Analisis Bivariat BAB I PENDAHULUAN
1.1 lATAR BELAKANG Untuk memulai analisis bivariat, langkah pertama adalah untuk membangun sebuah scattergram untuk menggambarkan hubungan tersebut. ( Sprinthall 1990,200 ) Setiap titik mewakili nilai pasangan dari sampel, dan scattergram mengungkapkan bentuk oval khas yang disebut kecenderungan pusat. ( Sprinthall, 1990,200 ) Jelas tampaknya ada hubungan yang cukup kuat dalam sampel antara dua variabel, bahwa itu adalah linier, dan negativ. Ada hubungan negatif yang kuat, yang berarti bahwa sebagai presentase total lapangan kerja meningkat pendapatan, persentase dari pendapat total dari sumber-sumbar pemerintah. Untuk mengetahui seberapa kuat kore rasi sebenarnya memerlukan ukuran statistik. ( Sprinthall, 1990, 196 ) Produk moment koefisien korelasi atau koefisien korelasi person memung kinkan peneliti untuk menyatakan "hubungan antara dua objek yang berbeda secara kualitatif.....Dalam istilah kuantitatif ". ( Sprinthall, 1990,196 ) Hasil atau 'r-niali' adalah -0,819 dengan memeriksa itu terhadap nilai kritis, yang kira-kira 0,300 pada tingkat kepercayaan 95%, r pearson lebih besar. Oleh karena itu, hipotesis nol ditolak, karena tidak cukup bukti untuk mengatakan bahwa kedua variabel yang terkait, dan karena koefisien sangat kuat, kita dapat menyimpulkan bahwa dalam populasi terdapat hubungan yang nyata antara mereka. Salam ilmu-ilmu sosial, alasan dasar untuk melakukan analisis statistik adalah untuk mengungkap trend, mengungkapkan hubungan, dan membuat prediksi. ( Walsh, 1990,260 ) 1.2 BATASAN MASALAH Dalam penulisan makalah ini penulis menguraikan tentang pengertian, kegunan, cara melaksanakan dan cara membaca hasil data berdasarkan analisis bivariat. 1.3 TUJUAN PENULISAN 1.3.1 Tujuan Umum
Untuk mengetahui dan mempelajari lebih dalam mengenai analisis bivariat. 1.3.2 Tujuan Khusus
1. 2. 3. 4.
Menjelaskan tentang pengertian Analisis Bivariat Menjelaskan tentang kegunaan Analisis Bivariat Menjelaskan tentang cara melaksanakan Analisis Bivariat Menjelaskan tentang jenis-jenis Analisis Bivariat
1.4 MANFAAT PENULISAN
1. Bagi penulis dapat memberikan pengalaman, wawasan, dan pengetahuan serta keterampilan yang baru bagi penulis dalam pembuatan makalah ini. 2. Bagi instansi pendidikan dapat dijidikan sebagai wacana.
BAB II TINJAUAN TEORITIS 2.1 PENGERTIAN Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini biasanya dilakukan untuk melihat apakah satu variabel, seperti jenis kelamin , adalah terkait dengan variabel lain, mungkin sikap terhadap pria maupun wanita kesetaraan. Analisis Bivariat yaitu hipotesisi yang diuji biasanya kelompok yang berbe da dalam ciri khas tertentu dengan koefisien kontigensi yang diberi simbol C. Analisis bivariat menggunakan tabel silang untuk men yoroti dan menganalisis perbedaan atau hubungan antara dua variabel. Menguji ada tidaknya perbedaan/hubungan antara variabel kondisi pemukian, umur, agama, status migrasi, pendidikan, penghasilan, umur pekkawinan pertama, status kerja dan kematian bayi/balita dengan p ersepsi nilai anak digunakan analisis chi square, denagn tingkat kemaknaan a=0,05. Hasil yang diperoleh pada analisis chi square, dengan menggunakan program SPSS yaitu nilai p, kemudian dibandingkan dengan a=0,05. Apabila nilai p< dari a=0,05 maka ada hubungan atau perbedaan antara dua variabel tersebaut. ( Agung, 1993 ) 2.2 KEGUNAAN DARI ANALISIS BIVARIAT Untuk mengukur kekuatan hubungan antar dua variabel atau lebih. Contoh mengukur hubungan antar dua variabel
1. Motivasi kerja dengan produktivitas 2. Kualitas layanan dengan kepuasan pelanggan 2.3 LANGKAH-LANGKAH MELAKSANAKAN ANALISIS BIVARIAT
