LATIHAN KESEMBILAN
Transcript of LATIHAN KESEMBILAN
-
8/16/2019 LATIHAN KESEMBILAN
1/23
IBM SPSS STATISTICS VERSION 22
Oleh :
Abdullah M. Jaubah
Pendahuluan
Latihan ini merupakan latihan kesembilan mengenai prosedur General Linear Model
Univariate. Prosedur General Linear Model Univariate memungkinkan untuk membuat modal
nilai dari variabel dependen berjenis kuantitatif berdasar atas hubungannya dengan prediktor-
prediktor berjenis kategorial dan scale. General Linear Model mencakup peluang-peluang pilihan menenai Univariate, Multivariate, epeated Measures, dan peluang !ariance
"omponents akan tetapi yang dicakup dalam #tatistical $ase adalah Univariate saja
sedangkan peluang-peluang lain dicakup dalam Advanced Statistics .
GLM Univariate Model
Prosedur GLM Univariate berdasar atas prosedur General Linear Model, di mana faktor-faktor dan kovarians diasumsikan mempunyai suatu hubungan garis lurus pada variabel
dependen. %actors, prediktor-prediktor kategorikal dipilih sebagai faktor-faktor dalam model.
&iap tingkatan dari suatu faktor dapat mempunyai akibat garis lurus berbeda atas nilai dari
variabel dependen. %i'ed effectsn factors secara umum dianggap sebagai variabel-variabel
dengan nilai-nilai yang di(akili dalam arsip data. andom effects factors adalah variabel-
varabel dengan nilai-nilai dalam arsip data dapat dipertimbangkan suatu sampel acak dari
nilai-nilai populasi yang lebih besar. )al ini bermanfaat untuk menjelaskan variabilitas
berlebihan dalam variabel dependen.
Pemakaian GLM Univariate untuk Melaksanakan Analisis Dua Faktor dari Kebiasaan
Pembelian Pelanggan
#uatu jaringan toko kelontong, sebagai contoh, tertarik pada akibat dari lima jenis kupon
belanja pelanggan. *upon ini diberikan di beberapa lokasi toko, kepada pelanggan yang
1
-
8/16/2019 LATIHAN KESEMBILAN
2/23
sering mengunjungi dan berbelanja di lokasi itu+ satu kupon yang dipilih secara acak untuk
setiap pelanggan.
enis kupon adalah akibat tetap karena perusahaan tertarik pada kupon tertentu. Lokasi toko
adalah akibat acak karena lokasi yang dipakai adalah sampel dari populasi yang lebih besar
dari minat, dan sementara itu terdapat kemungkinan untuk mengalami variasi toko-ke-toko i
dalam konsumen berbelanja, perusahaan tidak langsung tertarik pada variasi dalam konteks
dari masalah ini.
*ovariat. Prediktor-prediktor kuantitatif harus dipilih sebagai kovariat dalam model. ilai-
nilai kovariat, dalam kombinasi tingkat-tingkat faktor atau sel, diasumsikan berkorelasi
linear dengan nilai-nilai variabel dependen.
nteraksi. Prosedur General Linear Model Univariate menghasilkan model dengan semua
interaksi faktorial. )al ini berarti bah(a setiap kombinasi dari tingkat-tingkat faktor dapat
memiliki akibat linear yang berbeda pada variabel dependen. )al lain dapat menentukan
interaksi faktor-kovariat, jika kepercayaan terdapat bah(a hubungan linear antara kovariat
dan perubahan variabel dependen untuk berbagai tingkat faktor.
General Linear Model Univariate, untuk keperluan pengujian hipotesis mengenai perkiraan
parameter, mengandung asumsi /
0. ilai-nilai kesalahan adalah independen satu sama lain dan variabel dalam model.
1esain penelitian yang baik umumnya menghindari pelanggaran atas asumsi ini.
2. !ariabilitas dari kesalahan adalah konstan di sel. )al ini akan sangat penting ketika
terdapat ukuran sel yang tidak sama+ yaitu, nomor yang berbeda dari pengamatan di
kombinasi faktor-tingkat.
3. *esalahan memiliki distribusi normal dengan rata-rata 4.
Pemakaian General Linear Model Univariate. Langkah untuk Melakukan 5nalisis 1ua-%aktor
kebiasaan pembelian Pelanggan.
