Kelas C

LAPORAN PRAKTIKUM
Tuliskan Nama Mata Kuliah Praktikum*
Modul 3 : Analisis Log Linier

Nomor Tanggal Tanda Tangan

Nama Praktikan Praktikan
Mahasiswa Kumpul
Eky R.Paradistia 15611053 21 11 2017

Tanggal Tanda tangan

Nama Penilai Nilai
Koreksi Asisten Dosen
Andi Nurhanna
Manthovani
Imania Ayu
Anjani
Dr, Jaka
Nugraha,
S.Si.,M.Si.

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2017

i
Daftar Isi

Daftar Isi.................................................................................................................. ii
Daftar Gambar ........................................................................................................ iii
1 Pendahuluan .................................................................................................... 1
1.1 Regresi Loglinear ...................................Error! Bookmark not defined.
2 Deskripsi Kerja................................................................................................ 1
3 Pembahasan ....................................................Error! Bookmark not defined.
3.1 Output dan Pembahasan .........................Error! Bookmark not defined.
4 Penutup.......................................................................................................... 11
5 Daftar Pustaka ............................................................................................... 12

ii
Daftar Gambar

Gambar 2.1. Pendefinisian Variabel .....................Error! Bookmark not defined.

Gambar 2.2. Input Data ........................................Error! Bookmark not defined.
Gambar 2.3. Weight Cases .................................................................................... 4
Gambar 2.4. Membuat Tabel Kontingensi ............................................................ 4
Gambar 2.5. Model Selection Loglinear Analysis ................................................. 4
Gambar 2.6. Loglinear Analysis Options ............................................................. 5
Gambar 3.1. Uji Goodness of Fit..........................Error! Bookmark not defined.
Gambar 3.2. K-way and Higher-Order Effect ......Error! Bookmark not defined.
Gambar 3.3. Parameter Estimates........................Error! Bookmark not defined.
Gambar 3.4. Step Sumarry....................................Error! Bookmark not defined.

iii
1 Pendahuluan

1.1 Regresi Log-Linier

Regresi log-linier adalah suatu pendekatan pemodelan linier terampat yang

dapat digunakan untuk data yang menyebar Poisson. Model log-linier merupakan
pengembangan dari analisis tabel silang dua arah atau lebih dimana terdapat
hubungan antara dua atau lebih variabel kategori yang dianalisis menggunakan
logaritme alami terhadap setiap isi sel dalam tabel. Data yang digunakan dalam
analisis log linier adalah data yang bersifat kategorik dandapat dibentuk dalam
suatu tabel kontingensi. Analisis log linier digunakan untuk menganalisis pola
hubungan antar sekelompok variabel kategori yang mencakup asosiasi dua variabel,
asosiasi tiga variabel atau lebih, baik secara simultan maupun secara parsial. Pola
hubungan antar variabel dapat dilihatdari interaksi antar variabel itu sendiri.
Analisis log linier tidak membedakan antaravariabel penjelas dan variabel respon.
Dapat dilihat pola hubungan antara beberapa variabel, termasuk kemungkinan
adanyahubungan sebab akibat atau hubungan kausal diantara variabel-variabel
tersebut.
Model log linear merupakan suatu model khusus yang dipergunakan untuk
melakukan analisis data kategorik berskala nominal. Model log linear pada
dasarnya merupakan model linier univariat yang dipergunakan untuk melakukan
analisis varians dengan variabel tak bebas atau respons adalah logaritma dari
frekuensi yang diharapkan dalam tiap-tiap sel tabel silang yang diperhatikan.

a. Model Log Linier Dua Faktor

Kemungkinan model yang dihasilkan yaitu :
1. Model Bebas
Diberikan sebuah sampel multinomial berukuran n yang disusun dalam
tabel kontigensi dan setiap sel kategorinya mempunyai probabilitas (𝜇𝑖𝑗 ).
Dalam model bebas tidak memuat interaksi antara dua variabel atau lebih.

1
2. Model Saturated
Secara umum, model log linear menyatakan logaritma frekuensi
harapan sel pada tabel kontigensi sebagai fungsi linier dari parameter-
parameter dan parameter-parameter tersebut menyatakan karakteristik dari
variabel-variabel kategorik serta interaksi antar variabel-variabel tersebut
satu sama lain.

