The Interpretation Development of Multinomial Logit Model with Probability-Based Analytical Method (Case Study: 2009 Presidential Election).

PELUANG

(Studi Kasus: Pemilihan Presiden Tahun 2009)

DENI IRVANI

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2012

PERNYATAAN MENGENAI TESIS DAN SUMBER

INFORMASI

Dengan ini saya menyatakan bahwa tesis Pengembangan Interpretasi Model Logit Multinomial dengan Metode Analisis berbasis Peluang (Studi Kasus: Pemilihan Presiden Tahun 2009) adalah karya saya dengan arahan dari komisi pembimbing dan belum pernah diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.

Bogor, September 2012

Deni Irvani NRP. G152100111

ABSTRACT

DENI IRVANI. The Interpretation Development of Multinomial Logit Model with Probability-Based Analytical Method (Case Study: 2009 Presidential Election). Under direction of HARI WIJAYANTO and I MADE SUMERTAJAYA.

This study aims at applying probability-based analytical methods, namely predictive comparison at a central value and average predictive comparison. These methods are used to develop the interpretation of multinomial logit model in the case of presidential voting behavior. This case study tests significance of political economy and psychological factors (party identification and candidate’s personal qualities) which are theoritically assumed determine voting decision. Data were obtained from national public opinion survey conducted by Indonesian Survey Institute a week after the 2009 presidential election. The result of analysis confirmed that political economy and psychological factors have significant impact on presidential candidate choice. Furthermore, the probability-based analytical methods make the interpretation of multinomial logit models become clearer.

Keywords: multinomial logit model, probability-based interpretation, predictive comparison at a central value, average predictive comparison, voting behavior, presidential election.

RINGKASAN

DENI IRVANI. Pengembangan Interpretasi Model Logit Multinomial dengan Metode Analisis berbasis Peluang (Studi Kasus: Pemilihan Presiden Tahun 2009). Di bawah bimbingan HARI WIJAYANTO dan I MADE SUMERTAJAYA.

Studi perilaku pemilih umumnya bertumpu pada metode analisis statistika. Salah satu metode yang banyak digunakan adalah pemodelan regresi logistik atau model logit. Proses interpretasi model logit bisa ditempuh dengan cara mentransformasi koefisien regresi sehingga diperoleh rasio odds. Namun karena rasio odds relatif sulit dipahami, banyak peneliti di bidang perilaku pemilih beralih ke pendekatan lain yang dianggap lebih mudah, yakni pendekatan interpretasi berbasis peluang.

Metode interpretasi berbasis peluang yang cukup banyak digunakan dalam studi perilaku pemilih adalah perbandingan prediktif di nilai pusat (PPNP). Dalam metode ini pengaruh suatu peubah bebas dihitung dengan cara membandingkan peluang munculnya respon bila nilai pada peubah bebas yang menjadi perhatian mengalami perubahan sementara peubah-peubah bebas lainnya dibuat tetap di nilai pusatnya masing-masing. Interpretasi model berbasis peluang dapat pula dilakukan melalui metode rata-rata perbandingan prediktif (RPP). Berbeda dengan metode PPNP, dalam metode RPP perbedaan dugaan peluang dievaluasi pada semua nilai peubah penjelas.

Sampai saat ini metode PPNP belum populer dalam studi perilaku pemilih di Tanah Air, sedangkan metode RPP belum pernah digunakan. Penelitian ini bertujuan untuk (1) menerapkan metode PPNP dan RPP dalam rangka mengembangkan interpretasi model logit multinomial dalam kasus pemilihan presiden, (2) menguji pengaruh faktor ekonomi-politik (model pilihan rasional) dan faktor psikologis (model psikologis) terhadap pilihan dalam pemilihan presiden, serta (3) menjelaskan perilaku pemilih di Indonesia dalam konteks pemilihan presiden.

Data yang digunakan adalah data hasil survei berskala nasional yang dilakukan oleh Lembaga Survei Indonesia pada Juli 2009 seminggu setelah pemilihan presiden. Populasi survei adalah seluruh warga negara Indonesia yang punya hak pilih dalam pemilihan umum. Contoh dipilih dengan metode penarikan contoh bertahap dengan total sampel 1.225 responden. Adapun peubah-peubah yang digunakan adalah: pilihan atas pasangan calon presiden-wakil presiden, ekonomi-politik, identitas partai Demokrat, identitas partai Golkar, identitas partai PDIP, kualitas personal Susilo Bambang Yudhoyono, kualitas personal Jusuf Kalla, kualitas personal Megawati Soekarnoputri, jenis kelamin, usia, status tempat tinggal, suku-bangsa, pendidikan, pendapatan dan agama.

Proses analisis data dimulai dengan pemodelan regresi logistik multinomial. Pilihan atas calon presiden-wakil presiden ditempatkan sebagai peubah respon, sedangkan peubah-peubah lainnya ditempatkan sebagai peubah penjelas. Dalam penelitian ini dibuat delapan model regresi logistik multinomial berdasarkan peubah-peubah bebas yang digunakan. Tujuh model di antaranya adalah model-model yang hanya melibatkan satu peubah bebas, yakni peubah ekonomi-politik, identitas partai Demokrat, identitas partai Golkar, identitas partai PDIP, kualitas personal SBY, kualitas personal Jusuf Kalla, atau peubah kualitas personal

Megawati Soekarnoputri. Satu model lainnya adalah model yang seluruh peubah bebas. Model-model yang terbentuk selanjutnya diinterpretasikan melalui dua pendekatan, yakni pendekatan interpretasi berbasis odds dan pendekatan interpretasi berbasis peluang. Proses analisis data dilakukan dengan pemrograman perangkat lunak SAS 9.0.

Secara umum, hasil penelitian ini menunjukkan bahwa model pilihan rasional dan model psikologis dalam teori perilaku pemilih terbukti secara empiris. Kondisi ekonomi-politik, identitas partai dan kualitas personal calon merupakan faktor-faktor yang dapat mendorong keputusan memilih calon presiden. Lebih jauh, metode analisis berbasis peluang dapat memperjelas pengaruh dari suatu peubah bebas yang tidak diperoleh dari analisis berbasis odds, terutama dalam model pilihan rasional. Analisis berbasis peluang menjelaskan bahwa faktor ekonomi-politik sesungguhnya hanya berpengaruh kuat terhadap perolehan suara pasangan Susilo Bambang Yudhoyono-Boediono dan Megawati Soekarnoputri-Prabowo Subianto, sedangkan pada pasangan Jusuf Kalla-Wiranto pengaruhnya sangat lemah.

Kata kunci: Model Logit Multinomial, Interpretasi berbasis Peluang, Perbandingan Prediktif di Nilai Pusat, Rata-rata Perbandingan Prediktif, Perilaku Pemilih, Pemilihan Presiden.

© Hak Cipta milik IPB, tahun 2012

Hak Cipta dilindungi Undang-undang

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan yang wajar bagi IPB.

Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya tulis dalam bentuk apa pun tanpa izin IPB

PENGEMBANGAN INTERPRETASI MODEL LOGIT

MULTINOMIAL DENGAN METODE ANALISIS BERBASIS

PELUANG

(Studi Kasus: Pemilihan Presiden Tahun 2009)

DENI IRVANI

Tesis

sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada

Program Studi Statistika Terapan.

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2012

Judul Tesis : Pengembangan Interpretasi Model Logit Multinomial dengan Metode Analisis berbasis Peluang (Studi Kasus: Pemilihan Presiden Tahun 2009)

Nama : Deni Irvani

NRP : G152100111

Program Studi : Statistika Terapan

Disetujui, Komisi Pembimbing

Ketua

Dr. Ir. Hari Wijayanto, M.Si

Anggota

Dr. Ir. I Made Sumertajaya, M.Si

Diketahui,

Ketua Program Studi Statistika Terapan

Dr. Ir. Anik Djuraidah, MS

Dekan Sekolah Pascasarjana IPB

Dr. Ir. Dahrul Syah, M.Sc. Agr

PRAKATA

Puji syukur penulis panjatkan ke hadirat Allah SWT atas segala nikmat dan karunia-Nya sehingga karya ilmiah ini dapat diselesaikan. Judul karya ilmiah ini adalah “Pengembangan Interpretasi Model Logit Multinomial dengan Metode Analisis berbasis Peluang (Studi Kasus: Pemilihan Presiden Tahun 2009)”.

Terima kasih penulis sampaikan kepada:

1. Bapak Dr. Ir. Hari Wijayanto, M.Si dan Dr. Ir. I Made Sumertajaya, M.Si selaku pembimbing atas segala arahan dan saran yang telah diberikan.

2. Bapak Dr. Ir. Asep Saefuddin, M.Sc selaku penguji luar komisi pada ujian tesis.

3. Ibu Dr. Ir. Anik Djuraidah, MS selaku Ketua Program Studi Statistika Terapan atas berbagai saran dan masukannya.

4. Seluruh staf Program Studi Statistika yang telah banyak memberi bantuan. 5. Bapak Dr. Saiful Mujani selaku atasan di Lembaga Survei Indonesia atas

dukungan yang diberikan kepada penulis untuk menjalani pendidikan S2 Statistika Terapan di Institut Pertanian Bogor, serta atas saran-sarannya dalam perumusan masalah penelitian ini.

6. Seluruh peneliti Lembaga Survei Indonesia atas bantuan dan dukungan yang telah diberikan.

7. Teman-teman di STK dan STT yang telah banyak membantu dalam penyelesaian tesis ini.

8. Orang tua dan seluruh keluarga atas dukungan moril dan spirituil.

9. Istriku Novita Hermawati dan anakku Muhammad Fahri Irvani atas segala pengorbanan, kasih sayang dan doa yang selalu dipanjatkan.

RIWAYAT HIDUP

Penulis dilahirkan di Bogor, 29 Juni 1980 sebagai anak kedua dari pasangan Ir. H. Moh. Djaelani dan Hj. Halimatusa’diyah.

Tahun 1998 penulis menyelesaikan pendidikan di SMU Negeri 1 Bogor dan pada tahun yang sama diterima di Jurusan Statistika FMIPA Institut Pertanian Bogor (IPB) melalui jalur SPMB. Pendidikan S1 di IPB ditamatkan penulis pada tahun 2002.

Penulis memulai karier sebagai Research Executive di PT. Tempo Inti Media dari 2003 sampai 2007. Sejak 2007 sampai sekarang, penulis bekerja sebagai peneliti di Lembaga Survei Indonesia. Sejak awal tahun 2012, penulis juga terlibat sebagai analis di SAIFULMUJANI Research & Consulting.

DAFTAR ISI

Halaman

DAFTAR TABEL ... xxi

DAFTAR GAMBAR ... xxiii

DAFTAR LAMPIRAN ... xxv

PENDAHULUAN ... 1

Latar Belakang ... 1

Tujuan Penelitian ... 4

TINJAUAN PUSTAKA ... 5

Model Perilaku Pemilih ... 5

Model Logit Multinomial ... 6

Metode PPNP ... 7

Metode RPP ... 8

METODOLOGI ... 11

Metode Pengumpulan Data ... 11

Metode Analisis ... 13

HASIL DAN PEMBAHASAN ... 17

Pemodelan Regresi Logistik Multinomial ... 17

Model Pilihan Rasional: Interpretasi Berbasis Odds ... 17

Model Pilihan Rasional: Interpretasi Berbasis Peluang ... 18

Model Psikologis Identitas Partai: Interpretasi Berbasis Odds ... 22

Model Psikologis Identitas Partai: Interpretasi Berbasis Peluang ... 23

Model Psikologis Kualitas Personal Calon: Interpretasi Berbasis Odds .... 27

Model Psikologis Kualitas Personal Calon: Interpretasi Berbasis Peluang 29

KESIMPULAN DAN SARAN ... 33

Kesimpulan ... 33

Saran ... 33

DAFTAR PUSTAKA ... 35

DAFTAR TABEL

Halaman 1 Koefisien regresi logistik multinomial untuk peubah ekonomi-politik... 18 2 Pengaruh ekonomi-politik terhadap peluang keterpilihan calon (PPNP

dan RPP) ... 21 3 Koefisien regresi logistik multinomial untuk peubah identitas partai ... 23 4 Pengaruh identitas partai terhadap peluang keterpilihan calon

bersangkutan (PPNP dan RPP) ... 27 5 Koefisien regresi logistik multinomial untuk peubah kualitas personal

calon ... 28 6 Pengaruh kualitas personal calon terhadap peluang keterpilihan calon

xxiii

DAFTAR GAMBAR

Halaman 1 Dugaan peluang keterpilihan calon menurut kondisi ekonomi-politik... 19 2 Dugaan peluang keterpilihan calon menurut identitas partai ... 25 3 Dugaan peluang keterpilihan calon menurut kualitas personal calon .... 30

DAFTAR LAMPIRAN

Halaman

1 Deskripsi peubah-peubah penjelas ... 39

2 Dugaan parameter model regresi logistik multinomial ... 40

3 Statistik PPNP pasca-pemodelan regresi logistik multinomial ... 41

4 Statistik RPP pasca-pemodelan regresi logistik multinomial ... 42

PENDAHULUAN

Latar Belakang

Pemilihan umum (pemilu) merupakan dasar demokrasi. Pemerintah memiliki kekuasaan mengelola sumber-sumber daya yang ada, dan pemilu merupakan sarana utama bagi rakyat untuk mengontrolnya (Lewis-Beck et al.