1. Masukkan data diatas kedalam program SPSS dengan nama variabel bulan, b_selling, b_promo, b_iklan, dan unitpjl. 2. Klik menu utama analize , correlate, bivariate, tampak dilayar 3. Kemudian klik semua variabel yang akan dikorelasikan dan masukkan kekolom variables dengan mengklik tanda panah 4. Untuk kolom corelatiaon koeffisients, pilihlah pearson karena anda in gin melakukan uji atas data rasio 5. Untuk kolom test of significance, pilih option two-tailed untuk uji dua arah atau dua sisi
6. Untuk pilihan flag signifikant korelations boleh dicentang (dipilih) hingga pada output akan muncul tanda * untuk signifikansi 5% dan tanda ** untuk signifikansi 1% 7. Kemudian klik tombol option hingga dilayar tampil : Pengisian :
Anda dapat memunculkan output nilai means and standard deviations dengan mengklik pilihan yang sesuai pada kolom dtatistik Pada pilihan missing values pada dua pilihan :
1. Exclude cases pairwise : Pasangan yang salah satu tidak ada datanya tidak dimasukkan dalam perhitungan. Akibatnya, jumlah data tiap pasangan korelasi akan bervariasi. 2. Exclude cases listwise : Yang dibuang adalah kasus yang salah satu variabelnya memiliki mising data. Jumlah untuk semua variabel korelasi adalah sama.
Untuk keseragaman pilih exclude cases pairwise Tekan qontinyue jika sudah selesai Kemudian tekan ok dan akan muncul output
2.4 JENIS-JENIS UJI ANALISIS BIVARIAT
1. Uji korelasi Bivariat ( Product-moment person )
Untuk menentukan korelasi ( kuatnya hubungan ) antara variabel-variabel penelitian Jika ada hubungan, seberapa kuat hubungan antar variabel tersebut Dapat digunakan untuk jenis data rasio ( scale ) atau interval
2. Uji chis-quare, dengan tingkat kemaknaan a=0,05. Hasil yang diperoleh pada analisis chis quare dengan menggunakan program SPSS yaitu nilai p, kemudian dibandingkan dengan a=0,05 apabila nilai p < dari a=0,05 maka ada hubungan atau pernedaan antara dua variabel tersebut ( Agung 1993 )
BAB III PENUTUP 3.1 KESIMPULAN
Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini biasanya dilakukan untuk melihat apakah satu variabel, seperti jenis kelamin , adalah terkait dengan variabel lain, mungkin sikap terhadap pria maupun wanita kesetaraan. Untuk mengukur kekuatan hubungan antar dua variabel atau lebih. Contohnya mengukur hubungan antar variabel : Motivasi kerja dengan produktivitas dan kualitas layanan dengan kepuasan pelanggan 3.2 SARAN Untuk lebih memahami bagaimana cara pengolahan data dengan menggunakan analisis bivariat http://meinilafitri.blogspot.co.id/2010/08/analisis-bivariat.html
Jumat, 21 Juni 2013
Analisis Bivariat
Analisis bivariat adalah melakukan analisis statistik untuk mengetahui keterkaitan dua variabel. Dilihat dari bentuk data ( kategorik dan numerik ), analisis bivariat kemungkinan dapat dibagi menjadi empat, yaitu 1) data kategorik dengan data kategorik diuji menggunakan uji beda proporsi, 2) data
kategorik dengan data numerik diuji menggunakan uji beda rata -rata, 3) data numerik dengan data kategorik diuji menggunakan uji beda rata-rata, 4) data numerik dengan data numerik diuji menggunakanuji korelasi. Uji beda rata-rata dapat dibagi menjadi dua macam yaitu uji beda dua rata-rata dan uji beda lebih dua rata-rata yang diuji dengan uji anova. Untuk uji beda rata-rata terbagi menjadi dua yaitu uji beda rata-rata dua sampel tidak berpasangan ( independent sampel T-test ) dan uji beda dua rata-rata dengan sampel berpasangan ( Paired T-test ). Ketiga uji tersebut dapat diuji apabila data berdistribusi normal. Untuk menentukan