TABEL KONTINGENSI MULTI ARAH DAN MODEL LOG LINEAR

Slides:



Advertisements
Presentasi serupa
REGRESI LOGISTIK BINER
Advertisements

Analisis Data: Memeriksa Perbedaan
Pemeriksaan Asumsi.
Regresi dengan Respon Biner
Nonparametrik: Data Tanda
Statistika Matematika I Semester Ganjil 2011 Rahma Fitriani, S.Si., M.Sc.
BAB XIII REGRESI BERGANDA.
Statistika Matematika 1
BAB VI REGRESI SEDERHANA.
Bab 11B Nonparametrik: Data Peringkat II Bab 11B
PENDUGAAN SELANG (INTERVAL) NILAI TENGAH
UJI KEBAIKAN SUAI DENGAN PARAMETER DIKETAHUI
Bab 12 Nonparametrik: Data Tanda Bab
STATISTIKA INDUSTRI IEG2E3
PENGUJIAN HIPOTESIS (bagian 1)
ANALISIS RAGAM (VARIANS)
PROBABILITAS PENDUGAAN PARAMETER PEUBAH LATEN KEMISKINAN RELATIF.
METODE STATISTIKA (STK211)
Uji Hipotesis.
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
Uji Perbandingan / Beda Dua Nilai Tengah
SEBARAN PELUANG BERSAMA 2
MODUL XII ANALISIS RAGAM KLASIFIKASI DUA ARAH DENGAN INTERAKSI
PELUANG TOTAL DAN KAIDAH BAYES
TEORI PENDUGAAN (TEORI ESTIMASI)
Uji Chi Kuadrat Statistika Pertemuan 14.
ANALISIS DATA KATEGORIK
METODE STATISTIKA (STK211)
ANALISIS DATA KATEGORIK
REGRESI LOGISTIK BINER
ANALISIS REGRESI DAN KORELASI
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER
MODUL X Kn Kn  ( Xij X ) = [( Xi. X ..) [( Xij X )
Analisis Korelasi dan Regresi
Dalam Rancangan Acak Lengkap (RAL)
CHI KUADRAT.
MODEL LOG LINIER (Lanjutan)
Statistika Matematika I
Pemeriksaan Asumsi Sebaran Data
RAL (Rancangan Acak Lengkap)
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
MENDETEKSI PENGARUH NAMA : NURYADI.
BAB 2 LOGARITMA.
Topik Bahasan: UJI CHI KUADRAT (2) Uji chi kuadrat-statistika 2.
MODUL VII   2 akan besar sehingga (oi ei)  2 =  2
Dalam Rancangan Acak Kelompok Lengkap (RAKL)
TEORI PENARIKAN CONTOH DAN SEBAGAINYA
PENDUGAAN SELANG RAGAM DAN PROPORSI
PROBABILITAS dan DISTRIBUSI
RANCANGAN SPLIT PLOT.
MODEL LOG LINIER Gangga Anuraga.
SEBARAN PELUANG DISKRIT KHUSUS 1
ANALISIS DATA KATEGORIK
Penerapan selain sebaran Normal
BAB 14 PENGUJIAN HIPOTESIS SAMPEL KECIL
Materi Pokok 21 RANCANGAN KELOMPOK
PEMBANDINGAN GANDA PADA RANCANG KELOMPOK
SEBARAN PEUBAH ACAK KONTINU KHUSUS 1
Generalized Linear Model pada Data Berdistribusi Poisson (Studi kasus : Banyaknya Jumlah kecelakaan lalu lintas berdasarkan faktor jumlah pelanggaran.
FUNGSI PEMBANGKIT MOMEN P.A. DISKRIT KHUSUS
METODE PENELITIAN PENDAHULUAN E. Syahrul.
Pendugaan Parameter Regresi Logistik
STATISTIKA 2 2. Distribusi Sampling OLEH: RISKAYANTO
STATISTIKA 2 8. ANOVA OLEH: RISKAYANTO
Model Linier untuk data kontinyu (lanjut)
Pendugaan Parameter Statistika Matematika II
Pendugaan Parameter Statistika Matematika II
Uji Hipotesis yang melibatkan Ragam
TEORI PENDUGAAN (TEORI ESTIMASI)
Statistika Matematika II Semester Genap 2011/2012
Transcript presentasi:

