

LPPM - UNAIR SURABAYA

MODEL LOGLINIER

Bambang Widjanarko Otok

PERGURUAN TINGGI
Pemecahan Masalah
(Penelitian)
Masalah yang akhirnya
membuat pengetahuan
yang telah diperbaiki itu
menjadi lebih bermanfaat

Suatu Masalah Baru

Yang Mendasar

PENGEMBANGAN SAINS

PENGEMBANGAN TEKNOLOGI

EKSPERIMEN
EKSPERIMEN
&
SURVEY

DATA

DATA

Data
Kualitatif

Data
Kuantitatif

Diskrit

Kontinu

Skala Pengukuran Data

Sifat
Skala Pengukuran

Membeda
kan

Ada Urutan/
Tingkatan

Ada
Interval

Nominal

Ordinal

Interval

Rasio

Ada titik nol

yang punya
arti

DATA = MODEL + ERROR

PENENTUAN MODEL TERBAIK
estimasi parameter dan pengujian parameter
sederhana, akurasi tinggi
terpenuhi asumsi pada error
Tidak Ada Model Yang Benar, Yang Ada Model
Terbaik
Atau
Pemecahan Masalah Adalah Proses Yang
Berulang
Yang Tidak Kunjung Selesai

Tiga hal yang diperlukan oleh seorang

peneliti :

pengumpulan dan pengolahan data

penyusunan model
pengujian kevalidan model

Pemecahan Masalah (Penelitian)

SEBAGIAN INFORMASI HILANG

PENELITIAN HARUS
MELIHAT KERANGKA
PERMASALAHAN SECARA
MENYELURUH

PERL
U

MULTIVARIATE

Seringkali Membatasi Jumlah Peubah

Terkait

Skema Metode Multivariate

Multidimensional Scaling,
Scaling, Model
Model Loglinier
Loglinier
Multidimensional

Skema Metode
Multivariate

MODEL LOGLINIER

Model log linear untuk mengetahui ada

atau tidaknya hubungan antara variabel
pada data kategorik serta dapat
ditunjukkan kelas mana yang menjadi
sumber dependensinya

Hubungan bersifat Kategori

Hubungan yang dimaksud tidak menyatakan

tingkat atau derajat hubungan maupun arah

hubungan,
data yang diperoleh berupa jumlahan atau
kategori dan merupakan data diskrit

Syarat Variabel bersifat Kategori

Homogen
Yang dimaksud dengan homogen dalam satu sel
tersebut harus merupakan obyek yang sama.
Mutuallity Exclusive Dan Mutuallity Exhausive
Maksud dari mutuallity exclusive dan mutuality
exhaustive adalah antara kelas yang satu dengan
kelas yang lainnya harus saling asing dan
didekomposisikan secara lengkap sampai unut yang
terkecil, sehingga dalam unsur hanya dapat
diklasifikasikan dalam satu unit saja.
Skala Pengukuran Nominal Dan Ordinal

Hipotesa
awal (Ho)
Uji Independensi
variabel

: tidak ada hubungan antara

dan variabel B (A dan B

independent)
Hipotesa alternatif (H1) : ada hubungan antara variable
A
dan
variabel
BTotal
(A dan B
B1
B2
BJ
dependen).

Nilai Harapan

A1
A2
.
.
AI

x11
x21
.
.
Xi1

x12
x22
.
.
xI2

x1j
x2j
.
.
xIJ

x1.
x2.
.
.
xI.

Total

x.1

x.2

x.J

x..

ij
m

xi .xj
N

Statistik Uji

2
h

n n

(xij xi.x.j / N )2

i j j 1

xi.x.j / N

Daerah Penolakan

2h 2 ( I 1)((J 1)

Residual
Residual (Error):

Adjusted Residual:

eij xij mij

dij
dimana:

eij
vij
xi.
vij 1

x.j

Nilai adjusted residual akan mendekati distribusi normal N(0,1). Atau

dengan kata lain, mempunyai asumsi distribusi normal bila nilai adjusted
residualnya berada di dalam range -1,96 sampai 1.96. hal ini terjadi bila
diambil = 0.05, sehingga 95% dari nilai residual masuk ke dalam range
tersebut. Bila ternyata ada yang keluar dari batas tersebut, maka titik-titik
tersebut merupakan titik-titik penting yang perlu mendapat perhatian, sebab
mungkin pada sel tersebut sebetulnya penyebab terjadinya dependensi.

Model log linear untuk Tabel Dua Dimensi

Nilai Harapan:

Logaritma:
~ ANOVA:

mij

xi. x.j
N

log mij log xi log xj log N

log mij U U1(i ) U 2( j )

1 I J

log
m

ij
IJ i1 j 1

1 J

log mij U
J j 1

1 I

log
m

ij U
I i1

Model Saturated:

log mij U U 1(i ) U 2 ( j ) U 12(ij )

Bentuk

Derajat bebas

U1

I1

U2

J1

U12

(I 1)(J 1)

Total

IJ

Prinsip Hierarkhi

Jika faktor U yang mempunyai tingkat yang lebih tinggi masuk atau
ada didalam model, maka faktor lain yang lebih rendah harus ada.
Tetapi bila faktor U dengan tingkat lebih tinggi tidak ada dalam
model, maka U dengan faktor yang lebih rendah belum tentu tidak
masuk kedalam model

Goodness of fit

Goodness of fit statistics merupakan dasar probabilitas

untuk membandingkan dan menentukan ada atau
tidaknya kesenjangan antara observasi dan model.

(0 ij Eij )2
Eij

i 1 j 1

G 2 (0 ij ) log(
i 1 j 1

0 ij
Eij

), ij

Seleksi Model
Test K-Way

Test K-Way

Test of Partial Assosiation

Eliminasi Backward

Eliminasi Backward

Conditional Test Statistic

Studi Kasus

DAFTAR PUSTAKA
Bishop, Y.M.M., S.E. Feinberg, and P.W. Holland.
1975. Discrete Multivariate Analysis: Theory and
Practice. Cambridge, Mass.: MIT Press.
Haberman, S.J., 1978. Analysis of Qualitative
Data. London: Academic Press.
Kraemer, H.C. 1982. Kappa Coefficient. In:
Encyclopedia of Statistical Sciences, S. Katz and
N.L. Johnson, eds. New York: John Wiley and
Sons.
Upton, G.J.G., The Analysis of Cross Tabulated
Data, New York: John Wiley and Sons.

TERIMA KASIH