normal tidaknya data maka dapat dilakukan dengan uji 1) Mean, Median, Modus, apabila nilai mean, median , modus tidak terlalu berbeda jauh, 2) kolmogrov smirnov, data berdistribusi normal apabila nilai P>0,05, dan data berdistribusi tidak normal apabila nilai P<0,05 3) Skweness, data dikatakan berdistribusi normal apabila nilai skweness berkisar antara -1,27 sampai 1,27 4) Histogram, data dikatakan berdistribusi normal apabila terbentuk kurva dengan puncak grafik berada ditengah dan kaki grafik seimbang antara kiri dan kanan 5) QQ Plot, data dikatakan berdistribusi normal apabila nilainya berada diseputar garis scater dan seimbang atas dan bawah 6) Blox Plot, data dikatakan normal apabila box tidak terlalu tinggi, tangkai pendek seimbang atas bawah, median terletak ditengah, dan tidak ada outlier , walaupun ada jumlahnya seimbang antara atas dan bawah. Apabila salah satu atau semua uji diatas telah dilakukan, dan menghasilkan kesimpulan data tidak berdistribusi normal maka dapat dilakukan salah satu atau kedua tindakan berikut, yaitu a) uji secara langsung dengan uji non-parametrik , untuk paired T-test dapat digunakan uji Wilcoxon, untuk independent sampel T-test dapat digunakan Uji Man Withney, dan Anova dapat menggunakan Uji Kruskal Wallis. b) menormalkan data ( normalisasi) dapat dilakukan dengan memisingkan outlier. BY Feby Prastiyananda
http://semangathdp.blogspot.co.id/2013/06/analisis-bivariat.html
Thursday, June 20, 2013
ANALISIS BIVARIAT
ANALISIS BIVARIAT
Analisis bivariat adalah analisis yang dilakukan untuk mengetahui keterkaitan dua variabel. Dilihat dari bentuk data (kategorik dan numerik), ada 4 kemungkinan analisis yang dapat dilakukan yaitu 1) variabel kategorik dengan kate gorik dilakukan uji beda proporsi, 2) variabel kategorik dengan numerik dilakukan uji beda rata-rata, 3) variabel numerik dengan kategorik dilakukan uji beda rata-rata, dan 4) variabel numerik dengan numerik dilakukan uji korelasi. Untuk kategori uji beda rata-rata dapat dibagi menjadi 2, yaitu uji lebih dua rata-rata dan uji dua rata-rata. Untuk uji lebih dua rata-rata dilakukan uji One way Anova sedangkan untuk uji dua rata-rata dapat dilakukan dua uji yaitu untuk data berpasangan dilakukan Paired T-test dan untuk data tidak berpasangan dilakukan Independent Sample T-test. Ketiga uji diatas dapat dilakukan jika data berdistribusi normal. Untuk menentukan data berdistribusi normal atau tidak dapat digunakan 6 teknik, yaitu 1. membandingkan nilai mean, median dan modus (data berdistribusi normal jika nilai mean, me dian, modus tidak memiliki banyak perbedaan), 2. Kolmogrov Smirnov (data berdistribusi normal jika nilai p>0,05 dan uji ini hanya digunakan untuk sampel
kecil), 3. Uji Skewness (data dikatakan berdistribusi normal jika nilai skewness antara -1,27 sampai 1,27), 4. Histogram (Data dikatakan berdistribusi normal apabila kurva berbentuk identik dengan ciri-ciri puncak grafik berada di tengah dan grafik seimbang kiri kanan), 5. Uji Q-Q Plot (data dikatakan normal apabila nilainya berada di seputar garis scater dan seimbang atas bawah), 6. Box Plot (data dikatakan berdistribusi normal apabila memenuhi 4 syarat yaitu box tidak tinggi, tangkainya pendek dan seimbang atas bawah, median berada di tengah, serta tidak ada outlier dan kalaupun ada jumlahnya seimbang atas bawah). Jika setelah dilakukan uji diatas data masih tidak normal, ada dua cara yang dapat dilakukan yaitu 1) Menguji secara langsung dengan uji non-parametrik, untuk Pired T-test digunakan uji Wilcoxon, untuk Independent Sampel T-test digunakan uji Man Withney, dan untuk uji One-way Anova digunakan uji Kruskal Wallis, 2) Menormalkan data atau normalisasi data yang dapat dilakukan dengan cara memissingkan outlier atau melogkan var iabel. http://ucitrisna.blogspot.co.id/2013/06/analisis-bivariat.html