2008). Melalui pemilu, rakyat menentukan keputusan politik tentang calon yang pantas dan tidak pantas menjadi pejabat publik, atau partai yang boleh dan tidak boleh berkuasa. Rakyat sebagai pemilih mempunyai arti yang penting. Karena itu, pemahaman atas pola-pola sikap dan perilaku politik rakyat yang diwujudkan dalam pemilu bukan saja penting secara akademik tetapi juga secara praktis bagi kehidupan kolektif bangsa (Mujani 2012).

Pertanyaan sentral dalam tradisi studi perilaku pemilih berkaitan dengan partisipasi dan pilihan dalam pemilu (Mujani 2012). Setiap tindakan politik pemilih dikaji secara seksama sehingga diperoleh penjelasan yang sistematis.

Studi perilaku pemilih umumnya bertumpu pada metode analisis statistika. Salah satu metode yang banyak digunakan adalah pemodelan regresi logistik atau model logit. Beberapa contoh penggunaan model logit dalam studi perilaku pemilih bisa dilihat, misalnya, pada Gelman dan King (1993), Colton (2000), Colton dan McFaul (2003), Clarke et al. (2004), Liddle dan Mujani (2007), dan Mujani et al. (2012).

Dalam praktik, bagian yang sangat penting adalah cara menginterpretasi model. Pada regresi linear biasa (tanpa interaksi), interpretasi model dapat dilakukan secara langsung melalui koefisien regresi. Namun pada model-model yang lebih kompleks seperti model logit interpretasinya relatif lebih sulit.

Proses interpretasi model logit bisa ditempuh dengan cara mentransformasi koefisien regresi sehingga diperoleh rasio odds, yakni dampak multiplikatif pada odds untuk respon tertentu apabila terjadi perubahan nilai pada suatu peubah bebas. Namun demikian, banyak orang merasa sulit memahami rasio odds (Agresti 2007).

Interpretasi model logit melalui rasio odds semakin kompleks apabila respon yang dimodelkan terdiri atas tiga kategori atau lebih (M>2). Dengan

menggunakan model logit multinomial kategori acuan, untuk setiap kategori acuannya terdapat k×(M-1) koefisien, dengan k banyaknya peubah bebas. Bila seluruh kategori dicobakan sebagai acuan maka secara keseluruhan terdapat

k×(M-1)×M koefisien. Hal ini berimplikasi pada banyaknya pekerjaan yang harus dilakukan jika semua koefisien tersebut diinterpretasikan.1 Keadaan ini telah mendorong banyak peneliti di bidang perilaku pemilih beralih ke pendekatan lain yang dianggap lebih mudah dan ringkas, yakni pendekatan interpretasi model berbasis peluang.2

Interpretasi model logit berbasis peluang telah diterapkan di beberapa studi perilaku pemilih. Contohnya, dalam menjelaskan perilaku pemilih di Amerika Serikat, Gelman dan King (1993) menghitung pengaruh suatu peubah bebas yang biner dengan membandingkan peluang munculnya respon bila nilai pada peubah bebas yang menjadi perhatian mengalami perubahan sementara peubah-peubah bebas lainnya dibuat tetap di titik tengahnya (midpoint) masing-masing. Lalu Colton (2000), dalam menjelaskan perilaku pemilih di Rusia, membandingkan peluang kemunculan suatu respon seandainya nilai peubah bebas yang diamati berubah dari minimum ke maksimum sedangkan peubah-peubah bebas lainnya dibuat tetap pada nilai mediannya masing-masing. Sementara Clarke et al.

(2004), dalam menjelaskan perilaku pemilih di Inggris menggunakan teknik yang sama dengan Colton kecuali dalam menetapkan peubah-peubah penjelas lainnya di nilai rataan. Secara umum, metode-metode seperti ini dinamakan perbandingan prediktif di nilai pusat (dalam tulisan ini selanjutnya disingkat PPNP).

3

Metode PPNP pertama kali diterapkan dalam studi perilaku pemilih di Indonesia oleh Mujani et al. (2012). Di dalam studi tersebut, pengaruh suatu peubah bebas diukur dengan cara membandingkan dugaan peluang kemunculan suatu respon bila nilai peubah bebas yang diamati berubah dari minimum ke maksimum sedangkan peubah-peubah bebas lainnya dibuat tetap pada nilai mediannya masing-masing. Secara umum, dari penelitian tersebut dihasilkan

1

Setidaknya ada sebanyak C(M,2)×k koefisien yang perlu diinterpretasikan.

2

Di kalangan peneliti ilmu sosial hal ini jadi perdebatan. DeMaris (1993), misalnya, menyatakan bahwa interpretasi rasio odds tidak sulit dan lebih berguna daripada interpretasi berbasis peluang.

3

Istilah ini dipopulerkan oleh Andrew Gelman dan Ian Pardoe (2007). Sebelumnya, Gelman dan Gary King (1993) menyebutnya beda pertama (first difference), mengacu kepada King (1989). Sementara itu J. Scott Long (1997) menamainya perubahan diskret (discrete change).

3

kesimpulan bahwa faktor psikologis dan faktor ekonomi-politik secara konsisten berpengaruh nyata terhadap pilihan pemilih pada seluruh pemilu yang dilakukan di Indonesia pasca-Orde Baru.

Meskipun berguna dalam praktik, metode PPNP mempunyai kelemahan dalam hal tidak adanya ketentuan yang baku dalam penetapan nilai input pada peubah-peubah penjelas. Metode ini bisa bermasalah apabila ruang inputnya sangat menyebar (untuk kasus tidak adanya nilai pusat tunggal yang representatif) atau apabila banyak input yang biner atau bimodal. Selain itu metode ini juga tidak automatis, karena harus ada pengaturan rentang setiap peubah input (Gelman dan Pardoe 2007).

Gelman dan Pardoe (2007) memperkenalkan sebuah metode yang juga bisa digunakan sebagai pendekatan interpretasi berbasis peluang pada model logit, yakni metode rata-rata perbandingan prediktif (dalam tulisan ini selanjutnya disingkat RPP). Berbeda dengan metode PPNP, dalam metode RPP perbedaan dugaan peluang dievaluasi pada semua nilai peubah penjelas. Proses penghitungannya menjadi automatis, tidak bergantung pada subjektivitas peneliti.

Sampai saat ini metode PPNP belum populer dalam studi perilaku pemilih di Tanah Air, sedangkan metode RPP belum pernah digunakan. Penelitian ini dilakukan untuk menerapkan kedua metode tersebut dalam rangka mengembangkan interpretasi model logit multinomial. Kasus yang dikaji adalah perilaku pemilih dalam pemilihan presiden di Indonesia tahun 2009.

Dalam pemilihan presiden tahun 2009 terdapat tiga pasang calon yang bersaing, yakni pasangan Susilo Bambang Yudhoyono-Boediono (SBY-Boediono), Jusuf Kalla-Wiranto (JK-Wiranto) dan Megawati Soekarnoputri-Prabowo Subianto (Megawati-Soekarnoputri-Prabowo). Ketika pemilihan berlangsung, SBY menjabat sebagai Presiden RI sekaligus Ketua Dewan Penasehat Partai Demokrat; Jusuf Kalla menjabat sebagai Wakil Presiden RI sekaligus Ketua Umum Partai Golkar; Megawati merupakan mantan Presiden RI sekaligus Ketua Umum Partai Demokrasi Indonesia Perjuangan (PDIP). Penelitian ini dilakukan untuk menguji dan menjelaskan pengaruh faktor psikologis (identitas partai dan kualitas personal calon) dan faktor ekonomi-politik terhadap keputusan memilih pasangan calon presiden dan wakil presiden.

Tujuan Penelitian

Penelitian ini bertujuan untuk:

1. Menerapkan metode analisis berbasis peluang (PPNP dan RPP) pasca-pemodelan regresi logistik multinomial.

2. Menguji pengaruh faktor ekonomi-politik dan faktor psikologis (identitas partai dan kualitas personal tokoh) terhadap pilihan dalam pemilihan presiden. 3. Menjelaskan perilaku pemilih di Indonesia dalam konteks pemilihan presiden.

TINJAUAN PUSTAKA

Model Perilaku Pemilih

Salah satu pertanyaan pokok dalam studi perilaku pemilih berkaitan dengan pilihan warga dalam pemilu. Dalam konteks pemilihan presiden, pertanyaannya adalah seputar calon yang dipilih oleh seorang pemilih dan alasan memilihnya.

Dalam studi perilaku pemilih, secara garis besar ada tiga model atau pendekatan yang digunakan untuk menjawab pertanyaan tersebut: model sosiologis, model psikologis, dan model pilihan rasional atau ekonomi-politik. Ketiga model ini bersaing untuk memberikan jawaban yang lebih meyakinkan bagi pertanyaan-pertanyaan di atas (Mujani et al. 2012).

Model sosiologis adalah model yang dibangun dengan asumsi bahwa perilaku pemilih ditentukan oleh karakteristik sosiologis pemilih, terutama kelas sosial, agama dan kelompok etnik/kedaerahan/bahasa. Model psikologis adalah model yang menekankan bahwa perilaku pemilih ditentukan oleh sejumlah faktor psikologis, seperti perasaan dekat atau tidak dekat dengan partai tertentu (identitas partai) serta opini tentang kualitas kepribadian calon. Sementara model pilihan rasional adalah model yang berasumsi bahwa seorang warga berperilaku rasional: bila kondisi ekonomi-politik baik atau lebih baik dari sebelumnya, maka pemilih cenderung akan memilih calon presiden yang sedang memerintah sekarang; sebaliknya bila keadaan ekonomi-politik buruk atau lebih buruk, maka pemilih akan menghukum pemerintah sekarang dengan tidak memilihnya kembali (Mujani

et al. 2012).

Menurut Mujani et al. (2012), pendekatan sosiologis tidak membantu menjelaskan dinamika pemilu di Indonesia secara persuasif. Faktor-faktor sosiologis seperti agama, suku-bangsa, kedaerahan dan status sosial ekonomi yang relatif konstan tidak mampu menjelaskan hasil pemilu yang berubah-ubah secara cepat dan drastis dari satu pemilu ke pemilu lainnya. Model yang lebih dapat menjelaskan hasil pemilu adalah model ekonomi-politik (evaluasi pemilih atas kondisi ekonomi dan kinerja pemerintah) dan model psikologis (identitas partai dan kualitas personal tokoh).

Model Logit Multinomial

Model logit multinomial adalah model yang digunakan untuk melihat hubungan antara peubah-peubah penjelas (kategorik atau kontinu) dengan peubah respon kategorik yang memiliki lebih dari dua kategori. Model ini merupakan pengembangan dari model regresi logistik untuk kasus peubah respon biner.

Misalkan Y adalah peubah respon dengan M kategori, x_i=_{(1, x}i1, …, xiK)

adalah vektor (baris) yang unsur-unsurnya merupakan nilai-nilai dari K peubah bebas pada observasi i (i=1,...,n), Pr(Y=c|x_{i) adalah dugaan peluang munculnya}

respon kategori c dengan syarat x_i.

log [Pr(Y=c|x

Seandainya kategori M dijadikan sebagai acuan, maka dugaan persamaan model logit multinomial adalah:

i) / Pr(Y=M|xi)] = xiβˆc c = 1,…,M-1

(1)

dengan βˆ_c =(βˆ_0c,βˆ_1c,...,βˆ_Kc)’ adalah vektor (kolom) yang unsur-unsurnya merupakan dugaan koefisien-koefisien regresi logistik multinomial yang diperoleh dengan metode kemungkinan maksimum.