TABEL KONTINGENSI MULTI ARAH DAN MODEL LOG LINEAR Materi Pokok 18 TABEL KONTINGENSI MULTI ARAH DAN MODEL LOG LINEAR Konsep Model Log Linear Pada uji kebebasan sebelumnya melibatkan dua faktor. Analisis dan model diperluas untuk tiga atau lebih faktor misalnya tiga faktor dengan notasi A, B, dan C. Faktor A mempunyai I kategori Faktor B mempunyai J kategori dan Faktor C mempunyai K kategori Ai = individu yang dipilih secara acak dari kategori I faktor A. Bj = dari kategori j faktor B. Ck = dari kategori k faktor C dan secara serentak Ai Bj Ck dengan ijk = P(Ai Bj Ck).

Frekuensi pengamatannya = Nijk. Setiap taraf dari faktor C dapat ditampilkan tabel dua arah I x J. Contoh 18.1 Tabel dua arah untuk taraf kidal dan tidak kidal n = N … 1 + N … 2 = 127 + 23 = 150 Kidal Tidak Kidal Pria Wanita Ni . 1 Ni . 2 Kr > Kn 2 55 57 6 Kr = Kn 10 18 28 8 Kr < Kn 14 42 9 N . j1 40 87 127 N . j2 12 11 23

ln (Eij) =  + i + j + ij Jika ij = 0 untuk semua i, j, kedua faktor adalah bebas dan jika ij  0 untuk sekurang-kurangnya sepasang i, j dari kedua faktor berinteraksi. Log Linear Model Untuk Tiga Faktor Model: maka ada IJK parameter bebas yang dapat ditentukan didalam model

Antilog dari model M1. Pada model ini faktor A, B, C saling bebas Pijk = P(Ai Bj Ck) = P(Ai) P(Bj) P(Ck) Model M2 = Pijk = P(Ai Bj Ck) = P(Ai Bj) P(Ck) faktor ketiga bebas dengan faktor pertama dan kedua dan disebut bebas parsial.

Model M3 = Pijk = (Pij .) (Pi . k)/Pi …. Peluang bersyarat Bj dan Ck dengan syarat Ai :

Diperoleh dengan iterasi Pencocokan Model Derajat bebas = IJK = 1 Derajat bebas pada M2 adalah IJK – 1 – (IJ + K – 2) = (IJ – 1) (K – 1) Model Deskripsi M1 Bebas sempurna M2 Bebas parsial [(A, B) dan C] M3 Bebas bersyarat [(B dan C) syarat A] M4 Asosiasi konstan Diperoleh dengan iterasi

Model Derajat Bebas M1 IJK – 1 – J – K + 2 M2 (IJ – 1) (K – 1) M3 I (J – 1) (K – 1) M4 (I – 1) (J – 1) (K – 1) Statistika uji untuk kesuaian model sebagai patokan kesuaian model. Jika model tidak suai maka jauh lebih kecil dari sehingga 2 mempunyai nilai positif cukup besar berarti model tidak suai.

Bila model Mt adalah benar, dugaan nilai harapan sel, dan 5 untuk semua I, j, k, maka statistik G2 mempunyai sebaran Khi-Kuadrat dengan derajat bebas sesuai dengan model Mt. Contoh 18.2 Makalah tentang ekologi menampilkan data tentang dua spesies kadal. Untuk memeriksa kesuaian model bebas bersyarat A dan B untuk tiap taraf C dugunakan model M3 data yang diperoleh adalah sebagai berikut: Spesies 1 Tinggi Diameter Ni . 1 H L 32 11 43 86 35 121 N . j1 118 46 164

Spesies 2 Tinggi Diameter Ni . 2 H L 61 41 102 73 70 143 N . j2 134 111 245 Spesies 1 Spesies 2 30,94 12,06 43 55,79 46,21 102 87,06 33,94 121 78,21 64,79 143 118 46 164 134 111 245

Pendugaan Model M4. Pendugaan dimulai dengan memilih untuk i, j, k dan kemudian membangkitkan serangkaian dugaan dan menyesuaikan dengan syarat pertama, kedua, ketiga dst sampai diperoleh dugaan yang memuaskan.