analisis bivariat Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini biasanya dilakukan untuk melihat apakah satu variabel, seperti jenis k elamin, adalah terkait dengan variabel lain, mungkin sikap terhadap pria maupun wanita kesetaraan. Analisis bivariate terdiri atas metodemetode statistik inferensial yangdigunakan untuk menganalisis data dua v ariabel penelitian. Penelitian terhadap dua variabel biasanya mempunyai tujuan untuk mendiskripsikan distribusi data, meguji perbedaan dan mengukur hubungan antara dua variabel yang diteliti. Analisis Bivariat yaitu hipotesis yang diuji biasanya kelompok yang b erbeda dalam ciri khas tertentu dengan koefisien kontigensi yang diberi simbol C. Analisis bivariat menggunakan tabel silang untuk menyoroti dan menganalisis perbedaan atau hubungan antara dua variabel. Menguji ada tidaknya perbedaan/hubungan antara variabel kondisi pemukian, umur, agama, status migrasi, pendidikan, penghasilan, umur pekkawinan pertama, status kerja dan kematian bayi/balita dengan persepsi nilai anak digunakan analisis chi square, denagn tingkat kemaknaan a=0,05. Hasil yang diperoleh pada analisis chi square, dengan menggunakan program SPSS yaitu nilai p, kemudian dibandingkan dengan a=0,05. Apabila nilai p< dari a=0,05 maka ada hubungan atau perbedaan antara dua variabel tersebut. (Agung, 1993) Kegunaan Dari Analisis Bivariat
Untuk mengukur kekuatan hubungan antar dua variabel atau lebih. Contoh mengukur hubungan antar dua variabel : 1. Motivasi kerja dengan produktivitas 2. Kualitas layanan dengan kepuasan pelanggan
Langkah-Langkah Melaksanakan Analisis Bivariat 1. Masukkan data diatas kedalam program SPSS dengan nama variabel bulan, b_selling, b_promo, b_iklan, dan unitpjl. 2. Klik menu utama analize , correlate, bivariate, tampak dilayar 3. Kemudian klik semua variabel yang akan dikorelasikan dan masukkan kekolom variables dengan mengklik tanda panah 4. Untuk kolom corelatiaon koeffisients, pilihlah pearson karena anda ingin melakukan uji atas data rasio 5. Untuk kolom test of significance, pilih option two-tailed untuk uji dua arah at au dua sisi 6. Untuk pilihan flag signifikant korelations boleh dicentang (dipilih) hingga pada output akan muncul tanda * untuk signifikansi 5% dan tanda ** untuk signifikansi 1% 7. Kemudian klik tombol option hingga dilayar tampil :
Pengisian :
Anda dapat memunculkan output nilai means and standard deviations dengan mengklik pilihan yang sesuai pada kolom dtatistik Pada pilihan missing values pada dua pilihan :
1. Exclude cases pairwise : Pasangan yang salah satu tidak ada datanya tidak dimasukkan dalam perhitungan. Akibatnya, jumlah data tiap pasangan korelasi akan bervariasi. 2. Exclude cases listwise : Yang dibuang adalah kasus yang salah sat u variabelnya memiliki mising data. Jumlah untuk semua variabel ko relasi adalah sama.
Untuk keseragaman pilih exclude cases pairwise Tekan qontinyue jika sudah selesai Kemudian tekan ok dan akan muncul output
Jenis-Jenis Uji Analisis Bivariat 1. Uji korelasi Bivariat ( Product-moment person ) 2. Uji chis-quare, dengan tingkat kemaknaan a=0,05. Hasil yang diperoleh pada analisis chis quare dengan menggunakan program SPSS yaitu nilai p, kemudian dibandingkan dengan a=0,05 apabila nilai p < dari a=0,05 maka ada hubungan atau pernedaan antara dua variabel tersebut (Agung 1993).