2
2 Deskripsi Kerja

Selanjutnya disni praktian akan meyelesaikan salyang telah dberikan dengan

menggunakan SPSS. Dibaah ini aka dijelaskan langkah-langkah awal untuk mulai
bekerja dengan SPSS yangakan dipermudah dengan pemberian gambar.
1. Hal pertama praktikan membuka SPSS yangtelah diinstall.
2. Selanjutnya praktkan menginput data yag ada pada studi kasus yang
diberikan, definisikan beberapa variable terlebih dahulu pada sheet variable
view, perhatkan gambar dibawah ini.

Gambar 2.1. Pendefinisian Variabel

3. Langkah selanjutnya adalah input data-data yang telah disediakan untuk
analisis pada sheet Data view seperti yang ditunjukkan pada gambar
dibawah ini.

Gambar 2.2. Input Data

4. Setelah berhasil menginputkan data selnjutnya praktikan melakukan weight
case untuk variabel yang memiliki frekuensi yaitu variabel jumlah, setelah
muncul kotak dialog weight case > weight case by >variabel jumlah dan
klik tanda panah agar variabel frequensi berpindah ke kotak sebelah kanan
lalu klik OK.

3
 Gambar 2.3. Weight Cases

5. Praktikan selanjutnya membuat tabel kontigensi, klik Analyze>Descriptive

Statitic>Crosstab. Masukkan variabel “Item Cost” ke dalam Rows, jelasnya
iat pada gambar.

Gambar 2.4. Membuat Tabel Kontigensi

6. Stelah berhasil membuat table Kontigensi selanjutnya praktikan melakukan
analisis log linear dengan cara klik menu Analyze>Loglinear>Model
Selection.

Gambar 2.5 Model Selection Loglinear Analysis

7. Selanjutnya kliklah submenu Options> centang Parameter Estimates dan

Association Rules>Continue>OK. Perhatikan gambar dibawah

4
Gambar 2.6 Loglinear Analysis Options

5
3 Pembahasan

Data penggunaan rekening bank XIX yang dianaisis perusahaan sebanyak

2.304 konsumen pada tahun 2015. Penggunaan rekening diklasifikasikan menurut
Payment, Item cost, dan Income.
Data Studi kasus

a. Buatlah tabel kontigensi dari data tersebut.

b. Buatlah analisis loglinier menggunakan data tersebut dengan
menggunakan software SPSS.

3.1 Output dan Pembahasan

Pada bagian ini, parktikan akan membahas table kontigensi yang telah
dibuat. Berikut merupakan table kontigensinya.
1. Uji kesesuaian model

Gambar 3.1 Uji Goodness of Fit

Dalam uji kesesuaian model ini akan di uji apakah model sesuai atau
tidak. Berikut dalah hasil ujinya.
 Hipotesis
H0 : Model tidak sesuai
H1 : Model sesuai
 Daerah kritis
p-value< α , maka tolak H0

6
 p-value >α , maka gagal tolakH0
 Staistik uji
Berdasarkan hasil analisis diketahui nilai p-value (sig.) pada
Pearson adalah 0,000
 Kesmpulan
Karena sig < α = 0,05, maka keputusannya adalah tolak H0 artinya
model hasil analisis tersebut telah sesuai.
2. Uji Parsial

Gambar 3.2 K-way and Higher-Order Effects

Hipotesisnya adalah sebagai berikut :
*Untuk k= 1
 Hipotesis
H0 : efek orde ke 1 =0
H1 : efek orde ke 1 ≠ 0
 Daerah kritis
p-value < α , maka tolak H0
p-value > α , maka gagal tolakH0
 Staistik uji
Berdasarkan hasil analisis diketahui nilai p-value (sig.) pada
Pearson adalah 0,000
 Kesmpulan
Oleh karena sig < α = 0,05, maka keputusannya adalah tolak H0 yang
artinya bahwa pengaruh orde ke-1 ≠ 0 atau ada pengaruh/iterasi.

