18 0 2 MB
I.
TINJAUAN PUSTAKA
1.1 Log Linier 3 Dimensi Log linier 3 dimensi digunakan untuk menggambarkan ada tidaknya hubungan antara dua atau lebih variabel dan sekaligus untuk mengetahui sel-sel mana yang menyebabkan dependensi. Tabel 1.1 Organisasi Data Var 1 (X1)
Var 2 (X2) 1 ... J 1 ... J ... 1 ... J
1
2 ... i
Var 3 (X3) 2 ... n112 ... .... ...
1 n111 ...
k n11k .... n1ik
nijk
Keterangan : nijk = banyaknya observasi pada baris ke-i, kolom ke-j, dan layer ke-k. Dengan model (Wulandari, 2009) : Vijk i A j B k C ij AB jk BC ik AC ijk ABC
(1.1)
Jika antara ketiga variabel tersebut saling independent, maka taksiran nilai harapan dari masing-masing sel adalah sebagai berikut : eij J
dimana :
ni.. n. j . n.. k n...
2
(1.2)
K
ni.. nijk j 1 k 1 I
jumlah nilai observasi pada baris ke-i
K
n. j . nijk i 1 k 1 J
jumlah nilai observasi pada kolom ke-j
I
n.. k nijk j 1 i 1 I
J
jumlah nilai observasi pada lyer ke-k
K
n... nijk i 1 j 1 k 1
jumlah seluruh nilai observasi
Bila kedua ruas persamaan (1.2) dinyatakan dalam bentuk logaritma didapatkan : log
eijk
= log
ni..
+ log
n. j .
+ log
n.. k
- 2 log
n...
(1.3)
yang analog dengan :
ABC log eijk iA Bj Ck ijAB ikAC BC jk ijk
Arti dari model tersebut adalah variabel 1, 2 dan 3 ada dalam model, tapi tidak ada interaksi antara ketiganya (ketiga variabel independen). Dimana :
grand mean dari logaritma jumlah nilai harapannya atau rata-rata dari seluruh logarima nilai harapannya. I
1 ˆ IJK
J
K
log eijk
i 1 j 1 k 1
(1.4)
iA main effect variabel 1 atau pengaruh dari variabel 1 terhadap model. iA
Bj
1 JK
J
K
log eijk
j 1 k 1
(1.5)
main effect variabel 2 atau pengaruh dari variabel 2 terhadap model.
Bj
I
1 IK
K
log eijk
i 1 k 1
(1.6)
Ck main effect variabel 3 atau pengaruh dari variabel 3 terhadap model Ck
u1( i )
dan
u 2( j )
dan
u 3( k )
1 IJ
I
J
log eijk
i 1 j 1
(1.7)
menunjukkan deviasi penyimpangan dari u sehingga I
J
K
i 1
j 1
k 1
iA Bj Ck 0 Jika terdapat interaksi pada ketiga variabel, maka model menjadi ABC log eijk iA Bj Ck ijAB ikAC BC jk ijk
(1.8)
dimana : I
J
i 1 j 1
AB ij
I
i 1
K
k 1
AC ik
J
K
j 1 k 1
BC jk
I
J
K
ABC ijk 0 i 1 j 1 k 1
dengan :
Page | 1
Tabel 1.2 Resume Derajat bebas untuk Log Linear 3 Dimensi
Bentuk
Db 1 I-1 J-1
iA
Bj
K-1 (I-1)(J-1)
Ck
ijAB BC jk
(I-1)(K-1) (J-1)(K-1)
ABC ijk
(I-1)(J-1)(K-1)
Total
IJK
ikAC
1.2 Uji Independensi Uji Independen adalah uji yang digunakan untuk melihat variabel yang diteliti bebas artinya tidak memiliki hubungan satu sama lain.Untuk melihat apakah variabel independen atau tidak yaitu dengan diuji korelasi. Uji korelasi digunakan untuk menguji hubungan antara dua variabel yang tidak menunjukkan hubungan fungsional (berhubungan bukan berarti disebabkan) (Daniel, 1989). Uji hipotesis pada uji korelasi adalah sebagai berikut. Hipotesis : H0 : Tidak terdapat hubungan yang signifikan antar kedua variabel H1 : Terdapat hubungan yang signifikan antar kedua variabel Statistik uji : 2 X hit
I
J
K
i 1
j 1
k 1
(nijk eijk )2 eijk
(1.9)
Nilai X2 diatas kemudian dibandingkan dengan nilai X2 pada tabel. Dengan daerah kritisnya Tolak H0 jika X2hitung > X2tabel (Wulandari, 2009).
1.3
Pemilihan Model Terbaik Pemilihan model terbaik dapat dilakukan dengan 3 cara yaitu.
1.3.1
Uji K-Way
1. Pengujian interaksi pada derajat K atau lebih 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 lain tinggi sama dengan nol. Pada model log liniear hipotesisnya sebagai berikut.
Untuk K=3 Page | 2
log eijk iA Bj Ck ijAB ikAC BC jk H0 : Efek order ke-3 = 0 ( ) A B C AB AC ABC log eijk i j k ij ik BC jk ijk H1 : Efek order ke-3 ≠ 0 ( ) Df = (I-1)(J-1)(K-1)
Untuk K = 2 H0 : Efek order ke-2 = 0 (
log eijk iA Bj Ck
)
ABC log eijk iA Bj Ck ijAB ikAC BC jk ijk H1 : Efek order ke-2 ≠ 0 ( )
Df = (I-1)(J-1)+(I-1)(K-1)+(J-1)(K-1)+(I-1)(J-1)(K-1)
Untuk K = 1 H0 : Efek order ke-1 dan yang lebih tinggi = 0 (
log eijk
)
H1 : Efek order ke-2 dan yang lebih tinggi ≠ 0 (
ABC log eijk iA Bj Ck ijAB ikAC BC jk ijk
)
Df = (I-1)+(J-1)+(K-1)+(I-1)(J-1)+(I-1)(K-1)+(J-1)(K-1)+(I-1)(J-1)(K-1) 2. Pengujian interaksi pada derajat K sama dengan nol (Test that K-Way and higher order effect are zero) uji ini didasarkan pada hipotesis bahwa efek order ke-K sama dengan nol. Pada model log liniear hipotesisnya sebagai berikut.
Untuk K = 1 H0 : Efek order ke-1 = 0 (
iA Bj Ck 0
)
A 0 atau Bj 0 atau Ck 0 ) H1 : Efek order ke-1 ≠ 0 ( i Df = (I-1)+(J-1)+(K-1)
Untuk K = 2 H0 : Efek order ke-2 = 0 (
ijAB ikAC BC jk 0
)
AC AB 0 BC 0 H1 : Efek order ke-2 ≠ 0 ( ij atau ik 0 atau jk )
Df = (I-1)(J-1)+(I-1)(K-1)+(J-1)(K-1)
Untuk K = 3 H0 : Efek order ke-3 = 0 (
ABC ijk 0
)
ABC 0 H1 : Efek order ke-3 ≠ 0 ( ijk ) Df = (I-1)(J-1)(K-1) Kriteria penolakan G2 > 1.3.2
χ 2(db : α ) maka tolak H0 (Wulandari, 2009).
Uji Asosiasi Parsial Page | 3
Pengujian ini mempunyai tujuan untuk menguji semua parameter yang mungkin dari suatu model lengkap baik satu variabel yang bebas maupun untuk hubungan ketergantungan beberapa variabel yang merupakan parsial dari suatu model lengkap. Hipotesisnya sebagai berikut : 1.