Untuk menentukan korelasi ( kuatnya hubungan ) antara variabel-variabel penelitian Jika ada hubungan, seberapa kuat hubungan antar variabel tersebut Dapat digunakan untuk jenis data rasio ( scale ) atau interval
Dalam analisis bivariate secara umum terdiri dari analisa korelasi dan analisa regresi. Teknik analisis statistik yang dibahas dalam bab ini bersumber pad a SPSS yang difokuskan hanya pada teknik yang dapat menjelaskan hubungan atau kaitan antara beberapa variabel, baik hubungan antara dua variabel (bivariate) maupun banyak variabel (multivariate). Pembahasan diutamakan pada cara membaca dan menafsirkan arti dari parameter yang diperoleh dari hasil pengolahan data yang terdapat pada output SPSS. Teknik analisis statistik yang dibahas meliputi Analisis Regresi, Analisis Path, Multiple Classification Analysis (MCA), Tabel Kontingensi, Model Logit, Model Log-Linear, Analisis Diskriminan, dan Analisis Faktor. 1. Analisis Regresi Linier
Analisis regresi merupakan alat yang dapat memberikan penjelasan hubungan antara dua jenis variabel yaitu hubungan antara variabel dependen atau variabel kriteria dengan variabel independen atau variabel prediktor. Analisis hubungan antara dua variabel disebut sebagai analisis regresi sederhana jika hanya melibatkan satu variabel independen. Analisis disebut sebagai analisis regresi berganda jika melibatkan lebih dari satu variabel independen. Hubungan antara variabel dependen (Y) dengan variabel independen (X) dituliskan dalam model linier umum
di mana , i = 1,2,…….. p adalah koefisien regresi yang berarti besarnya perubahan pada , jika Xi
bertambah satu satuan dan variabel yang lain konstan, adalah intercept . Residual e mengikuti distribusi normal dengan rata-rata 0 dan varians konstan sebesar s2. Asumsi dasar dalam analisis regresi adalah (i) setiap Y yang merupakan kombinasi linier atas X dan mengikuti distribusi normal, (ii) e tersebar secara acak dan tidak berpola mengikuti besarnya nilai X, (iii) tidak terdapat hubungan (korelasi) yang tinggi a ntar variabel X. Analisis Regresi Sederhana Analisis regresi sederhana hanya melibatkan satu variabel independen X, sehingga dalam persamaan (3.1) p=1, sehingga model liniernya adalah
Dengan model seperti pada persamaan (3.2) maka hipotesis yang diajukan untuk diuji adalah H0: b1 = 0 terhadap H1: b 1 ¹ 0. Untuk menolak H0 harus dapat dibuktikan secara empirik bahwab 1 ¹ 0 atau b1 bermakna ( significant ) atau dengan kata lain ada hubungan linier regresi antara Y dan X seperti pada persamaan (3.2).
Dalam output SPSS 9.0 for Windows untuk subprogram REGRESION, yang pertama perlu diketahui adalah apakah regresi Y pada X bermakna. Hal ini dapat dilihat pada output ANOVA sebagai berikut: ANOVA Sum of
Mean Df
Squares Model 1 Regresion 6475.18
F
Sig.
Squares 1
Residual
3185.81 83
Total
9660.99 84
6475.18
168.698 .000
38.38
Uji hipotesis untuk mengetahui apakah regresi Y pada X ada, Tabel ANOVA dengan =0,00 menunjukkan bahwa H0 ditolak regresi Y pada X bermakna.
Selanjutnya adalah untuk mengetahui besarnya estimate koefisien regresi () serta standard error nya, ini dapat dilihat pada output COEFFICIENTS sebagai berikut: COEFFICIENTS Unstandardized Coefficients B
Std. Error Beta
Model 1 (Constant)47.170 1.726
X
.307
Standardized Coefficients
.024
.819
T
= 47,17 (intercept)
Sig.
= 0,307 (koeffisien regresi)
27.337 .000
12.988 .000
Y akan berubah sebesar 0,31 unit untuk setiap erubahan satu unit dari .
