TUGAS I

Topik Khusus

(Estimasi Kestabilan Pilar dengan Menggunakan Regresi Logistik)

Oleh:

Zati Hulwani 22117006

Lusitania 22117026
Ridwan Syarif 22117305
Calvin Leonard 22118001

BIDANG KHUSUS GEOMEKANIKA

PROGRAM PASCA SARJANA REKAYASA PERTAMBANGAN
FAKULTAS TEKNIK PERTAMBANGAN DAN PERMINYAKAN
INSTITUT TEKNOLOGI BANDUNG
2018
1. PENDAHULUAN

Kestabilan terowongan pada tambang bawah tanah harus senantiasa

diperhatikan dan diperhitungkan untuk menjamin keselamatan para pekerja dan
peralatan yang bekerja dibawah permukaan. Pada kondisi tertentu kestabilan dari
pillar harus dapat bertahan selama puluhan tahun – tahun atau bahkan ratusan
tahun, kondisi ini biasanya terjadi pada terowongan sipil yang biasa digunakan
sebagai akses jalan kendaraan seperti kereta dan kendaraan bermotor lainnya.
Sedangkan pada industry pertambangan sendiri kestabilan pillar harus mampu
bertahan hingga kegiatan penambangan itu selesai. Olehnya itu perhitungan factor
keamanan harus dilakukan dengan baik, dengan cara mengumpulkan data - data
actual yang diperoleh dilapangan untuk selanjutnya dilakukan pengolahan data
dan pembuatan model desain dari pillar yang akan dibuat.

2. ANALISIS REGRESI LOGISTIK

Regresi logistik adalah sebuah pendekatan untuk membuat model prediksi
seperti halnya regresi linear atau yang biasa disebut dengan istilah Ordinary Least
Squares (OLS) regression. Perbedaannya adalah pada regresi logistik, peneliti
memprediksi variabel terikat yang berskala dikotomi. Skala dikotomi yang
dimaksud adalah skala data nominal dengan dua kategori, misalnya: Ya dan
Tidak, Baik dan Buruk atau Tinggi dan Rendah. Apabila pada OLS mewajibkan
syarat atau asumsi bahwa error varians (residual) terdistribusi secara normal.
Sebaliknya, pada regresi logistik tidak dibutuhkan asumsi tersebut sebab pada
regresi logistik mengikuti distribusi logistik.
Regresi logistik merupakan salah satu jenis regresi yang menghubungkan
antara variabel dependen dengan satu atau beberapa variabel independen (variabel
bebas). Variabel dependen biasanya berupa kategori 0, 1, dan variabel ke-n. Jenis
variabel independen berupa kategori inilah yang membedakan regresi logistik
dengan regresi berganda atau regresi linear lainnya.
Pada kasus ini bisa digunakan analisis regresi logistik biner dan analisi
regresi logistik multinomial.

2.1 Analisis Regresi Logistik Biner

 Regresi Logistik biner digunakan ketika hanya ada 2 kemungkinan variabel
respon (Y), misal ya/tidak, hidup/mati, dan sebagainya.

2.2 Analisis Regresi Logistik Multinomial

Regresi Logistik Multinomial digunakan ketika pada variabel respon (Y)
terdapat lebih dari 2 kategorisasi. Jika variabel dependen Y dikodekan 0, 1, atau 2
dan Y=0 sebagai baseline, probabilitas masing-masing kategori variabel dependen
adalah:

, dengan:
 3. DATA STABILITAS PILAR
Data yang didapatkan dari stabilitas pillar untuk yang stable, unstable, dan
failed berupa w/h, σc, σp, dan σp/ σc.

Table 1
Description of pillar stability
Pillar
Stability Observed Pillar Condition
Minor spalling, no joint opening [4]
Stable
No sign of stress induced fracturing [8]
Showing one or more of the following signs: cracking and spalling in development and
raises within the rib pillar; audible noise in the pillar; deformed drill holes; excess muck
being pulled from stopes (dilution); cracking of pillars; major displacements within the
pillar [3]
Unstable
Prominent spalling [4]
Fractures also appear on the centralparts of the pillar [6]
Corner breaking only up to fracturing in pillar walls with fracture aperture up to 10 mm
[8]
Severe spalling, pronounced opening of joints, deformation of drill holes [4]
Failed Disintegration of pillar; blocks falling out; fractures trough pillar with fracture apertures
wider than 10 mm [8]

Table 2 Table 3
Stable pillars case histories Unstable pillars case histories

UCS Pillar UCS Pillar

(MPa) stress (MPa) stress
No. w/h pc No. w/h pc
c (MPa) c (MPa)
p p
1 1 230 34.5 0.15 1 1 230 78.6 0.3417
2 1 230 44.1 0.1917 2 1.11 230 92.4 0.4017
3 1.11 230 26.2 0.1139 3 0.46 265 72 0.2717
4 1 230 52.4 0.2278 4 0.56 176 28 0.1591
5 1 230 51.7 0.2248 5 0.59 265 59 0.2226
6 1.11 230 27.6 0.12 6 0.63 160 70 0.4375
7 1 230 58.6 0.2548 7 0.68 265 82 0.3094
8 1 230 64.8 0.2817 8 0.83 100 31 0.31
9 1 230 31.7 0.1378 9 0.89 90 32 0.3556
10 1.11 230 33.1 0.1439 10 0.93 70 29 0.4143
11 1 230 37.2 0.1617 11 1 176 43 0.2443
12 1.43 230 52.4 0.2278 12 0.8 94 28 0.2979
 UCS Pillar UCS Pillar
(MPa) stress (MPa) stress
No. w/h pc No. w/h pc
c (MPa) c (MPa)
p p
13 2 230 40 0.1739 13 1 94 34 0.3617
14 1.1 230 34.5 0.15 14 1.24 94 34 0.3617
15 1.43 230 52.4 0.2278 15 1.3 94 35 0.3723
16 1.43 230 55.2 0.24 16 1.74 94 40 0.4255
17 1.06 230 44.1 0.1917 17 1.5 94 47 0.5
18 1 230 49.7 0.2161 18 1.67 94 48 0.5106
19 2.5 230 52.4 0.2278 19 1.4 94 48 0.5106
20 2.5 230 54.5 0.237 20 1.8 94 53 0.5638
21 2.5 230 59.3 0.2578 21 0.8 94 54 0.5745
22 1.67 230 72.4 0.3148 22 0.92 94 55 0.5851
23 2.22 230 86.9 0.3778 23 0.63 240 68 0.2833
24 0.46 265 38 0.1434 24 1 240 84 0.35
25 0.54 176 26 0.1477 25 1.03 240 74 0.3083
26 0.68 176 28 0.1591 26 1.22 240 67 0.2792
27 0.68 265 40 0.1509 27 0.88 100 39.3 0.393
28 0.75 176 33 0.1875 28 0.88 100 47.5 0.475
29 0.75 176 29 0.1648 29 0.83 100 31 0.31
30 0.85 200 51 0.255 30 0.74 100 29 0.29
31 0.88 176 29 0.1648 31 0.74 100 31 0.31
32 1 100 31 0.31 32 0.66 100 47.5 0.475
33 1 100 26 0.26 33 0.62 100 31 0.31
34 1.14 90 30 0.3333 34 0.59 100 29 0.29
35 1.25 176 37 0.2102 35 0.55 100 29 0.29
36 1.25 176 33 0.1875 36 0.53 100 31 0.31
37 1.33 72 36 0.5 37 0.51 100 37 0.37
38 1.43 316 75 0.2373 38 0.47 100 41.4 0.414
39 1.5 215 28 0.1302 39 0.45 100 25 0.25
40 1.65 121 55 0.4545 40 1.95 172 99.9 0.5808
41 1.7 310 46 0.1484 41 1.2 172 77.9 0.4529
42 2.14 215 29 0.1349 42 1.15 172 70.8 0.4116
43 2.18 148 66 0.4459 43 0.88 172 70.8 0.4116
44 2.2 316 76 0.2405 44 1.74 172 85 0.4942
45 2.5 310 46 0.1484 45 1.9 172 91.8 0.5337
46 2.83 72 31 0.4306 46 1.28 172 63.8 0.3709
47 2.92 148 63 0.4257 47 3.03 172 91.8 0.5337
48 4.2 72 39 0.5417 48 1.48 172 63.8 0.3709
49 4.5 72 48 0.6667 49 3 172 42.5 0.2471
 UCS Pillar UCS Pillar
(MPa) stress (MPa) stress
No. w/h pc No. w/h pc
c (MPa) c (MPa)
p p
50 1.7 94 26 0.2766 50 1.95 172 77.9 0.4529
51 1.7 94 30 0.3191
52 2.5 94 35 0.3723
53 2 94 35 0.3723
54 1.6 94 35 0.3723
55 1.4 94 37 0.3936
56 2.6 94 60 0.6383
57 2.33 170 39.3 0.2312
58 2.33 170 55.6 0.3271
59 1.48 172 49.6 0.2884
60 1.8 172 56.7 0.3297

