4.Log Linear 2 Dimensi
-
Upload
suryatna-saca-dibrata -
Category
Documents
-
view
842 -
download
17
Transcript of 4.Log Linear 2 Dimensi
4-4
BAB 4
LOG LINEAR 2 DIMENSI
4.1 Pendahuluan
Diketahui Persamaan Regresi sebagai berikut
Dalam Modul 2, Tabel 2.1 (b) tidak terlihat secara jelas bagaimana peran A dan
B dalam menentukan Pij. Jika info ini diperlukan, maka kita harus memodelkan Pij.
Melihat pada kasus Tabel kontingensi 2 x 2 diketahui besarnya Pij sebagai berikut :
Tabel 4.1 Tabel kontingensi 2x2
B1 B2Total
A1 P11 P12P1.
A2 P21 P22P2.
Ar Pr1 Pr2P..=1
Sebut Vij = ln Pij , dengan Pij tergantung pada A, B dan interaksi antara A dan B
Model :
A = rataan umum
= kontribusi dari baris
= kontribusi dari lajur
= interaksi antara baris dan lajur
Model ini disebut Loglinear. Model log linier adalah suatu model untuk
memperoleh model statistika yang menyatakan hubungan antara variabel dengan data
yang bersifat kualitatif (skala nominal atau ordinal). Dengan menggunakan pendekatan
log linier bisa diketahui model matematikanya secara pasti serta level atau kelas mana
yang cenderung menimbulkan adanya hubungan atau dependensi.
Agar , , , dapat diduga , maka
Ada 4 Pij akan digunakan untuk
menduga 4 parameter,
Db sisa= 0 (jenuh)
4-4
Sehingga:
Berapa besarnya ke-4 parameter tadi?
Sehingga :
1.
2.
3.
Didapat:
1.
2.
3.
4.
5.
6.
7.
Jadi, jika Pij diketahui maka parameter , , , dapat ditentukan. Dalam
praktek, Pij tidak diketahui yang kita amati adalah nij, sehingga 4 parameter tadi hanya
dapat diduga. Bagaimana menduga 4 parameter ini ?
4-4
Pada Tabel 2 x 2 :
(4.3)
(4.4)
(4.5)
(4.6)
dimana :
,
sehingga (4.7)
sehingga (4.8)
misal yij = ln nij maka , dimana
Sehingga :
ingat ada hubungan antara yij dengan vij sehingga yij bisa digunakan untuk
menduga vij. Jadi untuk model :
jika kita memperoleh
pengamatan nij maka
(4.9)
(4.10)
(4.11)
4-4
Contoh:
Tabel 4.2 Hubungan Partai dengan Jenis kelamin
Jenis KelaminPartai Total
buruh konservatif
Laki 222 115 337
Perempuan 240 185 425
Total 462 300 762
Penyelesaian:
Model log linear :
Keterangan:
vij = logaritma natural dari peluang sel (i, j)
= rataan umum
= kontribusi jenis kelamin
= kontribusi partai
= interaksi (menunjukkan bebas tidaknya A dan B dalam membentuk Pij)
ln nij :
Tabel 4.2 ln nij Hubungan Partai dengan Jenis kelamin
Jenis KelaminPartai
buruh konservatif
Laki5.4 4.74
Perempuan5.48 5.22
Sehingga:
4-4
Jika diinginkan menilai bebas / tidaknya A dan B, maka ujilah
Hipotesis:
H0 : A dan B bebas
Kalau H0 benar maka :
(1)
(2) Frekuensi harapan sel (i, j) adalah
Sehingga apabila H0 benar maka isi sel (i, j) :
Tabel 4.3 (a) eij Hubungan Partai dengan Jenis kelamin, A dan B bebas (b) ln eij Hubungan Partai dengan Jenis kelamin, A dan B bebas
Jenis KelaminPartai
buruh konservatif
Laki204.32 132.68
Perempuan257.68 167.32
(a)
Jenis KelaminPartai
buruh konservatif
Laki5.32 4.89
4-4
Perempuan5.55
5.12(b)
Evaluasi dilakukan dengan cara membandingkan model
dengan model
Dengan kriteria pembandingan nisbah kemungkinan (likelihood ratio).
H0 : A dan B bebas ditolak karena penghapusan dalam model
signifikan menurunkan kecocokan model.
