PENGEMBANGAN WEB INTERAKTIF DENGAN R-SHINY UNTUK GENERALIZED ESTIMATING EQUATIONS ORDE2 (GEE2)

Abstract

GEE2 merupakan perkembangan metode untuk menambah efisiensi dari GEE yang diperkenalkan oleh Zhao dan Prentice tahun 1990. Salah satu perbedaan GEE dan GEE2 adalah metode GEE digunakan dengan tidak memodelkan link korelasi, sedangkan GEE2 dengan memodelkan link korelasinya. Tujuan penelitian ini adalah mengembangkan program analisis GEE2 berbasis web interaktif menggunakan RShiny, mengaplikasikan dan menginterpretasi hasil, serta membandingkan hasil estimasi antara kedua link korelasi dalam GEE2. Langkah awal pada penelitian ini yaitu pembuatan program GEE2 berbasis web menggunakan R-Shiny yang selanjutnya dapat bermanfaat bagi orang lain dalam manganalisis data menggunakan GEE2 tanpa menguasai skrip pada program R. Program yang telah dibuat, dapat diakses melalui http://statslabrshiny. fmipa.unej.ac.id/JORS/GEE2/. Hasil analisis data yang telah diperoleh menggunakan program GEE2 berbasis web interaktif, selanjutnya akan dibandingkan nilai estimasi dari kedua link korelasi pada GEE2 yaitu link korelasi Identity dan Fisherz. Uji coba program pada penelitian ini menggunakan data simulasi sebanyak 200 yang terbagi menjadi 40 level dengan 2 variabel jenis respon yaitu SHB (untuk respon kontinue) dan BS (untuk respon biner), serta 5 variabel prediktor yaitu sekolah, gender, tes ujian, nilai TPA, dan nilai UN. Data tersebut selanjutnya akan ditentukan pengaruh antara variabel prediktor terhadap variabel respon. Uji signifikansi yang digunakan yaitu dengan melihat nilai p-value. Hasil analisis data simulasi yang telah diperoleh menunjukkan bahwa link korelasi berpengaruh pada hasil dari nilai estimasi koefisien korelasi, dimana link korelasi Identity mempunyai nilai standard error yang lebih minimum dibandingkan dengan nilai standard error menggunakan link korelasi Fisherz. Hal tersebut dapat berarti bahwa link korelasi Identity merupakan model terbaik yang dapat digunakan dalam menganalisis data menggunakan GEE2. Uji signifikansi dengan melihat nilai p-value ≤ 0.05 menunjukkan bahwa nilai TPA merupakan variabel yang signifikan, sedangkan variabel sekolah, gender, dan nilai UN tidak signifikan, baik untuk respon kontinue maupun respon biner. Persamaan model terbaik untuk respon kontinue dengan parameter signifikan yaitu = 29,70922037 + 0,90977480X , sebagai contoh untuk nilai TPA = 70, maka rara-rata nilai hasil belajar siswa-siswi suatu SMA adalah 93,3935. Persamaan model terbaik untuk respon biner dengan parameter signifikan yaitu = − 3,46479092 + 0,05180844X . Sebagai contoh untuk nilai TPA=70, maka penilaian afektif untuk kategori memuaskan dari siswa-siswi suatu SMA adalah 0,5404.