*Untuk k= 2
 Hipotesis
H0 : efek orde ke 2 =0

7
 H1 : efek orde ke 2 ≠ 0
 Daerah kritis
p-value < α , maka tolak H0
p-value > α , maka gagal tolakH0
 Staistik uji
Berdasarkan hasil analisis diketahui nilai p-value (sig.) pada
Pearson adalah 0,000
 Kesimpulan
Karena sig < α = 0,05, maka keputusannya adalah tolak H0 yang
artinya bahwa pengaruh orde ke-2 ≠ 0 atau ada pengaruh/iterasi.

*Untuk k= 3
 Hipotesis
H0 : efek orde ke 3 =0
H1 : efek orde ke 3 ≠ 0
 Daerah kritis
p-value < α , maka tolak H0
p-value > α , maka gagal tolakH0
 Staistik uji
Berdasarkan hasil analisis diketahui nilai p-value (sig.) pada
Pearson adalah 0,582
 Kesmpulan
Karena sig > α = 0,05, maka keputusannya adalah gagal tolak H0
yang artinya bahwa pengaruh orde ke-3 = 0 atau tidak ada
pengaruh/iterasi orde ke-3.

3. Uji parsial
Berikut adalah hasil output uji parameter serta hasil hipotesis yang di
lakukan.

8
 Gambar 3.3 Parameter Estimates
Dari gambar diatas dapat diperoleh model sebagai berikut
Log (µ𝒊𝒋𝒌 ) = λ + λA + λB + λC + + λAB + λAC + λBC + λBD +λCD + λABC
Setelah diperoleh model, Maka estimasi model sementara dengan
menggunakan koefisien dari estimate yaitu;
Log (µ𝒊𝒋𝒌 ) = -0,532A + 0,783B - 0,380C + 0,022AB – 0.054AC – 0.212BC
+0.018ABC
Dengan
λ = konstanta
A = Income
B = Item Cost
C = Payment
λAB = estimasi faktor status Item Cost*Income
λAC = estimasi faktor status Payment*Income
λBC = estimasi faktor lama Payment*Item Cost
λABC = estimasi faktor status Payment*ltem Cost*Income

9
4. Model Terbaik

Gambar 3.4 Step summary

Berikut adalah hasil uji hipotesis untuk pengujian model terbaik.
 Hipotesis
H0 : Model ke-1 adalah model terbaik
H1 : Model ke-0 (model lengkap)
 Daerah kritis
p-value < α , maka tolak H0
p-value > α , maka gagal tolakH0
 Staistik uji
Berdasarkan hasil analisis diketahui nilai p-value (sig.) adalah 0,028
 Kesmpulan
Karena sig < α = 0,05, maka keputusannya adalah dengan
menggunakan tingkat kepercayaan 95%, diperoleh keputusan gagal
tolak H0 yang berarti bahwa model 1 merupakan model yang terbaik
atau model yang lebih sederana.

10
4 Penutup

1. Kesimpulan dari uji Goodness of Fit sig < α = 0,05, maka keputusannya adalah
tolak H0 artinya model hasil analisis tersebut telah sesuai.
2. K-way and Higher-Order Effects
Untuk k= 1
sig < α = 0,05, maka keputusannya adalah tolak H0 yang artinya
bahwa pengaruh orde ke-1 ≠ 0 atau ada pengaruh/iterasi.
Untuk k= 2
sig < α = 0,05, maka keputusannya adalah tolak H0 yang artinya
bahwa pengaruh orde ke-2 ≠ 0 atau ada pengaruh/iterasi.
Untuk k= 3
sig > α = 0,05, maka keputusannya adalah gagal tolak H0 yang
artinya bahwa pengaruh orde ke-3 = 0 atau tidak ada
pengaruh/iterasi orde ke-3.
3. Step summary
sig < α = 0,05, maka keputusannya adalah dengan menggunakan
tingkat kepercayaan 95%, diperoleh keputusan gagal tolak H0 yang
berarti bahwa model 1 merupakan model yang terbaik atau model
yang lebih sederana.

11
5 Daftar Pustaka

Nugraha, Jaka.2011. Modul Praktikum Analisis Data Eksplorasi. Yogyakarta : UII

Bahri,K.2014. Analisis Log Linier.
http://levatra.blogspot.co.id/2014/11/analisis loglinier _25.html

12