Dapat dilihat bahwa karena regresi linier sederhana, maka pada dua tabel di atas t2= F. Beta=0,819 yang merupakan koef. regresi baku sebenarnya adalah sama dengan r = koefisien korelasi antara Y dan X, karena beta dihitung berdasarkan vaiabel baku Z yang dihitung dengan cara Koefisien determinasi r 2 = 0,670 (yaitu nilai Beta dikuadratkan atau (0.819)2) berarti bahwa variasi Y yang dapat dijelaskan oleh model sebesar 67 persen. Beberapa statistik dan estimasi dari parameter dapat pula diperoleh seperti rata-rata dan standard deviasi serta korelasi dari Y dan X. Para pembaca lebih lanjut dianjurkan untuk membaca SPSS 7 Base 9.0 Application Guide. Analisis Regresi Berganda
Kalau satu variabel dependen Y perlu dijelaskan oleh lebih dari satu variabel independen X, maka kita perlu membuat model yang sesuai dengan tujuan studi. Model tersebut adalah regresi linier ganda ( Multivariate Linear Regression) yang secara umum modelnya seperti pada persamaan (3.1). Selain berguna untuk dapat menjelaskan hubungan p variabel X secara bersama terhadap variabel Y, dengan analisis regresi ganda juga dapat diperoleh suatu penjelasan tentang peranan atau kontribusi relatif setiap variabel X terhadap variabel Y. Secara empirik walaupun misalnya model (3.1) signifikan, yang berarti bahwa secara b ersama p variabel X dapat menjelaskan variabel Y, tidak berarti bahwa setiap variabel mempunyai pengaruh yang signifikan pada variabel Y. Suatu kajian tersendiri perlu dilakukan untuk kemudian dapat memilah variabel X yang berpengaruh secara parsial pada variabel Y. http://ipahipeh.blog.fisip.uns.ac.id/2011/12/15/analisis-bivariat/
TUGAS KELOMPOK TENTANG ANALISIS UNIVARIAT TUGAS KELOMPOK TENTANG ANALISIS UNIVARIAT MAHRI SAMSUL ANGEL MARIYATI RIA
Bab I PENDAHULUAN
A. Latar Belakang
Penggunaan metode statistik bukanlah hal yang baru dalam pendidikan, ekonomi, perdagangan, maupun industri, khususnya dalam kaitannya dengan pengumpulan informasi/data atau data saintifik. Terdapat perbedaan mendasar antara pengumpulan informasi saintifik dengan statistik inferensial. Statistik
inferensial
digunakan
dalam
proses
mengambil
keputusan dalam menghadapi ketidakpastian dan perubahan.. Statistik inferensial telah menghasilkan banyak metode analitis yang digunakan untuk menganalisis data. Dengan perkataan lain statistik inferensial tidak hanya mengumpulan data, tetapi juga mengambil kesimpulan dari suatu sistem saintifik. Informasi dikumpulkan dari suatu sampel atau kumpulan dari suatu pengamatan (observasi). Sedangkan sampel diambil dari populasi yang merupakan kumpulan (himpunan) yang mewakili semua pengukuran (Notoadmojo, 2009) Dalam mengolah data menjadi sebuah informasi diperlukan adanya analisis. Aktivitas yang dilakukan manusia tidak pernah lepas dari kata menghitung,mengukur dan menganalisis. Baik di dunia kesehatan maupun segala bidang hampir semuanya melakukan yang namanya aktivitas menghitung. Menghitung maupun mengukur data diperlukan adanya proses menganalisa data untuk dijadikan sebuah infromasi. Namun, dalam melakukan analisis akan berhadapan dengan kegiatan yang kompleks, oleh karena itu pekerjaan hendaknya dimulai dari yang sederhana, lalu melangkah ke yang lebih rumit. Singkatnya, dalam mengolah data harus dimulai dari langkah analisa sesederhana (univariat) lalu melangkah ke penganalisaan yang lebih rumit (multivariat) selanjutnya.
B. Tujuan Menjelaskan dan mendeskripsikan jenis analisis data spesifik kepada analisis univariat.
Bab II ISI
A. Pengertian Univariat Analisis univariat adalah analisis yang dilakukan terhadap sebuah var iabel. Bentuknya bermacam-macam, misalnya: distribusi frekuensi, rata-rata, proporsi, standar deviasi, varians, median, modus, dan sebagainya. Dengan analisis univariat dapat diketahui apakah konsep yang kita ukur berada dalam kondisi yang siap untuk dianalisis lebih lanjut, selain juga dapat mengetahui bagaimana gambaran konsep itu
secara terperinci. Analisis univariat pula, kita dapat me ngetahui bagaimana sebaiknya menyiapkan ukuran dan bentuk konsep untuk analisis berikutnya. Penelitian analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel dari hasil penelitian (Notoadmodjo, 2009). Analisa univariat berfungsi untuk meringkas kumpulan data hasil pengukuran sedemikian rupa sehingga kumpulan data tersebut berubah menjadi informasi yang berguna. peringkasan tersebut dapat berupa ukuran statistik, tabel, grafik. Berdasarkan banyaknya variabel bebas-nya, Analisis Variansi Univariate dibagi menjadi tiga kelompok yaitu a) Analisis Variansi Univariate Satu Jalan Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan satu variabel bebas b) Analisis Variansi Univariate Dua Jalan Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan dua variabel bebas c) Analisis Variansi Univariate Tiga Jalan Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan tiga variabel bebas Statistik univariat lebih sering digunakan dan lebih mudah dihitung daripada statistik multivariat. Statistik univariat biasanya membandingkan nilai mean dan median pada dua kelompok atau lebih atau membandingkan proporsi subjek-subjek yang memiliki suatu ciri tertentu atau yang tergolong dalam berbagai kategori. Bentuk uji univariat yang paling umum adalah : a) uji Pearson chi-square dilaporkan sebagai X2 b) uji-t dilaporkan sebagai t c) analisis varians dilaporkan sebagai F d) korelasi dilaporkan sebagai r e) uji logrank dilaporkan sebagai X2 Statistik univariat dapat diklasifikasikan ke dalam statistik parametrik dan nonparametrik. Statistik parametrik digunakan bila outcome yang diamati bersifat kontinu. Statistik ini membuat asumsi tertentu mengenai distribusi data. Statistik parametrik yang paling sering adalah uji-t, analisis varians (atau uji-F), dan koefisien korelasi. Semua uji ini mengasumsikan bahwa data terdistribusi secara normal, atau bentuk lonceng, bila digambarkan.
