ANALISIS KARAKTERISTIK SOSIOLOGIS RESPONDEN PRA PEMILU 2009 MENGGUNAKAN METODE LOGLINEAR DAN METODE CHAID
LELY KURNIA
SEKOLAH P ASCASARJANA INSTITUT PERTANIAN BOGOR 2010
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Analisisis Karakteristik Sosiologis Responden Pra Pemilu 2009 Menggunakan Metode Loglinear dan Metode CHAID adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. 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 dibagian akhir tesis ini.
Bogor, Agustus 2010 Lely Kurnia NRP G151080061
ABSTRACT
LELY KURNIA. Analysis Characteristics of The Sosiologis Respondent Pre-Election in 2009 using Loglinear and CHAID Method. Under Direction of BUNAWAN SUNARLIM and UTAMI DYAH SYAFITRI. This research studied about the respondents’ characteristic at the legislative pregeneral election in 2009. The researcher used statistic analysis to see the association and structural connection between variables as the characteristic of voters’ behavior. The data used in this study is gotten from the result of a survey on voters’ behavior in the form of counting and category data, that’s why the statistic methods used here were loglinear and CHAID. The result of loglinear analysis on the characteristics of pre-general election (gender, economic status, age, and party choice) showed that there were effect between the variables and their interaction, the second and third interaction. The main variables which significant were economic status, age and party choice, mean while the second interaction which significant were economic status and party, age and party choice and the third interaction are gender, economic status and age. In other way the Analysis of CHAID showed that the variables having the strongest association with the party choice is age. CHAID method at the analysis of respondent characteristics of voters in the election resulted in five segments of the party choice of respondents. In each segment, the old party is still the party that is trusted by respondents to represent their voice in parliament. Keywords : Contingency tables, voting behavior, loglinear methods and CHAID methods
RINGKASAN
LELY KURNIA. Analisis Karakteristik Sosiologis Responden Pra Pemilu 2009 Menggunakan Metode Loglinear dan Metode CHAID. Dibimbing oleh BUNAWAN SUNARLIM dan UTAMI DYAH SYAFITRI. Indonesia dengan adanya sistem multipartai memberikan perubahan terhadap perolehan suara. Perilaku pemilih merupakan informasi yang penting dalam menentukan perolehan suara pada pemilu. Salah satu pendekatan yang dapat dilakukan dalam memahami perilaku pemilih adalah pendekatan sosiologis. Dalam mengkaji keterkaitan perilaku pemilih dan perolehan suara dapat digunakan analisis statistik loglinear dan metode CHAID. Penelitian ini mengkaji tentang karakteristik respoden pra pemilu legislatif 2009. Penulis menggunakan analisis statistik untuk melihat asosiasi dan keterkaitan struktural antar peubah-peubah yang menjadi karakteristik perilaku pemilih. Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data hasil Survey Nasional Perilaku Pemilih Pra Pemilu yang dilakukan oleh Pusat Kajian Ilmu Politik Universitas Indonesia pada bulan Februari 2009 terhadap 2077 responden yang tersebar di berbagai desa pada seluruh provinsi di Indonesia. Pada penelitian ini pengambilan sampel dilakukan dengan metode multistage random sampling. Responden adalah individu yang di ambil dari KK (Kartu Keluarga) yang terpilih dengan menggunakan metode kish grid. Dalam kajian ini, data yang perolehan suara merupakan data counting dan kategori sehingga metode statistik yang dapat digunakan adalah loglinear dan CHAID Tahapan analisis yang dilakukan dalam penelitian ini antara lain menyeleksi/ screening data, eksplorasi data dengan membuat tabel kontingensi empat arah yang masing-masing menggambarkan peubah-peubah demografi (gender, usia, status ekonomi) dan pilihan partai dari responden. Membuat deskripsi umum mengenai karakteristik responden pra pemilu 2009. Menyusun model loglinear dan uji kesesuaian model. Analisis lanjut untuk melihat interaksi antar peubah baik interaksi tingkat dua, tiga, atau tingkat empat dan membentuk model parsimoni dengan prosedur backward elimination. Analisis residual pada model loglinear yang terbentuk untuk melihat kebaikan model. Analisis data dengan metode CHAID untuk menganalisis keterkaitan struktural antar peubah yang diamati. Pada metode ini yang akan dijadikan sebagai peubah respon adalah pilihan partai sedangkan peubah lainnya sebagai peubah penjelas. Hasil analisis loglinear terhadap peubah gender, status ekonomi, usia dan pilihan partai yang merupakan karakteristik pemilih pra pemilu menunjukkan bahwa terdapat pengaruh dari peubah tersebut dan interaksinya baik interaksi tingkat dua maupun interaksi tingkat tiga. Peubah yang signifikan diantaranya adalah status ekonomi, usia dan partai sedangkan interaksi antar peubah yang signifikan adalah ekonomi dan partai, usia dan partai, dan interaksi gender, status ekonomi dan usia. Analisis CHAID menunjukkan bahwa peubah yang mempunyai asosiasi paling kuat
dengan pilihan partai adalah usia. Metoda CHAID pada analisis karakteristik responden pemilih dalam pemilu menghasilkan lima segmentasi terhadap pilihan partai yaitu responden yang berusia > 45 tahun, responden kelompok ekonomi menengah atas yang berusia 17-34 tahun, responden kelompok ekonomi menengah atas yang berusia 35-44 tahun, responden laki-laki kelompok ekonomi bawah dan responden perempuan kelompok ekonomi bawah. Pada masing-masing segmentasi, partai lama masih merupakan partai yang dipercaya oleh responden untuk mewakili suara mereka di parlemen. Kata kunci : Tabel Kontingensi, Perilaku Pemilih, Model Loglinear, Metode CHAID
© Hak Cipta milik IPB, tahun 2010 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 IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya tulis dalam bentuk apapun tanpa izin IPB
ANALISIS KARAKTERISTIK SOSIOLOGIS RESPONDEN PRA PEMILU 2009 MENGGUNAKAN METODE LOGLINEAR DAN METODE CHAID
LELY KURNIA
Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Statistika
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2010
Judul Tesis
: Analisis Karakteristik Sosiologis Responden Pra Pemilu 2009 Menggunakan Metode Loglinear dan Metode CHAID
Nama
: Lely Kurnia
NRP
: G151080061
Program Studi
: Statistika
Disetujui, Komisi Pembimbing
Ir. Bunawan Sunarlim, M.S. Ketua
Utami Dyah Syafitri, M.Si. Anggota
Diketahui,
Ketua Program Studi Statistika
Dekan Sekolah Pascasarjana IPB
Dr. Ir. Erfiani, M.Si.
Prof. Dr. Ir. Khairil A. Notodiputro, M.S.
Tanggal Ujian : 19 Agustus 2010
Tanggal lulus :
PRAKATA
Puji dan syukur penulis ucapkan kehadirat Allah SWT atas segala limpahan rahmat dan karunia-Nya sehingga penulis bisa menyelesaikan karya ilmiah ini. Judul karya ilmiah ini adalah “Analisis Karakteristik Sosiologis Responden Pra Pemilu 2009 Menggunakan Metode Loglinear dan Metode CHAID”. Karya ini merupakan salah satu syarat kelulusan yang harus dipenuhi untuk mendapatkan gelar master Sains pada Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Dalam penulisan karya ilmiah ini penulis banyak mendapatkan banyak ilmu, inspirasi, dan pelajaran yang begitu berharga, sehingga penulis ingin mengucapkan banyak terima kasih, diantaranya kepada Bapak Ir. Bunawan Sunarlim, MS dan Ibu Utami Dyah Syafitri, M.Si selaku pembimbing I dan pembimbing II atas bimbingannya dan telah memberikan waktu, saran dan masukkannya kepada penulis. Disamping itu, terima kasih penulis ucapkan kepada seluruh dosen Departemen Statistika IPB terutama kepada Bapak Dr. Ir. I Made Sumertajaya, M.Si selaku penguji tesis atas nasehat dan ilmu yang bermanfaat dan Ibu Dr. Ir. Erfiani, M.Si selaku ketua Program Studi. Selanjutnya ucapan terimakasih penulis sampaikan kepada Direktur Pusat Kajian Ilmu Politik Universitas Indonesia yang telah bersedia memberikan data sebagai bahan analisis pada penelitian ini. Ucapan terimakasih juga saya sampaikan kepada Dirjen Perguruan Tinggi atas beasiswa yang diberikan kepada penulis, serta semua teman-teman S2 dan S3 Statistika dan Statistika Terapan IPB atas sumbangan sarannya, terimakasih atas kebersamaannya. Semoga karya ilmiah ini dapat bermanfaat.
Bogor, Agustus 2010
Lely Kurnia
RIWAYAT HIDUP
Penulis dilahirkan di Padang Panjang, Sumatera Barat pada tanggal 13 Maret 1983 sebagai anak kelima dari lima bersaudara, anak dari pasangan Wilmar dan Asnidar. Penulis menyelesaikan pendidikan SMA di SMAN 1 Padang Panjang dan melanjutkan perkuliahan di Universitas Negeri Padang Fakutas MIPA jurusan Matematika. Pada tahun 2008 penulis diterima di program studi Statistika Pascasarjana IPB, dengan beasiswa dari Direktorat Jenderal Perguruan tinggi. Penulis bekerja sebagai staf pengajar di Sekolah Tinggi Agama Islam Negeri Batusangkar sejak tahun 2006 pada Fakultas Tarbiyah jurusan Pendidikan Matematika. Mata kuliah yang diampu penulis antara lain : Statistika Dasar, Kalkulus Peubah Banyak I dan II, Geometri Transformasi.
Penguji Luar Komisi pada Ujian Tesis : Dr. Ir. I Made Sumertajaya, M.Si.
v
DAFTAR ISI Halaman
DAFTAR TABEL ...........................................................................................
vi
DAFTAR GAMBAR ...................................................................................... vii DAFTAR LAMPIRAN ................................................................................... viii PENDAHULUAN Latar Belakang ........................................................................................ Tujuan ....................................................................................................