Model dapat diekspresikan dalam bentuk persamaan dugaan peluang. Dugaan peluang munculnya respon kategori m adalah:

Pr(Y=m|x_i

m iβˆ

x

) = exp( ) /

∑

M₌

c 1 i c)

ˆ

exp(xβ ₍₂₎

Koefisien-koefisien model diuji dengan dua pendekatan, yakni pengujian simultan dan pengujian parsial. Hipotesis untuk uji simultan adalah H0: semua

βc=0 vs H1: minimal ada satu βc≠0, sedangkan hipotesis untuk uji parsial adalah

H0: βkc = 0 vs H1: βkc

Dalam uji simultan digunakan statistik G: ≠ 0.

G = -2ln _

  

 

bebas peubah dengan

n kemungkina

bebas peubah n tanpa

kemungkina

dengan kriteria pengambilan keputusan: tolak H0 bila G > χ2

W =

(α; db=(M-1)×K). Sementara dalam uji parsial digunakan statistik-Wald:

2

) ˆ ( ˆ

    

  

kc kc

SE β

β

7

Interpretasi terhadap model dapat dilakukan melalui rasio odds. Rasio odds diperoleh dengan cara mentransformasikan setiap koefisien dengan fungsi eksponen (exp(βkc)). Selain rasio odds, model juga dapat diinterpretasi dengan

pendekatan peluang. Penjelasan pemodelan logit multinomial dapat dilihat pada Agresti (2002), Agresti (2007) atau Long (1997).

Metode PPNP

Misalkan Y peubah respon kategorik, x _{vektor peubah bebas, xkS dan xkE}

adalah dua buah nilai dari peubah bebas xk dengan xkS < xkE. PPNP didefinisikan sebagai perubahan nilai dugaan peluang munculnya suatu respon m bila xk

berubah dari xkS menjadi xkE pada saat peubah-peubah bebas selain xk dibuat tetap pada nilai pusatnya masing-masing.

PPNP = Pr(Y=m|x_{,xk=xkE) – Pr(Y=m|}x_,xk=xkS)

(3)

PPNP menunjukkan pengaruh peubah xk terhadap munculnya respon

kategori m. Nilai PPNP berkisar antara -1 sampai 1: semakin mendekati 1 atau -1 semakin besar pengaruhnya.

Dalam praktik, penentuan xkS dan xkE

1. perubahan maksimal, yakni x

subjektif tergantung kepentingan peneliti. Long (1997) menyarankan beberapa ketentuan yang dianggap bisa berguna:

kS = min(xk) dan xkE = max(xk

2. perubahan dari persentil-5 ke persentil-95 dalam x

),

k

3. perubahan satu satuan, misalnya x

,

kS = xkdan xkE = xk+1,

4. perubahan satu simpangan baku, misalnya xkS = xk– sk/2 dan xkE = xk+ sk

5. perubahan dari 0 ke 1 untuk peubah-peubah boneka.

/2,

Penentuan nilai xkS dan xkE bisa diperluas tergantung kepentingan penerapannya. Dugaan galat baku PPNP dapat dihitung dengan metode analitik atau metode simulasi. Dalam metode analitik, penghitungan dilakukan dengan metode delta, sedangkan dalam metode simulasi penghitungan dapat dilakukan dengan metode monte carlo atau bootstrap.

Dalam metode delta, dugaan ragam dari suatu penduga peluang munculnya kategori m pada suatu peubah respon Y dengan syarat x_{i adalah:}

) ˆ )]/ [Pr(Y ( ) ( ˆ )` ˆ )]/ [Pr(Y ( )] [Pr(Y

2 _{= = ∂ = ∂}θ θ _{∂ = ∂}θ

i i

i m|x m|x

m|x

s V (4)

dengan θ=₍β_{1’, …,} β_M ∂_[Pr(Y= _)]/∂θˆ

i

m|x

’)’ vektor koefisien, vektor nilai turunan parsial penduga peluang munculnya respon kategori m dengan syarat x_i

) ( ˆ _θ V

terhadap masing-masing koefisien, dan dugaan matriks peragam koefisien. Selanjutnya galat baku PPNP dihitung dengan rumus berikut (Long 2009):

SE = { s2[Pr(Y=m|x_{,xk=xkE)] + s}2_[Pr(Y=m|x_{,xk=xkS)] }}½ ₍₅₎

Metode RPP

Misalkan p(Y|x,θ) adalah suatu model untuk peubah respon kontinu dan input-input skalar dinotasikan sebagai berikut:

u : satu buah input yang menjadi perhatian

v: input-input lain dengan x = (u,v).

Perbandingan prediktif didefinisikan sebagai perubahan nilai harapan Y akibat perubahan yang spesifik pada input yang menjadi perhatian, u (dari u(1) ke

u(2) ) 1 ( ) 2 ( ) 1 ( ) 2 ( ) 2 ( ) 1

( E(Y| , , ) E(Y| , , )

) , , ( u u v u v u v u u u ₋ − =

→ θ θ θ

δ

), dengan v (komponen selain u dalam x) tetap:

. (6)

Dalam hal ini E(Y|x, θ) diasumsikan sebagai fungsi yang diketahui dan bisa dihitung secara langsung. Secara umum perbandingan pediktif pada persamaan (6) bergantung pada u(1) dan u(2)

Dalam metode RPP diasumsikan bahwa model p(Y|x,θ) sudah cocok dengan gugus data (x,y)

(titik awal dan titik akhir dalam perubahan input yang menjadi perhatian), v (nilai-nilai input lain), dan θ(parameter model).

i

Selanjutnya diasumsikan bahwa inferensi terhadap parameter θ bisa dilakukan melalui segugus θ

, i = 1,…,n. Tujuan utama metode ini adalah meringkas perbandingan prediktif untuk Y dari setiap input x.

s

, s = 1,...,S, (dengan S berupa nilai yang cukup besar, misalnya 100 atau 1000) yang dibangkitkan dari proses simulasi. Bila hanya terdapat dugaan titik dan matriks peragam untuk θ, maka dianggap bahwa θ menyebar normal ganda. Gugus θs bisa juga diperoleh melalui prosedur bootstrap.

9

Jika input bersifat numerik, RPP (disimbolkan ∆ u) diperoleh dari hasil

merata-ratakan bagian penyebut dan pembilang dari persamaan (6) untuk seluruh

u(1), u(2), v dan θ, dan untuk seluruh transisi menaik pada u (u(1) < u(2)

∫ ∫

∫ ∫

∫ ∫

∫ ∫

− − = ∆ < < ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )) Y ( E ) Y ( E ( ) 2 ( ) 1 ( 1 2 ) 2 ( ) 1 ( ) 2 ( ) 1 ( ) 1 ( ) 2 ( ) 2 ( ) 1 ( ) 2 ( ) 1 ( ) 2 ( ) 1 ( θ p v p |v u p |v u p u u dθ dv du du p v p |v u p |v u p ,v,θ |u ,v,θ |u dθ dv du du ) ( ) ( u u u u u θ ): (7)

Bila peubah input u bersifat multi-kategorik dan tak tertata, terdapat dua opsi pendefinisian RPP. Opsi pertama, perbandingan prediktif didefinisikan untuk setiap pasangan nilai yang mungkin (u(2), u(1)). Dengan konvensi bahwa u(2)–u(1)

∫∫

∫ ∫

∫∫

∫ ∫

< < − = → ∆ ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Y ( E ) Y ( E ( ) ( ) 2 ( ) 1 ( ) 2 ( ) 1 ( ) 2 ( ) 1 ( ) 1 ( ) 2 ( ) 2 ( ) 1 ( ) 2 ( ) 1 ( ) 2 ( ) 1 ( ) 2 ( ) 1 ( θ p v p |v u p |v u p dθ dv du du p v p |v u p |v u p ,v,θv |u ,v,θ |u dθ dv du du u u u u u u u θ =1 pada bagian pembilang, selanjutnya RPP didefinisikan sebagai berikut:

(8)

Opsi kedua, perbandingan prediktif didefinisikan sebagai rata-rata dari seluruh perubahan yang mungkin dalam peubah input u. Selanjutnya RPP didefinisikan sebagai berikut:

[

]

1/2

) 2 ( ) 1 ( ) 2 ( ) 1 ( 2 ) 2 ( ) 1 ( ) 1 ( (2) )

1 ( (2)

) ( ) ( ) ( ) ( ) ( ) ( ) (         _{∆ →} = ∆

∑ ∑ ∫

∫

∑ ∑

u u

u u u

u dv v p |v u p |v u p dv v p |v u p |v u p u

u ₍₉₎

Jika peubah input u bersifat numerik, penduga RPP adalah:

∑ ∑ ∑

∑ ∑ ∑

= = = = = = − − − − = ∆ _n i n j S

s ij j i j i

n i

n j

S

s j i

s i i s i j ij u u u u u w u u ,θ ,v |u ,θ ,v |u w

1 1 1

1 1 1

) ( sign ) ( ) ( sign )) Y ( E ) Y ( (E

ˆ (10)

dengan ) ( ) ( 1 1 1 j i v T j i ij v v v v w − Σ − +

= ₋ , dan

     = − < − − > − = − 0 ) ( untuk , 0 0 ) ( untuk , 1 0 ) ( untuk , 1 ) ( j i j i j i j i u u u u u u u u sign

Jika peubah input u bersifat kategorik dan tak tertata dengan K kategori, penduga RPP adalah:

[

]

[

]

2 / 1

1 1 {}

1 1 1

2 }

{ (E(Y ) E(Y ))

ˆ         ₋ = ∆

∑ ∑ ∑

∑ ∑ ∑ ∑

= = ∈ = = = ∈ n i n

j j k ij

n i K k S s s i i s i j k j ij u w S ,θ ,v |u ,θ ,v |u w (11)

dengan

∑

_∈

} {k

Penduga RPP pada persamaan (10) dapat ditulis ∆ =

∑

S₌∆ i s u u S 1 ˆ 1

ˆ _{, dengan}

∑ ∑

∑ ∑

= = = = − − − − = ∆ _n i n

j ij j i j i

n i

n

j j i

s i i s i j ij s u u u u u w u u ,θ ,v |u ,θ ,v |u w 1 1 1 1 ) ( sign ) ( ) ( sign )) Y ( E ) Y ( (E

ˆ . Selanjutnya, galat baku

RPP untuk peubah input u numerik dihitung dengan rumus:

2 / 1 1 2 ) ˆ ˆ ( 1 1 ) ˆ .( .       _{∆ −∆} − = ∆

∑

= S s u s u u S e

s (12)

Penduga RPP pada persamaan (11) dapat ditulis menjadi

∑

= ∆ = ∆ S s s u u S 1 2 ) ˆ ( 1

ˆ _{, dengan}

[

]

[

]

∑ ∑ ∑

∑ ∑ ∑

= = ∈ = = ∈ − = ∆ _n i n

j j k ij n i K k s i i s i j k j ij u s w ,θ ,v |u ,θ ,v |u w

1 1 { }

1 1

2 }

{ (E(Y ) E(Y ))

ˆ .

Selanjutnya galat baku RPP untuk peubah input kategorik tak tertata dengan K

kategori dihitung dengan rumus:

2 / 1 1 2 2 2 ) ˆ ) ˆ (( 1 1 ˆ 2 1 ) ˆ (       _{∆ −∆} − ∆ ≈ ∆

∑

= S s u s u u u S

SE (13)

Jika n dan S besar, proses penghitungan RPP membutuhkan waktu yang sangat lama dan memori komputer yang besar. Sebagai alternatif, RPP dapat diaproksimasi melalui penghitungan atas sebagian data yang dipilih secara acak. Simulasi dapat diulang dengan menggunakan bagian data yang lain hingga diperoleh kesimpulan bahwa data yang digunakan sudah memadai (Gelman dan Pardoe 2007).

METODOLOGI

Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data hasil survei berskala nasional yang dilakukan oleh Lembaga Survei Indonesia (LSI) pada bulan Juli 2009 seminggu setelah pemilu presiden. Populasi survei adalah seluruh warga negara Indonesia yang punya hak pilih dalam pemilihan umum, yakni penduduk yang sudah berumur 17 tahun atau lebih, atau sudah menikah ketika survei dilakukan. Contoh dipilih dengan metode penarikan contoh bertahap. Total contoh yang berhasil dikumpulkan adalah 1.225 dari 1.270 responden yang direncanakan. Seluruh responden diwawancarai secara tatap muka dengan alat bantu berupa kuesioner terstruktur.