H0 : X1 dan X2 independen dalam setiap level X3 (
ijAB 0
)
0 H1 : X1 dan X2 dependen dalan setiap level X3 ( ) Df = (I-1)(J-1) AC iA Bj Ck BC jk ik Maka jika Terima H0 logeijk = AC 0 ) H0 : X1 dan X3 independen dalam setiap level X2 ( ik AC 0 ) H1 : X1 dan X3 dependen dalan setiap level X2 ( ik Df = (I-1)(K-1) AB ij
2.
Maka jika Terima H0 logeijk = 3.
iA Bj Ck ijAB BC jk
H0 : X2 dan X3 independen dalam setiap level X1 (
BC jk 0
)
0 H1 : X2 dan X3 dependen dalan setiap level X1 ( ) Df = (J-1)(K-1) iA Bj Ck ijAB ikAC Maka jika Terima H0 logeijk = BC jk
4.
A H0 : X1 independen dalam setiap level ( i 0 ) A H1 : X1 dependen dalan setiap level ( i 0 ) Df = (I-1)
Maka jika Terima H0 logeijk = 5.
Bj Ck
H0 : X1 independen dalam setiap level (
Bj 0
H1 : X1 dependen dalan setiap level ( Df = (J-1)
)
Bj 0
)
A C Maka jika Terima H0 logeijk = i k
6.
C H0 : X1 independen dalam setiap level ( k 0 ) C H1 : X1 dependen dalan setiap level ( k 0 ) Df = (K-1)
Maka jika Terima H0 logeijk = Kriteria penolakan 1.3.3
χ2 >
iA Bj
χ 2(db : α ) maka tolak H0 (Wulandari, 2009).
Eliminasi Backward Metode
Backward
Elemination
pada
dasarknya
menyeleksi
model
dengan
menggunakan prinsip hierarki, yaitu dengan melihat model terlengkap sampai dengan model yang sederhana. Langkah-langkah yang dilakukan adalah 1. Anggap model (0) yaitu model XYZ sebagai model terbaik. 2. Keluarkan efek interaksi tiga faktor sehingga modelnya menjadi (XY, YZ, XZ) yang disebut model (1). Page | 4
3. Bandingkan model (0) dengan model (1) dengan hipotesis sebagai berikut. H0 : Model (1) = model terbaik (
log eijk iA Bj Ck ijAB ikAC BC jk log e
iA
Bj
Ck
ijAB
ikAC
BC jk
) ABC
ijk ijk H1 : Model (0) = model terbaik ( ) 2 Statistik uji yang digunakan adalah Likelihood Ratio Test (G ). 4. Jika H0 ditolak, maka dinyatakan bahwa model (0) adalah model terbaik. Tetapi jika
gagal tolak H0, maka bandingkan model (1) tersebut dengan model (0). Kemudian salah satu interaksi dua faktor dikeluarkan dari model. 5. Untuk menentukan interaksi mana yang dikeluarkan terlebih dahulu maka dipilih nilai G2 terkecil. 6. Jika H0 diterima maka Model (1) yang terbentuk, sehingga dibuat Model (2) dengan hipotesis sebagai berikut. a. H0 : Model (2) = model terbaik ( H1 : Model (1) = model terbaik ( b. H0 : Model (2) = model terbaik ( H1 : Model (1) = model terbaik ( c. H0 : Model (2) = model terbaik ( H1 : Model (1) = model terbaik (
log eijk iA Bj Ck ikAC BC jk
)
log eijk iA Bj Ck ijAB ikAC BC jk ) log eijk iA Bj Ck ijAB BC jk
)
log eijk iA Bj Ck ijAB ikAC BC jk ) log eijk iA Bj Ck ijAB ikAC
)
log e ijk iA Bj Ck ijAB ikAC BC jk
)
(Wulandari, 2009) II. APLIKASI DAN LANGKAH ANALISIS 2.1 Studi Kasus Data yang digunakan adalah data karakteristik pelanggan koran Jawa Pos di daerah Ketintang Surabaya yang dikutip dari tugas akhir Herman Fauzi 1392030039. Pada studi kasus ini, ingin diketahui independensi, interaksi serta hubungan ketergantungan antara jenis kelamin, usia dan berita yang disenangi oleh pelanggan dengan menggunakan log linear 3 dimensi dimana ketiga variabel tersebut dikategorikan sebagai berikut.
Tabel 2.1 Kategori Variabel
Variabel Jenis kelamin
Kategori 1 = Laki-laki Page | 5
2 = Perempuan 1 = 25-37 tahun 2 = 38-50 tahun 3 = > 50 tahun Berita yang disenangi 1 = Berita umum 2 = Berita metropolis 3 = Berita olahraga Berikut ini merupakan tabel kontingensi dari data karakteristik pelanggan koran Jawa Pos. Usia
Tabel 2.2 Kontingensi Karakteristik Pelanggan Koran Jawa Pos
Jenis Kelamin Laki-Laki Perempua n
Usia 25-37 tahun 38-50 tahun > 50 tahun 25-37 tahun 38-50 tahun > 50 tahun
Berita yang disenangi Koran I Koran 2 Koran 3 (Berita Umum) (Berita Metropolis) (Berita Olahraga) 10 15 29 25 23 27 48 27 25 15 15 10 10 9 1 3 5 3
2.2 Langkah Analisis Langkah-langkah yang digunakan dalam menganalisis ketiga variabel karakteristik pelanggan koran dengan menggunakan software SPSS adalah sebagai berikut. 1. Melakukan Weight Case Data > Weight Case
Pilih Weight case by Page | 6
Isi Frequency Variable dengan frekuensi.
2. Melakukan uji independensi Analyze > Loglinier > General
Masukkan variabel Jeniskelamin, Usia, dan Berita ke Factor(s), pilih Model
Page | 7
Pada model, pilih custom. Masukkan variabel Jeniskelamin, Usia, dan Berita ke terms in model dengan pilihan type main effect
3. Menguji Interaksi k-suku atau lebih adalah nol Analyze > Loglinier > Model Selection
Page | 8
Masukkan variabel Jeniskelamin, Usia, dan Berita ke Factor(s) kemudian melakukan Define range, Jeniskelamin 1-2, Usia 1-3, dan Berita 1-3.