1 2
TINJAUAN PUSTAKA Perilaku Pemilih ..................................................................................... 3 Partai Politik ........................................................................................... 3 Model Loglinear untuk Tabel Kontingensi ............................................. 4 Model Loglinear untuk Tabel Kontingensi Dua Arah ............................ 5 Model Loglinear untuk Tabel Kontingensi Tiga Arah ............................ 7 Pemilihan Model ..................................................................................... 8 Analisis Residual..................................................................................... 9 Sel-sel yang Kosong dalam Tabel Kontingensi ..................................... 9 Metode CHAID ...................................................................................... 10 BAHAN DAN METODE Bahan ...................................................................................................... 13 Metode Analisis ..................................................................................... 15 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Pra Pemilu 2009 ............................ Hasil Analisis Loglinear .......................................................................... Loglinear Model Penuh ........................................................................... Loglinear Model Parsimoni ................................................................... Pendugaan Parameter ............................................................................. Uji Kebaikan Model ................................................................................ Analisis Residual .................................................................................... Metode CHAID ......................................................................................
18 20 21 22 27 28 28 39
KESIMPULAN DAN SARAN ....................................................................... 32 DAFTAR PUSTAKA ..................................................................................... 33 LAMPIRAN .................................................................................................... 35
vi
DAFTAR TABEL Halaman
1 Tabel kontingensi empat arah .................................................................... 20 2 Asosiasi parsial peubah-peubah yang menjadi karakteristik responden .... 21 3 Hasil akhir prosedur backward elimination ................................................ 23 4 Uji asosiasi dua peubah secara bebas .......................................................... 24 5 Tabel kontingensi tiga arah ......................................................................... 25 6 Uji interaksi peubah status ekonomi dan usia pada masing-masing gender .......................................................................................................... 26 7 Uji Kebaikan model .................................................................................... 27 8 Segmentasi CHAID ..................................................................................... 30
vii
DAFTAR GAMBAR Halaman 1 Skema pengambilan sampel ........................................................................ 14 2 Diagram alur analisis data ........................................................................... 16 3 Persentase responden berdasarkan gender ................................................ 18 4 Persentase responden berdasarkan status ekonomi .................................... 18 5 Persentase responden berdasarkan usia ...................................................... 19 6 Persentase responden berdasarkan pilihan jawaban ................................... 19 7 Asosiasi peubah usia dan pilihan partai ..................................................... 25 8 Asosiasi peubah status ekonomi dan pilihan partai .................................... 25 9 Interaksi peubah usia dan status ekonomi pada peubah gender ................. 26 10 Plot sisaan baku terhadap frekuensi observasi ........................................... 28 11 Dendogram pilihan partai berdasarkan karakteristik pemilih ..................... 31
viii
DAFTAR LAMPIRAN Halaman Prosedur eliminasi backward ......................................................................... 35 Tabel kontingensi empat arah ......................................................................... 37 Pendugaan parameter model loglinear sederhana ........................................... 39
1
PENDAHULUAN
Latar Belakang Sejak keberhasilan gerakan reformasi, politik nasional ditandai dengan berubahnya sistem kepartaian menjadi sistem multipartai yang diikuti dengan fenomena berdirinya partai politik baru. Hal ini diatur di dalam UU nomor 1 tahun 1998. Undang-undang ini memungkinkan berbagai elemen masyarakat untuk mendirikan berbagai partai politik sesuai dengan aspirasi yang diperjuangkan. Berdirinya partai politik baru ini merubah dinamika perolehan suara pada setiap penyelenggaraan pemilu. Pada pemilu 1999 terdapat 45 parpol baru, 18 parpol diantaranya mendapatkan perwakilan di DPR. Akumulasi suara yang diperoleh parpol baru 33% dari total suara sah. Pada pemilu 2004 tercatat 24 parpol peserta pemilu, 16 parpol diantaranya meraih kursi di DPR, separuhnya adalah parpol baru (Litbang Kompas, 2009). Pemilu 2009 diikuti 38 parpol, sebanyak 18 peserta merupakan parpol baru. Dari 38 partai politik nasional, terdapat 9 partai yang memenuhi ambang batas perolehan suara (threshold) 2,5%. Sementara 29 partai lainnya harus tersingkir. Dua partai baru, Gerakan Indonesia Raya dan Hati Nurani Rakyat lolos parlementary threshold dan meraih kursi di DPR. Data survey perilaku pemilih pada pemilu 2009 yang dilakukan oleh Puskapol UI (Pusat Kajian Ilmu Politik Universitas Indonesia) memperlihatkan adanya perbedaan proporsi perolehan suara pada partai peserta pemilu yang cukup besar. Perolehan suara oleh partai politik pada setiap penyelenggaraan pemilu tidak terlepas dari bagaimana perilaku pemilih (voting behavior) pada pemilu tersebut. Perilaku pemilih menjadi informasi yang sangat berguna dalam merencanakan program kerja dan kebijakan suatu partai politik. Menurut Haris (2004) secara garis besar, voting behavior pada umumnya dapat diketahui melalui dua sudut pandang, yaitu sudut pandang sosiologis dan psikologis. Ikatan sosiologis seperti agama, kelas sosial, karakteristik demografis dan geografis, umur serta jenis kelamin, secara teoritis dapat digunakan untuk menjelaskan aktivitas dan pilihan politik seseorang. Hal ini di dukung oleh studi perilaku pemilih yang dilakukan Ananta (2004) yang menyatakan bahwa faktor demografis
1
2
(etnis, pendidikan dan kelas sosial) merupakan salah satu penjelas penting dalam menerangkan perilaku pemilih. Dari penjelasan diatas, hal yang menarik untuk dikaji lebih lanjut adalah bagaimana asosiasi antara faktor sosiologis dan perolehan suara pada partai, baik partai lama maupun partai baru. Secara umum data mengenai demografi penduduk sebagai salah satu perilaku pemilih merupakan data cacah yang dapat disajikan dalam bentuk tabel kontingensi. Salah satu metode statistik yang dapat menjelaskan asosiasi antara beberapa peubah pada data kategorik dengan bentuk data cacahan adalah analisis loglinear. Analisis loglinear merupakan metode statistik yang dapat diterapkan pada kasus-kasus data kualitatif untuk mengetahui resiko atau pengaruh dari setiap kategori suatu peubah terhadap peubah lainnya. Disisi lain untuk mengetahui faktor-faktor apa saja yang secara nyata mempengaruhi perolehan suara partai politik dapat digunakan metode CHAID. Metode CHAID merupakan analisis statistik untuk melihat keterkaitan struktural antar peubah kategorik dalam segugus data. Dalam penelitian ini akan digunakan dua metode tersebut, yaitu analisis loglinear dan metode CHAID. Tujuan Penelitian 1. Menyusun model loglinear yang paling sederhana dan dapat menggambarkan asosiasi antar peubah-peubah yang menjadi karakteristik perilaku pemilih pada partai peserta pemilu. 2. Analisis residual pada model loglinear yang terbentuk untuk uji kebaikan model. 3. Menganalisis keterkaitan struktural antar peubah yang menjadi karakteristik pemilih dengan menggunakan metode CHAID.
3
TINJAUAN PUSTAKA
Perilaku Pemilih Agustino (2009) menyebutkan terdapat tiga pendekatan teori yang sering digunakan oleh banyak ahli politik untuk memahami perilaku pemilih diantaranya pendekatan sosiologis, pendekatan psikologis, dan pendekatan pilihan rasional. Pendekatan sosiologis menekankan pentingnya beberapa hal yang berkaitan dengan instrument kemasyarakatan seseorang seperti status sosioekonomi (pendidikan, jenis pekerjaan, pendapatan dan kelas), agama, etnik, bahkan wilayah tempat tinggal. Pendekatan yang kedua yaitu pendekatan psikologis. Pendekatan ini menerangkan bahwa perilaku pemilih sangat bergantung pada sosialisasi politik lingkungan yang menyelimuti diri pemilih. Sosialisasi ini berkenaan dengan nilai dan norma yang diturunkan orang tua, organisasi sosial kemasyarakatan, dan lainnya sebagai bentuk penurunan dan penanaman kepada generasi baru. Pendekatan ketiga, pendekatan pilihan rasional mengasumsikan bahwa pemilih pada dasarnya bertindak secara rasional ketika membuat pilihan dalam tempat pemungutan suara. Partai Politik Partai politik adalah sekelompok manusia yang teorganisir secara stabil dengan tujuan merebut atau mempertahankan penguasaan terhadap pemerintahan bagi pimpinan partainya dan berdasarkan penguasaan ini memberikan kepada anggota partainya kemanfaatan yang bersifat idiil maupun materiil (Budiardjo 1991). Masih menurut Budiardjo (1991), dalam sebuah negara yang menganut demokrasi, partai politik mempunyai tujuan : 1.
Sebagai sarana komunikasi politik, partai politik melakukan komunikasi politik melalui dua arah yaitu dari atas melalui penyebarluasan kebijakankebijakan pemerintah, juga dari bawah dengan cara menyampaikan saran dan tuntutan dari masyarakat melalui wakil-wakilnya yang ada di lembaga tinggi Negara.
3
4
2.
Sebagai sarana sosialisasi, partai menanamkan image yang positif kepada calon pendukungnya, sekaligus memberikan pandangan dan sikap kepada mereka dalam menilai isu-isu politik. Fungsi ini dilakukan melalui kampanye-kampanye dan diskusi-diskusi politik suatu partai dalam usaha memenangkan pemilu.
3.
Sebagai sarana rekruitmen politik, partai politik berfungsi untuk mencari dan mengajak orang yang berbakat untuk turut aktif dalam kegiatan politik sebagai anggota partai.
4.
Sebagai sarana pengatur konflik, dalam suasana demokrasi dimana perbedaan pendapat di masyarakat rentan memunculkan konflik maka partai politik melakukan fungsinya dalam mengatur konflik tersebut supaya tidak menimbulkan pengaruh negatif.