Skema penarikan contoh dijelaskan sebagai berikut. Populasi pemilih distratifikasi menurut provinsi dan wilayah pedesaan-perkotaan. Ukuran contoh untuk masing-masing strata ditentukan secara proporsional. Selanjutnya di masing-masing strata dilakukan penarikan contoh secara bertahap. Tahap pertama adalah pemilihan contoh desa/kelurahan. Tahap kedua adalah pemilihan contoh RT (Rukun Tetangga) di dalam desa/kelurahan terpilih. Tahap ketiga adalah pemilihan contoh keluarga di dalam RT terpilih. Tahap keempat (tahap terakhir) adalah pemilihan contoh anggota keluarga di dalam keluarga terpilih. Pada setiap tahapan, contoh dipilih dengan metode penarikan contoh acak sederhana. Dalam survei dibuat ketetapan bahwa di masing-masing desa/kelurahan terpilih dipilih 5 contoh RT. Selanjutnya di masing-masing RT terpilih dipilih 2 contoh keluarga, dan di masing-masing keluarga terpilih dipilih 1 contoh anggota keluarga yang punya hak pilih. Di setiap RT terpilih, dibuat ketentuan bahwa responden terdiri atas 1 orang laki-laki dan 1 orang perempuan. Bila orang yang terpilih sebagai responden pada keluarga pertama berjenis kelamin laki-laki, maka orang yang terpilih sebagai responden pada keluarga kedua berjenis kelamin perempuan, atau sebaliknya. Dengan demikian, banyaknya responden yang harus diwawancarai di setiap contoh desa/kelurahan adalah 5 orang laki-laki dan 5 orang perempuan.

Adapun penjelasan peubah-peubah yang digunakan sebagai berikut: 1. Pilihan pasangan presiden dan wakil presiden.

Dalam survei, responden ditanya tentang pasangan calon yang dipilih dalam pemilihan presiden 8 Juli 2009. Jawaban responden diberi kode: 1 = SBY-Boediono, 2 = JK-Wiranto, 3=Megawati-Prabowo.

2. Jenis Kelamin.

Responden berjenis kelamin laki-laki diberi kode 1, sedangkan responden perempuan diberi kode 0.

3. Usia.

Usia responden dicatat dalam tahun. 4. Status tempat tinggal.

Responden yang tinggal di perkotaan diberi kode 1, responden yang tinggal di pedesaan diberi kode 0.

5. Suku-bangsa.

Responden yang berasal dari suku Jawa diberi kode 1, responden dari suku lainnya diberi kode 0.

6. Pendidikan.

Tingkat pendidikan responden diukur melalui satu pertanyaan dengan skala 10 titik, mulai dari 1=tidak lulus sekolah dasar, sampai dengan 10=lulus S1 atau di atasnya.

7. Pendapatan.

Tingkat pendapatan responden dikode dengan skala 3 titik: 1=kelas bawah (pendapatan rumah tangga di bawah Rp 400 ribu/bulan), 2=kelas menengah (pendapatan rumah tangga antara Rp 400 ribu sampai Rp 1 juta/bulan), dan 3=kelas atas (pendapatan rumah tangga di atas Rp 1 juta per bulan).

8. Agama.

Responden beragama Islam diberi kode 0, responden yang beragama lain diberi kode 1.

9. Ekonomi-politik.

Peubah ekonomi-politik merupakan indeks komposit rata-rata 12 peubah biner evaluasi pemilih terhadap berbagai kondisi, yakni evaluasi terhadap kondisi ekonomi nasional saat ini (1=baik, 0=tidak baik), kondisi politik nasional (1=baik, 0=tidak baik), kondisi keamaan nasional (1=baik, 0=tidak baik), penegakan hukum (1=baik, 0=tidak baik), kondisi ekonomi nasional sekarang

13

dibanding tahun lalu (1=lebih baik, 0=tetap atau lebih buruk), kepuasan terhadap kinerja pemerintah secara umum (1=puas, 0=tidak puas), kinerja pemerintah dalam menjaga harga-harga kebutuhan pokok yang terjangkau (1=baik, 0=tidak baik), kinerja pemerintah dalam mengurangi jumlah pengangguran (1=baik, 0=tidak baik), kinerja pemerintah dalam mengurangi jumlah orang miskin (1=baik, 0=tidak baik), kinerja pemerintah dalam menyediakan pelayanan kesehatan yang terjangkau (1=baik, 0=tidak baik), kinerja pemerintah dalam menyediakan pendidikan yang terjangkau (1=baik, tidak baik), dan kinerja pemerintah dalam memberantas korupsi (1=baik, 0=tidak baik).

10.Identifikasi diri dengan partai Demokrat (IdDemokrat).

Peubah IdDemokrat diukur melalui satu pertanyaan berskala likert 5 titik, 1=sangat tidak dekat, 2=tidak dekat, 3=netral, 4=dekat, 5=sangat dekat.

11.Identifikasi diri dengan partai Golkar (IdGolkar).

Peubah IdGolkar diukur melalui satu pertanyaan berskala likert 5 titik, 1=sangat tidak dekat, 2=tidak dekat, 3=netral, 4=dekat, 5=sangat dekat.

12.Identifikasi diri dengan partai PDIP (IdPDIP).

Peubah IdPDIP diukur melalui satu pertanyaan berskala likert 5 titik, 1=sangat tidak dekat, 2=tidak dekat, 3=netral, 4=dekat, 5=sangat dekat.

13.Kualitas personal Susilo Bambang Yudhoyono (Kualitas SBY).

Peubah kualitas SBY diukur melalui satu pertanyaan berskala 1 sampai 10, dengan 1=sangat tidak suka, 10=sangat suka.

14.Kualitas personal Jusuf Kalla (Kualitas JK).

Peubah kualitas JK diukur melalui satu pertanyaan berskala 1 sampai 10, dengan 1=sangat tidak suka, 10=sangat suka.

15.Kualitas personal Megawati Soekarnoputri (Kualitas Megawati).

Peubah kualitas Megawati diukur melalui satu pertanyaan berskala 1 sampai 10, dengan 1=sangat tidak suka, 10=sangat suka.

Metode Analisis

Proses analisis data dimulai dengan pemodelan regresi logistik multinomial. Pilihan presiden-wakil presiden ditempatkan sebagai peubah respon, sedangkan

peubah-peubah lainnya ditempatkan sebagai peubah penjelas. Setelah model terbentuk, tahapan selanjutnya adalah interpretasi model. Model diinterpretasikan melalui dua pendekatan, yakni pendekatan interpretasi berbasis odds dan pendekatan interpretasi berbasis peluang.

Interpretasi model berbasis peluang dilakukan berdasarkan metode PPNP dan RPP. Secara spesifik, metode PPNP yang diterapkan dalam penelitian ini adalah perbandingan dugaan peluang munculnya suatu respon bila nilai peubah penjelas yang menjadi perhatian berubah dari minimum ke maksimum sedangkan peubah penjelas lainnya ditetapkan pada nilai median, nilai rataan atau nilai titik tengahnya masih-masing (dalam tulisan ini selanjutnya disingkat PPNP median, PPNP rataan dan PPNP titik tengah).

Penelitian ini difokuskan untuk menguji kekuatan pengaruh faktor ekonomi-politik dan faktor psikologis (identitas partai dan kualitas personal calon presiden). Pada tahap pertama, pengujian dilakukan melalui pemodelan regresi logistik multinomial dengan menggunakan satu peubah bebas. Analisis dilanjutkan dengan pemodelan regresi logistik multinomial berganda dengan memasukkan semua peubah bebas (analisis dengan multi-peubah bebas). Analisis multi-peubah bebas dimaksudkan untuk menguji kekuatan pengaruh suatu faktor bila dikontrol oleh faktor-faktor lain.

Secara rinci, langkah-langkah analisis data yang dilakukan dalam penelitian ini adalah sebagai berikut:

1. Membuat pemodelan regresi logistik multinomial hingga diperoleh θˆ dan

) ( Vˆ θ .

2. Menjalankan metode PPNP:

a. Menghitung statistik PPNP median. b. Menghitung statistik PPNP rataan. c. Menghitung statistik PPNP titik tengah.

d. Menghitung galat baku setiap PPNP dengan metode delta, sehingga diperoleh ukuran pengaruh nyata dari peubah penjelas:

nilai p = −

∫

| | −

0

2

) 2 / exp( /

2

15

3. Menjalankan metode RPP:

a. Membangkitkan koefisien-koefisien regresi logistik multinomial dengan simulasi sebanyak S=1000, (θ1,...,θs,...,θ1000), dengan θs ~N(θˆ,Vˆ(θ)). b. Menarik sub sampel berukuran nr=200 sebanyak R=50 kali dengan

pemulihan (n1,...,n50

c. Menghitung RPP untuk respon m dari setiap peubah input (u), ).

∑ ∑ ∑ ∑

∑ ∑ ∑ ∑

= = = = = = = = − − − = − = = ∆ S s R r n i n

j ij j i j i

S s R r n i n

j j i

s i i s i j ij m

u r r

r r u u u u w u u ,θ ,v m|u ,θ ,v m|u w

1 1 1 1

1 1 1 1

, ) ( sign ) ( ) ( sign )) Y Pr( ) Y ( (Pr ˆ dengan ) ˆ ,..., ˆ

( ₁s _Ms

s = β β

θ ,

Pr(Y=m|uj,vi,θs

s m jiβ_ˆ

x

) = exp( ) /

∑

M₌

c s c ji 1 ) ˆ exp(x β _,

Pr(Y=m|ui,vi,θs

s m iiβ_ˆ

x

) = exp( ) /

∑

M₌

c s c ii 1 ) ˆ exp(x β _, xji _{= (uj,vi) ,} xii _{= (ui,vi}

d. Menghitung galat baku setiap RPP, ) . 2 / 1 1 2 , ,

, (ˆ ˆ )

1 1 ) ˆ (       _{∆ −∆} − = ∆

∑

= S s m u s m u m u S SE dengan

∑ ∑ ∑

∑ ∑ ∑

= = = = = = − − − = − = = ∆ R r n i n

j ij j i j i

R r

n i

n

j j i

s i i s i j ij s m

u r r

r r u u u u w u u ,θ ,v m|u ,θ ,v m|u w

1 1 1

1 1 1

, ) ( sign ) ( ) ( sign )) Y Pr( ) Y ( (Pr ˆ

. sehingga diperoleh ukuran pengaruh nyata dari peubah penjelas:

nilai p = −

∫

| | −

0 2 ) 2 / exp( / 2

1 π z t dt, dengan z=∆ˆ_u,m/SE(∆ˆ_u,m).

4. Mengkaji pengaruh faktor ekonomi-politik, identitas partai dan kualitas personal tokoh terhadap perilaku memilih calon presiden berdasarkan output-output analisis data yang diperoleh.

Pemodelan Regresi Logistik Multinomial

Dalam penelitian ini dibuat delapan model regresi logistik multinomial berdasarkan peubah-peubah bebas yang digunakan. Tujuh model di antaranya adalah model-model yang hanya melibatkan satu peubah bebas, yakni peubah Ekonomi-Politik, IdDemokrat, IdGolkar, IdPDIP, Kualitas SBY, Kualitas JK atau peubah Kualitas Mega. Satu model lainnya adalah model yang memasukkan 14 peubah bebas (analisis lebih dari satu peubah bebas), yakni seluruh peubah tadi ditambah dengan peubah-peubah sosiologis (Gender, Usia, Desa-Kota, Suku-bangsa, Agama, Pendidikan dan Pendapatan).

Kedelapan model menghasilkan statistik-G dengan nilai-p kurang dari 0.001. Ini berarti setidaknya ada satu parameter yang nyata pada setiap model yang dibentuk (Lampiran 2).

Model Pilihan Rasional: Interpretasi berbasis Odds

Dalam analisis satu peubah bebas, diketahui bahwa evaluasi pemilih atas kondisi ekonomi-politik berpengaruh nyata (dalam taraf nyata 5%) terhadap keputusan memilih SBY-Boediono dibanding Megawati-Prabowo dan keputusan memilih JK-Wiranto dibanding Megawati-Prabowo. Namun kondisi ekonomi-politik tidak berpengaruh nyata terhadap keputusan memilih SBY-Boediono dibanding JK-Wiranto (Tabel 1). Setiap penambahan satu satuan skor ekonomi-politik akan meningkatkan odds memilih SBY-Boediono dibanding Megawati-Prabowo sebesar exp(2.861) = 17.5 kali dan meningkatkan odds memilih JK-Wiranto dibanding Megawati-Prabowo sebesar exp(2.186) = 8.9 kali.