Table 4. Failed pillars case histories

UCS Pillar
(MPa) stress
No. w/h pc
c (MPa)
p
1 1.11 230 104.8 0.4557
2 1.11 230 108.3 0.4709
3 1.5 230 127.6 0.5548
4 0.31 200 64 0.32
5 0.45 100 38 0.38
6 0.48 316 99 0.3133
7 0.5 100 38 0.38
8 0.5 90 49 0.5444
9 0.55 121 69 0.5702
10 0.56 176 31 0.1761
11 0.61 316 102 0.3228
12 0.68 176 38 0.2159
13 0.68 90 41 0.4556
14 0.75 176 57 0.3239
15 0.83 100 40 0.4
16 1.2 94 56 0.5957
17 0.9 94 48 0.5106
18 0.6 94 48 0.5106
19 0.6 94 48 0.5106
 UCS Pillar
(MPa) stress
No. w/h pc
c (MPa)
p
20 0.6 94 48 0.5106
21 0.76 94 50 0.5319
22 1.26 94 53 0.5638
23 1.4 94 55 0.5851
24 1 94 55 0.5851
25 0.96 94 55 0.5851
26 1.2 94 55 0.5851
27 1.6 94 58 0.617
28 1.5 94 58 0.617
29 1 94 58 0.617
30 0.5 94 58 0.617
31 1 94 59 0.6277
32 2 94 59 0.6277
33 1 94 59 0.6277
34 1 94 59 0.6277
35 1 94 59 0.6277
36 2.27 94 60 0.6383
37 0.6 94 60 0.6383
38 1.2 94 63 0.6702
39 1.2 94 54 0.5745
40 0.92 94 55 0.5851
41 1.32 94 55 0.5851
42 1.3 94 56 0.5957
43 1.4 94 63 0.6702
44 1.5 94 63 0.6702
45 0.78 240 95 0.3958
46 1.25 240 83 0.3458
47 1.25 240 100 0.4167
48 1.42 240 82 0.3417
49 1.75 240 92 0.3833
50 1 170 88.7 0.5218
51 1.02 172 93.5 0.5436
52 1.02 172 93.5 0.5436
53 1.4 172 93.5 0.5436
54 1.58 172 93.5 0.5436
55 1.08 172 93.5 0.5436
56 0.94 172 93.5 0.5436
 UCS Pillar
(MPa) stress
No. w/h pc
c (MPa)
p
57 0.87 172 93.5 0.5436
58 1.29 172 93.5 0.5436
59 1 172 93.5 0.5436
60 1.48 172 105.4 0.6128
61 1.38 172 93.5 0.5436
62 1.43 172 105.4 0.6128
63 1.3 172 98.6 0.5733
64 1.33 172 91.8 0.5337
65 0.96 172 88.4 0.514
66 1.78 172 98.6 0.5733
67 1.08 172 93.5 0.5436
68 0.62 172 93.5 0.5436

4. TAHAP PENGOLAHAN DATA

Pengolahan data menggunaka analisis regresi logistik biner menggunakan
SPSS. Berikut tahapan pengolahan data menggunakan SPSS.
a. Buka Variable View kemudian input variable Y, X1, dan X2 dengan

Tipe variabel Notasi variabel Data stabilitas terkait Nilai

Dependen Y Stability 0 untuk pilar Stable

1 untuk pilar Unstable

2 untuk pilar Failed

Independen X1 w/h 0,31 - 4,50

X2 σp/σc 0,11 - 0,67

Berikut variable view di SPSS.

b. Pada kolom Data View input variabel X1, dan X2 untuk pilar stable, unstable,
dan failed. Untuk data variabel Y diiput sesuai dengan nilainya dengan 0
untuk stable, 1 untuk unstable, dan 2 untuk failed. Berikut data view pada
SPSS.

c. Pilih Analyze – Regression – Multinomial Logistic.

Kemudian akan muncul kotak dialog Multinomial Logistic Regression.
Kemudian pada kolom Dependent input variabel Y dengan Reference
Category: First, sedangkan untuk X1, dan X2 dimasukkan kedalam kolom
variabel bebas (Covariate).

Selanjutnya klik pada Statistics maka akan muncul kotak dialog seperti
dibawah ini. Kemudian pada model dipilih semuanya. Setelah dipilih semua
klik Continue.
d. Kemudian klik Ok pada kotak dialog Multinomial Logistic Regression.
Sehingga akan muncul hasil dari analisis regresi logistik multinomial.
 5. HASIL
Setelah dilakukan analisis regresi logistik multinomial menggunakan SPSS
didapatkan hasil sebagai berikut.

5.1 Case Processing Summary

Dari data yang didapatkan jumlah variabel dependen untuk kondisi pillar
stabil adalah 60, unstable 50, dan untuk failed 68. Total data adalah 178.