Model Loglinear untuk Tabel Kontingensi Pada tipe data yang mengandung beberapa peubah kategorik untuk melihat hubungan antar peubah biasanya disusun dalam bentuk tabel kontingensi multiarah. Analisis tabel kontingensi dapat dibedakan dalam dua situasi. Dalam situasi pertama, satu peubah merupakan peubah respon dan beberapa peubah adalah peubah penjelas. Tipe tabel kontingensi ini disebut tabel kontingensi asimetrik. Dalam situasi kedua, peubah-peubahnya tidak dibedakan menjadi peubah respon dan peubah penjelas. Tipe tabel kontingensi ini disebut tabel kontingensi simetrik. Model loglinear dapat digunakan untuk menganalisis tabel kontingensi bertipe simetrik maupun asimetrik (Payne 1977). Model loglinear pertama kali diperkenalkan oleh Birch pada tahun 1963, kemudian Goodman mengembangkan model dengan interpretasi dan aplikasi untuk peubah yang lebih kompleks. Model loglinear merupakan salah satu kasus khusus dari model linear umum untuk data terdistribusi Poisson (Agresti 1991). Model ini mempelajari hubungan antara multivariabel yang mempunyai skala pengukuruan nominal yang membentuk tabel kontingensi multidimensional. Model loglinear ini menyatakan probabilitas sel dari tabel kontingensi multidimensional dalam bentuk efek utama dan efek interaksi, peubah kategori dianalisis dengan mengambil logaritma natural dari frekuensi sel dalam tabel kontingensi.
5
Model Loglinear untuk Tabel Kontingensi Dua Arah Misalkan terdapat dua peubah A dan B dengan P(A=i) dan P(B=j) masingmasing adalah peluang peubah pada taraf (kategori) ke-i dan peubah pada taraf (kategori) ke-j. Dengan asumsi peubah A dan peubah B adalah saling bebas dan ukuran contohnya tetap. Distribusi bersama dari dua peubah, misalkan jika
adalah peluang
amatan pada peubah kategori ke-i dan peubah kategori ke-j, maka peluang suatu pengamatan akan jatuh pada sel ke-ij sebagai berikut (Payne 1977): P(A = i) . P( B = j) =
dengan Untuk menguji kebebasan kedua peubah digunakan hipotesis berikut :
Distribusi marjinal dari setiap peubah, misalkan baris jatuh pada nilai ke-i dan ke-j sehingga
Misalkan
adalah peluang peubah
adalah peluang peubah kolom jatuh pada nilai
peluang marjinal baris ke-i dan
peluang marjinal baris ke-j.
adalah frekuensi sel pada kategori ke-i untuk peubah A dan
kategori ke-j untuk peubah B. Dalam kondisi hipotesis benar, nilai harapan (dinotasikan dengan
) adalah :
Pendugaan
dengan menggunakan teknik kemungkinan maksimum,
yaitu :
Dimana
5
6
maka :
Model loglinear dibentuk dengan melogaritmakan frekuensi harapan tiap sel (persamaan1)
Payne (1977) menunjukkan bahwa persamaan ini dapat di formulasikan kembali dengan model loglinear yang analog dengan notasi sidik ragam:
dengan :
Persamaan 3 merupakan model loglinear untuk kondisi
benar yaitu
peubah A dan B saling bebas. Apabila peubah A dan peubah B tidak saling bebas, (persamaan 3) dapat diperluas dengan menambahkan interaksi antar peubah, sehingga diperoleh model loglinear secara umum yaitu :
dengan
Parameter sedangkan
adalah nilai tengah umum logaritma frekuensi harapan, dan
adalah pengaruh utama logaritma frekuensi kategori
ke-i dari peubah A dan kategori ke-j dari peubah B.
adalah pengaruh dua
arah (interaksi) antara kategori ke-i peubah A dan kategori ke-j peubah B. Pengaruh utama menggambarkan simpangan terhadap nilai tengah umum, dan pengaruh interaksi menggambarkan simpangan terhadap terdapat kendala berikut :
Hipotesis nol untuk uji kebebasan kedua peubah adalah atau
,
7
Model Loglinear Untuk Tabel Kontingensi Tiga Arah Misalkan peluang suatu peubah A pada kategori ke-i, peubah B pada kategori ke-j dan peubah C pada kategori ke-k adalah :
dengan Nilai harapan peubah acak
adalah
Model loglinear penuh untuk tabel kontingensi tiga arah i x j x k adalah :
dengan kendala : dengan
+
dan Pemilihan Model Untuk loglinear dengan tabel multiarah terdapat 2 jenis model (Garson 2010): 1. Model penuh (The saturated models) Model penuh pada loglinear adalah model dengan memasukkan semua kemungkinan pengaruh yang dapat terjadi, pengaruh satu arah masingmasing peubah, pengaruh interaksi dua arah, interaksi tiga arah atau lebih. Banyaknya kombinasi yang mungkin pada model loglinear penuh (
ditambah konstanta dengan k adalah jumlah peubah yang
diamati.
7
8
2. Parsimonious models Parsimonious adalah model yang paling sederhana yang dapat menjelaskan frekuensi sel harapan dan memenuhi uji kesesuaian model. Model ini dapat diperoleh dengan prosedur backward, forward dan stepwise. Pada loglinear model penuh (persamaan 5), nilai frekwensi harapan untuk tiap sel akan sama dengan frekuensi pengamatan. Untuk menguji kesesuaian nilai harapan sel dengan nilai frekuensi pengamatan pada suatu model digunakan statistik kebaikan suai untuk tabel kontingensi tiga arah adalah statistik uji nisbah kemungkinan (Likelihood Ratio Test Statistic) (Agresti 2007) :
Jika model benar dan ukuran contoh total besar statistik tersebut menyebar menurut sebaran
dengan derajat bebas sama dengan banyaknya sel dikurangi
banyaknya parameter bebas. Jika terdapat lebih dari satu model yang sesuai, maka dilakukan pemilihan model yang memiliki kebaikan suai yang paling baik. Pemilihan dapat dilakukan dengan menguji hipotesis berikut (Payne 1977) :
Statistik ujinya :
Dengan kaidah pengujian jika menolak
lebih kecil dari
maka tidak cukup bukti
pada taraf nyata α dengan derajat bebasnya adalah selisih dari derajat
bebas kedua model dibandingkan. Analisis Residual Analisis residual menunjukkan kesesuaian sel frekuensi observasi dan sel frekuensi harapan. Dari analisis ini dapat diketahui sel yang menjadi pencilan dimana model parsimonious tidak memenuhi kesesuaian model. Pada model yang baik, idealnya sisaan harus kecil (Agresti 2007). Nilai pencilan dari model dapat dideteksi dengan menganalisis sisaan baku. Sisaan baku dapat dihitung dengan menggunakan rumus :
9
Dimana
adalah nilai harapan sel ke adalah nilai pengamatan sel ke
Sel-sel Kosong dalam Tabel Kontingensi Tabel kontingensi disebut jarang (sparse) jika banyak sel memiliki frekuensi yang kecil (Agresti 1990). Jika N adalah banyaknya sel dan n adalah total amatan, maka indeks kejarangan (sparseness) dinyatakan dengan n/N. Semakin kecil nilai indeks ini menunjukkan semakin banyak sel-sel yang frekuensinya kosong atau kecil. Tabel sparse terjadi jika ukuran contoh kecil atau ukuran contoh besar tetapi ukuran selnya besar. Pada umumnya hal ini terjadi jika peubahnya banyak dengan klasifikasi kategorinya juga banyak. Ada dua jenis sel yang bernilai nol dalam tabel kontingensi, yaitu : 1.
Kekosongan struktur (Fixed zeros atau structural zeros), terjadi karena tidak mungkin untuk menemukan kombinasi-kombinasi kategori peubah tertentu dalam populasi. Tabel multiarah dengan kekosongan struktur di dalam selselnya disebut tabel tidak lengkap. Dalam proses pendugaan nilai harapan atau parameter model, sel-sel yang berisi kekosongan struktur dihilangkan (dengan demikian derajat bebas berkurang).
2.
Kekosongan acak (Sampling zeros atau random zeros), terjadi jika ukuran contoh kurang cukup besar untuk mendapatkan kombinasi-peubah peubah tertentu dalam populasi. Kekosongan acak dapat dihilangkan jika ukuran contoh diperbesar. Tabel kontingensi yang tidak mengandung kekosongan struktur disebut tabel
kontingensi lengkap. Tabel lengkap mungkin saja sel-selnya mengandung beberapa nilai nol (kekosongan sel) yaitu yang merupakan kekosongan acak.
9
10
Menurut Agresti (1990) kekosongan sel dapat menyebabkan pendugaan model loglinear yang berbias dan masalah terhadap pendekatan asimtotik statistik Untuk mengatasi masalah tersebut masih menurut Agresti (1990) dengan menambahkan nilai
kedalam setiap frekuensi sel yang kosong.