#uatu jaringan toko kelontong yang disurvei satu set pelanggan mengenai kebiasaan
pembelian mereka. )asil survei dan berapa banyak setiap pelanggan membelanjakan pada
bulan sebelumnya, toko ingin melihat apakah frekuensi dengan yang pelanggan toko ini
terkait dengan jumlah yang mereka habiskan di bulan, mengendalikan jenis kelamin pelanggan.
2
-
8/16/2019 LATIHAN KESEMBILAN
3/23
nformasi ini dikumpulkan dalam arsip data grocery60month.sav. Prosedur General Linear
Model Univariate dipakai untuk melakukan analisis 5nova dua faktor 7atau dua arah8 pada
jumlah yang dibelanjakan
Pelaksanaan Analisis
Perintah 5naly9e : General Linear Model : Univariate dipakai. Langkah ini akan
menyajikan kotak dialog Univariate sebagai berikut /
3
-
8/16/2019 LATIHAN KESEMBILAN
4/23
5mount spent dipilih sebagai variabel dependen. Gender dan #hopping style dipilih sebagai
fi'ed factors. &ombol Plots ditekan. Langkah ini akan menyajikan kotak dialog Univariate /
Profile Plots sebagai berikut /
!ariabel style dipilih sebagai variabel hori9ontal a'is. !ariabel gender dipilih sebagai variabel
separate lines. &ombol 5dd ditekan. &ombol "ontinue ditekan. &ombol Post )oc ditekan.
Langkah ini akan menyajikan kotak dialog Univariate / Post )oc Multiple "omparations for
;bserved Means sebagai berikut /
4
-
8/16/2019 LATIHAN KESEMBILAN
5/23
!ariabel style dipilih sebagai variabel untuk mana pengujian-pengujian post hoc akan
dihasilkan. &ukey dipilih dalam
-
8/16/2019 LATIHAN KESEMBILAN
6/23
plot. style. Print
membtuhkan statistik deskriptif, estimasi dari ukuran akibat, dan pengujian homogenitas.
1esign dipakai untuk melakukan spesifikasi atas variabel gender, style, dan gender>style
sebagai akibat-akibat dalam model, #emua peluang lain ditentukan sesuai dengan nilai-nilai
ketentuan.
.
Descriptive Statistics
Descri !i"e S!a!is!ics
1ependent !ariable/ 5mount spent
Gender #hopping style Mean #td. 1eviation
Male $i(eekly+ in bulk 03,4HFI J4,KHFI 3F
Beekly+ similar items 4,JH I JK,23KH4 024
;ften+ (hat@s on sale 4I,II I HJ,3333 34
&otal 34,34 3 J3, IKII 0KF
%emale $i(eekly+ in bulk 3 3,JIH3 044, I24I 3F
Beekly+ similar items 3H0,I24F J4, H4IH 042
;ften+ (hat@s on sale 4F,I2HJ K4,FI4FK 2J
&otal 3HF,HHI0 J2,H 4FK 0HH
&otal $i(eekly+ in bulk 3IK,F204 040,2FK3J I4
Beekly+ similar items 4 ,FFF2 042, K 4 222
;ften+ (hat@s on sale 4H,IHK0 I , 200 FJ
&otal 3JJ,I3F2 JK, 4K20 3F0
&abel ini menyajikan statistik deskriptif untuk tiap kombinasi dari faktor-faktor dalam model.
)al ini mengungkap akibat dari variabel #hopping style, secara rata-rata dua mingguan para
pelanggan membelanjakan 3IK.F2, sedangkan para pelanggan membelanjakan mingguan
4 .FF, dan para pelanggan yang sering berbelanja mencerminkan belanja 4H.IH.
Pengaruh dari Gender juga disajikan, secara rata-rata, orang laki-laki dalam sampel
membelanjakan 34.34 jika dibanding dengan belanja pelanggan perempuan 3HF.HH.
5kibat interaksi antara Gender dan #hopping style terdapat karena perbedaan-perbedaan rata-
rata dalam jumlah belanja menurut shopping style berubah-ubah antara genders. Para
pelanggan laki-laki membelanjakan dua mingguan cenderung lebih besar daripada pelanggan
laki-laki yang sering berbelanja akan tetapi tren ini berbeda untuk para pelanggan perempuan
yang berbelanja dua mingguan dan sering berbelanja. *olom dalam tabel itu mengungkap
ukuran-ukuran sel adalah berbeda. *ebanyakan pelanggan mengutamakan berbelanja
6
-
8/16/2019 LATIHAN KESEMBILAN
7/23
mingguan. 1eviasi standar relatif homogen, (alau hal ini memerlukan pengecekan atas
Levene s test spread-versus-level plots untuk meyakinkan.