Case Processing Summary

N Marginal Percentage
Y STABLE 60 33,7%
UNSTABLE 50 28,1%
FAILED 68 38,2%
Valid 178 100,0%
Missing 0
Total 178
Subpopulation 168a
a. The dependent variable has only one value observed in 167
(99,4%) subpopulations.

5.2 Parameter Estimates

Goodness-of-Fit
Chi-Square df Sig.
Pearson 1316,141 330 ,000
Deviance 198,540 330 1,000

Parameter Estimates
Std. 95% Confidence Interval for Exp(B)
Ya B Error Wald df Sig. Exp(B) Lower Bound Upper Bound
UNSTABLE Intercept -1,969 ,840 5,499 1 ,019
X1 -3,179 ,692 21,082 1 ,000 ,042 ,011 ,162
X2 18,488 3,570 26,814 1 ,000 106914741,724 97733,384 116958623087,9
09
FAILED Intercept -5,876 1,209 23,633 1 ,000
X1 -5,231 ,911 32,996 1 ,000 ,005 ,001 ,032
 Parameter Estimates
Std. 95% Confidence Interval for Exp(B)
Ya B Error Wald df Sig. Exp(B) Lower Bound Upper Bound
X2 32,636 4,441 54,014 1 ,000 14913834227107 24758778369,10 89835794011211
6,500 9 3280,000
a. The reference category is: STABLE.

Hasil perhitungan parameter estimates yang dilakukan dengan menggunakan

software SPSS pada tabel diatas, digunakan untuk memodelkan regresi logistik
dan probabilitas yang untuk menetukan apakah pillar stable, unstable, dan failed,
sehingga persamaan dapat ditulis sebagai berikut:

1
𝑃(𝑠𝑡𝑎𝑏𝑙𝑒) = 𝑤 𝑤 𝜎𝑝
[−5.876−5.321( )+32.636(𝜎𝑝 /𝜎𝑐 )] [−1.969−3.179( )+18.488( )]
1+ 𝑒 ℎ + 𝑒 ℎ 𝜎𝑐

𝑤 𝜎𝑝
[−1.969−3.179( )+18.488( )]
𝑒 ℎ 𝜎𝑐
𝑃(𝑢𝑛𝑠𝑡𝑎𝑏𝑙𝑒) = 𝑤 𝑤 𝜎𝑝
[−5.876−5.321( )+32.636(𝜎𝑝 /𝜎𝑐 )] [−1.969−3.179( )+18.488( )]
1+𝑒 ℎ +𝑒 ℎ 𝜎𝑐

𝑤
[−5.876−5.321( )+32.636(𝜎𝑝 /𝜎𝑐 )]
𝑒 ℎ
𝑃(𝑓𝑎𝑖𝑙𝑒𝑑) = 𝑤 𝑤 𝜎𝑝
[−5.876−5.321( )+32.636(𝜎𝑝 /𝜎𝑐 )] [−1.969−3.179( )+18.488( )]
1+𝑒 ℎ +𝑒 ℎ 𝜎𝑐

5.3 Observed and Predicted Frequencies

Berikut hasil observed and predicted frequencies. Dari hasil dibawah ini
menunjukkan saat X1 (w/h) sebesar 1.11 dan X2 (σp/σc) sebesar 0.11, pada
kondisi stable persentase observed didapatkan sebesar 100% sehingga tidak
ada unstable dan failed. Sedangkan dari segi persentase predicted untuk
kondisi pilar stable sebesar 96,7%, unstable 3.3%, dan failed 0%. Begitu juga
seterusnya.