Dalam analisis lebih dari satu peubah bebas, pengaruh ekonomi-politik terhadap keputusan memilih SBY-Boediono maupun JK-Wiranto dibanding Megawati-Prabowo tetap nyata (Tabel 1). Setelah dikontrol oleh peubah-peubah lain, odds memilih SBY-Boediono dibanding Megawati-Prabowo naik 6.6 kali lipat untuk setiap penambahan satu satuan skor kondisi ekonomi-politik. Sementara odds memilih JK-Wiranto dibanding Megawati-Prabowo naik sebesar 9.7 kali.

18

Tabel 1 Koefisien regresi logistik multinomial untuk peubah ekonomi-politik

Analisis

SBY-Boediono /

Megawati-Prabowo

JK-Wiranto /

Megawati-Prabowo

SBY-Boediono / JK-Wiranto

1 peubah bebas 2.861*** 2.186*** 0.675

> 1 peubah bebas 1.889** 2.279** -0.390 Keterangan: * p < 0.05, ** p < 0.01, *** p<0.001

Hasil pengujian menunjukkan bahwa faktor ekonomi-politik terbukti berpengaruh terhadap keputusan pemilih. Semakin baik kondisi ekonomi-politik, semakin besar kecenderungan seorang calon dari pemerintah berkuasa (SBY atau JK) dipilih dibanding calon oposisi (Megawati). Temuan ini sesuai dengan teori pilihan rasional.

Dalam perspektif pilihan rasional, posisi SBY dan JK kurang bisa dibedakan dengan jelas. Hal ini karena keduanya merupakan representasi pemerintah yang sedang berkuasa. Oleh sebab itu, keputusan memilih salah satu di antara keduanya tidak dipengaruhi oleh faktor ekonomi-politik.

Model Pilihan Rasional: Interpretasi berbasis Peluang

Model pilihan rasional dengan satu peubah bebas dapat dituliskan dalam bentuk persamaan dugaan peluang berikut:

Pr(Y = SBY-Boediono|X1) = exp(-0.888 + 2.861X1) / (1+ exp(-0.888 + 2.861X1)+ exp(-2.032 + 2.186X1)),

Pr(Y = JK-Wiranto|X1) = exp(-2.032 + 2.186X1) / (1+ exp(-0.888 + 2.861X1)+ exp(-2.032 + 2.186X1)),

Pr(Y = Megawati-Prabowo|X1) = 1 / (1+ exp (-0.888 + 2.861X1)+ exp(-2.032 + 2.186X1)),

dengan X1

Bila X

= Ekonomi-Politik. Berdasarkan model tersebut,dapat dihitung dugaan peluang dipilihnya SBY-Boediono, JK-Wiranto dan Megawati-Prabowo sesuai dengan penilaian pemilih atas kondisi ekonomi-politik.

1=0 (kondisi ekonomi-politik dinilai sangat buruk), maka Pr(Y=SBY-Boediono|X1=0) = exp(-0.888) / (1+exp(-0.888)+exp(-2.032)) = 27%.

Sementara bila X1=1 (kondisi ekonomi-politik dinilai sangat baik), maka Pr(Y=SBY-Boediono|X1

27%

77%

8% 12%11%

65%

0% 10% 20% 30% 40% 50% 60% 70% 80% 90%

0.00 0.08 0.17 0.25 0.33 0.42 0.50 0.58 0.67 0.75 0.83 0.92 1.00

Ekonomi-Politik

Duga

a

n P

e

lua

ng

SBY-Boediono JK-Wiranto MEGA-Prabowo

=1) = exp(-0.888+2.861) / (1+exp(-0.888+2.861) + exp(-2.032+2.186)) = 77%. Dengan cara serupa diperoleh hasil bahwa bila kondisi ekonomi-politik dinilai sangat buruk, dugaan peluang keterpilihan JK-Wiranto dan Megawati-Prabowo masing-masing 8% dan 65%; sedangkan bila kondisi ekonomi-politik sangat baik, dugaan peluang keterpilihan JK-Wiranto dan Megawati-Prabowo masing-masing 12% dan 11%.

Plot titik-titik dugaan peluang keterpilihan calon menurut kondisi ekonomi-politik pada Gambar 1 menjelaskan bahwa faktor ekonomi-ekonomi-politik berdampak besar terhadap perolehan suara SBY-Boediono dan Megawati-Prabowo. Sementara itu, faktor ekonomi-politik tidak memiliki dampak yang berarti terhadap perolehan suara JK-Wiranto. Perubahan kondisi ekonomi-politik yang ekstrim (skor ekonomi-politik berubah dari 0 ke 1) dapat menaikkan perolehan suara SBY-Boediono sebesar 50% (dari 27% menjadi 77%), menaikkan suara JK-Wiranto sebesar 4% (dari 8% menjadi 12%) dan menurunkan suara Megawati-Prabowo sebesar 54% (dari 65% menjadi 11%). Berdasarkan metode delta dalam analisis PPNP satu peubah bebas ini, diketahui bahwa perubahan dugaan peluang pada SBY-Boediono dan Megawati-Prabowo tersebut nyata, sedangkan perubahan dugaan peluang pada JK-Wiranto tidak nyata (Tabel 2).

20

Dari analisis RPP satu peubah bebas, diperoleh hasil bahwa setiap kenaikan satu satuan ekonomi-politik akan menaikkan peluang keterpilihan SBY-Boediono rata-rata sebesar 49%, menaikkan peluang keterpilihan JK-Wiranto rata-rata sebesar 2% dan menurunkan peluang keterpilihan Megawati-Prabowo rata-rata sebesar 50%. Dengan metode simulasi diketahui bahwa RPP SBY-Boediono dan Megawati-Prabowo nyata sedangkan RPP JK-Wiranto tidak nyata.

Selanjutnya, pengaruh ekonomi politik terhadap perolehan suara calon diuji melalui analisis PPNP dan RPP untuk model lebih dari satu peubah bebas. Berikut ini penjelasan penghitungan perbandingan peluang untuk model lebih dari satu peubah bebas.

Persamaan dugaan peluang keterpilihan SBY-Boediono adalah Pr(Y=SBY-Boediono) = exp(x

1

ˆ

β ) / exp(1 + x 1

ˆ

β + xβˆ2), dengan x=(1,

Ekonomi-Politik, IdDemokrat, IdGolkar, IdPDIP, Kualitas SBY, Kualitas JK, Kualitas Mega, Gender, Usia, Desa-Kota, Suku, Agama, Pendidikan, Pendapatan),

1 ˆ

β =(0.641, 1.889, 1.046, 0.035, –1.037, 0.973, 0.124, –1.045, –0.280, –0.011, 1.026, –0.708, –1.657, 0.004, –0.065)’, βˆ₂=(–1.946, 2.279, 0.402, 0.650, –0.986, 0.155, –1.946, 0.487, 0.478, –0.028, 0.123, –0.605, –1.201, 0.087, –0.051)’ (Lampiran 2). Selanjutnya diketahui bahwa peubah ekonomi-politik mempunyai nilai minimum 0 dan nilai maksimum 1, sementara nilai median dari setiap peubah bebas lainnya adalah sebagai berikut: IdDemokrat=2, IdGolkar=2, IdPDIP=2, Kualitas SBY=8, Kualitas JK=6, Kualitas Mega=6, Gender=1, Usia=39, Desa-Kota=0, Suku=0, Agama=0, Pendidikan=4, Pendapatan=2 (Lampiran 1). Bila peubah ekonomi-politik ditetapkan pada nilai minimum sedangkan peubah-peubah bebas lainnya ditetapkan di nilai mediannya masing-masing, diperoleh hasil penghitungan peluang keterpilihan SBY-Boediono sebesar 66%. Sementara bila peubah ekonomi-politik ditetapkan maksimum sedangkan peubah-peubah bebas lainnya ditetapkan di nilai mediannya masing-masing, diperoleh hasil penghitungan peluang keterpilihan SBY-Boediono sebesar 82%. Dengan demikian, berdasarkan analisis PPNP median diketahui bahwa perubahan peluang keterpilihan SBY-Boediono akibat perubahan kondisi ekonomi-politik yang ekstrim ketika kondisi lainnya tetap adalah 82%-66%=16% (Tabel 2).

Dengan teknik penghitungan serupa, selanjutnya diketahui bahwa bila kondisi ekonomi-politik berubah secara ekstrim sedangkan peubah-peubah lainnya dibuat tetap pada nilai mediannya masing-masing maka peluang keterpilihan JK-Wiranto naik sebesar 6% sedangkan peluang keterpilihan Mega-Prabowo turun sebesar 22%. Bila peubah-peubah selain ekonomi-politik ditetapkan pada nilai rataan (analisis PPNP rataan), peluang keterpilihan SBY-Boediono naik sebesar 6%, peluang keterpilihan JK-Wiranto naik 15%, peluang keterpilihan Mega-Prabowo turun sebesar 16%. Bila peubah-peubah bebas selain ekonomi-politik ditetapkan pada nilai titik tengah (analisis PPNP titik tengah), peluang keterpilihan SBY-Boediono naik sebesar 31%, peluang keterpilihan JK-Wiranto naik 13%, peluang keterpilihan Mega-Prabowo turun sebesar 43%. Sementara itu, bila peubah-peubah bebas selain ekonomi politik dievaluasi pada semua nilainya (analisis RPP), setiap kenaikan satu satuan ekonomi-politik akan menaikkan peluang keterpilihan SBY rata-rata sebesar 8%, menaikkan peluang keterpilihan JK-Wiranto rata-rata sebesar 3% dan menurunkan peluang keterpilihan Megawati rata-rata sebesar 11% (Tabel 2).

Tabel 2 Pengaruh ekonomi-politik terhadap peluang keterpilihan calon (PPNP dan RPP)

Analisis SBY-Boediono JK-Wiranto Megawati-Prabowo PPNP 1 peubah bebas 0.5018*** 0.0397 -0.5414*** PPNP > 1 peubah bebas

PPNP median 0.1572 0.0599 -0.2171*

PPNP rataan 0.1472* 0.016 -0.1631**

PPNP titik tengah 0.3051** 0.1287 -0.4338*** RPP 1 peubah bebas 0.4873*** 0.0176 -.5048*** RPP > 1 peubah bebas 0.0800 0.0324 -0.1124***

Keterangan: * p < 0.05, ** p < 0.01, *** p<0.001

Dari analisis lebih dari satu peubah bebas diketahui bahwa faktor ekonomi-politik berpengaruh negatif dan nyata terhadap keterpilihan Megawati-Prabowo.

22

Ini terlihat dari hasil analisis PPNP maupun RPP. Sementara itu, pengaruh ekonomi-politik terhadap keterpilihan SBY-Boediono kurang konsisten. Dalam metode PPNP rataan dan PPNP titik tengah, faktor ekonomi-politik berpengaruh nyata terhadap perolehan suara SBY-Boediono. Sedangkan dalam metode PPNP median dan RPP, faktor ekonomi politik diketahui tidak berpengaruh nyata terhadap perolehan suara SBY-Boediono. Ini menunjukkan bahwa pengaruh langsung faktor ekonomi-politik terhadap perolehan suara SBY-Boediono relatif terbatas bila faktor-faktor lain di luar ekonomi-politik (faktor psikologis dan sosiologis) ikut diperhitungkan.

Secara umum dapat disimpulkan bahwa faktor ekonomi-politik berpengaruh nyata terhadap perolehan suara SBY dan Megawati. Hal ini terlihat setidaknya dari hasil analisis satu peubah bebas. Bila kondisi ekonomi-politik membaik, suara SBY akan naik sebaliknya suara Megawati akan turun. Sementara itu, baik buruknya kondisi ekonomi-politik tidak berdampak secara nyata terhadap perolehan suara JK.

JK tampaknya tidak dapat mengambil insentif dari positifnya evaluasi pemilih terhadap kondisi ekonomi-politik. Hal ini disebabkan keberhasilan pemerintah lebih dikaitkan dengan keberhasilan seorang Presiden, bukan keberhasilan Wakil Presiden.

Model Psikologis Identitas Partai: Interpretasi berbasis Odds

Dari analisis satu peubah bebas, diketahui bahwa identitas partai berpengaruh nyata (dalam taraf nyata 5%) terhadap keputusan memilih satu calon dibanding calon lainnya (Tabel 3). Odds memilih SBY-Boediono dibanding Megawati-Prabowo dan odds memilih SBY-Boediono dibanding JK-Wiranto masing-masing naik sebesar 1.8 dan 1.4 kali untuk setiap penambahan satu satuan skor identitas Demokrat. Odds memilih JK-Wiranto dibanding SBY-Boediono dan odds memilih JK-Wiranto dibanding Megawati-Prabowo masing-masing naik 2 dan 2.2 kali untuk setiap penambahan satu satuan skor identitas Golkar. Sementara odds memilih Megawati-Prabowo dibanding SBY-Boediono dan odds memilih Megawati-Prabowo dibanding JK-Wiranto masing-masing naik 2.2 dan 1.9 kali untuk setiap penambahan satu satuan skor identitas PDIP.