METODE CHAID Metode CHAID (Chi-square Automatic Interaction Detection) adalah salah satu tipe dari metode AID (Automatic Interaction Detection), yaitu metode yang digunakan untuk menganalisis keterkaitan struktural antara peubah dalam segugus data (Fielding 1977). Hasil CHAID adalah pohon keputusan dendrogram yang didasari oleh Khi-kuadrat yang dibangun oleh pemisahan kelompok bagian secara berulang-ulang menjadi dua atau lebih anak cabang. Untuk memperoleh pemisahan terbaik pada semua cabang, pasangan kategori peubah penjelas dapat digabung sampai tidak ada kategori yang tidak nyata. CHAID hanya dapat menganalisis data jika peubah respon dan peubah penjelasnya berskala nominal atau ordinal. Metode CHAID merupakan tekhnik eksplorasi nonparametrik untuk menganalisis sekumpulan data yang berukuran besar dan cukup efisien untuk menduga peubah penjelas yang paling nyata terhadap peubah respon, (Du Toit et al. 1986) ada dua tipe peubah penjelas yang dikenal dalam hal ini, yaitu peubah “monotonik” yang nilai-nilainya ordinal dan peubah “bebas” yang nilai-nilainya nominal (Kass 1980). Kata Chi-square adalah bagian dari kepanjangan CHAID yang mana teknik pada dasarnya menyangkut pembuatan tabulasi silang secara otomatis dan menghasilkan ukuran asosiasi yang nyata secara statistik. Asosiasi yang paling nyata digunakan untuk mengontrol susunan dari diagram pohon. Metode CHAID menganalisis suatu gugus data dengan cara memisahkannya menjadi beberapa kelompok secara bertahap (Fielding 1977). Tahap pertama, seluruh data dibagi menjadi beberapa anak gugus berdasarkan salah satu peubah penjelas yang dipilih sedemikian rupa dengan memaksimumkan kriteria tertentu. Masing- masing anak gugus kemudian diperiksa kembali secara terpisah dan dibagi lagi berdasarkan peubah lainnya, dan demikian seterusnya sampai tercapai kriteria tertentu untuk berhenti. Dengan cara ini maka diperoleh kelompokkelompok pengamatan yang mempunyai ciri respon dan penjelas tertentu sehingga
11
keterkaitan diantara peubah-peubah tersebut menjadi jelas. Metode CHAID menggunakan kriteria Khi-kuadrat dalam pengoperasiannya (Kass 1980). Proses pemisahan dilakukan secara iteratif dimulai dari peubah penjelas yang mempunyai asosiasi paling kuat dengan peubah respon yang digambarkan oleh besarnya nilai-p (p-value) berdasarkan uji Khi-kuadrat. Dalam proses ini akan dilakukan juga penggabungan kategori-kategori dalam satu peubah penjelas berskala nominal dapat digabung. Untuk peubah berskala ordinal, kategori yang dapat digabung adalah yang saling berdekatan (Magidson & Vermunt 2006). Algoritma asli CHAID telah diperkenalkan oleh Kass (1980) untuk peubah respon nominal. Dan selanjutnya diperluas untuk peubah respon ordinal (Magidson & Vermunt 2006). Algoritma CHAID diuraikan seperti berikut : Tahapan metode analisis metode CHAID adalah sebagai berikut (Kass 1980) : 1. Untuk setiap peubah penjelas, dibuat tabulasi silang antara kategori-kategori peubah penjelas dengan kategori-kategori peubah respon. 2. Dari setiap tabulasi silang yang diperoleh, susun subtabel berukuran 2xd yang mungkin, d adalah banyaknya kategori peubah respon. Dari tabel tersebut cari pasangan kategori peubah penjelas yang memiliki angka uji paling kecil. Jika tidak nyata, gabungkan kedua kategori ini menjadi satu kategori campuran. Jika banyaknya kategori hanya dua dan hasil ujinya tidak nyata maka variabel tersebut tidak perlu dilibatkan lagi dalam model. Ulangi tahap ini sehingga angka uji sub tabel 2xd pasangan kategori (kategori campuran) peubah penjelas melampaui nilai kritis. 3. Untuk setiap kategori campuran yang berisi tiga atau lebih kategori asal, cari pemisahan biner yang memiliki angka uji paling besar. Jika ada buatlah pemisahan tersebut dan kembali ke tahap 2. 4. Menghitung taraf nyata untuk masing-masing tabulasi silang yang baru dan perhatikan diantaranya yang memiliki angka uji yang paling besar, sebut sebagai tabulasi dengan taraf nyata terbaik. Jika angka ini lebih besar dari nilai kritis, data dibagi menurut kategori tersebut. 5. Kembali ke tahap-1 untuk melakukan pembagian berdasarkan peubah yang belum terpilih.
11
12
Angka uji dan nilai kritis yang dimaksudkan pada tahap analisis di atas adalah statistik dan kriteria uji Khi-kuadrat apabila tidak terjadi pengurangan terjadi pengurangan dari tabel kontingensi asal, yaitu dari c kategori peubah menjadi r kategori (r < c), maka nilai kritis tersebut dikalikan dengan nilai pengganda Bonferroni (B) sesuai dengan tipe peubahnya : 1. Peubah monotonik yaitu bila kategori berskala ordinal
2. Peubah bebas yaitu bila kategori berskala nominal
13
BAHAN DAN METODE
Bahan Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data hasil Survei Nasional Perilaku Pemilih Pra Pemilu yang dilakukan oleh Pusat Kajian Ilmu Politik Universitas Indonesia pada bulan Februari 2009 terhadap 2077 responden yang tersebar di berbagai desa pada seluruh provinsi di Indonesia. Proses Pengambilan Sampel Survei perilaku pemilih dilakukan secara nasional (nation-wide), menjaring 2077
responden yang tesebar di 150 desa di seluruh wilayah provinsi di
Indonesia. Responden sepenuhnya dipilih secara acak bertingkat (multi-stage random sampling), dengan memperhatikan proporsi wilayah “desa-kota” dan aspek gender. Pengumpulan data lapangan dilakukan pada 9-20 Februari 2009 melalui wawancara tatap muka terhadap masyarakat usia dewasa (17 tahun keatas atau sudah menikah) pada saat Pemilu 2009 dilaksanakan. Ambang kesalahan (margin of error) dari survei ini adalah
1.8% pada tingkat kepercayaan 95%.
Fase pertama yang dilakukan adalah populasi Indonesia distrata atas dasar populasi di masing-masing provinsi di seluruh Indonesia sehingga diperoleh sampel dalam jumlah proporsional di masing-masing provinsi. Selanjutnya pembagian atas dasar wilayah tinggal: pedesaan atau kota, yang proporsinya antara 40% (kota) berbanding 60% (desa). Di samping itu, strata juga dilakukan atas dasar proporsi populasi menurut perbedaan gender: 50% laki-laki, dan 50% perempuan. Fase kedua adalah menetapkan desa/kelurahan atau yang setara sebagai primary sampling unit (PSU) yang dipilih secara random. Pada masing-masing desa/kelurahan terpilih kemudian didaftar nama-nama Rukun Tetangga (RT) atau yang setara, dan kemudian dipilih sebanyak lima RT secara random. Masingmasing RT terpilih kemudian didaftar Kartu Keluarga (KK), dan kemudian dipilih dua keluarga secara random. Pada dua keluarga terpilih, didaftar anggota keluarga yang laki-laki dan perempuan yang berumur antara 17-60 tahun. Bila dalam
13
14
keluarga pertama yang terpilih menjadi responden adalah perempuan, maka pada keluarga yang kedua di RT yang sama harus laki-laki yang didaftar. Proses pengambilan sampel bisa digambarkan pada Gambar 1.
Gambar 1 Skema pengambilan sampel
Populasi desa/kelurahan tingkat nasional
Desa/keluarahan di tingkat provinsi dipilih secara random dengan jumlah proporsional
RT/lingkungan kampung dipilih secara random sebanyak lima dari tiap-tiap desa terpilih.
Pada masing-masing RT/lingkungan kampung dipilih secara random dua keluarga.
Pada dua keluarga terpilih ditetapkan secara random satu orang yang punya hak pilih (laki-laki/perempuan).
15
Metode Analisis Berdasarkan tujuan penelitian pada bab pendahuluan, maka tahapan analisis data serta metode yang akan digunakan adalah sebagai berikut : 1.
Menyeleksi/ screening data Penyeleksian data hasil survei perilaku pemilih pra pemilu 2009 dilakukan terhadap 2077 responden. Dari hasil penyeleksian terdapat 285 observasi yang tidak disertakan dalam pemodelan karena pengisian kuisioner tidak lengkap terutama pada peubah yang diamati sehingga diperoleh 1792 responden yang dapat di gunakan dalam pemodelan loglinear dan metode CHAID. Analisis model loglinear untuk peubah-peubah yang menjadi karakteristik perilaku pemillih pada partai peserta pemilu merupakan peubahpeubah dari faktor demografi yang dipilih berdasarkan eksplorasi terhadap data yang ada. Diantara faktor demografi yang diamati yaitu gender, umur, status ekonomi, tingkat pendidikan, jenis pekerjaan.
2.
Eksplorasi data Eksplorasi data yang dilakukan yaitu membuat tabel kontingensi empat arah yang masing-masing menggambarkan peubah-peubah demografi dan pilihan jawaban dari responden. Banyaknya pengkategorian pada masing-masing peubah mengakibatkan banyaknya sel-sel yang kosong pada tabel kontingensi. Sehingga dalam penelitian ini dilakukan pengkategorian ulang terhadap beberapa peubah dengan tujuan untuk meminimalkan frekuensi harapan yang bernilai kecil atau nol, diantaranya : a. Umur Peubah umur terdiri dari enam kategori kemudian dengan menggabungkan beberapa kategori yang mempunyai frekuensi kecil diperoleh tiga kategori yaitu responden dengan umur < 35 tahun, 35 – 44 tahun dan responden dengan umur > 44 tahun. b. Status ekonomi Peubah status ekonomi terdiri dari tujuh kategori kemudian dengan menggabungkan beberapa kategori diperoleh dua kategori yaitu responden dengan status ekonomi bawah dan responden dengan status ekonomi menengah atas. Pada penelitian ini tingkat ekonomi bawah didefinisikan
15
16
dengan responden dengan jumlah pengeluaran kurang dari Rp999 000 perbulan. Sedangkan tingkat ekonomi menengah atas didefinisikan dengan responden dengan tingkat pengeluaran lebih besar dari Rp1000 000 perbulan. c. Pilihan jawaban Pilihan jawaban responden terdiri dari 38 pilihan partai yang dibagi menjadi 2 kategori yaitu partai lama dan partai baru. Penggolongan partai politik berdasarkan kepada pemilu legislatif 2009. Pemilihan Umum Anggota DPR 2009 diikuti oleh 38 partai politik, dimana 18 partai diantaranya merupakan partai politik yang baru pertama kali mengikuti pemilu ataupun baru mengganti namanya dan 16 partai lainnya merupakan peserta Pemilu 2004 yang berhasil mendapatkan kursi di DPR periode 2004-2009, sehingga langsung berhak menjadi peserta Pemilu 2009. Sedangkan untuk pilihan jawaban belum memutuskan atau belum menentukan pilihan digabungkan dengan responden yang tidak mau menjawab (rahasia). Peubah pendidikan dan jenis pekerjaan tidak diikutkan ke dalam analisis log linear karena terdapat banyak sel yang kosong ketika peubah ini dimasukkan kedalam tabel kontingensi sehingga akan menyebabkan pendugaan model loglinear yang berbias dan masalah terhadap pendekatan asimtotik statistik 3. Membuat deskripsi umum mengenai karakteristik responden pra pemilu 2009. 4. Menyusun model loglinear dan uji kesesuaian model. Persamaan loglinear model penuh :
5. Analisis lanjut untuk melihat interaksi antar peubah baik interaksi tingkat dua, tiga atau tingkat empat dan membentuk model loglinear yang paling sederhana dengan prosedur backward elimination. 6. Analisis residual pada model loglinear yang terbentuk untuk melihat kebaikan model.
