Pembahasan Analisis Logliniear Menggunakan SPSS

Setelah melakukan langkah kerja di post sebelumnya ANALISIS LOGLINIEAR MENGGUNAKAN SPSS , pada post ini kita akan menjelaskan tentang outputnya

Berikut hasil tabel kontigensinya

Pengujian keseluruhan interaksi antar variabel dengan menggunakan tabel output K-way and Higher-Order Effects. Dalam tabel tersebut terdapat 2 buah model pengujian dengan menggunakan nilai signifikansi dari K-way and Higher Order Effects* dan K-way Effects* yang masing-masing akan melakukan pengujian dengan menganalisis orde ke- k. Nilai yang digunakan untuk mengetahui keputusannya adalah nilai signifikansi (p-value).

Uji Hipotesis K-Way and Higher-Order Effects

- Untuk orde ke- k=1 atau lebih

-- Hipotesis

H0:

H1 : ada salah satu λ yg ≠ 0(efek orde ke – 1 atau lebih ≠ 0)

-- Tingkat Signifikansi (α) = 0,05

-- Statistik Uji

Dengan menggunakan metode Likelihood Ratio, diperoleh X_hitung^2= 5036,789 dan nilai sig. = 0.000.

-- Keputusan

Tolak H0 , karena nilai sig. (0,000) < a (0,05)

-- Kesimpulan

Dengan menggunakan tingkat signifikansi 0,05 diperoleh keputusan untuk menolak H0 , yang berarti bahwa ada salah satu λ yg ≠ 0.

- Untuk orde ke- k=2 atau lebih

-- Hipotesis

H0 :

H1 : ada salah satu λ yg ≠ 0 (efek orde ke – 2 atau lebih ≠ 0)

-- Tingkat Signifikansi (α) = 0,05

-- Statistik Uji

Dengan menggunakan metode Likelihood Ratio, diperoleh X_hitung^2= 3603,713 dan nilai sig. = 0.000.

-- Keputusan

Tolak H0 , karena nilai sig. (0,000..) < a (0,05)

-- Kesimpulan

Dengan menggunakan tingkat signifikansi 0,05 diperoleh keputusan untuk menolak H0 , yang berarti bahwa ada salah satu λ yg ≠ 0.

- Untuk orde ke- k=3 atau lebih

-- Hipotesis

H0 :λ^SUK=0(efek orde ke – 3 atau lebih = 0)

H1 :ada salah satu λ yg ≠ 0 (efek orde ke – 3 atau lebih ≠ 0)

- Tingkat Signifikansi (α) = 0,05

- Statistik Uji

Dengan menggunakan metode Likelihood Ratio, diperoleh

X_hitung^2= 0, 00 dan nilai sig. = 1.000

- Keputusan

Gagal Tolak H0 , karena nilai sig. (1,000) > a (0,05)

- Kesimpulan

Dengan menggunakan tingkat signifikansi 0,05 diperoleh keputusan untuk menolak H0 , yang berarti bahwa λ^SUK=0.

Uji Hipotesis K-Way Effects*

- Untuk orde ke- k=1

-- Hipotesis

H0 :

Hi : ada salah satu λ yg ≠ 0 (efek orde ke – 1 ≠ 0)

-- Tingkat Signifikansi (α) = 0,05

-- Statistik Uji

Dengan menggunakan metode Likelihood Ratio, diperoleh

X_hitung^2= 1433,075 nilai sig. = 0.000.

-- Keputusan

Tolak H0 , karena nilai sig. (0,000) < a (0,05)

-- Kesimpulan

Dengan menggunakan tingkat signifikansi 0,05 diperoleh keputusan untuk menolak H0 , yang berarti bahwa ada salah satu λ yg ≠ 0.

- Untuk orde ke- k=2

-- Hipotesis

H0 :

H1 : ada salah satu λ yg ≠ 0 (efek orde ke – 2 ≠ 0)

-- Tingkat Signifikansi (α) = 0,05

-- Statistik Uji

Dengan menggunakan metode Likelihood Ratio, diperoleh

X_hitung^2= 3603,075 dan nilai sig. = 0.000.

-- Keputusan

Tolak H0 , karena nilai sig. (0,000) < a (0,05)

-- Kesimpulan

Dengan menggunakan tingkat signifikansi 0,05 diperoleh keputusan untuk menolak H0 , yang berarti bahwa ada salah satu λ yg ≠ 0.

- Untuk orde ke- k=3

-- Hipotesis

H0 : λ^SUK=0; (efek orde ke – 3 = 0)

H1 : ada salah satu λ yg ≠ 0 (efek orde ke – 3 ≠ 0)

-- Tingkat Signifikansi (α) = 0,05

-- Statistik Uji

Dengan menggunakan metode Likelihood Ratio, diperoleh

X_hitung^2= 2,917 dan nilai sig. = 1.000.

-- Keputusan

Gagal Tolak H0 , karena nilai sig. (1) > a (0,05)

-- Kesimpulan

Dengan menggunakan tingkat signifikansi 0,05 diperoleh keputusan untuk gagal menolak H0 , yang berarti bahwa λ^SUK=0.

Dari serangkaian uji menggunakan K-way and Higher Order Effects* dan K-way Effects*, dapat disimpulkan bahwa efek orde ke – 3 tidak signifikan sehingga tidak dapat dimasukkan kedalam model. Untuk menentukan Ho nya maka dalam penentuan variabel apa saja yang akan muncul, dapat berpatokan kepada df (degree of freedom) dari setiap orde itu sendiri. Contohnya, pada efek orde ke -1 atau lebih, df = 11. Sehingga ada 11 variabel yang akan terbentuk dan dapat dimasukkan ke dalam hipotesis. Uji menggunakan K-way and Higher Order Effects* dan K-way Effects* ini, untuk mengetahui ada atau tidak efek/interaksi antar variabel. Sehingga setiap variabel dapat diuji signifikansinya.

Model Terbaik (Backwards Elimination)

Berdasarkan hasil penentuan model di atas, maka diperoleh model log linear, namun model tersebut belum model terbaik dari yang ada. Maka dilakukan serangkaian pengujian agar memperoleh model yang terbaik atau representatif menggunakan output Backwards Elimination pada hasil SPSS. Dalam pengujian ini, kita hanya menampilkan uji hipotesis yang terakhir berupa model yang telah sesuai yang diperoleh dari kolom Generating Class, sedangkan kolom Defected effect merupakan hasil faktor yang di eliminasi satu persatu oleh komputer yang dikeluarkan secara otomatis. Sehingga untuk melihat model yang terbaik dapat diperoleh pada eliminasi ke tiga (terakhir) dengan melihat variabel yang signifikan pada kolom Generating Class.