Dalam analisis lebih dari satu peubah bebas, pengaruh identitas partai terhadap keputusan memilih calon bersangkutan dibanding calon lainnya tetap nyata (Tabel 3). Setelah dikontrol oleh peubah-peubah lain, odds memilih SBY-Boediono dibanding Megawati-Prabowo dan JK-Wiranto masing-masing naik 2.8 dan 1.9 kali lipat untuk setiap penambahan satu satuan skor identitas Demokrat. Odds memilih JK-Wiranto dibanding SBY-Boediono dan Megawati-Prabowo naik masing-masing 1.8 dan 1.9 kali lipat untuk setiap penambahan satu satuan skor identitas Golkar. Odds memilih Megawati-Prabowo dibanding SBY-Boediono dan JK-Wiranto masing-masing naik 2.8 dan 2.7 kali lipat untuk setiap penambahan satu satuan skor identitas PDIP.

Tabel 3 Koefisien regresi logistik multinomial untuk peubah identitas partai

Analisis & Peubah Bebas

SBY-Boediono /

Megawati-Prabowo

JK-Wiranto /

Megawati-Prabowo

SBY-Boediono / JK-Wiranto

1 peubah bebas

IdDemokrat 0.559*** 0.222* 0.337**

IdGolkar 0.096 0.773*** -0.677***

IdPDIP -0.774*** -0.633*** -0.141

> 1 peubah bebas

IdDemokrat 1.046*** 0.402 0.644***

IdGolkar 0.035 0.650** -0.615***

IdPDIP -1.037*** -0.986*** -0.051

Keterangan: * p < 0.05, ** p < 0.01, *** p<0.001

Faktor identitas partai terlihat berpengaruh terhadap perilaku pemilih. Semakin kuat identitas partai, semakin besar kecenderungan memilih calon yang diusung oleh partai bersangkutan dibanding calon yang diusung partai lain.

Model Psikologis Identitas Partai: Interpretasi berbasis Peluang

Model psikologis identitas partai dengan satu peubah bebas dapat dituliskan dalam bentuk dugaan peluang berikut:

24

Pr(Y = SBY-Boediono|X2) = exp(-0.629 + 0.559X2) / (1+ exp(-0.629 + 0.559X2)+ exp(-1.293 + 0.222X2)),

Pr(Y = JK-Wiranto|X3) = exp(-2.869 + 0.773X3) / (1+ exp(-2.869 + 0.773X3)+ exp(0.601 + 0.096X3)),

Pr(Y = Megawati-Prabowo|X4) = exp(-0.896 + 0.633X4) / (1+ exp(-0.896 + 0.633X4) + exp(1.894 – 0.141X4));

dengan X2=Identitas Partai Demokrat, X3=Identitas Partai Golkar, X4=Identitas PDIP. Berdasarkan model tersebut, dapat dihitung dugaan peluang dipilihnya SBY-Boediono, JK-Wiranto dan Megawati-Prabowo sesuai dengan skor identitas masing-masing partai.

Bila X2=1 (identitas Partai Demokrat sangat lemah), maka Pr(Y = SBY-Boediono|X2=1) = exp(-0.629 + 0.559) / (1+ exp(-0.629 + 0.559)+ exp(-1.293 + 0.222)) = 44%. Sementara bila X2=5 (indentitas Partai Demokrat sangat kuat), maka Pr(Y = SBY-Boediono| X2=5) = exp(-0.629 + 0.559(5)) / (1+ exp(-0.629 + 0.559(5))+ exp(-1.293 + 0.222(5))) = 83%. Dengan cara serupa diperoleh hasil bahwa dugaan peluang keterpilihan JK-Wiranto bila identitas partai Golkar sangat lemah dan sangat kuat masing-masing sebesar 4% dan 41%, sementara dugaan peluang keterpilihan Megawati-Prabowo bila identitas PDIP sangat lemah dan sangat kuat masing-masing sebesar 10% dan 69%.

Plot titik-titik dugaan peluang keterpilihan calon pada Gambar 2 menjelaskan bahwa identitas partai berdampak positif terhadap keterpilihan calon yang diusung oleh partai bersangkutan. Identitas partai Demokrat berpengaruh positif terhadap SBY-Boediono, identitas Golkar berpengaruh positif terhadap JK-Wiranto, dan identitas PDIP berpengaruh positif terhadap Megawati-Prabowo. Perubahan identitas partai yang ekstrim (skor identitas partai berubah dari 1 ke 5) dapat menaikkan perolehan suara SBY-Boediono sebesar 42% (dari 41% menjadi 83%), menaikkan perolehan suara JK-Wiranto sebesar 37% (dari 4% menjadi 41%) dan menaikkan perolehan suara Megawati-Prabowo sebesar 59% (dari 10% menjadi 69%). Berdasarkan metode delta dalam analisis PPNP satu peubah bebas ini, diketahui bahwa perubahan-perubahan dugaan peluang tersebut nyata pada taraf nyata 5% (Tabel 4).

Gambar 2 Dugaan peluang keterpilihan calon menurut identitas partai

Kuatnya pengaruh identitas partai didukung oleh hasil analisis RPP. Setiap kenaikan satu satuan skor identitas Demokrat dapat menaikkan perolehan suara SBY-Boediono rata-rata 10.6%. Setiap kenaikan satu satuan skor identitas Golkar dapat menaikkan perolehan suara JK-Wiranto rata-rata 7.8%. Setiap kenaikan satu satuan skor identitas PDIP dapat menaikkan perolehan suara Megawati-Prabowo rata-rata 14%. Berdasarkan metode simulasi diketahui bahwa semua RPP tersebut nyata pada taraf nyata 5%.

Selanjutnya, pengaruh identitas partai diuji melalui analisis PPNP dan RPP untuk model lebih dari satu peubah bebas. Berikut ini penjelasan penghitungan perbandingan peluang untuk model lebih dari satu peubah bebas.

Persamaan dugaan peluang keterpilihan SBY-Boediono adalah Pr(Y=SBY-Boediono) = exp(x

1 ˆ

β ) / exp(1 + x 1 ˆ

β + xβˆ2), dengan x=(1,

Ekonomi-Politik, IdDemokrat, IdGolkar, IdPDIP, Kualitas SBY, Kualitas JK, Kualitas Mega, Gender, Usia, Desa-Kota, Suku, Agama, Pendidikan, Pendapatan),

1 ˆ

β =(0.641, 1.889, 1.046, 0.035, –1.037, 0.973, 0.124, –1.045, –0.280, –0.011, 1.026, –0.708, –1.657, 0.004, –0.065)’, βˆ₂=(–1.946, 2.279, 0.402, 0.650, –0.986, 0.155, –1.946, 0.487, 0.478, –0.028, 0.123, –0.605, –1.201, 0.087, –0.051)’ (Lampiran 2). Selanjutnya diketahui bahwa peubah IdDemokrat mempunyai nilai minimum 1 dan nilai maksimum 5, sementara nilai median dari setiap peubah bebas lainnya adalah sebagai berikut: Ekonomi-Politik=0.67, IdGolkar=2, IdPDIP=2, Kualitas SBY=8, Kualitas JK=6, Kualitas Mega=6, Gender=1,

24% 77% 7% 13% 69% 10% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

1 2 3 4 5

Identitas PDIP D uga a n P e lua ng

SBY-Boediono JK-Wiranto Megawati-Prabowo

41% 83% 15% 8% 44% 9% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

1 2 3 4 5

Identitas Demokrat D uga a n P e lua ng 64% 44% 4% 41% 32% 15% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

1 2 3 4 5

Identitas Golkar D uga a n P e lua ng

26

Usia=39, Desa-Kota=0, Suku=0, Agama=0, Pendidikan=4, Pendapatan=2 (Lampiran 1). Bila peubah IdDemokrat ditetapkan pada nilai minimum sedangkan peubah-peubah bebas lainnya ditetapkan di nilai mediannya masing-masing, diperoleh hasil penghitungan peluang keterpilihan SBY-Boediono sebesar 63%. Sementara bila peubah IdDemokrat ditetapkan pada nilai maksimum sedangkan peubah-peubah bebas lainnya ditetapkan di nilai mediannya masing-masing, diperoleh hasil penghitungan peluang keterpilihan SBY-Boediono sebesar 98%. Dengan demikian, berdasarkan analisis PPNP median diketahui bahwa perubahan peluang keterpilihan SBY-Boediono akibat perubahan yang ekstrim pada kondisi

identitas partai Demokrat ketika kondisi lainnya tetap adalah 98%-63%=35% (Tabel 4).

Dengan teknik penghitungan serupa, selanjutnya diketahui nilai-nilai perubahan peluang untuk kondisi yang lain. Bila peubah-peubah lainnya dibuat tetap pada nilai mediannya masing-masing, perubahan ekstrim pada identitas Golkar akan menaikkan peluang keterpilihan JK-Wiranto sebesar 38% dan perubahan ekstrim pada identitas PDIP akan menaikkan peluang keterpilihan Megawati-Prabowo sebesar 65%. Bila peubah-peubah lainnya dibuat tetap pada nilai rataannya masing-masing (analisis PPNP rataan), perubahan ekstrim identitas Demokrat akan menaikkan peluang keterpilihan SBY-Boediono sebesar 35%, perubahan ekstrim identitas Golkar akan menaikkan peluang terpilihnya JK-Wiranto 12%, dan perubahan ekstrim identitas PDIP akan menaikkan peluang terpilihnya Megawati-Prabowo 51%. Bila peubah-peubah lainnya dibuat tetap pada nilai titik tengahnya masing-masing (analisis PPNP titik tengah), perubahan ekstrim identitas Demokrat akan menaikkan peluang keterpilihan SBY-Boediono sebesar 69%, perubahan ekstrim identitas Golkar akan menaikkan peluang terpilihnya JK-Wiranto sebesar 23%, dan perubahan ekstrim identitas PDIP akan menaikkan peluang terpilihnya Megawati-Prabowo sebesar 75%. Sementara itu, bila peubah-peubah bebas selain identitas partai bersangkutan dievaluasi pada semua nilainya (analisis RPP), setiap kenaikan satu satuan identitas Demokrat akan menaikkan peluang keterpilihan SBY rata-rata sebesar 7%, setiap kenaikan satu satuan identitas Golkar akan menaikkan peluang keterpilihan JK-Wiranto

rata-rata sebesar 3%, dan setiap kenaikan satu satuan identitas PDIP akan menaikkan peluang keterpilihan Megawati-Prabowo rata-rata 7% (Tabel 4).

Tabel 4 Pengaruh identitas partai terhadap peluang keterpilihan calon bersangkutan (PPNP dan RPP)

Analisis SBY-Boediono JK-Wiranto Megawati-Prabowo PPNP 1 peubah bebas 0.4166*** 0.3674*** 0.5913*** PPNP > 1 peubah bebas

PPNP median 0.3488*** 0.3844** 0.654***

PPNP rataan 0.3541*** 0.1229* 0.513***

PPNP titik tengah 0.6874*** 0.2265* 0.7504*** RPP 1 peubah bebas 0.1059*** 0.0782*** 0.1400*** RPP > 1 peubah bebas 0.0693*** 0.0332*** 0.0669***

Keterangan: * p < 0.05, ** p < 0.01, *** p<0.001

Secara umum, dari analisis yang dilakukan diperoleh kesimpulan bahwa identitas partai berpengaruh positif dan nyata terhadap keterpilihan calon bersangkutan. Semakin kuat identitas Demokrat, semakin besar peluang keterpilihan SBY-Boediono; semakin kuat identitas Golkar, semakin besar peluang keterpilihan JK-Wiranto; dan semakin kuat identitas PDIP, semakin besar pula peluang keterpilihan Megawati-Prabowo. Temuan ini menunjukkan bahwa perilaku pemilih dalam pemilihan presiden dapat dijelaskan oleh model psikologis identitas partai.