17
7. Analisis data dengan metode CHAID untuk menganalisis keterkaitan struktural antar peubah yang di amati. Pada metode ini yang akan dijadikan sebagai peubah respon adalah pilihan partai sedangkan peubah lainnya sebagai peubah penjelas. Analisis CHAID pada penelitian ini menggunakan software SPSS versi 18 yang dibatasi pada jumlah level maximum 3 level, Child Node yang digunakan sesuai pada default software yaitu 50. Tahapan analisis data secara ringkas dapat dilihat pada Diagram alur pada Gambar 2. Data survey perilaku pemilih pra pemilu legislatif 2009
Screening data, dari data yang diperoleh dilakukan pemeriksaan. Jika terdapat data yang tidak lengkap maka observasi tersebut tidak digunakan dalam pemodelan
Eksplorasi/ deskripsi data
Analisis loglinear
Metode CHAID
Melakukan analisis interaksi antar peubah dengan prosedur backward elimination
Melakukan analisis klasifikasi dengan menggunakan metode CHAID pada semua peubah yang ada
Analisis residual untuk uji kebaikan model Interpretasi hasil Interpretasi hasil
Gambar 2 Diagram alur analisis data
17
18
HASIL DAN PEMBAHASAN
Deskripsi Karakteristik Responden Pra Pemilu 2009 Karakteristik responden berdasarkan peubah demografi yang diamati terdapat pada Gambar 3 sampai Gambar 6. Pada Gambar 3 dapat diketahui bahwa persentase responden berdasarkan jenis kelamin terlihat berimbang yaitu laki-laki sebanyak 897(50.05%) dan perempuan sebanyak 895(49.94%). Hal ini karena pengaruh pengambilan sampel dimana komposisi responden ditentukan secara purposive 50% laki dan 50% perempuan.
Perempuan 50%
Laki-laki 50%
Gambar 3 Persentase responden berdasarkan jenis kelamin (gender)
Ekonomi menengah atas 32%
Ekonomi bawah 68%
Gambar 4 Persentase jumlah responden berdasarkan status ekonomi
Pada Gambar 4 dapat dilihat bahwa proporsi terbesar adalah responden dengan status ekonomi bawah dengan jumlah 1225 responden (68.35%) sedangkan responden dengan tingkat ekonomi menengah atas sebanyak 567
19
(31.64%). Responden yang terambil sebagai sampel sebagian besar adalah masyarakat dengan tingkat ekonomi bawah. 36.61%
36.27% 40% 35% 30% 25% 20% 15% 10% 5% 0%
27.12%
17-34 tahun
35-45 tahun
> 45 tahun
Gambar 5 Persentase jumlah responden berdasarkan usia Pada Gambar 5 dapat dilihat bahwa proporsi terbesar adalah responden dengan tingkat usia > 45 tahun yaitu 36.61%. Pemilih ini dapat dikategorikan ke dalam pemilih usia lanjut yang sudah memiliki pengalaman dalam mengikuti pemilihan umum. Sedangkan pada tingkat usia < 35 tahun sebanyak 36.27%, pemilih pada usia ini adalah pemilih yang baru menggunakan hak pilihnya sekitar tiga kali. Partai baru 6%
tidak menjawab 37%
Partai lama 57%
Gambar 6 Persentase jumlah responden berdasarkan pilihan partai Gambar 6 menunjukkan perbandingan dukungan terhadap partai lama dan partai baru. Pilihan jawaban didominasi oleh partai lama yaitu dengan jumlah suara 1019 (56%). Diikuti dengan responden yang memilih belum menentukan jawaban dengan jumlah suara 662 (36.94%) dan proporsi responden yang paling
19
20
sedikit adalah responden yang memilih jawaban partai baru dengan jumlah suara 111 (6.19%). Disini terlihat meskipun kecil tapi masih ada peluang bagi partai baru untuk mendapatkan suara pada pemilu. Untuk itu partai-partai baru ini masih perlu bekerja keras agar bisa mendapatkan dukungan pemilih pada pemilu. Menurut survei perilaku pemilih yang dilakukan oleh Puskapol UI, salah satu hambatan dari partai baru adalah masih minimnya pengetahuan pemilih pada kehadiran partai tersebut. Sedangkan untuk partai-partai lama dukungan yang diberikan oleh pemilih lebih kepada alasan karena sudah biasa memilih partai tersebut seperti PDIP, Golkar. Hasil Analisis loglinear Analisis loglinear yang dilakukan pada peubah-peubah demografi dan perolehan suara berdasarkan klasifikasi silang empat peubah yang diamati yaitu gender, status ekonomi, usia dan pilihan partai dengan ukuran 2x2x3x3. Tabel kontingensi empat arah untuk model ini dapat dilihat pada Tabel 1. Tabel 1 Tabel kontingensi empat arah antara gender, status ekonomi, usia dan pilihan partai responden pilihan partai Status Gender Usia partai partai tidak ekonomi lama baru menjawab < 34 tahun 120 15 74 bawah 35-44 tahun 85 13 42 > 45 tahun 129 11 104 Laki-laki < 34 tahun 50 6 16 menengah 35-44 tahun 59 7 23 atas > 45 tahun 78 9 56 < 34 tahun 153 14 104 bawah 35-44 tahun 87 7 61 > 45 tahun 90 13 103 Perempuan < 34 tahun 54 9 35 menengah 35-44 tahun 79 3 20 atas > 45 tahun 35 4 24 Berdasarkan Tabel 1 akan dilakukan analisis loglinear yang melibatkan keempat peubah diatas. Dengan model loglinear yang diperoleh dapat dilihat pengaruh masing-masing peubah dan pengaruh dari interaksi antar peubah. Model
21
loglinear yang digunakan adalah model loglinear penuh sampai didapatkan model loglinear yang paling sederhana. Loglinear Model Penuh Model penuh didapatkan dengan memasukkan semua kemungkinan pengaruh yang terjadi, pengaruh satu arah masing-masing peubah, pengaruh interaksi dua arah, interaksi tiga arah atau lebih. Jika peubah gender (1), status ekonomi (2), usia (3) dan partai (4) maka persamaan model loglinear penuh dapat dilihat pada persamaan berikut :
Banyaknya kombinasi yang mungkin dari model loglinear dengan empat peubah adalah 15 kombinasi ditambah konstanta terdiri dari empat pengaruh utama, enam kombinasi pengaruh interaksi dua arah, empat kombinasi pengaruh interaksi tiga arah dan satu pengaruh interaksi empat arah. Kombinasi pengaruh peubah ini dapat dilihat dari asosiasi dan interaksi parsial antar peubah seperti pada Tabel 2. Tabel 2 Asosiasi parsial dan interaksi peubah-peubah yang menjadi karakteristik responden pemilu Effect
df
Partial Chi-Square
p value
Gender * status ekonomi * usia
2
9.138
.010*
Gender * status ekonomi * Partai
2
.575
.750
Gender * usia * Partai
4
5.046
.283
Status ekonomi * usia * Partai
4
3.796
.434
Gender * status ekonomi
1
3.183
.074
Gender * usia
2
36.691
.000*
Status ekonomi * usia
2
20.298
.000*
Gender * Partai
2
4.793
.091
Status ekonomi * Partai
2
12.226
.002*
Usia * Partai
4
25.309
.000*
Gender
1
.002
.962
Status ekonomi
1
247.355
.000*
Usia
2
32.270
.000*
Partai
2
850.980
.000*
*Nyata pada
21
22
Dari Tabel 2 terdapat beberapa peubah dan interaksi antar peubah yang signifikan berdasarkan nilai Khi-kuadrat parsial. Pada taraf signifikansi
,
semua peubah kecuali gender, yang menjadi karakteristik responden pada pemilu adalah signifikan. Sedangkan interaksi tingkat dua yang signifikan adalah interaksi gender dan usia, status ekonomi dan usia, status ekonomi dan partai serta usia dan partai. Selanjutnya interaksi tingkat tiga yang signifikan adalah interaksi gender, status ekonomi dan usia. Dari 15 kombinasi pengaruh peubah yang mungkin terjadi terdapat enam kombinasi peubah dan interaksinya yang tidak signifikan yaitu gender, interaksi tingkat dua yaitu gender dan partai, interaksi gender dan status ekonomi, interaksi tingkat tiga yaitu status ekonomi, usia dan partai, interaksi gender, usia dan partai serta interaksi gender, usia dan partai. Loglinear Parsimonious Models Untuk mendapatkan model yang terbaik, peubah-peubah dan interaksi yang tidak signifikan akan direduksi dengan menggunakan prosedur backward elimination. Prosedur ini digunakan untuk mencari model loglinear yang paling sederhana yang dapat menjelaskan asosiasi dan interaksi antar peubah. Prosedur backward elimination menyaring semua model yang mungkin dalam loglinear hirarkis untuk menghasilkan model yang paling sederhana (parsimonious models). Algoritma backward elimination berhenti ketika pengaruh signifikansi yang di hapus adalah nyata. Prosedur backward elimination diawali dengan langkah 0 dari model penuh dengan interaksi
ini
empat arah.
Pereduksian model dilakukan dengan menghapus peubah dari interaksi yang paling tinggi secara bertahap sampai diperoleh model reduksi terbaik. Dengan menghapus interaksi tingkat empat pada model diperoleh nilai statistik-
sebesar
6.873 dengan nilai signifikansi 0.143 (tidak signifikan), sehingga interaksi tingkat empat dapat dihapus dari model. Selanjutnya akan dilihat nilai signifikansi kombinasi dari interaksi tingkat tiga. Dengan menghapus interaksi gender, status ekonomi dan usia memberikan nilai-p 0.01, berarti interaksi ini tidak dihapus dalam model. Sedangkan pada interaksi tingkat tiga lainnya memberikan nilai-p > 0.05 pada model sehingga kombinasi interaksi tingkat tersebut di hapus dari model. Prosedur ini berlanjut sampai pada pengaruh utama sehingga didapatkan
23
peubah dan interaksi yang signifikan seperti pada Tabel 3 (hasil akhir prosedur backward elimination). Prosedur lengkap dapat dilihat pada Lampiran 1. Dari model yang terbentuk terlihat bahwa ada pengaruh interaksi antara gender, status ekonomi dan usia, kemudian pengaruh interaksi status ekonomi dan pilihan partai, pengaruh interaksi usia dengan partai terhadap perolehan suara pada partai. Tabel 3 Hasil akhir dari prosedur backward elimination a
Convergence Information Generating Class
Gender*status ekonomi*Usia, status ekonomi*Partai, Usia*Partai
Jika peubah gender (1), status ekonomi (2), usia (3) dan partai (4) maka dari prosedur backward elimination ini diperoleh model loglinear yaitu :
Model yang diperoleh dari prosedur backward elimination ini adalah model yang paling sederhana (parsimonious models) yang dapat menjelaskan frekuensi sel harapan.
masing-masing adalah pengaruh utama
logaritma frekuensi kategori ke ke
peubah 1, kategori ke
peubah 3 dan kategori ke
antara kategori ke
peubah 4.
adalah pengaruh dua arah
peubah 1 dan kategori ke
pengaruh dua arah antara kategori ke
peubah 2,
peubah 1 dan kategori ke
adalah pengaruh dua arah antara kategori ke ke
peubah 3,
dan kategori ke kategori ke
peubah 4, sedangkan
peubah 3 dan kategori ke
adalah peubah 3,
peubah 2 dan kategori
adalah pengaruh dua arah antara kategori ke
tiga arah antara kategori ke ke
peubah 2, kategori
peubah 2
adalah pengaruh dua arah antara peubah 4. Dan
peubah 1, kategori ke
peubah 3. Dengan kata lain
adalah pengaruh peubah 2 dan kategori
menunjukkan adanya asosiasi
atau hubungan antara status ekonomi dengan pilihan partai dan asosiasi antara usia dengan pilihan partai. Sedangkan
menunjukkan adanya interaksi
tiga arah antara gender, status ekonomi dan usia.
