ANALISIS KARAKTERISTIK SOSIOLOGIS RESPONDEN PRA PEMILU 2009 MENGGUNAKAN METODE LOGLINEAR DAN METODE CHAID LELY KURNIA

Transkripsi

1 ANALISIS KARAKTERISTIK SOSIOLOGIS RESPONDEN PRA PEMILU 2009 MENGGUNAKAN METODE LOGLINEAR DAN METODE CHAID LELY KURNIA S E K O L A H P A S C A S A R J A N A INSTITUT PERTANIAN BOGOR 2010

2 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 G

3 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 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

4 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 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 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

5 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 tahun, responden kelompok ekonomi menengah atas yang berusia 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

6 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

7 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

8 Judul Tesis : Analisis Karakteristik Sosiologis Responden Pra Pemilu 2009 Menggunakan Metode Loglinear dan Metode CHAID Nama : Lely Kurnia NRP : G 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 :

9 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

10 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.

11 Penguji Luar Komisi pada Ujian Tesis : Dr. Ir. I Made Sumertajaya, M.Si.

12 v DAFTAR ISI Halaman DAFTAR TABEL... vi DAFTAR GAMBAR... vii DAFTAR LAMPIRAN... viii PENDAHULUAN Latar Belakang... 1 Tujuan... 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 BAHAN DAN METODE Bahan Metode Analisis HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Pra Pemilu Hasil Analisis Loglinear Loglinear Model Penuh Loglinear Model Parsimoni Pendugaan Parameter Uji Kebaikan Model Analisis Residual Metode CHAID KESIMPULAN DAN SARAN DAFTAR PUSTAKA LAMPIRAN... 35

13 vi DAFTAR TABEL Halaman 1 Tabel kontingensi empat arah Asosiasi parsial peubah-peubah yang menjadi karakteristik responden Hasil akhir prosedur backward elimination Uji asosiasi dua peubah secara bebas Tabel kontingensi tiga arah Uji interaksi peubah status ekonomi dan usia pada masing-masing gender Uji Kebaikan model Segmentasi CHAID... 30

14 vii DAFTAR GAMBAR Halaman 1 Skema pengambilan sampel Diagram alur analisis data Persentase responden berdasarkan gender Persentase responden berdasarkan status ekonomi Persentase responden berdasarkan usia Persentase responden berdasarkan pilihan jawaban Asosiasi peubah usia dan pilihan partai Asosiasi peubah status ekonomi dan pilihan partai Interaksi peubah usia dan status ekonomi pada peubah gender Plot sisaan baku terhadap frekuensi observasi Dendogram pilihan partai berdasarkan karakteristik pemilih... 31

15 viii DAFTAR LAMPIRAN Halaman Prosedur eliminasi backward Tabel kontingensi empat arah Pendugaan parameter model loglinear sederhana... 39

16 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 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

17 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.

18 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

19 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.

20 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 adalah peluang peubah baris jatuh pada nilai ke-i dan adalah peluang peubah kolom jatuh pada nilai ke-j sehingga peluang marjinal baris ke-i dan peluang marjinal baris ke-j. Misalkan 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 yaitu : dengan menggunakan teknik kemungkinan maksimum, Dimana 5

21 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 adalah nilai tengah umum logaritma frekuensi harapan, sedangkan 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

22 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

23 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 lebih kecil dari maka tidak cukup bukti menolak 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 :

24 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

25 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

26 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 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

27 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

28 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 tahun. Bila dalam 13

29 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).

30 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, 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

31 16 dengan responden dengan jumlah pengeluaran kurang dari Rp perbulan. Sedangkan tingkat ekonomi menengah atas didefinisikan dengan responden dengan tingkat pengeluaran lebih besar dari Rp 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 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 , sehingga langsung berhak menjadi peserta Pemilu 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 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.

32 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 Analisis residual untuk uji kebaikan model Interpretasi hasil Interpretasi hasil Gambar 2 Diagram alur analisis data 17

33 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

34 19 (31.64%). Responden yang terambil sebagai sampel sebagian besar adalah masyarakat dengan tingkat ekonomi bawah. 40% 35% 30% 25% 20% 15% 10% 5% 0% 36.27% 36.61% 27.12% tahun 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

35 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 Gender pilihan partai Status Usia ekonomi partai partai tidak lama baru menjawab < 34 tahun bawah tahun > 45 tahun Laki-laki < 34 tahun menengah tahun atas > 45 tahun < 34 tahun bawah tahun > 45 tahun Perempuan menengah atas < 34 tahun tahun > 45 tahun 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

36 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 * Gender * status ekonomi * Partai Gender * usia * Partai Status ekonomi * usia * Partai Gender * status ekonomi Gender * usia * Status ekonomi * usia * Gender * Partai Status ekonomi * Partai * Usia * Partai * Gender Status ekonomi * Usia * Partai * *Nyata pada 21

37 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 ini diawali dengan langkah 0 dari model penuh dengan interaksi 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 dengan nilai signifikansi (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

38 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 Generating Class Convergence Information a 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 peubah 1, kategori ke peubah 2, kategori ke peubah 3 dan kategori ke peubah 4. adalah pengaruh dua arah antara kategori ke peubah 1 dan kategori ke peubah 2, adalah pengaruh dua arah antara kategori ke peubah 1 dan kategori ke peubah 3, adalah pengaruh dua arah antara kategori ke peubah 2 dan kategori ke peubah 3, adalah pengaruh dua arah antara kategori ke peubah 2 dan kategori ke peubah 4, sedangkan adalah pengaruh dua arah antara kategori ke peubah 3 dan kategori ke peubah 4. Dan adalah pengaruh tiga arah antara kategori ke peubah 1, kategori ke peubah 2 dan kategori ke peubah 3. Dengan kata lain 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

39 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 * Gender * usia * Status ekonomi * usia * Status ekonomi * Partai * Usia * Partai * *Nyata pada Gambar 7 dan 8 merupakan asosiasi dua arah tanpa peubah kontrol. Pada Gambar 7 dapat dilihat bahwa responden dengan usia tahun cenderung mendukung partai baru sebagai partai politik pilihan mereka yaitu sekitar 40%. Sementara itu responden yang berusia 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.

40 tahun tahun >45 tahun partai baru partai lama tidak menjawab 40% 37% 35% 22% 27% 30% 43% 33% 33% Gambar 7 Asosiasi peubah usia dan pilihan partai bawah menengah atas partai baru partai lama tidak menjawab 66% 65% 74% 34% 35% 26% 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 Gender Status ekonomi < 34 tahun Usia tahun > 45 tahun Laki-laki Perempuan Rendah menengah atas Rendah menengah atas 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

41 26 Tabel 6 Uji interaksi peubah status ekonomi dan usia pada masing-masing gender Status ekonomi Gender laki-laki Usia Chi-square df 2 Sig..002 * perempuan Usia Chi-square 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 tahun dengan status ekonomi pada saat responden adalah laki-laki. Hal yang sama juga terlihat pada responden perempuan pada usia 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 tahun > 45 tahun B % 38.78% 23.95% B % 24.53% 32.59% A % 29.28% 47.04% 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