Observed and Predicted Frequencies

Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
,11 1,11 STABLE 1 ,967 ,184 100,0% 96,7%
UNSTABLE 0 ,033 -,183 0,0% 3,3%
FAILED 0 ,000 -,018 0,0% 0,0%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
,12 1,11 STABLE 1 ,963 ,195 100,0% 96,3%
UNSTABLE 0 ,036 -,194 0,0% 3,6%
FAILED 0 ,000 -,020 0,0% 0,0%
,13 1,50 STABLE 1 ,987 ,115 100,0% 98,7%
UNSTABLE 0 ,013 -,115 0,0% 1,3%
FAILED 0 ,000 -,009 0,0% 0,0%
,13 2,14 STABLE 1 ,998 ,043 100,0% 99,8%
UNSTABLE 0 ,002 -,043 0,0% 0,2%
FAILED 0 ,000 -,002 0,0% 0,0%
,14 1,00 STABLE 1 ,930 ,275 100,0% 93,0%
UNSTABLE 0 ,069 -,272 0,0% 6,9%
FAILED 0 ,001 -,035 0,0% 0,1%
,14 ,46 STABLE 1 ,673 ,697 100,0% 67,3%
UNSTABLE 0 ,309 -,668 0,0% 30,9%
FAILED 0 ,018 -,137 0,0% 1,8%
,14 1,11 STABLE 1 ,944 ,244 100,0% 94,4%
UNSTABLE 0 ,055 -,242 0,0% 5,5%
FAILED 0 ,001 -,030 0,0% 0,1%
,15 ,54 STABLE 1 ,712 ,637 100,0% 71,2%
UNSTABLE 0 ,274 -,614 0,0% 27,4%
FAILED 0 ,015 -,122 0,0% 1,5%
,15 1,70 STABLE 1 ,990 ,099 100,0% 99,0%
UNSTABLE 0 ,010 -,099 0,0% 1,0%
FAILED 0 ,000 -,007 0,0% 0,0%
2,50 STABLE 1 ,999 ,028 100,0% 99,9%
UNSTABLE 0 ,001 -,028 0,0% 0,1%
FAILED 0 ,000 -,001 0,0% 0,0%
,15 1,00 STABLE 1 ,913 ,308 100,0% 91,3%
UNSTABLE 0 ,085 -,305 0,0% 8,5%
FAILED 0 ,002 -,043 0,0% 0,2%
1,10 STABLE 1 ,936 ,262 100,0% 93,6%
UNSTABLE 0 ,063 -,260 0,0% 6,3%
FAILED 0 ,001 -,033 0,0% 0,1%
,15 ,68 STABLE 1 ,786 ,522 100,0% 78,6%
UNSTABLE 0 ,206 -,509 0,0% 20,6%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
FAILED 0 ,009 -,093 0,0% 0,9%
,16 ,56 STABLE 0 ,679 -1,454 0,0% 67,9%
UNSTABLE 1 ,303 1,518 100,0% 30,3%
FAILED 0 ,018 -,137 0,0% 1,8%
,68 STABLE 1 ,758 ,565 100,0% 75,8%
UNSTABLE 0 ,231 -,548 0,0% 23,1%
FAILED 0 ,011 -,105 0,0% 1,1%
,16 1,00 STABLE 1 ,894 ,344 100,0% 89,4%
UNSTABLE 0 ,103 -,339 0,0% 10,3%
FAILED 0 ,003 -,051 0,0% 0,3%
,16 ,75 STABLE 1 ,780 ,532 100,0% 78,0%
UNSTABLE 0 ,211 -,517 0,0% 21,1%
FAILED 0 ,009 -,097 0,0% 0,9%
,88 STABLE 1 ,844 ,430 100,0% 84,4%
UNSTABLE 0 ,151 -,422 0,0% 15,1%
FAILED 0 ,005 -,072 0,0% 0,5%
,17 2,00 STABLE 1 ,994 ,078 100,0% 99,4%
UNSTABLE 0 ,006 -,078 0,0% 0,6%
FAILED 0 ,000 -,005 0,0% 0,0%
,18 ,56 STABLE 0 ,603 -1,233 0,0% 60,3%
UNSTABLE 0 ,368 -,764 0,0% 36,8%
FAILED 1 ,028 5,856 100,0% 2,8%
,19 ,75 STABLE 1 ,696 ,661 100,0% 69,6%
UNSTABLE 0 ,287 -,634 0,0% 28,7%
FAILED 0 ,018 -,134 0,0% 1,8%
1,25 STABLE 1 ,921 ,293 100,0% 92,1%
UNSTABLE 0 ,077 -,290 0,0% 7,7%
FAILED 0 ,002 -,041 0,0% 0,2%
,19 1,00 STABLE 1 ,827 ,457 100,0% 82,7%
UNSTABLE 0 ,166 -,447 0,0% 16,6%
FAILED 0 ,006 -,081 0,0% 0,6%
1,06 STABLE 1 ,853 ,415 100,0% 85,3%
UNSTABLE 0 ,142 -,407 0,0% 14,2%
FAILED 0 ,005 -,070 0,0% 0,5%
,21 1,25 STABLE 1 ,884 ,363 100,0% 88,4%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
UNSTABLE 0 ,113 -,357 0,0% 11,3%
FAILED 0 ,003 -,059 0,0% 0,3%
,22 ,68 STABLE 0 ,510 -1,020 0,0% 51,0%
UNSTABLE 0 ,443 -,893 0,0% 44,3%
FAILED 1 ,047 4,511 100,0% 4,7%
,22 1,00 STABLE 1 ,750 ,577 100,0% 75,0%
UNSTABLE 0 ,237 -,557 0,0% 23,7%
FAILED 0 ,013 -,115 0,0% 1,3%
,22 ,59 STABLE 0 ,401 -,818 0,0% 40,1%
UNSTABLE 1 ,526 ,950 100,0% 52,6%
FAILED 0 ,073 -,281 0,0% 7,3%
,22 1,00 STABLE 1 ,717 ,628 100,0% 71,7%
UNSTABLE 0 ,266 -,602 0,0% 26,6%
FAILED 0 ,017 -,130 0,0% 1,7%
,23 1,00 STABLE 1 ,705 ,646 100,0% 70,5%
UNSTABLE 0 ,277 -,618 0,0% 27,7%
FAILED 0 ,018 -,135 0,0% 1,8%
1,43 STABLE 2 1,814 ,453 100,0% 90,7%
UNSTABLE 0 ,181 -,446 0,0% 9,1%
FAILED 0 ,005 -,070 0,0% 0,2%
2,50 STABLE 1 ,997 ,058 100,0% 99,7%
UNSTABLE 0 ,003 -,058 0,0% 0,3%
FAILED 0 ,000 -,003 0,0% 0,0%
,23 2,33 STABLE 1 ,994 ,078 100,0% 99,4%
UNSTABLE 0 ,006 -,078 0,0% 0,6%
FAILED 0 ,000 -,005 0,0% 0,0%
,24 2,50 STABLE 1 ,996 ,063 100,0% 99,6%
UNSTABLE 0 ,004 -,063 0,0% 0,4%
FAILED 0 ,000 -,004 0,0% 0,0%
,24 1,43 STABLE 1 ,891 ,350 100,0% 89,1%
UNSTABLE 0 ,106 -,344 0,0% 10,6%
FAILED 0 ,003 -,057 0,0% 0,3%
,24 1,43 STABLE 1 ,886 ,359 100,0% 88,6%
UNSTABLE 0 ,111 -,353 0,0% 11,1%
FAILED 0 ,004 -,060 0,0% 0,4%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
,24 2,20 STABLE 1 ,989 ,105 100,0% 98,9%
UNSTABLE 0 ,011 -,105 0,0% 1,1%
FAILED 0 ,000 -,008 0,0% 0,0%
,24 1,00 STABLE 0 ,635 -1,318 0,0% 63,5%
UNSTABLE 1 ,338 1,401 100,0% 33,8%
FAILED 0 ,028 -,169 0,0% 2,8%
,25 3,00 STABLE 0 ,999 -32,073 0,0% 99,9%
UNSTABLE 1 ,001 32,096 100,0% 0,1%
FAILED 0 ,000 -,001 0,0% 0,0%
,25 ,45 STABLE 0 ,188 -,481 0,0% 18,8%
UNSTABLE 1 ,637 ,754 100,0% 63,7%
FAILED 0 ,175 -,460 0,0% 17,5%
,25 1,00 STABLE 1 ,586 ,841 100,0% 58,6%
UNSTABLE 0 ,378 -,780 0,0% 37,8%
FAILED 0 ,036 -,193 0,0% 3,6%
,26 ,85 STABLE 1 ,459 1,086 100,0% 45,9%
