Log Linear 3 Dimensi [PDF]

Citation preview

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