Pengujian Homogenitas arians
#e"ene$s Tes! %& E'uali!( %& Err%r Variances a
1ependent !ariable/ 5mount spent
% df0 df2 #ig.
0,0FI F 3 F ,334
&ests the null hypothesis that the error variance of the dependent variable is e=ual across groups.
a. 1esign/ ntercept N gender N style N gender > style
&abel ini dipakai untuk menguji hipotesis nol bah(a varians dari kesalahan-kesalahan adalahkonstan sepanjang sel-sel yang ditentukan oleh kombinasi factor levels. ilai signifikansi dari
pengujian ini adalah 4.334, nilai ini adalah lebih besar daripada nilai 4.04, hal ini berarti
bah(a tidak terdapat alasan untuk mempercayai bah(a asumsi mengenai e=ual variance
mengalami penyimpangan. Perbedaan kecil dalam kelompok dari deviasi standar yang
diobservvasi dalam tabel statistik deskriptif disebabkan oleh variasi acak. &abel ini menguji
hipotesis nol bah(a varians dari istilah kesalahan adalah konstan di sel ditentukan oleh
kombinasi dari tingkat faktor, karena nilai signifikansi tes, 4.334 , lebih besar dari 4,04 , tidak
ada alasan untuk percaya bah(a asumsi varians yang sama dilanggar . 1engan demikian ,
perbedaan-perbedaan kecil dalam kelompok standar deviasi diamati pada tabel statistik
deskriptif adalah karena variasi acak.
Plot spread - versus- tingkat adalah penyebaran sel rata-rata dan deviasi standar dari tabel
statistik deskriptif . )al ini memberikan pengujian secara visual dari asumsi varians yang
7
-
8/16/2019 LATIHAN KESEMBILAN
8/23
sama , dengan manfaat tambahan yaitu membantu untuk menilai apakah pelanggaran asumsi
adalah karena hubungan antara rata-rata sel dan deviasi standar d. Pola yang jelas dalam plot
ini tidak terdapat, sehingga indikasi hubungan seperti itu juga tidak terdapat di sini .
Mul!i le C%) aris%ns De enden! Variable: A)%un! s en!
Tu*e( +SD
7 8 #hopping style 7 8 #hopping styleMean
1ifference7 - 8
#td.
-
8/16/2019 LATIHAN KESEMBILAN
9/23
&abel subset homogen meja menyajikan hasil tes post hoc dan menunjukkan mereka dalam
bentuk yang lebih mudah diinterpretasi. *olom bagian tingkat faktor yang tidak memiliki
akibat yang berbeda secara signifikan akan ditampilkan dalam kolom yang sama. $agian
pertama, dalam contoh ini, berisi pelanggan dua mingguan , mingguan , dan sering .
)al ini mencakup semua pelanggan, sehingga tidak ada subset lainnya. &es post hoc
menunjukkan bah(a upaya menarik pelanggan untuk berbelanja lebih sering dari biasanya
tersisihkan karena mereka tidak akan berbelanja lebih signifikan. )asil tes post hoc tidak
memperhitungkan tingkat faktor-faktor lain, sehingga mengabaikan kemungkinan akibat
interaksi dengan gender jika diamati pada tabel statistik deskriptif . "ara estimasi marginal
estimasi perlu diamati untuk melihat bagaimana hal ini mungkin mengubah kesimpulan.
!stimated Marginal Means
,ender - Sh% in s!(le
1ependent !ariable/ 5mount spent
Gender #hopping style Mean #td.
-
8/16/2019 LATIHAN KESEMBILAN
10/23
Plot profil adalah representasi visual dari tabel rata-rata marjinal. &ingkat faktor gaya belanja
diperlihatkan sepanjang sumbu horisontal. $aris terpisah diproduksi untuk setiap tingkat
Gender. &ingkat faktor gender dapat ditampilkan sepanjang sumbu horisontal , dengan garis-
garis yang terpisah diproduksi untuk setiap tingkat gaya berbelanja.