UNSTABLE 0 ,479 -,959 0,0% 47,9%
FAILED 0 ,062 -,257 0,0% 6,2%
,26 2,50 STABLE 1 ,994 ,076 100,0% 99,4%
UNSTABLE 0 ,006 -,076 0,0% 0,6%
FAILED 0 ,000 -,005 0,0% 0,0%
,26 1,00 STABLE 1 ,561 ,885 100,0% 56,1%
UNSTABLE 0 ,399 -,814 0,0% 39,9%
FAILED 0 ,041 -,206 0,0% 4,1%
,27 ,46 STABLE 0 ,130 -,386 0,0% 13,0%
UNSTABLE 1 ,637 ,754 100,0% 63,7%
FAILED 0 ,233 -,551 0,0% 23,3%
,28 1,70 STABLE 1 ,903 ,328 100,0% 90,3%
UNSTABLE 0 ,094 -,323 0,0% 9,4%
FAILED 0 ,003 -,054 0,0% 0,3%
,28 1,22 STABLE 0 ,646 -1,352 0,0% 64,6%
UNSTABLE 1 ,326 1,439 100,0% 32,6%
FAILED 0 ,028 -,169 0,0% 2,8%
,28 1,00 STABLE 1 ,453 1,100 100,0% 45,3%
UNSTABLE 0 ,481 -,962 0,0% 48,1%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
FAILED 0 ,067 -,267 0,0% 6,7%
,28 ,63 STABLE 0 ,178 -,465 0,0% 17,8%
UNSTABLE 1 ,631 ,765 100,0% 63,1%
FAILED 0 ,192 -,487 0,0% 19,2%
,29 1,48 STABLE 1 ,784 ,526 100,0% 78,4%
UNSTABLE 0 ,205 -,507 0,0% 20,5%
FAILED 0 ,012 -,109 0,0% 1,2%
,29 ,55 STABLE 0 ,122 -,372 0,0% 12,2%
UNSTABLE 1 ,630 ,766 100,0% 63,0%
FAILED 0 ,248 -,574 0,0% 24,8%
,59 STABLE 0 ,139 -,401 0,0% 13,9%
UNSTABLE 1 ,632 ,763 100,0% 63,2%
FAILED 0 ,229 -,545 0,0% 22,9%
,74 STABLE 0 ,218 -,528 0,0% 21,8%
UNSTABLE 1 ,617 ,787 100,0% 61,7%
FAILED 0 ,164 -,444 0,0% 16,4%
,30 ,80 STABLE 0 ,226 -,541 0,0% 22,6%
UNSTABLE 1 ,612 ,796 100,0% 61,2%
FAILED 0 ,161 -,439 0,0% 16,1%
,31 1,03 STABLE 0 ,347 -,730 0,0% 34,7%
UNSTABLE 1 ,548 ,908 100,0% 54,8%
FAILED 0 ,104 -,341 0,0% 10,4%
,31 ,68 STABLE 0 ,127 -,382 0,0% 12,7%
UNSTABLE 1 ,625 ,775 100,0% 62,5%
FAILED 0 ,248 -,574 0,0% 24,8%
,31 ,53 STABLE 0 ,075 -,285 0,0% 7,5%
UNSTABLE 1 ,599 ,818 100,0% 59,9%
FAILED 0 ,326 -,695 0,0% 32,6%
,62 STABLE 0 ,103 -,339 0,0% 10,3%
UNSTABLE 1 ,618 ,787 100,0% 61,8%
FAILED 0 ,279 -,623 0,0% 27,9%
,74 STABLE 0 ,153 -,425 0,0% 15,3%
UNSTABLE 1 ,626 ,773 100,0% 62,6%
FAILED 0 ,221 -,533 0,0% 22,1%
,83 STABLE 0 ,402 -,709 0,0% 20,1%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
UNSTABLE 2 1,235 1,113 100,0% 61,8%
FAILED 0 ,363 -,666 0,0% 18,2%
1,00 STABLE 1 ,316 1,471 100,0% 31,6%
UNSTABLE 0 ,566 -1,143 0,0% 56,6%
FAILED 0 ,117 -,365 0,0% 11,7%
,31 ,48 STABLE 0 ,058 -,248 0,0% 5,8%
UNSTABLE 0 ,577 -1,169 0,0% 57,7%
FAILED 1 ,365 1,320 100,0% 36,5%
,31 1,67 STABLE 1 ,803 ,496 100,0% 80,3%
UNSTABLE 0 ,187 -,479 0,0% 18,7%
FAILED 0 ,010 -,103 0,0% 1,0%
,32 1,70 STABLE 1 ,805 ,492 100,0% 80,5%
UNSTABLE 0 ,184 -,476 0,0% 18,4%
FAILED 0 ,010 -,102 0,0% 1,0%
,32 ,31 STABLE 0 ,025 -,161 0,0% 2,5%
UNSTABLE 0 ,491 -,982 0,0% 49,1%
FAILED 1 ,483 1,034 100,0% 48,3%
,32 ,61 STABLE 0 ,076 -,286 0,0% 7,6%
UNSTABLE 0 ,595 -1,212 0,0% 59,5%
FAILED 1 ,329 1,428 100,0% 32,9%
,32 ,75 STABLE 0 ,121 -,370 0,0% 12,1%
UNSTABLE 0 ,619 -1,274 0,0% 61,9%
FAILED 1 ,261 1,683 100,0% 26,1%
,33 2,33 STABLE 1 ,965 ,191 100,0% 96,5%
UNSTABLE 0 ,035 -,189 0,0% 3,5%
FAILED 0 ,001 -,024 0,0% 0,1%
,33 1,80 STABLE 1 ,824 ,462 100,0% 82,4%
UNSTABLE 0 ,167 -,448 0,0% 16,7%
FAILED 0 ,009 -,095 0,0% 0,9%
,33 1,14 STABLE 1 ,318 1,466 100,0% 31,8%
UNSTABLE 0 ,561 -1,131 0,0% 56,1%
FAILED 0 ,121 -,372 0,0% 12,1%
,34 1,00 STABLE 0 ,190 -,484 0,0% 19,0%
UNSTABLE 1 ,612 ,797 100,0% 61,2%
FAILED 0 ,199 -,498 0,0% 19,9%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
1,42 STABLE 0 ,509 -1,019 0,0% 50,9%
UNSTABLE 0 ,431 -,871 0,0% 43,1%
FAILED 1 ,059 3,987 100,0% 5,9%
,35 1,25 STABLE 0 ,346 -,727 0,0% 34,6%
UNSTABLE 0 ,542 -1,089 0,0% 54,2%
FAILED 1 ,112 2,819 100,0% 11,2%
,35 1,00 STABLE 0 ,163 -,442 0,0% 16,3%
UNSTABLE 1 ,613 ,795 100,0% 61,3%
FAILED 0 ,224 -,537 0,0% 22,4%
,36 ,89 STABLE 0 ,102 -,336 0,0% 10,2%
UNSTABLE 1 ,601 ,815 100,0% 60,1%
FAILED 0 ,298 -,651 0,0% 29,8%
,36 1,00 STABLE 0 ,130 -,387 0,0% 13,0%
UNSTABLE 1 ,608 ,803 100,0% 60,8%
FAILED 0 ,262 -,596 0,0% 26,2%
1,24 STABLE 0 ,267 -,604 0,0% 26,7%
UNSTABLE 1 ,580 ,851 100,0% 58,0%
FAILED 0 ,153 -,425 0,0% 15,3%
,37 ,51 STABLE 0 ,016 -,129 0,0% 1,6%
UNSTABLE 1 ,423 1,168 100,0% 42,3%
FAILED 0 ,560 -1,129 0,0% 56,0%
,37 1,28 STABLE 0 ,257 -,588 0,0% 25,7%
UNSTABLE 1 ,582 ,847 100,0% 58,2%
FAILED 0 ,161 -,438 0,0% 16,1%
1,48 STABLE 0 ,413 -,839 0,0% 41,3%
UNSTABLE 1 ,496 1,008 100,0% 49,6%
FAILED 0 ,091 -,316 0,0% 9,1%
,37 1,30 STABLE 0 ,265 -,600 0,0% 26,5%
UNSTABLE 1 ,579 ,853 100,0% 57,9%
FAILED 0 ,157 -,431 0,0% 15,7%
1,60 STABLE 1 ,509 ,982 100,0% 50,9%
UNSTABLE 0 ,428 -,866 0,0% 42,8%
FAILED 0 ,063 -,258 0,0% 6,3%
2,00 STABLE 1 ,799 ,501 100,0% 79,9%
UNSTABLE 0 ,189 -,482 0,0% 18,9%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
FAILED 0 ,012 -,111 0,0% 1,2%
2,50 STABLE 1 ,953 ,222 100,0% 95,3%
UNSTABLE 0 ,046 -,219 0,0% 4,6%