Pilih Enter in single step, kemudian pilih Model
Page | 9
Pada Model, pilih Saturated > Continue
Pilih Option, kemudian klik Parameter estimates dan Association table. Continue > OK
Page | 10
4. Pemilihan Model Terbaik Menggunakan Eliminasi Backward Analyze > Loglinier > Model Selection
Masukkan variabel jenis kelamin dan partai ke faktor - isi define range untuk jenis kelamin dan partai dengan amgka 1 dan 2 – klik use backward elimination
Page | 11
Klik model-pilih saturated model
Klik option – klik parameter estimates dan association table
Page | 12
III. ANALISIS DAN PEMBAHASAN 4.1
Uji Independensi
H0: Tidak ada hubungan antara ketiga variabel (jenis kelamin,usia, dan berita yang disenangi). H1: Ada hubungan antara ketiga variabel (jenis kelamin,usia, dan berita yang disenangi). α=5% Daerah Kritis :
2hitung > 2((i-1)(j-1)+(i-1)(k-1)+(j-1)(k-1)-(i-1)(j-1)(k-1),α)
2hitung > 2((2-1)(3-1)+(2-1)(3-1)+(3-1)(3-1)-(2-1)(3-1)(3-1),α) 2hitung > 2(12, 0,05) 2hitung > 21,0642 atau G2 > 21,0642 Statistik Uji: Tabel 3.1 Frekuensi Harapan Data Berdasarkan Output SPSS Jeniskelamin
Usia 25-27 tahun
Laki-laki
38-50 tahun
>50 tahun Perempuan
25-27 tahun 38-50
Berita Umum Metropolis Olahraga Umum Metropolis Olahraga Umum Metropolis Olahraga Umum Metropolis Olahraga Umum
Observed Count % 10 3.3% 15 5.0% 29 9.7% 25 8.3% 23 7.7% 27 9.0% 48 16.0% 27 9.0% 25 8.3% 15 5.0% 15 5.0% 10 3.3% 10 3.3%
Expected Count % 26.549 8.8% 22.483 7.5% 22.722 7.6% 26.831 8.9% 22.722 7.6% 22.964 7.7% 31.350 10.5% 26.549 8.8% 26.831 8.9% 8.231 2.7% 6.971 2.3% 7.045 2.3% 8.319 2.8%
Page | 13
tahun
>50 tahun
Metropolis Olahraga Umum Metropolis Olahraga
9 1 3 5 3
3.0% .3% 1.0% 1.7% 1.0%
7.045 7.120 9.720 8.231 8.319
2.3% 2.4% 3.2% 2.7% 2.8%
Selain menggunakan output SPSS, nilai ekspektasi dapat dihitung menggunakan rumus:
eijk
ni.. n. j . n.. k n...2
e111
n1.. n.1. n..1 229 94 111 26,55 n...2 3002
e112
n1..x n.1. x n..2 229x 94x 94 22,48 n...2 3002
e113
n1..x n.1.x n..3 229x 94x 95 22,72 n...2 3002
e121
n1..x n.2. x n..1 229x 95x 111 26,83 n...2 3002
e122
n1..x n2. x n..2 229x 95x 94 22,72 n...2 3002
e123
n1..x n.2. x n..3 229x 95x 95 22,96 n...2 3002
e131
n1..x n..3. x n..1 229x 111x 111 31,35 n...2 3002
e132
n1..x n.3. x n..2 229x 111x 94 26,55 n...2 3002
e133
n1..x n.3. x n..3 229x 111x 95 26,83 n...2 3002
e211
n2..x n.1. x n..1 71x 94x 111 8,23 n...2 3002
e212
n2..x n.1. x n..2 71x 94x 94 6,97 n...2 3002
e213
n2..x n.1. x n..3 71x 94x 95 7,04 n...2 3002
e221
n2..x n.2. x n..1 71x 95x 111 8,32 n...2 3002
e222
n2..x n.2. x n..2 71x 95x 94 7,04 n...2 3002
n2..x n.2. x n..3 71x 95x 95 7,12 n...2 3002 n xn xn 71x 111x 111 e231 2.. .3.2 ..1 9,72 n... 3002 e223
Page | 14
n2..x n.3. x n..2 71x111x 94 8,23 n...2 3002 n xn xn 71x 111x 95 e233 2.. .3.2 ..3 8,32 n... 3002 Tabel 3.2 Nilai Ekspektasi Berdasarkan Perhitungan Manual e232
Jenis Kelamin
Berita yang disenangi Koran I Koran 2 (Berita Koran 3 (Berita (Berita Umum) Metropolis) Olahraga) 26.55 22.48 22.72 26.83 22.72 22.96 31.35 26.55 26.83 8.23 6.97 7.04 8.32 7.04 7.12 9.72 8.23 8.32
Usia 25-37 tahun 38-50 tahun > 50 tahun 25-37 tahun 38-50 tahun > 50 tahun
Laki-Laki Perempuan
Nilai ekspektasi berdasarkan perhitungan manual pada Tabel 3.2 sama dengan nilai pada kolom Expected-Count pada Tabel 3.1. Kemudian setelah mendapatkan nilai ekspektasi maka dilakukan perhitungan uji Chi-Square atau perhitungan uji Nisbah Kemungkinan G2 . Tabel 3.3 Nilai Uji Likelihood Ratio G2 dan Nilai Uji Pearson Chi-Square Likelihood Ratio
Value 60.527
Df 12
Sig. 0.000
Pearson Chi-Square
55.866
12
0.000
Tabel 3.4 Perhitungan Menggunakan Excel kode level 111 112 113 121 122 123 131 132 133 211 212 213 221 222 223 231 232 233
nijk
eijk 10 15 29 25 23 27 48 27 25 15 15 10 10 9 1 3 5 3
nijk-eijk
26,55 -16,55 22,48 -7,48 22,72 6,28 26,83 -1,83 22,72 0,28 22,96 4,04 31,35 16,65 26,55 0,45 26,83 -1,83 8,23 6,77 6,97 8,03 7,04 2,96 8,32 1,68 7,04 1,96 7,12 -6,12 9,72 -6,72 8,23 -3,23 8,32 -5,32 TOTAL
(nijk-eijk)2 273,86 55,99 39,41 3,35 0,08 16,29 277,22 0,20 3,35 45,82 64,47 8,73 2,83 3,82 37,45 45,16 10,44 28,29
(nijk-eijk)/eijk 10,32 2,49 1,73 0,12 0,00 0,71 8,84 0,01 0,12 5,57 9,25 1,24 0,34 0,54 5,26 4,65 1,27 3,40 55,86
nijk/eijk 0,38 0,67 1,28 0,93 1,01 1,18 1,53 1,02 0,93 1,82 2,15 1,42 1,20 1,28 0,14 0,31 0,61 0,36
nijk ln (nijk/eijk) -9,76 -6,07 7,08 -1,77 0,28 4,37 20,45 0,46 -1,77 9,00 11,50 3,50 1,84 2,20 -1,96 -3,53 -2,49 -3,06 30,26 Page | 15
2
2
3
3
(nijk eijk )2 I 1 j 1 k 1
eijk 2
3
55,86
3
G 2 2 (nijk eijk )2nijk ln I 1 j 1 k 1
nijk eijk
2 30,26 60,52
Kesimpulan: Karena 2hitung yaitu 55,86 dan G2 = 60,52 yang lebih dari 21,0642 maka tolak H0, sehingga ada hubungan antara ketiga variabel (jenis kelamin,usia, dan jenis berita yang disenangi). 4.2 Analisis Log Linear Analisis log linear pada kasus ini, terdapat tiga kategori yaitu: 1. Kategori A yaitu Jenis Kelamin 1: Laki – laki 2: Perempuan 2. Kategori B yaitu Umur 1: 25 – 37 tahun 2: 38 – 50 tahun 3: > 50 tahun 3. Kategori C yaitu Jenis Berita 1: Koran 1 (Berita Umum) 2: Koran 2 (Berita Metropolis) 3: Koran 3 (Berita Olahraga) Secara umum, model log linear dari kasus ini adalah : AC ABC log eijk iA Bj Ck ijAB ik BC jk ijk
dengan keterangan: i : level variabel A j : level variabel B k : level variabel C 3.3 Seleksi Model dengan metode K-Way Tabel 3.5 K-Way and Higher-Order Effects Likelihood Ratio
K-way and Higher Order Effectsa
K-way Effectsb
K
Df
1 2 3 1 2 3
Pearson ChiSig. Square
Number of Iterations
Chi-Square
Sig.