23
24
Dengan menggunakan analisis loglinear dapat diketahui efek asosiasi antar peubah dengan dikontrol oleh peubah lain, asosiasi tersebut dapat dilihat pada Tabel 2. Selanjutnya akan dibandingkan asosiasi peubah dengan kontrol peubah lain dan asosiasi peubah secara bebas. Tabel 4 merupakan asosiasi dua peubah secara bebas atau tanpa kontrol peubah lain. Dari nilai-p yang diperoleh pada Tabel 4 diketahui bahwa secara umum asosiasi yang terjadi antar peubah dengan dikontrol oleh peubah lain lebih signifikan daripada asosiasi peubah secara bebas kecuali asosiasi peubah gender dan status ekonomi. Hal ini dapat diketahui dengan membandingkan hasil Chi-square pada Tabel 4 dan Tabel 2. Tabel 4 Uji asosiasi dua peubah secara bebas Effect
df
Chi-square
p value
Gender * status ekonomi
1
4.204
.04*
Gender * usia
2
34.750
.000*
Status ekonomi * usia
2
22.248
.000*
Status ekonomi * Partai
2
13.944
.001*
Usia * Partai
4
24.438
.000*
*Nyata pada
Gambar 7 dan 8 merupakan asosiasi dua arah tanpa peubah kontrol. Pada Gambar 7 dapat dilihat bahwa responden dengan usia 17-34 tahun cenderung mendukung partai baru sebagai partai politik pilihan mereka yaitu sekitar 40%. Sementara itu responden yang berusia 34-45 tahun, persentase dukungan terhadap partai lama lebih besar daripada persentase pilihan yang lain, sedangkan responden dengan usia > 45 tahun cenderung tidak mau memberikan jawaban atas pertanyaan pilihan partai yang diajukan. Pada gambar 8 terlihat bahwa sebagian besar (74%) dari responden dengan pilihan tidak menjawab merupakan responden golongan ekonomi bawah.
25
17-34 tahun
35-44 tahun
>45 tahun
40%
33%
27%
partai baru 37%
33%
30%
partai lama 43%
22%
35%
tidak menjawab
Gambar 7 Asosiasi peubah usia dan pilihan partai
bawah
menengah atas 66%
34%
65%
35%
partai baru partai lama 26%
74%
tidak menjawab
Gambar 8 Asosiasi peubah status ekonomi dan partai Interaksi tingkat tiga yaitu gender, status ekonomi dan usia secara bebas dapat diketahui dengan menggunakan tabel kontingensi tiga arah pada Tabel 5. Tabel 5 Tabel kontingensi tiga arah peubah gender, status ekonomi dan usia Usia Gender
Laki-laki Perempuan
Status ekonomi
Rendah menengah atas Rendah menengah atas
< 34 tahun
35-44 tahun
> 45 tahun
209 72 271 98
140 89 155 102
244 143 206 63
Berdasarkan Tabel 5 dapat dilihat interaksi antara peubah usia dan status ekonomi pada masing-masing gender. Pada taraf signifikansi 5%, asosiasi peubah usia dan status ekonomi nyata pada responden laki-laki, hal yang sama juga terlihat pada responden perempuan seperti yang terlihat pada Tabel 6. Interaksi antara ketiga peubah ini juga dapat dilihat pada Gambar 8.
25
26
Tabel 6 Uji interaksi peubah status ekonomi dan usia pada masing-masing gender Status ekonomi Gender
laki-laki
Chi-square
Usia
12.720
df
2
Sig. perempuan
Chi-square
Usia
.002
*
19.182
df
2
Sig.
.000
*
Gambar 9 merupakan interaksi tiga arah secara bebas yang dapat digambarkan pada plot dua arah, usia dan status ekonomi dengan peubah ketiga gender sebagai kontrol. Dari plot diatas terlihat pola yang tidak sama antara persentase responden yang berumur < 34 tahun dan responden yang berumur 3445 tahun dengan status ekonomi pada saat responden adalah laki-laki. Hal yang sama juga terlihat pada responden perempuan pada usia 35-44 tahun sebagian besar responden merupakan responden dengan status ekonomi menengah atas. Sementara itu responden perempuan dengan usia < 34 tahun sebagian besar merupakan golongan ekonomi bawah. Hal ini mengindikasikan adanya interaksi antar peubah usia, status ekonomi, gender. < 34 tahun
37.26%
35-44 tahun
> 45 tahun
23.95%
38.78%
B2 42.88%
32.59%
24.53%
B1 23.68%
29.28%
47.04%
A2 35.24%
23.61%
41.15%
A1 A1 responden laki-laki kelompok ekonomi bawah A2 responden laki-laki kelompok ekonomi menengah atas B1 responden perempuan kelompok ekonomi bawah B2 responden perempuan kelompok ekonomi menengah atas
Gambar 9 Interaksi peubah usia dan status ekonomi pada peubah gender
27
Pendugaan Parameter Pendugaan parameter pada model loglinear sederhana dapat dilihat pada Lampiran 3. Parameter pada efek utama merupakan jumlah kategori dikurangi satu sehingga masing-masing efek utama gender, usia, status ekonomi dan partai secara berurutan mempunyai 1, 2, 1, 2 parameter. Parameter pada efek interaksi merupakan perkalian dari masing-masing kategori peubah dikurangi satu, sehingga efek interaksi tingkat tiga (gender, status ekonomi dan usia) adalah 1x1x2 atau 2 parameter. Dari pendugaan parameter pada masing-masing kejadian pada Lampiran 3 diperoleh nilai prosedur
backward
elimination.
pada persamaan model loglinear hasil Frekwensi
harapan
diperoleh
dengan
mengeskponensialkan hasil persamaan logaritma natural seperti yang terdapat pada tabel Cell Count and Residuals pada Lampiran 2. Berdasarkan pendugaan parameter yang diperoleh pada Lampiran 3, nilai logaritma frekuensi yang dapat diperoleh pada sel frekuensi dengan kategori lakilaki dari status ekonomi bawah yang berumur 17-34 tahun dan memilih untuk tidak menjawab adalah sebagai berikut : 0.8197 + 0.5626 + 1.0207 – 0.4154 – 0.6504 – 1.1280 0.1332 + 0.3898 – 0.3756 + 0.6989
Frekwensi harapan dari sel ini adalah Pada perhitungan diatas diperoleh frekuensi harapan pada model tidak jauh berbeda dengan frekuensi observasi yaitu 74.00. Nilai residual merupakan selisih dari frekuensi obervasi dan frekuensi harapan yang selengkapnya dapat dilihat pada Lampiran 2. Uji Kebaikan Model Dengan menggunakan model yang paling sederhana (parsimonious models) diharapkan frekuensi harapan mendekati frekuensi sel data yang sebenarnya. Untuk menguji kesesuaian nilai frekuensi harapan sel dengan nilai frekuensi pengamatan pada model loglinear sederhana ini digunakan statistik uji nisbah kemungkinan (likelihood Ratio Test Statistic) seperti pada Tabel 7.