FAILED 0 ,001 -,033 0,0% 0,1%
,38 2,22 STABLE 1 ,881 ,368 100,0% 88,1%
UNSTABLE 0 ,114 -,359 0,0% 11,4%
FAILED 0 ,005 -,071 0,0% 0,5%
,38 ,45 STABLE 0 ,010 -,099 0,0% 1,0%
UNSTABLE 0 ,363 -,755 0,0% 36,3%
FAILED 1 ,627 ,771 100,0% 62,7%
,50 STABLE 0 ,012 -,110 0,0% 1,2%
UNSTABLE 0 ,386 -,793 0,0% 38,6%
FAILED 1 ,602 ,814 100,0% 60,2%
,38 1,75 STABLE 0 ,581 -1,178 0,0% 58,1%
UNSTABLE 0 ,372 -,770 0,0% 37,2%
FAILED 1 ,047 4,518 100,0% 4,7%
,39 ,88 STABLE 0 ,042 -,210 0,0% 4,2%
UNSTABLE 1 ,515 ,970 100,0% 51,5%
FAILED 0 ,442 -,891 0,0% 44,2%
,39 1,40 STABLE 1 ,246 1,749 100,0% 24,6%
UNSTABLE 0 ,581 -1,177 0,0% 58,1%
FAILED 0 ,173 -,457 0,0% 17,3%
,40 ,78 STABLE 0 ,026 -,165 0,0% 2,6%
UNSTABLE 0 ,464 -,931 0,0% 46,4%
FAILED 1 ,509 ,982 100,0% 50,9%
,40 ,83 STABLE 0 ,029 -,173 0,0% 2,9%
UNSTABLE 0 ,474 -,948 0,0% 47,4%
FAILED 1 ,497 1,005 100,0% 49,7%
,40 1,11 STABLE 0 ,083 -,301 0,0% 8,3%
UNSTABLE 1 ,571 ,867 100,0% 57,1%
FAILED 0 ,346 -,727 0,0% 34,6%
,41 ,88 STABLE 0 ,027 -,166 0,0% 2,7%
UNSTABLE 1 ,460 1,084 100,0% 46,0%
FAILED 0 ,513 -1,027 0,0% 51,3%
1,15 STABLE 0 ,077 -,289 0,0% 7,7%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
UNSTABLE 1 ,562 ,883 100,0% 56,2%
FAILED 0 ,361 -,751 0,0% 36,1%
,41 ,47 STABLE 0 ,004 -,064 0,0% 0,4%
UNSTABLE 1 ,271 1,642 100,0% 27,1%
FAILED 0 ,725 -1,625 0,0% 72,5%
,41 ,93 STABLE 0 ,031 -,178 0,0% 3,1%
UNSTABLE 1 ,473 1,055 100,0% 47,3%
FAILED 0 ,496 -,992 0,0% 49,6%
,42 1,25 STABLE 0 ,099 -,332 0,0% 9,9%
UNSTABLE 0 ,577 -1,168 0,0% 57,7%
FAILED 1 ,324 1,444 100,0% 32,4%
,43 1,74 STABLE 0 ,360 -,750 0,0% 36,0%
UNSTABLE 1 ,519 ,962 100,0% 51,9%
FAILED 0 ,121 -,371 0,0% 12,1%
,43 2,92 STABLE 1 ,966 ,186 100,0% 96,6%
UNSTABLE 0 ,033 -,184 0,0% 3,3%
FAILED 0 ,001 -,026 0,0% 0,1%
,43 2,83 STABLE 1 ,952 ,226 100,0% 95,2%
UNSTABLE 0 ,047 -,222 0,0% 4,7%
FAILED 0 ,001 -,036 0,0% 0,1%
,44 ,63 STABLE 0 ,004 -,066 0,0% 0,4%
UNSTABLE 1 ,270 1,645 100,0% 27,0%
FAILED 0 ,726 -1,627 0,0% 72,6%
,45 2,18 STABLE 1 ,631 ,765 100,0% 63,1%
UNSTABLE 0 ,328 -,698 0,0% 32,8%
FAILED 0 ,041 -,207 0,0% 4,1%
,45 1,20 STABLE 0 ,036 -,192 0,0% 3,6%
UNSTABLE 1 ,473 1,055 100,0% 47,3%
FAILED 0 ,491 -,983 0,0% 49,1%
1,95 STABLE 0 ,400 -,816 0,0% 40,0%
UNSTABLE 1 ,491 1,019 100,0% 49,1%
FAILED 0 ,109 -,350 0,0% 10,9%
,45 1,65 STABLE 1 ,176 2,160 100,0% 17,6%
UNSTABLE 0 ,579 -1,173 0,0% 57,9%
FAILED 0 ,244 -,569 0,0% 24,4%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
,46 ,68 STABLE 0 ,003 -,057 0,0% 0,3%
UNSTABLE 0 ,241 -,563 0,0% 24,1%
FAILED 1 ,756 ,568 100,0% 75,6%
,46 1,11 STABLE 0 ,023 -,153 0,0% 2,3%
UNSTABLE 0 ,425 -,860 0,0% 42,5%
FAILED 1 ,552 ,900 100,0% 55,2%
,47 1,11 STABLE 0 ,015 -,124 0,0% 1,5%
UNSTABLE 0 ,377 -,778 0,0% 37,7%
FAILED 1 ,608 ,803 100,0% 60,8%
,48 ,66 STABLE 0 ,002 -,041 0,0% 0,2%
UNSTABLE 1 ,188 2,076 100,0% 18,8%
FAILED 0 ,810 -2,065 0,0% 81,0%
,88 STABLE 0 ,005 -,069 0,0% 0,5%
UNSTABLE 1 ,266 1,660 100,0% 26,6%
FAILED 0 ,729 -1,640 0,0% 72,9%
,49 1,74 STABLE 0 ,108 -,347 0,0% 10,8%
UNSTABLE 1 ,553 ,900 100,0% 55,3%
FAILED 0 ,340 -,718 0,0% 34,0%
,50 1,33 STABLE 1 ,018 7,325 100,0% 1,8%
UNSTABLE 0 ,385 -,791 0,0% 38,5%
FAILED 0 ,597 -1,216 0,0% 59,7%
1,50 STABLE 0 ,038 -,197 0,0% 3,8%
UNSTABLE 1 ,460 1,084 100,0% 46,0%
FAILED 0 ,503 -1,005 0,0% 50,3%
,51 ,60 STABLE 0 ,001 -,036 0,0% 0,0%
UNSTABLE 0 ,331 -,610 0,0% 11,0%
FAILED 3 2,667 ,612 100,0% 88,9%
,90 STABLE 0 ,002 -,043 0,0% 0,2%
UNSTABLE 0 ,187 -,479 0,0% 18,7%
FAILED 1 ,812 ,482 100,0% 81,2%
1,40 STABLE 0 ,019 -,138 0,0% 1,9%
UNSTABLE 1 ,383 1,268 100,0% 38,3%
FAILED 0 ,598 -1,219 0,0% 59,8%
1,67 STABLE 0 ,057 -,246 0,0% 5,7%
UNSTABLE 1 ,497 1,005 100,0% 49,7%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
FAILED 0 ,445 -,896 0,0% 44,5%
,51 ,96 STABLE 0 ,002 -,047 0,0% 0,2%
UNSTABLE 0 ,198 -,497 0,0% 19,8%
FAILED 1 ,800 ,501 100,0% 80,0%
,52 1,00 STABLE 0 ,002 -,046 0,0% 0,2%
UNSTABLE 0 ,194 -,490 0,0% 19,4%
FAILED 1 ,804 ,494 100,0% 80,4%
,53 ,76 STABLE 0 ,000 -,022 0,0% 0,0%
UNSTABLE 0 ,113 -,357 0,0% 11,3%
FAILED 1 ,886 ,358 100,0% 88,6%
,53 1,33 STABLE 0 ,007 -,085 0,0% 0,7%
UNSTABLE 0 ,284 -,630 0,0% 28,4%
FAILED 1 ,709 ,641 100,0% 70,9%
1,90 STABLE 0 ,081 -,296 0,0% 8,1%
UNSTABLE 1 ,518 ,965 100,0% 51,8%
FAILED 0 ,401 -,819 0,0% 40,1%
3,03 STABLE 0 ,840 -2,294 0,0% 84,0%
UNSTABLE 1 ,148 2,396 100,0% 14,8%
FAILED 0 ,011 -,107 0,0% 1,1%
,54 4,20 STABLE 1 ,995 ,071 100,0% 99,5%
UNSTABLE 0 ,005 -,070 0,0% 0,5%
FAILED 0 ,000 -,006 0,0% 0,0%
,54 ,62 STABLE 0 ,000 -,013 0,0% 0,0%
UNSTABLE 0 ,075 -,285 0,0% 7,5%
FAILED 1 ,925 ,285 100,0% 92,5%
,87 STABLE 0 ,001 -,024 0,0% 0,1%