17
151.670
0.000
148.920
0.000
0
12 4 5 8 4
60.527 7.082 91.143 53.445 7.082
0.000 0.132 0.000 0.000 0.132
55.866 7.470 93.054 48.396 7.470
0.000 0.113 0.000 0.000 0.113
2 4 0 0 0
Page | 16
1. Test untuk interaksi K-suku atau lebih adalah nol Test ini berdasarkan pada hipotesis bahwa efek order ke-K atau lebih sama dengan nol. Test ini dimulai dari order tertinggi hingga order terendah. 1. Untuk k = 3 H0 : order ke-3 sama dengan nol (
AC log eijk iA Bj Ck ijAB ik BC jk
)
H1 : order ke-3 tidak sama dengan nol (
AC ABC log eijk iA Bj Ck ijAB ik BC jk ijk
α=5% Daerah Kritis :
)
2hitung > 2((i-1)(j-1)(k-1),α) 2hitung > 2((2-1)(3-1)(3-1),α) 2hitung > 2(4, 0,05) 2hitung > 9,4877 atau G2 > 9,4877
Statistik Uji : 2 = 7,470 G2 = 7,082 Kesimpulan : Karena nilai 2 yaitu 7,470 dan nilai G2 7,082 kurang dari 9,4877 maka gagal tolak H 0. Kesimpulan ini juga didapatkan dari nilai P-Value pada uji Chi-Square 0,113 yang lebih besar dari alpha 0,05. Sehingga keputusannya adalah order ke-3 sama dengan nol atau model log linearnya adalah 2. Untuk k = 2
AC ABC log eijk iA Bj Ck ijAB ik BC jk ijk
H0 : order ke-2 sama dengan nol (
log eijk iA Bj Ck
)
H1 : order ke-2 tidak sama dengan nol (
AC ABC log eijk iA Bj Ck ijAB ik BC jk ijk
)
α=5% Daerah Kritis :
2hitung > 2((i-1)(j-1)+(i-1)(k-1)+(j-1)(k-1)+(i-1)(j-1)(k-1),α) 2hitung > 2((2-1)(3-1)+(2-1)(3-1)+(3-1)(3-1)+(2-1)(3-1)(3-1),α) 2hitung > 2(12, 0,05) 2hitung > 21,0642 atau G2 > 21,0642
Statistik Uji : Nilai ekspektasi (e) untuk masing-masing level ditampilkan pada Tabel 3.2, dan perhitungannya pada Tabel 3.4. Sehingga statistik uji yang didapatkan adalah 2
2
3
3
(nijk eijk )2 I 1 j 1 k 1
eijk
55,86
Page | 17
2
3
3
G 2 2 (nijk eijk )2nijk ln I 1 j 1 k 1
nijk eijk
2 30,26 60,52
Kesimpulan : Karena nilai 2 yaitu 55,86 dan nilai G2 60,52 lebih dari 21,0642 maka tolak H0. Kesimpulan ini juga didapatkan dari nilai P-Value pada uji Chi-Square 0 yang kurang dari alpha 0,05. Sehingga keputusannya adalah order ke-2 tidak sama dengan nol atau model log linearnya adalah
ABC log eijk iA Bj Ck ijAB ikAC BC jk ijk
3. Untuk k = 1 H0 : order ke-1 sama dengan nol (
log eijk
)
H1 : order ke-1 tidak sama dengan nol (
AC ABC log eijk iA Bj Ck ijAB ik BC jk ijk
)
α=5% 2hitung > 2((i-1)+(j-1)+(k-1)+(i-1)(j-1)+(i-1)(k-1)+(j-1)(k-1)+(i-1)(j-1)(k-1),α)
Daerah Kritis :
2hitung > 2((2-1)+(3-1)+(3-1)+(2-1)(3-1)+(2-1)(3-1)+(3-1)(3-1)+(2-1)(3-1)(3-1),α) 2hitung > 2(17, 0,05) 2hitung > 27,587 atau G2 > 27,587 Statistik Uji : eijk
n... 300 16,67 18 18 Tabel 3.6 Nilai Ekspektasi Berdasarkan Perhitungan Manual pada Order K = 1
Jenis Kelamin Laki-Laki Perempuan
Koran I (Berita Umum) 16,67 16,67 16,67 16,67 16,67 16,67
Usia 25-37 tahun 38-50 tahun > 50 tahun 25-37 tahun 38-50 tahun > 50 tahun
Berita yang disenangi Koran 2 (Berita Koran 3 (Berita Metropolis) Olahraga) 16,67 16,67 16,67 16,67 16,67 16,67 16,67 16,67 16,67 16,67 16,67 16,67
Tabel 3.7. Perhitungan Menggunakan Excel kode level 111 112
eijk 16.67 16.67
nijk
nijk-eijk 10 15
-6.67 -1.67
(nijk-eijk) 2/eijk 2.67 0.17
nijk/eijk 0.6 0.9
nijk x ln nijk/eijk -5.109 -1.580 Page | 18
16.67 16.67 16.67 16.67 16.67 16.67 16.67 16.67 16.67 16.67 16.67 16.67 16.67 16.67 16.67 16.67 TOTAL
113 121 122 123 131 132 133 211 212 213 221 222 223 231 232 233 2
2
3
12.33 8.33 6.33 10.33 31.33 10.33 8.33 -1.66 -1.66 -6.66 -6.66 -7.66 -15.67 -13.67 -11.67 -13.67
9.127 4.167 2.407 6.407 58.907 6.407 4.167 0.167 0.167 2.667 2.667 3.527 14.727 11.207 8.167 11.207 148.92
1.74 1.5 1.38 1.62 2.88 1.62 1.5 0.9 0.9 0.6 0.6 0.54 0.06 0.18 0.3 0.18
16.063 10.137 7.408 13.025 50.774 13.025 10.137 -1.580 -1.580 -5.108 -5.108 -5.545 -2.813 -5.144 -6.019 -5.144 75,835
3
(nijk eijk )2 I 1 j 1 k 1
eijk 2
29 25 23 27 48 27 25 15 15 10 10 9 1 3 5 3
3
3
148,92
G 2 2 (nijk eijk )2nijk ln I 1 j 1 k 1
nijk eijk
2 75,835 151,670
Kesimpulan : Karena nilai 2 yaitu 148,92 dan nilai G2 151,670 lebih dari 27,587 maka tolak H0. Kesimpulan ini juga didapatkan dari nilai P-Value pada uji Chi-Square 0,00 yang kurang dari alpha 0,05. Sehingga keputusannya adalah order ke-2 tidak sama dengan nol atau model log linearnya adalah
AC ABC log eijk iA Bj Ck ijAB ik BC jk ijk
2. Test untuk interaksi K-suku adalah nol Test ini didasarkan pada hipotesa bahwa efek order ke-K sama dengan nol. 1. Untuk k = 1 H0 : efek order ke-1 sama dengan nol (
iA Bj Ck 0
)
A Bj 0 0 C 0 ) i H1 : efek order ke-1 tidak sama dengan nol ( atau atau k
α=5% Daerah Kritis :
2hitung > 2(db1-db2,α) 2hitung > 2(17-12,α) 2hitung > 2(5, 0,05) Page | 19
2hitung > 11,0705 atau G2 > 11,0705 Statistik Uji : G2 = G12 - G22 = 151,670 – 60,527 = 91,143 Kesimpulan : Karena nilai G2
91,143 lebih dari 11,0705 maka tolak H0. Kesimpulan ini juga
didapatkan dari nilai P-Value pada uji Likelihood Ration 0 yang kurang dari alpha 0,05. Sehingga keputusannya adalah order ke-1 tidak sama dengan nol. 2. Untuk k = 2 H0 : efek order ke-2 sama dengan nol (
ijAB ikAC BC jk 0
H1 : efek order ke-2 tidak sama dengan nol (
ijAB 0
)
AC BC 0 atau ik 0 atau jk )
α=5% Daerah Kritis :
2hitung > 2(db2-db1,α) 2hitung > 2(12-4,α) 2hitung > 2(8, 0,05) 2hitung > 15,507 atau G2 > 15,507
Statistik Uji : G2 = G22 – G32 = 60,527 – 7,082 = 53,445 Kesimpulan : Karena nilai G2 adalah sebesar 53,445 lebih dari 15,507 maka tolak H 0. Kesimpulan ini juga didapatkan dari nilai P-Value pada uji Likelihood Ration 0 yang kurang dari alpha 0,05. Sehingga keputusannya adalah order ke-2 tidak sama dengan nol. 3. Untuk k = 3 H0 : efek order ke-3 sama dengan nol (
ABC ijk 0
H1 : efek order ke-3 tidak sama dengan nol (
)
ABC ijk 0
)
α=5% Daerah Kritis :
2hitung > 2(db3,α) 2hitung > 2(4,α) Page | 20
2hitung > 9,488 atau G2 > 9,488 Statistik Uji : G2 = G32 = 7,082 Kesimpulan : Karena nilai G2 7,082 kurang dari 9,488 maka gagal tolak H0. Kesimpulan ini juga didapatkan dari nilai P-Value pada uji Likelihood Ration 0,132 yang lebih dari alpha 0,05. Sehingga keputusannya adalah order ke-3 sama dengan nol. 3. Test Asosiasi Parsial Test ini bertujuan untuk menguji hubungan ketergantungan antara dua variabel dalam setiap level variabel lainnya. Tabel 3.8 Partial Association
2
Partial ChiSquare 36.113
0.000
Number of Iterations 2
2
12.851
0.002
2
4 1 2 2
15.520 87.564 1.790 1.790
0.004 0.000 0.409 0.409
2 2 2 2
Effect
df
Jeniskelamin*Usia Jeniskelamin*Berit a Usia*Berita Jeniskelamin Usia Berita
Sig.