Sehingga, Pemilihan partai berkaitan dengan jenis kelamin
Hipotesis lainnya
Peluang kategori B sama
H0 : Peluang kategori B sama (Model
H1 : Peluang kategori B tidak sama (Model
dengan frekuensi harapan :
Tabel 4.4 (a) eij Hubungan Partai dengan Jenis kelamin, Peluang kategori B sama (b) ln eij Hubungan Partai dengan Jenis kelamin Peluang kategori B sama
4-4
Jenis KelaminPartai
buruh konservatif
Laki168.5 168.5
Perempuan212.5 212.5
(a)
Jenis KelaminPartai
buruh konservatif
Laki5.12 5.12
Perempuan5.36 5.36
(b)
Peluang kategori A sama
H0 : peluang kategori A sama (Model
H0 : peluang kategori A tidak sama (Model
dengan frekuensi harapan :
Tabel 4.5 (a) eij Hubungan Partai dengan Jenis kelamin, Peluang kategori A sama (b) ln eij Hubungan Partai dengan Jenis kelamin Peluang kategori A sama
Jenis KelaminPartai
buruh konservatif
Laki231.0 150.0
Perempuan231.0 150.0
(a)
Jenis KelaminPartai
buruh konservatif
Laki5.36 5.01
Perempuan5.36 5.01
(b)
Peluang kategori (i,j) sama
H0 : peluang kategori A sama (Model
dengan frekuensi harapan :
Tabel 4.6 (a) eij Hubungan Partai dengan Jenis kelamin, Peluang kategori A sama (b) ln eij Hubungan Partai dengan Jenis kelamin Peluang kategori A sama
Jenis KelaminPartai
buruh konservatif
Laki190.5 190.5
Perempuan190.5 190.5
(a)
Jenis KelaminPartai
buruh konservatif
Laki5.25 5.25
Perempuan5.25 5.25
(b)
8
Rekapitulasi :
Tabel 4.7 (a), (b) Rekapitulasi untuk model log linear
Model Parameter db sisa
Jenuh , A, B, AB 0 0
A, B bebas , A, B 1 6.9
Peluang B sama , A 2 42.72
Peluang A sama , B 2 17.04Peluang A, B sama 3 51.4
(a)
Model Parameter db sisa y2 Perubahan y2
A, B bebas , A, B 1 6.9 35.82
Peluang B sama , A 2 42.72 35.82
(b)
Jika didalam model ada dan A maka penambahan B menurunkan y2 = 35.82
,
B nyata H0 : peluang kategori B sama, ditolak
Tabel 4.8 Rekapitulasi untuk model log linear untuk Penurunan y2
Parameter db y2 Penurunan y2
3 51.4
, A 2 42.72 8.68* 3.841
, A, B 1 6.9 35.82* 3.841
, A, B, AB 0 0 6.9* 3.841
Model loglinear yang dibahas tadi adalah jenis hierarkhi, yaitu model jika
komponen AB ada dalam model maka semua komponen penyusun AB adapula
didalam model. Maksudnya jika AB ada, maka A , B juga ada. Secara umum jika
ada didalam model maka ada pula dalam
model.
Kategori Non Hierarki
Tabel 4.9 Rekapitulasi untuk model log linear non hierarki
Model Lambang
(A)
(A,B)
(AB)
(B)
Model loglinear untuk tabel 2 arah/dimensi dapat dikembangkan untuk Tabel
berdimensi lebih tinggi, misal Tabel 3 arah, 4 arah dan seterusnya. Hanya saja,
semakin tinggi dimensi dari Tabel, semakin banyak kemungkinan model selain
model jenuhnya.
4.2 Latihan Soal
1. Dalam suatu penelitian perusahaan, sejumlah data dikumpulkan untuk menentukan apakah proporsi barang yang cacat (A) yang dhasilkan oleh karyawan sama untuk giliran shift pagi, sore atau malam (B). data berikut menggambarkan barang yang diproduksi yang cacat untuk shift pagi, sore atau malam.
Tabel 4.10 Hubungan antara Shift dengan Proporsi cacat
shift pagi sore malam
cacat 45 55 70
tidak cacat 905 890 870
Tentukan dugaan parameter log linear untuk dan
2. Pada data nomer 1 buat model log linearnya kemudian isikan Tabel di bawah ini
Tabel 4.11 Rekapitualasi
Model Parameter db Penurunan
1 Peluang A, B sama
2 Peluang A sama ,
3 Peluang B sama ,
4 A, B bebas , ,
5 Jenuh , , ,