UNSTABLE 0 ,119 -,368 0,0% 11,9%
FAILED 1 ,880 ,369 100,0% 88,0%
,94 STABLE 0 ,001 -,029 0,0% 0,1%
UNSTABLE 0 ,135 -,395 0,0% 13,5%
FAILED 1 ,864 ,397 100,0% 86,4%
1,00 STABLE 0 ,001 -,033 0,0% 0,1%
UNSTABLE 0 ,150 -,420 0,0% 15,0%
FAILED 1 ,849 ,422 100,0% 84,9%
1,02 STABLE 0 ,002 -,050 0,0% 0,1%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
UNSTABLE 0 ,311 -,607 0,0% 15,5%
FAILED 2 1,687 ,610 100,0% 84,3%
1,08 STABLE 0 ,003 -,058 0,0% 0,2%
UNSTABLE 0 ,345 -,645 0,0% 17,2%
FAILED 2 1,652 ,649 100,0% 82,6%
1,29 STABLE 0 ,005 -,067 0,0% 0,5%
UNSTABLE 0 ,242 -,565 0,0% 24,2%
FAILED 1 ,754 ,572 100,0% 75,4%
1,38 STABLE 0 ,007 -,083 0,0% 0,7%
UNSTABLE 0 ,277 -,618 0,0% 27,7%
FAILED 1 ,717 ,629 100,0% 71,7%
1,40 STABLE 0 ,008 -,087 0,0% 0,8%
UNSTABLE 0 ,285 -,631 0,0% 28,5%
FAILED 1 ,708 ,643 100,0% 70,8%
1,58 STABLE 0 ,017 -,131 0,0% 1,7%
UNSTABLE 0 ,362 -,753 0,0% 36,2%
FAILED 1 ,621 ,781 100,0% 62,1%
,54 ,50 STABLE 0 ,000 -,009 0,0% 0,0%
UNSTABLE 0 ,059 -,250 0,0% 5,9%
FAILED 1 ,941 ,251 100,0% 94,1%
,55 1,50 STABLE 0 ,009 -,094 0,0% 0,9%
UNSTABLE 0 ,294 -,645 0,0% 29,4%
FAILED 1 ,697 ,659 100,0% 69,7%
,56 1,26 STABLE 0 ,002 -,046 0,0% 0,2%
UNSTABLE 0 ,184 -,476 0,0% 18,4%
FAILED 1 ,813 ,479 100,0% 81,3%
1,80 STABLE 0 ,026 -,163 0,0% 2,6%
UNSTABLE 1 ,397 1,233 100,0% 39,7%
FAILED 0 ,578 -1,169 0,0% 57,8%
,57 ,55 STABLE 0 ,000 -,007 0,0% 0,0%
UNSTABLE 0 ,046 -,220 0,0% 4,6%
FAILED 1 ,954 ,220 100,0% 95,4%
,57 1,30 STABLE 0 ,002 -,044 0,0% 0,2%
UNSTABLE 0 ,177 -,463 0,0% 17,7%
FAILED 1 ,821 ,466 100,0% 82,1%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
1,78 STABLE 0 ,018 -,137 0,0% 1,8%
UNSTABLE 0 ,359 -,748 0,0% 35,9%
FAILED 1 ,623 ,778 100,0% 62,3%
,57 ,80 STABLE 0 ,000 -,013 0,0% 0,0%
UNSTABLE 1 ,070 3,632 100,0% 7,0%
FAILED 0 ,929 -3,628 0,0% 92,9%
1,20 STABLE 0 ,001 -,034 0,0% 0,1%
UNSTABLE 0 ,147 -,415 0,0% 14,7%
FAILED 1 ,852 ,417 100,0% 85,2%
,58 1,95 STABLE 0 ,031 -,180 0,0% 3,1%
UNSTABLE 1 ,410 1,199 100,0% 41,0%
FAILED 0 ,558 -1,125 0,0% 55,8%
,59 ,92 STABLE 0 ,000 -,020 0,0% 0,0%
UNSTABLE 1 ,154 2,243 50,0% 7,7%
FAILED 1 1,846 -2,239 50,0% 92,3%
,96 STABLE 0 ,000 -,016 0,0% 0,0%
UNSTABLE 0 ,083 -,301 0,0% 8,3%
FAILED 1 ,917 ,302 100,0% 91,7%
1,00 STABLE 0 ,000 -,018 0,0% 0,0%
UNSTABLE 0 ,090 -,314 0,0% 9,0%
FAILED 1 ,910 ,314 100,0% 91,0%
1,20 STABLE 0 ,001 -,029 0,0% 0,1%
UNSTABLE 0 ,129 -,385 0,0% 12,9%
FAILED 1 ,870 ,386 100,0% 87,0%
1,32 STABLE 0 ,002 -,039 0,0% 0,2%
UNSTABLE 0 ,159 -,435 0,0% 15,9%
FAILED 1 ,839 ,438 100,0% 83,9%
1,40 STABLE 0 ,002 -,047 0,0% 0,2%
UNSTABLE 0 ,182 -,472 0,0% 18,2%
FAILED 1 ,815 ,476 100,0% 81,5%
,60 1,20 STABLE 0 ,001 -,025 0,0% 0,1%
UNSTABLE 0 ,113 -,357 0,0% 11,3%
FAILED 1 ,886 ,358 100,0% 88,6%
1,30 STABLE 0 ,001 -,032 0,0% 0,1%
UNSTABLE 0 ,135 -,396 0,0% 13,5%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
FAILED 1 ,864 ,397 100,0% 86,4%
,61 1,43 STABLE 0 ,001 -,034 0,0% 0,1%
UNSTABLE 0 ,138 -,401 0,0% 13,8%
FAILED 1 ,861 ,402 100,0% 86,1%
1,48 STABLE 0 ,001 -,038 0,0% 0,1%
UNSTABLE 0 ,151 -,422 0,0% 15,1%
FAILED 1 ,848 ,424 100,0% 84,8%
,62 ,50 STABLE 0 ,000 -,003 0,0% 0,0%
UNSTABLE 0 ,022 -,150 0,0% 2,2%
FAILED 1 ,978 ,150 100,0% 97,8%
1,00 STABLE 0 ,000 -,011 0,0% 0,0%
UNSTABLE 0 ,059 -,250 0,0% 5,9%
FAILED 1 ,941 ,251 100,0% 94,1%
1,50 STABLE 0 ,001 -,037 0,0% 0,1%
UNSTABLE 0 ,149 -,418 0,0% 14,9%
FAILED 1 ,850 ,420 100,0% 85,0%
1,60 STABLE 0 ,002 -,048 0,0% 0,2%
UNSTABLE 0 ,176 -,463 0,0% 17,6%
FAILED 1 ,821 ,466 100,0% 82,1%
,63 1,00 STABLE 0 ,000 -,018 0,0% 0,0%
UNSTABLE 0 ,204 -,464 0,0% 5,1%
FAILED 4 3,795 ,464 100,0% 94,9%
2,00 STABLE 0 ,011 -,106 0,0% 1,1%
UNSTABLE 0 ,292 -,642 0,0% 29,2%
FAILED 1 ,697 ,660 100,0% 69,7%
,64 ,60 STABLE 0 ,000 -,003 0,0% 0,0%
UNSTABLE 0 ,020 -,143 0,0% 2,0%
FAILED 1 ,980 ,143 100,0% 98,0%
2,27 STABLE 0 ,027 -,168 0,0% 2,7%
UNSTABLE 0 ,375 -,775 0,0% 37,5%
FAILED 1 ,597 ,821 100,0% 59,7%
2,60 STABLE 1 ,103 2,944 100,0% 10,3%
UNSTABLE 0 ,496 -,991 0,0% 49,6%
FAILED 0 ,401 -,818 0,0% 40,1%
,67 4,50 STABLE 1 ,981 ,141 100,0% 98,1%
 Observed and Predicted Frequencies
Frequency Percentage
Pearson
X2 X1 Y Observed Predicted Residual Observed Predicted
UNSTABLE 0 ,019 -,139 0,0% 1,9%
FAILED 0 ,000 -,022 0,0% 0,0%
,67 1,20 STABLE 0 ,000 -,008 0,0% 0,0%
UNSTABLE 0 ,043 -,211 0,0% 4,3%
FAILED 1 ,957 ,211 100,0% 95,7%
1,40 STABLE 0 ,000 -,013 0,0% 0,0%
UNSTABLE 0 ,063 -,259 0,0% 6,3%
FAILED 1 ,937 ,259 100,0% 93,7%
1,50 STABLE 0 ,000 -,016 0,0% 0,0%
UNSTABLE 0 ,076 -,287 0,0% 7,6%
FAILED 1 ,924 ,287 100,0% 92,4%
The percentages are based on total observed frequencies in each subpopulation.