1. Untuk variabel jenis kelamin dan usia H0 : Jenis kelamin dan Usia independent dalam setiap level Koran ( H1 : Jenis kelamin dan Usia dependent dalam setiap level Koran (
ijAB
ijAB
=0)
≠0)
α=5% Daerah Kritis :
2hitung > 2((i-1)(j-1),α) 2hitung > 2((2-1)(3-1),α) 2hitung > 2(2, 0,05) 2hitung > 5,991 atau G2 > 5,991
Statistik Uji : Tabel 3.9 Tabulasi Silang Jenis Kelamin dan Usia Jenis kelamin Laki-laki Perempuan total
25-37 tahun 54 40 94
38.50 tahun 75 20 95
>50 tahun 100 11 111
Total 229 71 300 Page | 21
eij
ni. n. j n..
e11
n1. n.1 229 94 71,7533 n.. 300
e12
n1.x n.2 229x 95 72,5167 n.. 300
e13
n1. x n.3 229x 111 84,73 n.. 300
e21
n2. x n.1 71x 94 22,2467 n.. 300
e22
n2. x n.2 71x 95 22,4833 n.. 300
e23
n2. x n.3 71x 111 26,27 n.. 300
Page | 22
Tabel 3.10 eij jenis kelamin dan umur Jenis kelamin Laki-laki Perempuan 2
Nilai uji
3
χ =∑ ∑ 2
i=1 j=1
25-37 tahun 71,7533 22,2467
38.51 tahun 72,5167 22,4833
>50 tahun 84,73 26,27
2
( n ij −eij ) eij
2
χ =4.392549+0.085039+2.751952+14.16748+0.274283+8.876014 ¿ 30,54731 db= (i-1)(j-1)=(2-1)(3-1)=2 2
χ (2 : 0.05)=5,991 Tolak Ho, Jenis kelamin dan Usia dependent dalam setiap level Koran. 2. Untuk variabel jenis kelamin dan koran AC
H0 : Jenis kelamin dan koran independent dalam setiap level umur ( ik =0) AC
H1 : Jenis kelamin dan Koran dependent dalam setiap level umur ( ik ≠0) α=5% Daerah Kritis :
2hitung > 2((i-1)(k-1),α) 2hitung > 2((2-1)(3-1),α) 2hitung > 2(2, 0,05) 2hitung > 5,991 atau G2 > 5,991
Statistik Uji : Tabel 3.11 Jenis Kelamin dan Berita Jenis kelamin Laki-laki Perempuan total
Koran 1 83 28 111
eik
ni. n.k n..
e11
n1. n.1 229 x 111 84,73 n.. 300
e12
n1. x n.2 229 x 94 71,7533 n.. 300
e13
n1.. x n.3 229 x 95 72,5167 n.. 300
e21
n2. x n.1 71 x111 26,27 n.. 300
Koran 2 65 29 94
Koran 3 81 14 95
Total 229 71 300
Page | 23
e22
n2.. x n.2 71 x 94 22,2467 n.. 300
e23
n 2. x n.3 71 x 95 22,4833 n.. 300 Tabel 3.12. eik Jenis Kelamin dan berita Jenis kelamin Laki-laki Perempuan 2
Nilai uji
3
χ =∑ ∑ 2
i=1 k=1
Koran 1 84,73 26,27
Koran 2 71,7533 22,2467
Koran 3 72,5167 22,4833
2
( n ik−eik ) eik
2
χ =0,035323+ 0,635609+ 0,992411+0,113928+ 2,05006+3,200881=7,028213 db= (i-1)(j-1)=(2-1)(3-1)=2 χ 2(2 : 0.05)=5,991 Tolak Ho. Jenis kelamin dan Umur dependent dalam setiap level Koran 3. Untuk variabel umur dan koran H0 : Umur dan koran independent dalam setiap level jenis kelamin ( H1 : Umur dan Koran dependent dalam setiap level jenis kelamin (
AB jk
AB jk
=0)
≠0)
α=5% Daerah Kritis :
2hitung > 2((k-1)(j-1),α) 2hitung > 2((3-1)(3-1),α) 2hitung > 2(4, 0,05) 2hitung > 9,488 atau G2 > 9,488
Statistik Uji : Tabel 3.13 Tabulasi Silang Usia dan Berita
ejk
nj . n.k
Umur 25-37 tahun 38-50 tahun >50 tahun total
Koran 1 25 35 51 111
Koran 2 30 32 32 94
Koran 3 39 28 28 95
Total 94 95 111 300
n..
e11
n1. n.1 94 111 34,78 n.. 300
e12
n1. x n..2 94x 94 29,4533 n.. 300
e13
n1. x n..3 94x 95 29,7667 n.. 300
Page | 24
e21
n2. x n.1 95x 111 35,15 n.. 300
e22
n2.x n.2 95x 94 29,7667 n.. 300
e23
n2. x n..3 95x 95 30,0833 n...2 300
e31
n3. x n.1 111x 111 41,07 n.. 300
e32
n.3. x n.2 111x 94 34,78 n.. 300
e33
n3. x n.3 111x 95 35,15 n.. 300
Tabel 3.14. ejk Usia dan Berita Umur 25-37 tahun 38-50 tahun >50 tahun 2
Nilai uji
3
χ =∑ ∑ 2
j=1 k=1
( n jk −e jk )
Koran 1 34,78 35,15 41,07
Koran 2 29,4533 29,7667 34,78
Koran 3 29,7667 30,0833 35,15
2
e jk
2
χ =2,750098+ 0,010148+ 2,864067+0,000064+ 0,167557+0,144271+2,400898+0,222208+1,454 db= (j-1)(k-1)=(3-1)(3-1)=4 χ 2(4 :0.05 )=9,488 Tolak Ho. Umur dan koran dependent dalam setiap level Koran. 4. Untuk variabel Jenis kelamin A
H0 : Jenis kelamin independent dalam model ( i =0) A
H1 : Jenis kelamin dependent dalam model ( i ≠0) α=5% Daerah Kritis :
2hitung > 2((i-1),α) 2hitung > 2((2-1),α) 2hitung > 2(1, 0,05) 2hitung > 3,841 atau G2 > 3,841
Statistik Uji : Nilai uji
χ 2=87.564
db= (i-1)=(2-1)=1 χ 2(1 : 0.05)=3,841 Page | 25
Tolak Ho, Jenis kelamin dependent dalam Model. 5. Untuk variabel Usia H0 : Usia independent dalam model ( H1 : Usia dependent dalam model (
Bj
Bj
=0)
≠0)
α=5% Daerah Kritis :
2hitung > 2((j-1),α) 2hitung > 2((3-1),α) 2hitung > 2(2, 0,05) 2hitung > 5,991 atau G2 > 5,991
Statistik Uji : Nilai uji
χ 2=1,790
db= (j-1)=(3-1)=2 χ 2(1 : 0.05)=5,991 Gagal tolak Ho, Usia independent dalam Model. 6. Untuk variabel Berita C
H0 : Berita independent dalam model ( k =0) C
H1 : Berita dependent dalam model ( k ≠0) α=5% Daerah Kritis :
2hitung > 2((k-1),α) 2hitung > 2((3-1),α) 2hitung > 2(2, 0,05) 2hitung > 5,991 atau G2 > 5,991
Statistik Uji : Nilai uji
χ 2=1,790
db= (k-1)=(3-1)=2 χ 2(1 : 0.05)=5,991 Gagal tolak Ho, berita independent dalam Model. Untuk mengetahui kecenderungan per cell, maka digunakan tabel assosiasi parsial sebagai berikut. Tabel 3.15 Tabel Estimasi Parameter Effect
Parameter
Estimat e
Std. Error
Z
Sig.