-
8/16/2019 LATIHAN KESEMBILAN
11/23
5nalisis ini adalah analisis tabel varians. #etiap unsur dalam model, ditambah model secara
keseluruhan, diuji kemampuannya untuk memperhitungkan variasi dalam variabel dependen.
Label variabel tidak ditampilkan dalam tabel ini. ilai signifikansi untuk setiap unsur, kecuali
style adalah kurang dari 4,4F #etiap unsur, kecuali style, oleh karena itu, adalah signifikan
secara statistik. *uadrat parsial eta statistik menganedung penjelasan praktis mengenai
peranan penting setiap unsur, berdasarkan rasio variasi 7jumlah kuadrat8 dicatat dengan
unsur, dengan jumlah dari variasi dicatat dengan unsur dan variasi kiri kesalahan . ilai yang
lebih besar dari kuadrat parsial eta menunjukkan jumlah yang lebih besar dari variasi dicatat
dengan unsur model, untuk maksimal 0. Persyaratan individu, sementara signifikansi secara
statistik, tidak memiliki efek yang besar pada nilai jumlah berbelanja.
&es post hoc, dalam contoh ini, tidak mengungkapkan perbedaan dalam pengeluaran antara
pelanggan yang berbelanja dua mingguan dan mereka yang berbelanja lebih sering, akan
tetapi, rata-rata marginal diperkirakan dan plot profil mengungkapkan interaksi antara dua
faktor, menunjukkan bah(a pelanggan laki-laki yang berbelanja seminggu sekali lebih
menguntungkan daripada mereka yang berbelanja lebih sering, sementara pola terbalik untuk
pelanggan (anita. #ignifikansi pengaruh interaksi ini dikonfirmasi oleh hasil tabel 5nova.
Pe)a*aian ,eneral #inear M%del ni"aria!e un!u* Mela*u*an Analisis 3%"arian
Para pendukung program pekerjaan pemerintah ingin melihat apakah program itu membantu
orang menjadi pekerjaan yang lebih baik, mengontrol gaji mereka sebelum memasuki
program. #ebuah sampel dari peserta program potensial diikuti, beberapa di antaranya dipilih
secara acak untuk pendaftaran dalam program ini, sementara yang lain tidak. Prosedur GLM
Univariate dipakai untuk melakukan analisis kovarians 75ncova8 pada pendapatan setelah
program. 5sumsi tambahan 5ncova adalah bah(a interaksi yang signifikan tidak terdapat
antara kovariat dan faktor.
Pelaksanaan Analisis
11
-
8/16/2019 LATIHAN KESEMBILAN
12/23
Perintah 5naly9e : General Linear Model : Univariate dipakai. Langkah ini akan
menyajikan kotak dialog Univariate.
5mount spent dipilih sebagai variabel dependen. Bho shopping for dan Use coupons dipilih
sebagai fi'ed factors. &ombol ;ptions ditekan. Lankah ini akan menyajikan kotak dialog
Univaariate / ;ptions sebagai berikut /
12
-
8/16/2019 LATIHAN KESEMBILAN
13/23
-
8/16/2019 LATIHAN KESEMBILAN
14/23
&ests of bet(een-subjects effects mengungkap bah(a unsur-unsur model mempunyai nilai
signifikansi adalah kurang daripada nilai 4.4F, unsur-unsur ini secara statistik adalah
signifikan. !ariabel #tore 1 ditambahkan sebagai suatu random-effects factor untuk
mengungkap apakah model dapat diperbaiki atau tidak.
#tore 1 dipilih sebagai random factor.
"ustom dipilih sebagai model type. !ariabel shopfor dan usecoup dipilih dalam %actors dan
"ovariates list. Main effects dipilih untuk model. !ariabel shopfor dan usecoup dipilih dalam
14
-
8/16/2019 LATIHAN KESEMBILAN
15/23
%actors and "ovariates list. nteraction dipilih untuk model. !ariabel storeid dalam %actors
dan "ovariates list dipilih. &ombol "ontinue ditekan. &ombol ;* ditekan. Langkah-langkah
ini akan mencipta perintah sintaksis sebagai berikut /
U 5 ;!5 amtspent $C shopfor usecoup storeid D 5 1;M?storeid DM
-
8/16/2019 LATIHAN KESEMBILAN
16/23
pengurangan proporsional dalam variasi dijelaskan oleh masing-masing efek utama adalah
tidak sama besar seperti pengurangan variasi dijelaskan . 1engan demikian, eta parsial
kuadrat meningkat untuk masing-masing efek Model .