Model Psikologis Kualitas Personal Calon: Interpretasi berbasis Odds

Dalam analisis satu peubah bebas, kualitas personal calon terbukti berpengaruh nyata (dalam taraf nyata 5%) terhadap keputusan memilih calon bersangkutan dibanding calon lainnya (Tabel 5). Odds memilih SBY-Boediono dibanding Megawati-Prabowo dan odds memilih SBY-Boediono dibanding JK-Wiranto masing-masing naik sebesar exp(0.722)=2.1 dan exp(0.556)=1.7 kali untuk setiap penambahan satu satuan skor kualitas personal SBY. Odds memilih JK-Wiranto dibanding SBY-Boediono dan odds memilih JK-Wiranto dibanding

28

Megawati-Prabowo masing-masing naik 2.4 dan 2.3 kali untuk setiap penambahan satu satuan skor kualitas personal JK. Odds memilih Megawati-Prabowo dibanding SBY-Boediono dan odds memilih Megawati-Megawati-Prabowo dibanding JK-Wiranto masing-masing naik 2.2 dan 2.4 kali lipat untuk setiap penambahan satu satuan skor kualitas personal Megawati.

Tabel 5 Koefisien regresi logistik multinomial pada peubah kualitas personal calon

Analisis & Peubah Bebas

SBY-Boediono /

Megawati-Prabowo

JK-Wiranto /

Megawati-Prabowo

SBY-Boediono / JK-Wiranto

1 peubah bebas

Kualitas SBY 0.722*** 0.166** 0.556***

Kualitas JK -0.036 0.837*** -0.873***

Kualitas Megawati -0.800** -0.873*** 0.073 > 1 peubah bebas

Kualitas SBY 0.973*** 0.155 0.818***

Kualitas JK 0.124 1.247*** -1.123***

Kualitas Megawati -1.045*** -1.328*** 0.282** Keterangan: * p < 0.05, ** p < 0.01, *** p<0.001

Dalam analisis lebih dari satu peubah bebas, pengaruh kualitas personal calon terhadap keputusan memilih calon bersangkutan dibanding calon lainnya tetap nyata (Tabel 5). Setelah dikontrol oleh peubah-peubah lain, odds memilih SBY-Boediono dibanding Megawati-Prabowo dan JK-Wiranto masing-masing naik 2.6 dan 2.3 kali lipat untuk setiap penambahan satu satuan skor kualitas personal SBY. Odds memilih JK-Wiranto dibanding SBY-Boediono dan Megawati-Prabowo naik masing-masing 3.1 dan 3.5 kali lipat untuk setiap penambahan satu satuan skor kualitas personal JK. Odds memilih Megawati-Prabowo dibanding SBY-Boediono dan odds memilih Megawati-Megawati-Prabowo dibanding JK-Wiranto masing-masing naik 2.8 dan 3.8 kali lipat untuk setiap penambahan satu satuan skor kualitas personal Megawati.

Faktor kualitas personal calon terlihat berpengaruh terhadap perilaku pemilih. Semakin baik kualitas personal calon, semakin besar kecenderungan memilih calon tersebut dibanding calon lain.

Model Psikologis Kualitas Personal Calon: Interpretasi berbasis Peluang

Model psikologis kualitas personal calon dengan satu peubah bebas dapat dituliskan dalam bentuk dugaan peluang berikut:

Pr(y = SBY-Boediono|X5) = exp(-4.752 + 0.772X5) / (1+ exp(-4.752 + 0.772X5)+ exp(-1.933 + 0.166X5)),

Pr(y = JK-Wiranto|X6) = exp(-6.423 + 0.837X6) / (1+ exp(-6.423 + 0.837X6)+ exp(1.020 - 0.036X6)),

Pr(y = Megawati-Prabowo|X7) = 1 / (1+ exp(6.212 - 0.800X7) + exp(4.956 – 0.873X7));

dengan X5=Kualitas SBY, X6=Kualitas JK, X7=Kualias Megawati. Berdasarkan model tersebut, dapat dihitung dugaan peluang dipilihnya SBY-Boediono, Megawati-Prabowo dan JK-Wiranto sesuai dengan skor kualitas personal masing-masing calon.

Bila X5=1 (kualitas personal calon sangat buruk), maka Pr(Y=SBY-Boediono|X5=1) = exp(-4.752 + 0.772) / (1+ exp(-4.752 + 0.772)+

exp(-1.933 + 0.166))=1%. Sementara bila X5=10 (kualitas personal calon sangat baik), maka Pr(y = SBY-Boediono|X5

Plot titik-titik dugaan peluang keterpilihan calon pada Gambar 3 menjelaskan bahwa kualitas calon berdampak positif terhadap keterpilihan calon bersangkutan. Kualitas personal SBY berpengaruh positif terhadap SBY-Boediono, kualitas personal JK berpengaruh positif terhadap JK-Wiranto, dan kualitas personal Megawati berpengaruh positif terhadap Megawati-Prabowo. Perubahan kualitas personal yang ekstrim (skor kualitas personal berubah dari 1

=10) = 4.752 + 0.772(10)) / (1+ exp(-4.752 + 0.772(10))+ exp(-1.933 + 0.166(10))) = 87%. Dengan cara serupa diperoleh hasil bahwa dugaan peluang keterpilihan JK-Wiranto bila kualitas personal JK sangat buruk dan sangat baik masing-masing sebesar 0% dan 70%, sementara dugaan peluang keterpilihan Megawati-Prabowo bila kualitas personal Megawati sangat buruk dan sangat baik masing-masing sebesar 0% dan 84%.

30

ke 10) dapat menaikkan perolehan suara SBY-Boediono sebesar 86% (dari 1% menjadi 87%), menaikkan suara JK-Wiranto sebesar 70% (dari 0% menjadi 70%) dan menaikkan suara Megawati-Prabowo sebesar 84% (dari 0% menjadi 84%). Berdasarkan metode delta dalam analisis PPNP satu peubah bebas ini, perubahan-perubahan dugaan peluang tersebut nyata pada taraf nyata 5% (Tabel 4).

Gambar 3 Dugaan peluang keterpilihan calon menurut kualitas personal calon

Kuatnya pengaruh kualitas personal calon didukung oleh hasil analisis RPP. Dalam analisis RPP satu peubah bebas, kualitas calon terbukti berpengaruh nyata terhadap keterpilihan calon bersangkutan. Setiap kenaikan satu satuan kualitas personal SBY dapat menaikkan suara SBY-Boediono rata-rata sebesar 12.9%. Setiap kenaikan satu satuan kualitas personal JK dapat menaikkan suara JK-Wiranto rata-rata sebesar 5.6%. Setiap kenaikan satu satuan kualitas personal Megawati dapat menaikkan suara Megawati-Prabowo rata-rata sebesar 9.7%

Selanjutnya, pengaruh kualitas personal calon diuji melalui analisis PPNP dan RPP untuk model lebih dari satu peubah bebas. Berikut ini penjelasan penghitungan perbandingan peluang untuk model lebih dari satu peubah bebas.

Persamaan dugaan peluang keterpilihan SBY-Boediono adalah Pr(Y=SBY-Boediono) = exp(x

1 ˆ

β ) / exp(1 + x 1 ˆ

β + xβˆ2), dengan x=(1,

Ekonomi-Politik, IdDemokrat, IdGolkar, IdPDIP, Kualitas SBY, Kualitas JK, Kualitas Mega, Gender, Usia, Desa-Kota, Suku, Agama, Pendidikan, Pendapatan),

1 ˆ

β =(0.641, 1.889, 1.046, 0.035, –1.037, 0.973, 0.124, –1.045, –0.280, –0.011, 1.026, –0.708, –1.657, 0.004, –0.065)’, βˆ₂=(–1.946, 2.279, 0.402, 0.650, –0.986, 14% 79% 21% 2% 84% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

1 2 3 4 5 6 7 8 9 10

Kualitas personal Megawati

D uga a n P e lua ng

SBY-Boediono JK-Wiranto Megawati-Prabowo

1% 87% 6% 14% 84% 7% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

1 2 3 4 5 6 7 8 9 10

Kualitas personal SBY

D uga a n P e lua ng 73% 19% 70% 0% 27% 10% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

1 2 3 4 5 6 7 8 9 10

Kualias personal JK

D uga a n P e lua ng

0.155, –1.946, 0.487, 0.478, –0.028, 0.123, –0.605, –1.201, 0.087, –0.051)’ (Lampiran 2). Selanjutnya diketahui bahwa peubah kualitas SBY mempunyai nilai minimum 1 dan nilai maksimum 10, sementara nilai median dari setiap peubah bebas lainnya adalah sebagai berikut: Ekonomi-Politik=0.67, IdDemokrat=2, IdGolkar=2, IdPDIP=2, Kualitas JK=6, Kualitas Mega=6, Gender=1, Usia=39, Desa-Kota=0, Suku=0, Agama=0, Pendidikan=4, Pendapatan=2 (Lampiran 1). Bila Kualitas SBY ditetapkan pada nilai minimum sedangkan peubah-peubah bebas lainnya ditetapkan di nilai mediannya masing-masing, diperoleh hasil penghitungan peluang keterpilihan SBY-Boediono sebesar 1%. Sementara bila peubah Kualitas SBY ditetapkan pada nilai maksimum sedangkan peubah-peubah bebas lainnya ditetapkan di nilai mediannya masing-masing, diperoleh hasil penghitungan peluang keterpilihan SBY-Boediono sebesar 96%. Dengan demikian, berdasarkan analisis PPNP median diketahui bahwa perubahan peluang keterpilihan SBY-Boediono akibat perubahan kualitas personal SBY yang ekstrim ketika kondisi lainnya tetap adalah 96%-1%=95% (Tabel 6).

Tabel 6 Pengaruh kualitas personal calon terhadap peluang keterpilihan calon bersangkutan (PPNP dan RPP)

Analisis SBY-Boediono JK-Wiranto Megawati-Prabowo PPNP 1 peubah bebas 0.8555*** 0.7033*** 0.8363*** PPNP > 1 peubah bebas

PPNP median 0.9511*** 0.9217*** 0.8772***

PPNP rataan 0.9705*** 0.8438*** 0.8538***

PPNP titik tengah 0.9605*** 0.9537*** 0.986*** RPP 1 peubah bebas 0.1285*** 0.0562*** 0.0969*** RPP > 1 peubah bebas 0.0825*** 0.0523*** 0.0596***

Keterangan: * p < 0.05, ** p < 0.01, *** p<0.001

Selanjutnya diketahui nilai-nilai perubahan peluang untuk kondisi yang lain. Bila peubah-peubah lainnya dibuat tetap pada nilai mediannya masing-masing, perubahan ekstrim kualitas JK akan menaikkan peluang terpilihnya JK-Wiranto

k_plus=k_plus+k-1; m=m+1;

end; end;

/* ---*/ free cov k_plus;

/* ==================== Design matrix Beta_Asli ======================*/ beta_asli=J(iv,k-1,0); /*template beta awal*/

f=1; g=f+k-2;

do t=1 to iv; /*regrouping koefisien2 berdasarkan kategori respon*/ beta_asli[t,]=teta[1,f:g];

f=g+1; g=f+k-2; end;

beta_asli=beta_asli||J(nrow(beta_asli),1,0);

/* ---*/ var_p_min=J(iv-1,k,0);

var_p_max=J(iv-1,k,0);

/* PPNP MIN TO MAX METODE DELTA*/ do p=1 to iv-1;

x_set_min=1||MINMAXMED[3,]; x_set_min[1,p+1]=MINMAXMED[1,p]; x_set_max=1||MINMAXMED[3,]; x_set_max[1,p+1]=MINMAXMED[2,p]; exp_XB_min=exp(x_set_min*beta_asli);

denum_min=repeat(exp_XB_min[,+],1,k); /*matrix denumerator dalam pred prob*/ prob_min=exp_XB_min/denum_min; /*pred prob_i untuk sertiap ovservasi*/ free exp_XB_min denum_min;

exp_XB_max=exp(x_set_max*beta_asli);

denum_max=repeat(exp_XB_max[,+],1,k); /*matrix denumerator dalam pred prob*/ prob_max=exp_XB_max/denum_max; /*pred prob_j untuk sertiap ovservasi*/ free exp_XB_max denum_max;

PPNP=PPNP//(prob_max-prob_min); free prob_max prob_min;

start F_ROSEN(beta_fungsi) global(iv, k, x_set); exp_B=J(1,k,0);

dpdb = j(k,1,0.); sv=1; ev=iv; do i=1 to k;

dpdb[i]= exp((beta_fungsi[1,sv:ev])*x_set`) /

(

exp(beta_fungsi[1,1:iv]*x_set`) + exp(beta_fungsi[1,iv+1:2*iv]*x_set`) + exp(beta_fungsi[1,2*iv+1:3*iv]*x_set`) );

sv=ev+1; ev=sv+iv-1; end;

return(dpdb); finish F_ROSEN;

do minmax=1 to 2; parms = k;

do i=1 to k;

beta_fungsi=beta_fungsi||(beta_asli[,i])`; end;

if minmax=1 then x_set=x_set_min; else x_set=x_set_max; CALL NLPFDD(fun,jac,crpj,"F_ROSEN",beta_fungsi,parms);

jac=jac[,1:iv*(k-1)]; do i=1 to k;

if minmax=1 then var_p_min[p,i]=jac[i,]*cov_est*(jac[i,])`; else var_p_max[p,i]=jac[i,]*cov_est*(jac[i,])`;

end;

free beta_fungsi jac i fun cprj; end;

end;