Page | 26
1 2 3 4 1 2 1 2 1 2 3 4 1 1 2 1 2
Jeniskelamin*Usia*Berita
Jeniskelamin*Usia Jeniskelamin*Berita
Usia*Berita Jeniskelamin Usia Berita
-.180 .116 -.218 -.107 -.535 .141 -.122 -.224 -.271 -.092 .243 .137 .643 .181 -.084 .099 .114
.144 .138 .159 .157 .104 .127 .112 .107 .144 .138 .159 .157 .083 .104 .127 .112 .107
-1.250 .844 -1.371 -.681 -5.147 1.111 -1.087 -2.081 -1.878 -.664 1.527 .871 7.708 1.739 -.665 .883 1.063
.211 .399 .170 .496 .000(a) .267 .277 .037(b) .060 .506 .127 .384 .000 .082 .506 .377 .288
Berdasarkan tabel 3.15 menunjukkan bahwa terdapat dua cell yang memiliki kecenderungan, sel-sel tersebut adalah sebagai berikut. (a)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan bukan yang berusia dengan kategori pertama (38-50 tahun) dalam pengamatan pemilihan jenis berita koran.
(b)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk tidak memilih jenis berita kategori kedua (berita metropolis). Tabel 3.16 Tabel Kontingensi Pemutaran Pertama Jenis Kelamin Laki-laki
Perempuan
Umur >50 tahun 25-37 tahun 38-50 tahun >50 tahun 25-37 tahun 38-50 tahun
Koran 1 48 10 25 3 15 10
Berita Koran 2 27 15 23 5 15 9
Koran 3 25 29 27 3 10 1
Tabel 3.17 Tabel Estimasi Parameter Pemutaran Pertama Effect Jenis_kelamin*Umur*Berit a
Estimate
Std. Error
Z
Sig.
2,346
,019(a)
1
,399
,170
2 3
-,009
,160
-,057
,955
-,180
,144
-1,250
,211
Page | 27
Jenis_kelamin*Umur Jenis_kelamin*Berita
Umur*Berita
Jenis_kelamin Umur Berita
4
,116
,138
,844
,399
1
,395
,122
3,242
,001(b)
2
-,535
,104
-5,147
,000(c)
1
-,122
,112
-1,087
,277
2
-,224
,107
-2,081
,037(d)
1
,028
,170
,163
,871
2
-,045
,160
-,285
,776
3
-,271
,144
-1,878
,060(e)
4
-,092
,138
-,664
,506
1
,643
,083
7,708
,000
1
-,097
,122
-,793
,428
2
,181
,104
1,739
,082
1
,099
,112
,883
,377
2
,114
,107
1,063
,288
Berdasarkan tabel 3.17 menunjukkan bahwa terdapat lima cell yang memiliki kecenderungan, sel-sel tersebut adalah sebagai berikut. (a)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan berusia dengan kategori pertama (>50 tahun) dalam pengamatan pemilihan jenis berita koran.
(b)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk berumur dengan kategori pertama (> 50 tahun).
(c)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk berumur bukan dengan kategori kedua (25-37 tahun).
(d)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan memilih berita bukan kategori kedua (berita metropolis).
(e)
: Umur dengan kategori kedua (25=37 tahun) memiliki kecenderungan memilih berita dengan kategori paertama (berita umum). Tabel 3.18 Tabel Kontingensi Pemutaran Kedua Jenis Kelamin
Umur
Laki-laki
Perempuan
25-37 tahun 38-50 tahun >50 tahun 25-37 tahun 38-50 tahun >50 tahun
Koran 3 29 27 25 10 1 3
Berita Koran 1 10 25 48 15 10 3
Koran 2 15 23 27 15 9 5
Tabel 3.19 Tabel Estimasi Parameter Pemutaran Kedua Effect
Estimat
Std.
Z
Sig.
Page | 28
e
Jenis_Kelamin*Umur*Berit a
Jenis_Kelamin*Umur Jenis_Kelamin*Berita
Umur*Berita
Jenis_Kelamin Umur Berita
Error
1
,064
,159
,404
,686
2 3 4 1 2 1 2 1 2 3 4 1 1 2 1
-,180 ,326 -,218 -,535 ,141 ,345 -,122 ,362 -,271 -,380 ,243 ,643 ,181 -,084 -,213
,144 ,215 ,159 ,104 ,127 ,133 ,112 ,159 ,144 ,215 ,159 ,083 ,104 ,127 ,133
-1,250 1,513 -1,371 -5,147 1,111 2,597 -1,087 2,287 -1,878 -1,767 1,527 7,708 1,739 -,665 -1,602
,211 ,130 ,170 ,000(a) ,267 ,009(b) ,277 ,022(c) ,060 ,077 ,127 ,000 ,082 ,506 ,109
2
,099
,112
,883
,377
Berdasarkan tabel 3.19 menunjukkan bahwa terdapat tiga cell yang memiliki kecenderungan, sel-sel tersebut adalah sebagai berikut. (a)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan berusia bukan dengan kategori pertama (25-37 tahun).
(b)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk memilih berita dengan kategori pertama (berita umum).
(c)
: Umur kategori pertama (25-37 tahun) memiliki kecenderungan untuk memilih berita dengan kategori pertama (berita umum). Tabel 3.20 Tabel Kontingensi Pemutaran Ketiga Jenis Kelamin
Umur
Laki-laki
Perempuan
Koran 3 25 29 27 3 10 1
>50 tahun 25-37 tahun 38-50 tahun >50 tahun 25-37 tahun 38-50 tahun
Berita Koran 1 48 10 25 3 15 10
Koran 2 27 15 23 5 15 9
Tabel 3.21 Tabel Estimasi Parameter Pemutaran Ketiga Effect Jenis_Kelamin*Umur*Berit a
1 2
Estimat e
Std. Error
Z
Sig.