27
28
Tabel 7 Uji kebaikan model Loglinear Chi-Square
df
p value
Likelihood Ratio
21.367
16
.165
Pearson
21.163
16
.172
Dari Tabel 7 diperoleh nilai likelihood ratio sebesar 21.367 dan uji pearson sebesar 21.163 dengan nilai signifikan masing-masingnya 0.165 dan 0.172. Pada taraf
dapat dikatakan tidak cukup bukti untuk menolak
atau dengan
kata lain model yang diperoleh dari prosedur eliminasi backward elimination memenuhi kriteria uji kesesuaian model. Analisis Residual Kebaikan model yang diperoleh juga dapat dilihat dengan analisis terhadap sisaan (Tabachnick dan Fidell, 1996). Sisaan dibentuk berdasarkan model loglinear yang diperoleh dari prosedur backward elimination dapat dilihat pada Lampiran 2. Dari tabel Cell Count and Residuals pada Lampiran 2 dapat dilihat bahwa sisaan yang diperoleh tidak begitu besar. nilai pencilan dari model dapat diketahui dengan menganalisis sisaan baku sebagaimana terlihat dari plot sisaan pada Gambar 10. Sebaran sisaan baku pada Gambar 10 memperlihatkan rentang yang cukup kecil yaitu -1.96 < std. residual < 1.96 dan terlihat tidak ada nilai ekstrim. Hal ini mengindikasikan model yang diperoleh memiliki kesesuaian yang tinggi. 1.96
0
Std. Residuals 0
50
100
150
200
-1.96
Gambar 10 Plot sisaan baku terhadap frekuensi observasi Metode CHAID Analsis CHAID menghasilkan suatu dendogram yang menggambarkan pengelompokkan berdasarkan hubungan berstruktur peubah respon dengan peubah-peubah penjelas. Proses pengelompokkan dengan menggunakan metode
29
CHAID ini menggunakan default batas nilai-p = 0.5, artinya jika terdapat dua kategori/ kelompok yang memiliki nilai-p tersebut digabungkan. Sedangkan untuk
, maka kategori/ kelompok splitting, menggunakan
default
nilai-p < 0.10. Dendogram hasil pemisahan analisis CHAID dapat dilihat dari Gambar 11. Pada tahap pertama pemisahan CHAID, peubah yang mempunyai asosiasi yang paling kuat dengan pilihan partai adalah peubah usia. Dari tiga kategori usia yang ada, diperoleh dua kategori baru yang berbeda secara statistik yaitu responden yang berusia < 45 tahun dan responden berusia > 45 tahun. Dari 1972 responden sekitar 36,6% merupakan kelompok responden yang berusia >45 tahun. Sebagian besar dari kelompok ini adalah pendukung partai lama yaitu sekitar 50,6%. Persentase responden yang tidak menjawab pilihan partai juga terlihat cukup besar pada kategori ini yaitu sekitar 43,8%, sedangkan partai baru memperoleh 5,6%. Pada kategori ini tidak ada peubah penjelas lain yang berinteraksi dengan usia dalam hal pengaruhnya terhadap pilihan partai oleh responden. Selanjutnya untuk kelompok responden yang berusia < 45 merupakan kategori campuran yang berasal dari kategori usia 17-34 tahun dan 35-44 tahun. Hal ini disebabkan pasangan kategori peubah tersebut memiliki angka uji yang kecil. Pada kelompok ini partai lama masih memperoleh persentase dukungan terbanyak yaitu 60,5% kemudian diikuti oleh responden yang tidak menjawab 33% dan persentase paling kecil diperoleh oleh partai baru yaitu 6,5%. Pada kelompok responden dengan usia < 45 tahun ini status ekonomi berasosiasi dengan pilihan partai. Disetiap kategori pada peubah status ekonomi, partai lama masih merupakan pilihan partai dengan persentase yang terbesar. Persentase untuk pilihan tidak menjawab cukup besar terlihat pada kelompok ekonomi bawah. Peubah selanjutnya yang berinteraksi dengan kelompok ekonomi bawah yang berusia < 45 tahun adalah peubah jenis kelamin. Pada kelompok ini, partai lama tetap menjadi pilihan terbanyak baik dari responden perempuan maupun laki-laki. Responden yang tidak memberikan jawaban atas pilihan partai yang diajukan lebih banyak terdapat pada responden perempuan sedangkan pilihan partai baru pada kelompok ini lebih banyak dipilih oleh responden laki-laki.
29
30
Pada kelompok responden golongan ekonomi menengah, interaksinya terhadap usia dibagi lagi menjadi dua kategori yaitu usia 17-34 tahun dan 35-44 tahun. Persentase partai lama yang terbesar yaitu berada pada responden golongan ekonomi menengah atas yang berusia 35-44 tahun yaitu 72,3%, sedangkan pendukung partai baru lebih banyak terdapat pada kelompok ekonomi menengah yang berusia 17-34 tahun yaitu sekitar 8,8%. Ringkasan metode CHAID dapat dilihat pada Tabel 8. Apabila dilihat secara keseluruhan, dendogram pada Gambar 11 menghasilkan lima segmentasi terhadap pilihan partai. Pada masing-masing segmentasi, partai lama masih merupakan partai yang dipercaya oleh responden untuk mewakili suara mereka di parlemen. Secara keseluruhan partai baru hanya mendapatkan proporsi suara 6.2% dari total responden. sedangkan pilihan tidak menjawab mempunyai proporsi yang cukup besar yaitu 30.9%. Secara umum dapat disimpulkan bahwa pilihan partai dipengaruhi oleh usia, status ekonomi dan gender dan interaksinya. Tabel 8 Segmentasi CHAID Node
Karakteristik Responden/segmentasi
Node 1
Usia > 45 tahun
Node 9,5,2
Usia 35-44 tahun dari golongan ekonomi menengah atas
Node 10,5,2
Usia 17-34 tahun dari golongan ekonomi menengah atas
Node 11,6,2
Perempuan golongan ekonomi bawah dan berusia < 45 tahun
Node 12,6,2
Laki-laki golongan ekonomi bawah dan berusia < 45 tahun
Pada Gambar 11 terlihat pada kategori responden berusia > 45 tahun masih terdapat pemisahan split kepada gender, namun nilai-p yang dihasilkan > 0.20 sehingga pemisahan ini tidak dimasukkan kedalam model. Asosiasi antar peubah hanya terjadi pada peubah usia pada kategori responden berusia < 45 tahun dengan peubah status ekonomi.
31
Gambar 11 Dendogram CHAID Karakteristik Pemilih Pemilu
31
32
KESIMPULAN DAN SARAN
Kesimpulan Berdasarkan kajian pada uraian sebelumnya, dapat diambil beberapa kesimpulan hasil analisis loglinear terhadap peubah gender, status ekonomi, usia dan pilihan partai yang merupakan karakteristik pemilih pra pemilu menunjukkan bahwa terdapat pengaruh dari peubah tersebut dan interaksinya baik interaksi tingkat dua maupun interaksi tingkat tiga. Peubah yang signifikan diantaranya adalah status ekonomi, usia dan partai sedangkan interaksi antar peubah yang signifikan adalah ekonomi dan partai, usia dan partai, dan interaksi gender, status ekonomi dan usia. Dendogram CHAID menunjukkan bahwa peubah yang mempunyai asosiasi paling kuat dengan pilihan partai adalah usia. Metoda CHAID pada analisis karakteristik responden pemilih dalam pemilu menghasilkan lima segmentasi terhadap pilihan partai. Pada masing-masing segmentasi, partai lama masih merupakan partai yang dipercaya oleh responden untuk mewakili suara mereka di parlemen. Hasil analisis juga menunjukkan bahwa responden yang tidak menjawab mempunyai proporsi yang cukup besar. Saran Lebih lanjut hasil penelitian ini dapat dikembangkan pada kajian ilmu terkait. Dari hasil penelitian ini terlihat bahwa responden yang tidak menjawab pada pilihan partai baik dengan alasan rahasia, belum menentukan pilihan maupun tidak akan menggunakan hak pilih pada pemilu mempunyai proporsi yang cukup besar, sehingga hal ini dapat dikaji lebih lanjut untuk melihat interaksi yang terjadi.
33
DAFTAR PUSTAKA
Agresti A. 2007. Categorical data Analysis, Ed ke-2. Toronto: John Wiley & Sons, Inc. Agresti A. Finlay B. 1997. Statistical Methode for the Social Science. Toronto: John Wiley & Sons, Inc. Agustino L. 2009. Membaca Perilaku Pemilih. http://www.suarapembaruan.com /News /2004 /07/09/Editor/edi03.htm [3 Mei 2010]. Budiardjo M. 1991. Dasar-dasar Ilmu Politik. Jakarta: Gramedia. Freeman DH. 1979. Applied Categorical Data Analysis. New York: Marcel Dekker, Inc. Garson. 2010. Loglinear Models: Statnotes. North Carolina State University. http:// faculty.chass.ncsu.edu/garson/PA765/logit. [23 April 2010]. Haris S. dan Syafarani. 2004. Pola dan kecenderungan Perilaku Pemilih [ulasan]. Jurnal Penelitian Politik Vol 1 No. 1. [LITBANG] Penelitian Pengembangan KOMPAS. 2009. Parpol Baru yang Bertahan dan yang Tersingkir. http://www.cetak.kompas.com/read/xml/2009/07/01/0315 /[27April 2010]. O’Muircheartaigh AC, Payne C. 1977. The Analysis of Survey Data Vol. 2. Toronto John Wiley & Sons: Fienberg SE. 1978. The Analysis of Cross-Classified Categorical Data. The MIT Press. Cambridge: Massachusetts Fielding A. 1977. Binary Segmentation: The Automatic Interaction Detector and Related Tecnique for Exploring Data Structure. London , New York, Sidney, Toronto: John Wiley & Sons. Hoare R. 2004. Using CHAID for Classification Problems. Wellington: Paper presented at New Zealand Statistical Association 2004 Conference. Kass GV. 1980. An Explanatory Technique for Investigating Large Quantities of Categorical Data. App. Statist 29(2): 119-127.
34
Magidson J and Vermunt JK. 2006. An Extention of CHAID Tree-based Segmentation Algoritma to Multiple Dependent variables. Departement of methodology and Statistic, Tilburg University, Netherland. Tabachnick BG and LS Fidell. 1996. Using Multivariat Statistic. Ed. ke-3. New York USA: Harper Collins.
35 Lampiran 1 Prosedur backward elimination Step Summary Step
a
ChiEffects
0
Generating Class
b
Deleted Effect
1
Generating Class
1 b
Square
Number of c
df
Sig.
Iterations
gender*ekonomi*usia*Partai
.000
0
.
gender*ekonomi*usia*Partai
6.873
4
.143
gender*ekonomi*usia,
6.873
4
.143
9.138
2
.010
3
.575
2
.750
3
4
gender*ekonomi*Partai, gender*usia*Partai, ekonomi*usia*Partai Deleted Effect
2
Generating Class
1
gender*ekonomi*usia
2
gender*ekonomi*Partai
3
gender*usia*Partai
5.046
4
.283
4
4
ekonomi*usia*Partai
3.796
4
.434
3
gender*ekonomi*usia,
7.448
6
.281
b
gender*ekonomi*Partai, ekonomi*usia*Partai Deleted Effect
3
Generating Class
1
gender*ekonomi*usia
9.898
2
.007
3
2
gender*usia*Partai
5.163
4
.271
3
3
ekonomi*usia*Partai
4.039
4
.401
3
gender*ekonomi*usia
11.487
10
.321
b
gender*usia*Partai, ekonomi*Partai Deleted Effect
4
Generating Class
1
gender*ekonomi*usia
9.949
2
.007
3
2
gender*usia*Partai
5.157
4
.272
4
3
ekonomi*Partai
12.147
2
.002
2
gender*ekonomi*usia,
16.643
14
.276
9.968
2
.007
4
12.156
2
.002
4
4.724
2
.094
3
25.239
4
.000
3
b
ekonomi*Partai, gender*Partai, usia*Partai Deleted Effect
1
gender*ekonomi*usia
2
ekonomi*Partai
3
gender*Partai
4
usia*Partai
35
36
5
Generating Class
b
gender*ekonomi*usia,
21.367
16
.165
ekonomi*Partai, usia*Partai Deleted Effect
6
Generating Class
1
gender*ekonomi*usia,
10.038
2
.007
4
2
ekonomi*Partai
12.883
2
.002
2
3
usia*Partai
23.155
4
.000
2
B*P7*P1b, P7*Partai, P1b*Partai
21.367
16
.165
b
a. At each step, the effect with the largest significance level for the Likelihood Ratio Change is deleted, provided the significance level is larger than .050. b. Statistics are displayed for the best model at each step after step 0. c. For 'Deleted Effect', this is the change in the Chi-Square after the effect is deleted from the model.