Sin!a*sis ,abun an
#intaksis gabungan adalah sebagai berikut />>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 5bdullah M. aubah>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
G
-
8/16/2019 LATIHAN KESEMBILAN
17/23
Be!/een0Sub1ec!s 4ac!%rs
!alue Label
Gender 4 Male 0KF
0 %emale 0HH
#hopping style 0 $i(eekly+ in bulk I4
2 Beekly+ similar items 222
3 ;ften+ (hat@s on sale FJ
Descri !i"e S!a!is!ics
1ependent !ariable/ 5mount spent
Gender #hopping style Mean #td. 1eviation
Male $i(eekly+ in bulk 03,4HFI J4,KHFI 3F
Beekly+ similar items 4,JH I JK,23KH4 024
;ften+ (hat@s on sale 4I,II I HJ,3333 34
&otal 34,34 3 J3, IKII 0KF
%emale $i(eekly+ in bulk 3 3,JIH3 044, I24I 3F
Beekly+ similar items 3H0,I24F J4, H4IH 042
;ften+ (hat@s on sale 4F,I2HJ K4,FI4FK 2J
&otal 3HF,HHI0 J2,H 4FK 0HH
&otal $i(eekly+ in bulk 3IK,F204 040,2FK3J I4
Beekly+ similar items 4 ,FFF2 042, K 4 222
;ften+ (hat@s on sale 4H,IHK0 I , 200 FJ
&otal 3JJ,I3F2 JK, 4K20 3F0
#e"ene$s Tes! %& E'uali!( %& Err%r Variances a
1ependent !ariable/ 5mount spent
% df0 df2 #ig.
0,0FI F 3 F ,334
&ests the null hypothesis that the error variance of the dependent variable is e=ual across groups.
a. 1esign/ ntercept N gender N style N gender > style
Tes!s %& Be!/een0Sub1ec!s E&&ec!s
1ependent !ariable/ 5mount spent
17
-
8/16/2019 LATIHAN KESEMBILAN
18/23
#ource
&ype #um of
#=uares df Mean #=uare % #ig.
Partial
-
8/16/2019 LATIHAN KESEMBILAN
19/23
A)%un! s en!
&ukey )#1 a,b,c
#hopping style
#ubset
0
$i(eekly+ in bulk I4 3IK,F204Beekly+ similar items 222 4 ,FFF2
;ften+ (hat@s on sale FJ 4H,IHK0
#ig. ,00H
Means for groups in homogeneous subsets are displayed.
$ased on observed means.
&he error term is Mean #=uare7
-
8/16/2019 LATIHAN KESEMBILAN
20/23
Pr%&ile Pl%!s
20
-
8/16/2019 LATIHAN KESEMBILAN
21/23
U 5 ;!5 amtspent $C shopfor usecoup DM
-
8/16/2019 LATIHAN KESEMBILAN
22/23
Tes!s %& Be!/een0Sub1ec!s E&&ec!s
1ependent !ariable/ 5mount spent
#ource &ype #um of #=uares df Mean
#=uare % #ig.Partial
-
8/16/2019 LATIHAN KESEMBILAN
23/23
itu mungkin merupakan model bermanfaat dan akan membutuhkan pemasukan data tersebut
dalam proses pengumpulan data.
Prosedur General Linear Model Univariate bermanfaat untuk pemodelann hubungan linear
antara bariabel dependen berjenis kuantitatif dan satu atau lebih variabel berjenis kategorikal
dan prediktor-prediktor bejenis kuantitatif. Prosedur ;ne Bay 5nova dipakai jika hanya
terdapat satu faktor saja. Prosedur linear regression dipakai jika hanya terdapat satu kovariat
#intaksis gabungan disajikan dan disimpan dalam arsip sintaksis. )asil pelaksanaan sintaksis
gabungan juga disajikan.
Penulis mengharap kritik dari para pembaca.
Da&!ar 3e us!a*aan
$M #P## #tatistics, nc. 2403. Case Studies
Per)a!a De %* Re enc(6 72 A ril 2879
23