-,390 ,399
,186 ,170
-2,096 2,346
,036(a) ,019(b)
Page | 29
Jenis_Kelamin*Umur Jenis_Kelamin*Berita
Umur*Berita
Jenis_Kelamin Umur Berita
3 4 1 2 1 2 1 2 3 4 1 1 2 1 2
,064 -,180 ,395 -,535 ,345 -,122 ,018 ,028 ,362 -,271 ,643 -,097 ,181 -,213 ,099
,159 ,144 ,122 ,104 ,133 ,112 ,186 ,170 ,159 ,144 ,083 ,122 ,104 ,133 ,112
,404 -1,250 3,242 -5,147 2,597 -1,087 ,096 ,163 2,287 -1,878 7,708 -,793 1,739 -1,602 ,883
,686 ,211 ,001(c) ,000(d) ,009(e) ,277 ,924 ,871 ,022(f) ,060(g) ,000 ,428 ,082 ,109 ,377
Berdasarkan tabel 3.21 menunjukkan bahwa terdapat tujuh cell yang memiliki kecenderungan, sel-sel tersebut adalah sebagai berikut. (a)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan berusia dengan bukan kategori pertama (>50 tahun) dan juga cenderung memilih jenis berita bukan kategori pertama (berita olahraga).
(b)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk berumur dengan kategori pertama (> 50 tahun) dan juga cenderung memilih jenis berita dengan kategori kedua (berita umum).
(c)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan untuk berumur dengan kategori pertama (> 50 tahun).
(d)
: Jenis kelamin kategori pertama (laki-laki) memiliki kecenderungan berumur bukan dengan kategori kedua (25-37 tahun).
(e)
: Jenis kelamin dengan kategori pertama (> 50 tahun) memiliki kecenderungan memilih berita dengan kategori pertama (berita olahraga).
(f)
: Umur dengan kategori kedua (25-37 tahun) memiliki kecenderungan memilih berita dengan kategori pertama (berita olahraga).
(g)
: Umur dengan kategori kedua (25-37 tahun) memiliki kecenderungan memilih berita bukan dengan kategori kedua (berita umum). Tabel 3.22 Tabel Kontingensi Pemutaran Keempat Jenis Kelamin Perempuan
Umur 25-37 tahun 38-50 tahun >50 tahun
Koran 1 15 10 3
Berita Koran 2 15 9 5
Koran 3 10 1 3 Page | 30
Laki-laki
25-37 tahun 38-50 tahun >50 tahun
10 25 48
15 23 27
29 27 25
Tabel 3.23 Tabel Estimasi Parameter Pemutaran Keempat Estimat e
Effect
Jenis_kelamin*Umur*Berit a
Jenis_kelamin*Umur Jenis_kelamin*Berita
Umur*Berita
Jenis_kelamin Umur Berita
Std. Error
Z
Sig.
1
,180
,144
1,250
,211
2 3 4 1 2 1 2 1 2 3 4 1 1 2 1
-,116 ,218 ,107 ,535 -,141 ,122 ,224 -,271 -,092 ,243 ,137 -,643 ,181 -,084 ,099
,138 ,159 ,157 ,104 ,127 ,112 ,107 ,144 ,138 ,159 ,157 ,083 ,104 ,127 ,112
-,844 1,371 ,681 5,147 -1,111 1,087 2,081 -1,878 -,664 1,527 ,871 -7,708 1,739 -,665 ,883
,399 ,170 ,496 ,000(a) ,267 ,277 ,037(b) ,060(c) ,506 ,127 ,384 ,000 ,082 ,506 ,377
2
,114
,107
1,063
,288
Berdasarkan tabel 3.23 menunjukkan bahwa terdapat tiga cell yang memiliki kecenderungan, sel-sel tersebut adalah sebagai berikut. (a)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk berumur dengan kategori pertama (25-37 tahun).
(b)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk memilih berita dengan kategori kedua (berita metropolis).
(c)
: Umur dengan kategori pertama (25-37 tahun) memiliki kecenderungan untuk memilih berita dengan kategori pertama (berita umum). Tabel 3.24 Tabel Kontingensi Pemutaran Kelima Jenis Kelamin Perempuan Laki-laki
Umur >50 tahun 25-37 tahun 38-50 tahun >50 tahun 25-37 tahun
Koran 1 3 15 10 48 10
Berita Koran 2 5 15 9 27 15
Koran 3 3 10 1 25 29 Page | 31
38-50 tahun
25
23
27
Tabel 3.25 Tabel Estimasi Parameter Pemutaran Kelima Estimat e
Effect
Jenis_kelamin*Umur*Berit a
Jenis_kelamin*Umur Jenis_kelamin*Berita
Umur*Berita
Jenis_kelamin Umur Berita
Std. Error
Z
Sig.
1
-,399
,170
-2,346
,019(a)
2 3 4 1 2 1 2 1 2 3 4 1 1 2 1
,009 ,180 -,116 -,395 ,535 ,122 ,224 ,028 -,045 -,271 -,092 -,643 -,097 ,181 ,099 ,114
,160 ,144 ,138 ,122 ,104 ,112 ,107 ,170 ,160 ,144 ,138 ,083 ,122 ,104 ,112 ,107
,057 1,250 -,844 -3,242 5,147 1,087 2,081 ,163 -,285 -1,878 -,664 -7,708 -,793 1,739 ,883 1,063
,955 ,211 ,399 ,001(b) ,000(c) ,277 ,037(d) ,871 ,776 ,060(e) ,506 ,000 ,428 ,082 ,377 ,288
2
Berdasarkan tabel 3.25 menunjukkan bahwa terdapat lima cell yang memiliki kecenderungan, sel-sel tersebut adalah sebagai berikut. (a)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk berumur bukan dengan kategori pertama (>50 tahun) dan cenderungan memilih berita bukan dengan kategori pertama (berita umum).
(b)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan berumur bukan dengan kategori pertama (>50 tahun).
(c)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan berumur dengan kategori kedua (25-37 tahun).
(d)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan memilih berita dengan kategori kedua (berita metropolis).
(e)
: Umur dengan kategori kedua (25-37 tahun) memiliki kecenderungan untuk memilih berita dengan kategori pertama (berita umum). Tabel 3.26 Tabel Kontingensi Pemutaran Keenam Page | 32
Jenis Kelamin Perempuan
Laki-laki
Umur 25-37 tahun 38-50 tahun >50 tahun 25-37 tahun 38-50 tahun >50 tahun
Koran 3 10 1 3 29 27 25
Berita Koran 1 15 10 3 10 25 48
Koran 2 15 9 5 15 23 27
Tabel 3.27 Tabel Estimasi Parameter Pemutaran Keenam Estimat e
Effect
Jenis_kelamin*Umur*Berit a
Jenis_kelamin*Umur Jenis_kelamin*Berita
Umur*Berita
Jenis_kelamin Umur Berita
Std. Error
Z
Sig.
1
-,064
,159
-,404
,686
2 3 4 1 2 1 2 1 2 3 4 1 1 2 1
,180 -,326 ,218 ,535 -,141 -,345 ,122 ,362 -,271 -,380 ,243 -,643 ,181 -,084 -,213 ,099
,144 ,215 ,159 ,104 ,127 ,133 ,112 ,159 ,144 ,215 ,159 ,083 ,104 ,127 ,133 ,112
1,250 -1,513 1,371 5,147 -1,111 -2,597 1,087 2,287 -1,878 -1,767 1,527 -7,708 1,739 -,665 -1,602 ,883
,211 ,130 ,170 ,000(a) ,267 ,009(b) ,277 ,022(c) ,060(d) ,077(e) ,127 ,000 ,082 ,506 ,109 ,377
2
Berdasarkan tabel 3.27 menunjukkan bahwa terdapat lima cell yang memiliki kecenderungan, sel-sel tersebut adalah sebagai berikut. (a)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk berumur dengan kategori pertama (25-37 tahun).