5.4 Classification
Dari hasil observed and predicted frequencies, dapat diklasifikasikan hasil
perhitungan diatas, maka berikut distribusi datanya:

Classification
Predicted
Observed STABLE UNSTABLE FAILED Percent Correct
STABLE 52 7 1 86,7%
UNSTABLE 5 31 14 62,0%
FAILED 4 6 58 85,3%
Overall Percentage 34,3% 24,7% 41,0% 79,2%

Dari hasil klasifikasi yang dilakukan dengan menggunakan software SPSS

pada tabel diatas, didapat perbandingan antara aktual dan prediksi
berdasarkan perhitungan dengan menggunakan metode regresi logistik.
6. KESIMPULAN

Dari hasil analisis regresi logistik multinomial dapat diprediksi

probabilitas kestabilan pilar batuan keras.

Dari 60 data yang stabil, diprediksi bahwa terdapat 52 data stabil, 7 data tidak
stabil, dan 1 data runtuh.

Dari 50 data tidak stabil, diprediksi bahwa terdapat 5 data stabil, 31 data tidak
stabil, dan 14 data runtuh.

Dari 68 data runtuh, diprediksi bahwa terdapat 4 data stabil, 6 data tidak stabil,
dan 58 data runtuh.

Sehingga dari model yang dihasilkan untuk kondisi stabil, tidak stabil, dan runtuh,
didapatkan akurasi untuk masing-masing kondisi yaitu 86,67%, 62%, dan 85,29%,
dan akurasi secara keseluruhan adalah 79,21%.
Daftar Pustaka

McCullagh P, Nelder JA. Generalized Linear Models. (1989): Second Edition.

London: Chapman &Hall.

Najafi M, Jalali SE, Bafghi AR, Sereshki F. (2011): Prediction of the confidence
interval for stability analysis of chain pillars in coal mines. Safety Science,
49(5), 651–657.

Wattimena RK, Kramadibrata S, Sidi ID, Azizi MA. (2013): Developing coal
pillar stability chart using logistic regression. International Journal of
Rock Mechanics and Mining Sciences,58, 55–60.

Wattimena, R.K. (2014): Predicting the stability of hard rock pillars using
multinomial logistic regression. International Journal of Rock Mechanics
and Mining Sciences, 71, 33-40.