/*---*/

se_delta=sqrt(var_p_min + var_p_max); z=PPNP/se_delta;

p_val=2*(1-cdf('normal',abs(z),0,1));

mattrib PPNP rowname=({'Laki-laki' 'Usia' 'SukuJawa' 'Perkotaan' 'Income' 'Pendidikan' 'NonMuslim' 'Ekonomi-Politik'

'IDDEMOKRAT' 'IDGOLKAR' 'IDPDIP' 'Tkh:SBY' 'Tkh:JK' 'Tkh:Megawati'})

colname=({'SBY-Boediono' 'JK-Wiranto' 'Megawati-Prabowo'}); mattrib z rowname=({'Laki-laki' 'Usia' 'SukuJawa' 'Perkotaan' 'Income' 'Pendidikan' 'NonMuslim' 'Ekonomi-Politik'

'IDDEMOKRAT' 'IDGOLKAR' 'IDPDIP' 'Tkh:SBY' 'Tkh:JK' 'Tkh:Megawati'})

colname=({'SBY-Boediono' 'JK-Wiranto' 'Megawati-Prabowo'}); mattrib se_delta rowname=({'Laki-laki' 'Usia' 'SukuJawa' 'Perkotaan' 'Income' 'Pendidikan' 'NonMuslim' 'Ekonomi-Politik'

'IDDEMOKRAT' 'IDGOLKAR' 'IDPDIP' 'Tkh:SBY' 'Tkh:JK' 'Tkh:Megawati'})

colname=({'SBY-Boediono' 'JK-Wiranto' 'Megawati-Prabowo'});

mattrib p_val rowname=({'Laki-laki' 'Usia' 'SukuJawa' 'Perkotaan' 'Income' 'Pendidikan' 'NonMuslim' 'Ekonomi-Politik'

'IDDEMOKRAT' 'IDGOLKAR' 'IDPDIP' 'Tkh:SBY' 'Tkh:JK' 'Tkh:Megawati'})

colname=({'SBY-Boediono' 'JK-Wiranto' 'Megawati-Prabowo'}); print PPNP;

print se_delta; print z; print p_val;

replikasi_sukses=0;

/* DRAW SUBSAMPLE BERUKURAN N_RAND SEBANYAK REPLIKASI */ do ulang=1 to replikasi;

/*buat subsampel X berukuran n_rand x iv*/

rand_index=round((ranuni(J(n_rand,1,0))*nrow(X))+J(n_rand,1,0.5)); X_Rand_temp=J(n_rand,ncol(X),0);

do r=1 to n_rand;

X_Rand_temp[r,]=X[rand_index[r,],]; end;

X_invertible=X_Rand_temp[,2:ncol(X_Rand_temp)]; Corr=corr(X_Invertible);

rank=round(trace(ginv(Corr)*Corr)); if rank=ncol(Corr) then do;

X_Rand=X_Rand//X_Rand_temp;

replikasi_sukses=replikasi_sukses+1; end;

end;

print replikasi_sukses;

/* MENGITUNG RPP DAN STANDAR ERROR */

print n_sim replikasi replikasi_sukses n_rand; do s=1 to n_sim;

beta=J(iv,k-1,0); /*template beta awal*/ f=1; g=f+k-2;

do t=1 to iv; /*regrouping koefisien2 berdasarkan kategori respon*/ beta[t,]=teta_sim[s,f:g];

f=g+1; g=f+k-2; end;

beta=beta||J(nrow(beta),1,0);

/* ---*/

a=J(1,k*(iv-1),0); b=J(1,k*(iv-1),0);

row_start=1; row_end=n_rand; do ulang=1 to replikasi_sukses;

free X_i X_j wij sign;

X_R=X_rand[row_start:row_end,];

row_start=row_end+1; row_end=row_start+n_rand-1; n=nrow(X_R); /*total observasi*/

iv=ncol(X_R); /*banyaknya variabel independen + konstanta*/ do p=2 to iv;

/*detik=second(datetime()); menit=minute(datetime()); jam=hour(datetime());

print p jam menit detik;

/***** Augmenting X_R menjadi X_i dan X_j dan membuat matrix sign*/

X_i_temp=X_R@J(nrow(X_R),1,1); X_j_temp=X_i_temp;

X_j_temp[,p]=repeat(X_R[,p],nrow(X_R),1); V_j_temp=repeat(X_R,nrow(X_R),1);

sign_temp=repeat(sign(X_j_temp[,p]-X_i_temp[,p]),1,k);

/*---*/ /*Membuat sigma (matrix covariance untuk mariks data V*/ V=X_R[,remove(2:ncol(X_R),p-1)];

satu=J(nrow(v),1,1);

sigma=1/(nrow(v)-1)*V`*(diag(satu)-1/nrow(v)*satu*satu`)*V; /* --- */ /*Membuat matriks pembobot wij dengan menggunakan sigma*/ Vi=X_i_temp[,remove(2:ncol(X_i_temp),p-1)];

Vj=V_j_temp[,remove(2:ncol(X_j_temp),p-1)]; Vi_Vj=Vi-Vj;

wij_temp=J(nrow(Vi),1,0); do rw=1 to nrow(Vi);

wij_temp[rw,1]=1/(1+(Vi_Vj[rw,])*inv(sigma)*(Vi_Vj[rw,])`); /*pembobot ui ke vj*/

end;

wij_temp=repeat(wij_temp,1,k);

/* ---*/ /*Membuat matriks penyebut dalam RPP_sr (b_temp)*/

b_temp=wij_temp#(X_j_temp[,p]-X_i_temp[,p])#sign_temp; /*---*/ /*Menggabung X_i, X_j, sign, wij, dan matriks penyebut RPP_sr (b_mat) dari setiap variabel input*/

X_i=X_i//X_i_temp; X_j=X_j//X_j_temp; sign=sign//sign_temp; b_mat=b_mat//b_temp; wij=wij//wij_temp;

/* --- */

free X_i_temp X_j_temp V_j_temp sign_temp V satu sigma Vi Vj wij_temp b_temp;

/* Membuat matrix pembilang (a_mat) untuk RPP_sr */ exp_XB_i=exp(X_i*beta);

denum_i=repeat(exp_XB_i[,+],1,k); /*matrix denumerator dalam pred prob*/

prob_i=exp_XB_i/denum_i; /*pred prob_i untuk sertiap ovservasi*/ exp_XB_j=exp(X_j*beta);

denum_j=repeat(exp_XB_j[,+],1,k); /*matrix denumerator dalam pred prob*/

prob_j=exp_XB_j/denum_j; /*pred prob_j untuk sertiap ovservasi*/ a_mat=wij#(prob_j-prob_i)#sign;

free exp_XB_i denum_i prob_i exp_XB_j denum_j prob_j;

/* --- */

/* Menjumlahkan pembilang (a) dan penyebut (b) RPP untuk setiap variabel input*/

sta=1;end=(nrow(X_R))**2; k_lo=1;k_hi=k;

do p=1 to iv-1;

a_p_mat=a_mat[sta:end,]; b_p_mat=b_mat[sta:end,];

a[1,k_lo:k_hi]=a[1,k_lo:k_hi]+a_p_mat[+,]; b[1,k_lo:k_hi]=b[1,k_lo:k_hi]+b_p_mat[+,]; sta=end+1;

end=sta+(nrow(X_R))**2-1; k_lo=k_hi+1;

k_hi=k_lo+k-1; end;

/* --- */

free sta end k_lo k_hi a_p_mat b_p_mat a_mat b_mat; end; /*akhir do ulang=1 to replikasi_sukses;*/

RPP_s=a/b;

RPP_gab=RPP_gab//RPP_s; free RPP_s;

end; /*akhir do s=1 to n_sim;*/ create tesis.RPP_gab from RPP_gab; append from RPP_gab;

RPP_gab_kum=J(nrow(RPP_gab),ncol(RPP_gab),0); do urut=1 to nrow(RPP_gab);

temp=RPP_gab[1:urut,]; RPP_gab_kum[urut,]=temp[:,]; end;

beta_ke=1:nrow(RPP_gab);

RPP_gab_kum=beta_ke`||RPP_gab_kum;

create tesis.RPP_gab_kum from RPP_gab_kum; append from RPP_gab_kum;

/* Menghitung RPP dan SE */ RPP_vec=RPP_gab[:,];

mean=repeat(rpp_vec,n_sim,1); dev=rpp_gab-mean;

se_vec=sqrt(dev[##,]/(n_sim-1)); rpp=J(iv-1,k,0);

se=J(iv-1,k,0); ks=1;ke=k;

do j=1 to iv-1;

rpp[j,]=rpp_vec[1,ks:ke]; se[j,]=se_vec[1,ks:ke]; ks=ke+1;

ke=ks+k-1; end; Z=rpp/SE;

ABS_rpp=abs(rpp); ABS_AVG_CHG=ABS_rpp[,:];

ABS_AVG_CHG_WEIGHT=ABS_AVG_CHG#stdev_x; ABS_AVG_CHG=round(ABS_AVG_CHG,0.000001);

ABS_AVG_CHG_WEIGHT=round(ABS_AVG_CHG_WEIGHT,0.000001); AVG_CHG=ABS_AVG_CHG_WEIGHT||ABS_AVG_CHG;

rpp=round(rpp,0.000001); SE=round(rpp,0.000001);

p_val=2*(1-cdf('normal',abs(z),0,1));

sig_95=(p_val<0.05); sig_99=(p_val<0.01); sig_999=(p_val<0.001); sig=sig_95+sig_99+sig_999; /*print rpp;

print SE; print Z;*/

star={'***' '***' '***'}; star_temp={'***' '***' '***'}; indep=iv-1;

do d=1 to indep; do e=1 to k;

if sig[d,e]=0 then star[d,e]=' '; else if sig[d,e]=1 then star[d,e]='* '; else if sig[d,e]=2 then star[d,e]='** '; else star[d,e]='***';

end;

if d<indep then star=star//star_temp; end;

vNames = "Variabel";

nNames = "n1":"n3"; /*sesuikan dengan jumlah kategori*/ cNames = "c1":"c3"; /*sesuikan dengan jumlah kategori*/ avgNames_w = "Avg_abs_Chg_w";

avgNames = "Avg_abs_Chg";

create variabel from variabel[colname=vNames]; append from variabel;

create ndat from rpp[colname=nNames]; append from rpp;

create cdat from star[colname=cNames]; append from star;

create ABS_AVG_CHG_WEIGHT from ABS_AVG_CHG_WEIGHT[colname=avgNames_w]; append from ABS_AVG_CHG_WEIGHT;

create ABS_AVG_CHG from ABS_AVG_CHG[colname=avgNames]; append from ABS_AVG_CHG;

quit;

data dat (KEEP=variabel Avg_abs_Chg_w Avg_abs_Chg SBY_Boediono JK_Wiranto MEGAWATI_Prabowo);

set variabel;

set ABS_AVG_CHG_WEIGHT; set ABS_AVG_CHG; set ndat;

set cdat;

if n2<0 then n2_c=put(n2,6.5); else n2_c=put(n2,6.4); if n3<0 then n3_c=put(n3,6.5); else n3_c=put(n3,6.4); if n4<0 then n4_c=put(n4,6.5); else n4_c=put(n4,6.4); if n5<0 then n5_c=put(n5,6.5); else n5_c=put(n5,6.4); if n6<0 then n6_c=put(n6,6.5); else n6_c=put(n6,6.4); if n7<0 then n7_c=put(n7,6.5); else n7_c=put(n7,6.4); if n8<0 then n8_c=put(n8,6.5); else n8_c=put(n8,6.4); if n9<0 then n9_c=put(n9,6.5); else n9_c=put(n9,6.4); SBY_Boediono=cat(of n1_c c1);

JK_Wiranto=cat(of n2_c c2); MEGAWATI_Prabowo=cat(of n3_c c3); run;

TITLE 'RPP';

proc print data=dat noobs SPLIT='/' ;run; TITLE '';