(b)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan memilih berita bukan dengan kategori pertama (olahraga).
(c)
: Umur kategori pertama (25-37 tahun) memiliki kecenderungan memilih berita dengan kategori pertama (berita olahraga).
(d)
: Umur dengan kategori pertama (25-37 tahun) memiliki kecenderungan memilih berita bukan dengan kategori kedua (umum).
(e)
: Umur dengan kategori kedua (38-50 tahun) memiliki kecenderungan untuk memilih berita bukan dengan kategori pertama (berita olahraga). Page | 33
Tabel 3.28 Tabel Kontingensi Pemutaran Ketujuh Jenis Kelamin
Umur
Perempuan
Laki-laki
Koran 3 3 10 1 25 29 27
>50 tahun 25-37 tahun 38-50 tahun >50 tahun 25-37 tahun 38-50 tahun
Berita Koran 1 3 15 10 48 10 25
Koran 2 5 15 9 27 15 23
Tabel 3.29 Tabel Estimasi Parameter Pemutaran Ketujuh Estimat e
Effect
Jenis_kelamin*Umur*Berit a
Jenis_kelamin*Umur Jenis_kelamin*Berita
Umur*Berita
Jenis_kelamin Umur Berita
Std. Error
Z
Sig.
1
,390
,186
2,096
,036(a)
2 3 4 1 2 1 2 1 2 3 4 1 1 2 1
-,399 -,064 ,180 -,395 ,535 -,345 ,122 ,018 ,028 ,362 -,271 -,643 -,097 ,181 -,213 ,099
,170 ,159 ,144 ,122 ,104 ,133 ,112 ,186 ,170 ,159 ,144 ,083 ,122 ,104 ,133 ,112
-2,346 -,404 1,250 -3,242 5,147 -2,597 1,087 ,096 ,163 2,287 -1,878 -7,708 -,793 1,739 -1,602 ,883
,019(b) ,686 ,211 ,001(c) ,000(d) ,009(e) ,277 ,924 ,871 ,022(f) ,060(g) ,000 ,428 ,082 ,109 ,377
2
Berdasarkan tabel 3.27 menunjukkan bahwa terdapat lima cell yang memiliki kecenderungan, sel-sel tersebut adalah sebagai berikut. (a)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk berumur dengan kategori pertama (>50 tahun) dan cenderung memilih berita dengan kategori pertama (berita olahraga).
Page | 34
(b)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan untuk berumur bukan dengan kategori pertama (25-37 tahun) dan cenderung memilih berita bukan dengan kategori kedua (berita umum).
(c)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan berumur bukan dengan kategori pertama (>50 tahun).
(d)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan berumur dengan kategori kedua (25-37 tahun).
(e)
: Jenis kelamin kategori pertama (perempuan) memiliki kecenderungan memilih berita bukan dengan kategori pertama (berita olahraga).
(f)
: Umur kategori kedua (25-37 tahun) memiliki kecenderungan memilih berita dengan kategori pertama (berita olahraga).
(g)
: Umur dengan kategori kedua (25-37 tahun) memiliki kecenderungan memilih berita bukan dengan kategori kedua (berita umum).
4. ELIMINASI BACKWARD Metode Backward Elimination, pada dasarnya menyelesaikan model dengan menggunakan prinsip hierarki, yaitu dengan melihat model terlengkap sampai dengan model yang sederhana atau dimulai dari model umum (semua kemungkinan dimasukkan). Untuk memilih model terbaik, maka dibandingkan antara model 0 dengan model 1 dengan hipotesis sebagai berikut : H0 : Model 1 adalah model terbaik H1 : Model 0 adalah model terbaik ABC log eijk iA Bj Ck ijAB ikAC BC jk ijk
Model 0
log eijk iA Bj Ck ijAB ikAC BC jk
Model 1
(interaksi
antara
tiga
variabel dihilangkan) Daerah Kritis :
2hitung > 2(db1-db0,α) 2hitung > 2(12-4,α) 2hitung > 2(8, 0,05) 2hitung > 15,507 atau G2 > 15,507 Tabel 3.15 Step Summary
Stepa
Effects
ChiSquarec
df
Sig.
Number of Iterations Page | 35
Generating Classb
0
JENIS*UMUR*KORAN
.000
0
.
JENIS*UMUR*KORAN
7.082
8
0.528
Generating Classb
JENIS*UMUR, JENIS*KORAN, UMUR*KORAN
7.082
8
0.528
1 2 3
JENIS*UMUR JENIS*KORAN UMUR*KORAN
36.113 12.851 15.520
4 4 4
0.000 0.012 0.004
Generating Classb
JENIS*UMUR, JENIS*KORAN, UMUR*KORAN
7.082
8
0.528
Deleted Effect
1 Deleted Effect 2
1
4
2 2 2
Statistik Uji : G2 = G12 – G02 = 7,082 – 0 = 7,082 Kesimpulan : Karena nilai G2 7,082 kurang dari 15,507 maka gagal tolak H0. Kesimpulan ini juga didapatkan dari nilai P-Value 0,528 yang lebih dari alpha 0,05. Sehingga keputusannya adalah model 1 adalah model terbaik untuk iterasi pertama. Untuk selanjutnya, dilakukan iterasi kedua yang terdiri dari tiga pengujian, pengujian tersebut adalah sebagai berikut. a.
H0 : Model (2) = model terbaik ( H1 : Model (1) = model terbaik (
log eijk iA Bj Ck ikAC BC jk
)
log eijk iA Bj Ck ijAB ikAC BC jk )
= 0,05 Daerah Kritis :
2hitung > 2(db2-db1,α)
2hitung > 2(12-8,α) 2hitung > 2(4, 0,05) 2hitung > 9,488 atau G2 > 9,488 Statistik Uji : G2 = 36,113 Kesimpulan :
Page | 36
Karena nilai G2 36,113 lebih dari 9,488 maka tolak H 0. Sehingga keputusannya adalah model 1 adalah model terbaik pada iterasi kedua. Jadi keputusan akhir, model terbaik adalah
log eijk iA Bj Ck ijAB ikAC BC jk
b. H0 : Model (2) = model terbaik ( H1 : Model (1) = model terbaik (
log eijk iA Bj Ck ijAB BC jk
)
log eijk iA Bj Ck ijAB ikAC BC jk )
= 0,05 Daerah Kritis :
2hitung > 2(db2-db1,α)
2hitung > 2(12-8,α) 2hitung > 2(4, 0,05) 2hitung > 9,488 atau G2 > 9,488 Statistik Uji : G2 = 12,851 Kesimpulan : Karena nilai G2 12,851 lebih dari 9,488 maka tolak H 0. Sehingga keputusannya adalah model 1 adalah model terbaik pada iterasi kedua. Jadi keputusan akhir, model terbaik adalah
log eijk iA Bj Ck ijAB ikAC BC jk
c. H0 : Model (2) = model terbaik ( H1 : Model (1) = model terbaik (
log eijk iA Bj Ck ijAB ikAC
)
log e ijk iA Bj Ck ijAB ikAC BC jk
)
= 0,05 Daerah Kritis :
2hitung > 2(db2-db1,α)
2hitung > 2(12-8,α) 2hitung > 2(4, 0,05) 2hitung > 9,488 atau G2 > 9,488 Statistik Uji : G2 = 15,520 Kesimpulan : Karena nilai G2 15,520 lebih dari 9,488 maka tolak H0. Sehingga keputusannya adalah model 1 adalah model terbaik pada iterasi kedua. Jadi keputusan akhir, model terbaik adalah
log e ijk iA Bj Ck ijAB ikAC BC jk
Page | 37
Page | 38