Metode Hirarkis Backward Metode Forward

2.6 Metode Hirarkis Backward

Metode Hirarkis Backward digunakan untuk menganalisis proses terbentuknya sebuah model loglinier hirarkis non-lengkap yang dilakukan dengan menyeleksi dari model lengkap hingga pada model yang sederhana. Model lengkap mencakup semua kemungkinan efek interaksi baik itu efek interaksi 2-faktor maupun 3-faktor sesuai dengan jumlah variabel yang digunakan dalam penelitian ini, yakni sebanyak tiga variabel kategorik. Dimana setiap kali variabel dihapus dilakukan uji statistik untuk menentukan akurasi prediksinya dengan membandingkan uji rasio likelihood 2 G dengan     ; 2 df Chapter 14, hal: 144. Mengingat bahwa model lengkap ini memiliki jumlah yang sama sel-sel nya dalam tabel kontingensi, seperti halnya efek dan frekuensi sel yang diharapkan akan selalu bernilai sama dengan frekuensi yang diamati tanpa derajat kebebasan yang tersisa Knoke dan Burke, 1980 dikutip dari Jeansonne. Dari persamaan 2.13 model lengkap untuk tiga variabel kategorik dapat ditulis sebagai berikut: XYZ ijk YZ jk XZ ik XY ij Z k Y j X i ijk m                 ˆ log

2.7 Metode Forward

Metode Forward digunakan untuk menganalisis proses penambahan komponen- komponen model menjadi signifikan untuk model akhir dengan dibentuknya sebuah model order nol kemudian menambahakan efek order pertama, order kedua, dan order ketiga. Setelah itu, pada setiap tahap dipilih efek order yang memberikan peningkatan signifikansi terbesar dalam kesesuaian datanya setelah dilakukan pengujian Friel, 2005. Akan tetapi, Agresti, 1990 menjelaskan metode ini lebih dikenal sebagai suatu metode yang digunakan untuk mengevaluasi sebuah model yang proses pemodelannya dilakukan dengan dibentuknya model independen sampai model lengkap. Nilai p-maksimum untuk model yang dihasilkan adalah kriteria yang mungkin karena akan menghasilkan nilai 2 G yang kecil, yang berarti baik untuk model. Bentuk umum model loglinier order nol untuk tiga variabel kategorik, yaitu:   ijk m ˆ log 2.19 Universitas Sumatera Utara BAB 3 PEMBAHASAN

3.1 Pendekatan Hirarkis Untuk Pemodelan Loglinier