36
37
Lampiran 2. Tabel Kontingensi empat arah Cell Counts and Residuals B. Gender
P7. Berapa rata-rata
P1b. Usia responden: [DIIsi
pengeluaran rumah
oleh pewawancara sesuai
tangga Ibu/Bapak/Sdr
dengan jawaban responden
setiap bulannya?
pada nomor P1a
Laki-laki
Rendah
17-34 tahun
35 - 44 tahun dimension2
lebih dari 45 tahun
Partai
Observed
Expected
Std.
Count belum menentukan jawaban
%
Count
%
Residuals
Residuals
74.000
4.1%
78.326
4.4%
-4.326
-.489
partai lama
120.000
6.7%
116.986
6.5%
3.014
.279
partai baru
15.000
.8%
13.689
.8%
1.311
.354
belum menentukan jawaban
42.000
2.3%
46.460
2.6%
-4.460
-.654
partai lama
85.000
4.7%
85.259
4.8%
-.259
-.028
partai baru
13.000
.7%
8.282
.5%
4.718
1.639
belum menentukan jawaban
104.000
5.8%
113.983
6.4%
-9.983
-.935
partai lama
129.000
7.2%
116.941
6.5%
12.059
1.115
partai baru
11.000
.6%
13.073
.7%
-2.073
-.573
belum menentukan jawaban
16.000
.9%
20.801
1.2%
-4.801
-1.053
partai lama
50.000
2.8%
45.878
2.6%
4.122
.609
partai baru
6.000
.3%
5.320
.3%
.680
.295
belum menentukan jawaban
23.000
1.3%
22.414
1.3%
.586
.124
partai lama
59.000
3.3%
60.738
3.4%
-1.738
-.223
partai baru
7.000
.4%
5.847
.3%
1.153
.477
belum menentukan jawaban
56.000
3.1%
53.302
3.0%
2.698
.370
partai lama
78.000
4.4%
80.753
4.5%
-2.753
-.306
partai baru
9.000
.5%
8.947
.5%
.053
.018
dimension1
Menengah atas
17-34 tahun
35 - 44 tahun dimension2
lebih dari 45 tahun
37
38
Perempuan
Rendah
17-34 tahun
35 - 44 tahun dimension2
lebih dari 45 tahun
belum menentukan jawaban
104.000
5.8%
101.561
5.7%
2.439
.242
partai lama
153.000
8.5%
151.690
8.5%
1.310
.106
partai baru
14.000
.8%
17.749
1.0%
-3.749
-.890
belum menentukan jawaban
61.000
3.4%
51.438
2.9%
9.562
1.333
partai lama
87.000
4.9%
94.394
5.3%
-7.394
-.761
partai baru
7.000
.4%
9.169
.5%
-2.169
-.716
103.000
5.7%
96.232
5.4%
6.768
.690
partai lama
90.000
5.0%
98.729
5.5%
-8.729
-.878
partai baru
13.000
.7%
11.037
.6%
1.963
.591
belum menentukan jawaban
35.000
2.0%
28.313
1.6%
6.687
1.257
partai lama
54.000
3.0%
62.445
3.5%
-8.445
-1.069
partai baru
9.000
.5%
7.242
.4%
1.758
.653
belum menentukan jawaban
20.000
1.1%
25.688
1.4%
-5.688
-1.122
partai lama
79.000
4.4%
69.609
3.9%
9.391
1.126
partai baru
3.000
.2%
6.701
.4%
-3.701
-1.430
belum menentukan jawaban
24.000
1.3%
23.483
1.3%
.517
.107
partai lama
35.000
2.0%
35.577
2.0%
-.577
-.097
partai baru
4.000
.2%
3.942
.2%
.058
.029
belum menentukan jawaban
dimension1
Menengah atas
17-34 tahun
35 - 44 tahun dimension2
lebih dari 45 tahun
38
39
Lampiran 3 Pendugaan parameter model sederhana Algorithm converged.
Analysis Of Parameter Estimates Parameter
Intercept
DF
Estimate
Standard Error
Wald 95% Confidence Limits
ChiSquare
Pr > ChiSq
1
3.5717
0.1343
3.3084
3.8349
707.14
<.0001
gender
laki-laki
1
0.8197
0.1512
0.5233
1.1161
29.39
<.0001
gender
perempuan
0
0.0000
0.0000
0.0000
0.0000
.
.
usia
17-34th
1
0.5626
0.1677
0.2340
0.8912
11.26
0.0008
usia
35-44th
1
0.6712
0.1670
0.3440
0.9985
16.16
<.0001
usia
lebih dari 45th
0
0.0000
0.0000
0.0000
0.0000
.
.
Ekonomi
bawah
1
1.0207
0.1522
0.7225
1.3189
45.00
<.0001
Ekonomi
menengah atas
0
0.0000
0.0000
0.0000
0.0000
.
.
partai
belum menentukan pilihan
1
-0.4154
0.1122
-0.6352
-0.1956
13.72
0.0002
partai
partai baru
1
-2.2000
0.2216
-2.6344
-1.7657
98.57
<.0001
partai
partai lama
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi
laki-laki
bawah
1
-0.6504
0.1784
-1.0000
-0.3008
13.30
0.0003
gender*Ekonomi
laki-laki
menengah atas
0
0.0000
0.0000
0.0000
0.0000
.
.
39
40
Analysis Of Parameter Estimates Parameter
DF
Estimate
Standard Error
Wald 95% Confidence Limits
ChiSquare
Pr > ChiSq
gender*Ekonomi
perempuan
bawah
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi
perempuan
menengah atas
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*usia
laki-laki
17-34th
1
-1.1280
0.2167
-1.5527
-0.7033
27.10
<.0001
gender*usia
laki-laki
35-44th
1
-0.9560
0.2095
-1.3667
-0.5454
20.82
<.0001
gender*usia
laki-laki
lebih dari 45th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*usia
perempuan
17-34th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*usia
perempuan
35-44th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*usia
perempuan
lebih dari 45th
0
0.0000
0.0000
0.0000
0.0000
.
.
Ekonomi*usia
bawah
17-34th
1
-0.1332
0.1866
-0.4990
0.2326
0.51
0.4755
Ekonomi*usia
bawah
35-44th
1
-0.7162
0.1931
-1.0946
-0.3377
13.76
0.0002
Ekonomi*usia
bawah
lebih dari 45th
0
0.0000
0.0000
0.0000
0.0000
.
.
Ekonomi*usia
menengah atas
17-34th
0
0.0000
0.0000
0.0000
0.0000
.
.
Ekonomi*usia
menengah atas
35-44th
0
0.0000
0.0000
0.0000
0.0000
.
.
Ekonomi*usia
menengah atas
lebih dari 45th
0
0.0000
0.0000
0.0000
0.0000
.
.
Ekonomi*partai
bawah
belum menentukan
1
0.3898
0.1114
0.1715
0.6081
12.25
0.0005
40
41
Analysis Of Parameter Estimates Parameter
DF
Estimate
Standard Error
Wald 95% Confidence Limits
ChiSquare
Pr > ChiSq
pilihan Ekonomi*partai
bawah
partai baru
1
0.0089
0.2120
-0.4065
0.4244
0.00
0.9663
Ekonomi*partai
bawah
partai lama
0
0.0000
0.0000
0.0000
0.0000
.
.
Ekonomi*partai
menengah atas
belum menentukan pilihan
0
0.0000
0.0000
0.0000
0.0000
.
.
Ekonomi*partai
menengah atas
partai baru
0
0.0000
0.0000
0.0000
0.0000
.
.
Ekonomi*partai
menengah atas
partai lama
0
0.0000
0.0000
0.0000
0.0000
.
.
usia*partai
17-34th
belum menentukan pilihan
1
-0.3756
0.1169
-0.6046
-0.1465
10.33
0.0013
usia*partai
17-34th
partai baru
1
0.0456
0.2358
-0.4165
0.5077
0.04
0.8467
usia*partai
17-34th
partai lama
0
0.0000
0.0000
0.0000
0.0000
.
.
usia*partai
35-44th
belum menentukan pilihan
1
-0.5815
0.1293
-0.8350
-0.3280
20.21
<.0001
usia*partai
35-44th
partai baru
1
-0.1405
0.2585
-0.6472
0.3661
0.30
0.5867
usia*partai
35-44th
partai lama
0
0.0000
0.0000
0.0000
0.0000
.
.
usia*partai
lebih dari 45th
belum
0
0.0000
0.0000
0.0000
0.0000
.
.
41
42
Analysis Of Parameter Estimates Parameter
DF
Estimate
Standard Error
Wald 95% Confidence Limits
ChiSquare
Pr > ChiSq
menentukan pilihan usia*partai
lebih dari 45th
partai baru
0
0.0000
0.0000
0.0000
0.0000
.
.
usia*partai
lebih dari 45th
partai lama
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
laki-laki
bawah
17-34th
1
0.6989
0.2537
0.2016
1.1963
7.59
0.0059
gender*Ekonomi*usia
laki-laki
bawah
35-44th
1
0.6850
0.2578
0.1797
1.1902
7.06
0.0079
gender*Ekonomi*usia
laki-laki
bawah
lebih dari 45th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
laki-laki
menengah atas
17-34th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
laki-laki
menengah atas
35-44th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
laki-laki
menengah atas
lebih dari 45th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
perempuan
bawah
17-34th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
perempuan
bawah
35-44th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
perempuan
bawah
lebih dari 45th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
perempuan
menengah atas
17-34th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
perempuan
menengah atas
35-44th
0
0.0000
0.0000
0.0000
0.0000
.
.
gender*Ekonomi*usia
perempuan
menengah atas
lebih dari 45th
0
0.0000
0.0000
0.0000
0.0000
.
.
0
1.0000
0.0000
1.0000
1.0000
Scale
42
