3. Galat baku
standard error
kecil. 4.
Tepat waktu. 5.
Relevan.
2.2.3 Tujuan Pengumpulan Data
Menurut Richard Lungan, 2006 bahwa tujuan pengumpulan data yaitu: 1.
Memperbaiki atau menyederhanakan teori atau hipotesa yang ada. 2.
Menciptakan teori atau hipotesis yang baru. 3.
Mengetahui keadaan atau hipotesis yang ada. 4.
Memecahkan masalah yang mencakup inter-relasi antara beberapa kasus kelompok data.
2.3 Variabel Peubah
Variabel peubah adalah sesuatu yang nilainya berubah-ubah menurut waktu atau berbeda menurut elemen atau tempat Supranto, 2004. Contohnya apabila objek yang
diteliti adalah suatu perusahaan, peubahnya ialah jumlah modal, jumlah karyawan, jumlah produksi, jumlah penjualan, jumlah pajak perusahaan dan sebagainya.
Variabel peubah dibedakan menjadi 2 dua jenis, yaitu: 1.
Variabel peubah Bebas yaitu variabel peubah yang dapat berdiri sendiri dan sifatnya dapat mempengaruhi variabel lain.
2. Variabel peubah Terikat yaitu variabel peubah yang tidak dapat berdiri
sendiri sehingga sifatnya dipengaruhi oleh variabel peubah lain.
2.4 Skala Pengukuran
Skala pengukuran adalah suatu skala yang digunakan untuk mengklasifikasikan peubah yang diukur supaya tidak terjadi kesalahan dalam menentukan analisis data
Universitas Sumatera Utara
dan langkah-langkah penelitian selanjutnya Nana Danapriatna dan Rony Setiawan, 2005. Menurut Sam Kash Kachigan 1986, skala pengukuran terdiri dari 4 empat
jenis, yaitu: 1.
Skala Nominal Skala nominal yaitu skala yang paling sederhana disusun berdasarkan
kategori. Contohnya jenis kelamin yaitu laki-laki dan perempuan.
2. Skala Ordinal
Skala ordinal yaitu skala berdasarkan rankingurutan, tidak mempunyai skor yang sama dan data yang diperoleh tidak mempunyai arti mutlak.
Contohnya status sosial terdiri dari kelas bawah, kelas menengah dan kelas atas.
3. Skala Interval
Skala interval yaitu skala yang menunjukkan jarak antara satu data dengan data lain dan mempunyai bobot yang sama. Contohnya suhu dan lain-lain.
4. Skala Rasio
Skala rasio yaitu skala yang mempunyai nilai nol mutlak dan mempunyai jarak yang sama. Contohnya berat badan seseorang 50 kg.
2.5 Model Loglinier
Model loglinier merupakan suatu model statistik yang berguna untuk menentukan dependensi atau kecenderungan antara beberapa peubah yang berskala nominal atau
kategorikal Agresti, 1990. Model loglinier merupakan metode statistik yang dapat digunakan untuk mendeskripsikan pola hubungan antar beberapa variabel peubah
kategorik.
Dengan analisis model loglinier diperoleh persamaan yang menggambarkan ada tidaknya hubungan antara dua atau lebih peubah dan pola hubungannya sekaligus
Universitas Sumatera Utara
untuk mengetahui sel-sel mana yang memberikan distribusi sehingga terjadi kontribusi.
Beberapa kelebihan dari model loglinier adalah: 1.
Dapat menentukan model matematika yang cocok untuk dependensi lebih dari dua peubah.
2. Model loglinier dapat digunakan untuk menentukan besarnya interaksi
yang menyebabkan peubah tersebut dependen atau tidak.
2.5.1 Model Loglinier Tiga Dimensi
Andaikan
ijk
m
adalah frekuensi harapan. Anggap semua
ijk
m
0, dan andaikan
ijk ijk
m ln
. Tanda dot yang mengikuti indeks merupakan rata-rata yang berkenaan
dengan indeks tersebut, sebagai contoh
I
i ijk
jk
.
Sehingga diperoleh:
...
... ..
i X
i
... .
.
j Y
j ...
..
k Z
k
... .
. ..
.
j i
ij XY
ij ...
.. ..
.
k i
k i
XZ ik
... ..
. .
.
k j
jk YZ
jk
... ..
. .
.. .
. .
k j
i jk
k i
ij ijk
XYZ ijk
.
Jumlah dari parameter tersebut sama dengan nol, yaitu:
i j
Y j
X i
=
k i
j k
XYZ ijk
XY ij
XY ij
Z k
...
Universitas Sumatera Utara
Dengan model loglinear, angka-angka pada sel tabel kontingensi dapat dimodelkan sedemikian hingga pada tabel kontingensi tiga dimensi, model loglinear
adalah Agresti, 1990:
YZ jk
XZ ik
XY ij
Z k
Y j
X i
ijk
m Ln
ˆ
+
XYZ ijk
1
Keterangan:
ijk
m ˆ
nilai harapan dari
ijk
X
= rata-rata dari seluruh logaritma nilai harapan
X i
efek utama kategori ke-
i
peubah
X
untuk
i
=1,2,3…
I
Y j
efek utama kategori ke-
j
peubah
Y
untuk
j
=1,2,3,…
J
Z k
= efek utama kategori ke-
k
peubah
Z
untuk
k
=1,2,3,…
K
XY ij
= efek interaksi antara kategori ke-
i
peubah
X
dan kategori ke-
j
peubah
Y
untuk
i
=1,2,3…
I
dan
j
=1,2,3,…
J
XZ ik
efek interaksi antara kategori ke-
i
peubah
X
dan kategori ke-
k
peubah
Z
untuk
i
= 1,2,3…
I
dan
k
= 1,2,3,…
K
YZ jk
efek interaksi antara kategori ke-
j
peubah
Y
dan kategori ke-
k
peubah
Z
untuk
j
= 1,2,3,…
J
dan
k
= 1 ,2,3,…
K
XYZ ijk
= pengaruh interaksi ke tiga peubah terhadap model.
Dengan model loglinier ini diperoleh persamaan yang menggambarkan ada tidaknya hubungan antara dua peubah atau lebih dan pola hubungannya. Untuk
menginterpretasi model loglinier, dijelaskan asosiasi marginal dan asosiasi parsial dari model dengan menggunakan odds rasio yaitu ukuran untuk melihat hubungan antara
nilai peubah penjelas
x
dengan peluang terjadinya suatu kategorik pada peubah respon Agresti, 1990. Analisis loglinier dari suatu tabel frekuensi multivariat yang pada
dasarnya menyelesaikan analisis tersebut disebut odds atau odds rasio Hagenaars, 1993. Beberapa model loglinier untuk tabel kontingensi tiga dimensi disajikan dalam
tabel berikut:
Universitas Sumatera Utara
Tabel 2.1 Model Loglinier untuk Tabel Kontingensi Tiga Dimensi