B. Manfaat Analisi Univariat Analisis univariat mempunyai banyak manfaat, antara lain: a) Untuk maengetahui apakah data yang akan digunakan untk analisis sudah layak atau belum; b) Untuk mengetahui gambaran data yang dikumpulkan; c) Untuk mengetahui apakah data telah optimal jika dipakai untuk analisis berikunya. d) Mendeskripsikan suatu kejadian dengan baik. e) Perincian/ gambaran besarnya suatu kejadian f)
Petunjuk pemecahan masalah
g) Persiapan analisis bivariat atau multivariate
C. Penerapan Perhitungan Analisis Univariat Berikut disajikan contoh analisis univariat dari beberapa perhitungan distribusi frekuensi, kecenderungan tengah, dan normalitas. 1. Distribusi Frekuensi Berikut disajikan hasil analisis univariat dari ouptput perhitungan program komputer SPSS dengan sampel penelitian berdasarkan usia Usia
Cumulative Frequency Valid
Percent
Valid Percent
Percent
< 40 tahun
22
44.0
44.0
44.0
>= 40 tahun
28
56.0
56.0
100.0
Total
50
100.0
100.0
Terlihat dari tabel di atas bahwa frekuensi sampel yang berusia < 40 tahun sebanyak 22 orang (44%) dan sampel yang berusia >= 40 tahun sebanyak 28 orang (56%). 2. Mean
Mean atau nilai rata-rata merupakan ukuran nilai tengah yang paling sering digunakan untuk mewakili suatu data. Secara sederhana nilai mean adalah semua hasil pengamatan atau pengukuran dibagi dengan banyaknya pengamatan atau pengukuran. Nilai mean dapat diperhitungkan pada tunggal maupn data kelompok 3. Median Median adalah nilai yang terletak di tengah setelah nilai hasil pengamatan atau pengukuran disusun secara berurutan dari nilai yang terkecil hingga yang terbesar. Nilai median pada data tunggal dapat di tentukan setelah data disusun berurutan. 4. Modus Modus adalah nilai paling sering muncul dalam suatu pengamatan atau pengukuran
Bab III PENUTUP
A. Kesimpulan Analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel dari hasil penelitian. Analisa univariat berfungsi untuk meringkas kumpulan data hasil pengukuran sedemikian rupa sehingga kumpulan data tersebut berubah menjadi informasi yang berguna. Peringkasan tersebut dapat berupa ukuran statistik, tabel, grafik.
B. Saran Berdasarkan pembahasan permasalahan di atas maka saran yang diajukan adalah
a) Sebelum melangkah lebih jauh tentang analisis data, maka perlu dipahami dulu konsep dasar statistik dan analisis data. b)
Masing-masing cara memiliki tingkat ketelitian masing-masing yang pemakaiannya dapat disesuaikan dengan tujuan penelitian itu sendiri.
DAFTAR PUSTAKA
Alamsya, D. 2009. Pengantar Ilmu Kesehatan Masyarakat . Jakarta: EGC Dahlan, S. 2011. Statistik Untuk Kedokteran dan Kesehatan. Jakarta : Salembah http://www.scribd.com/doc/84924791/ANALISIS-UNIVARIAT . Diakses tanggal 18 November 2014 Kapantow, N. Bahan Ajar Biostatistika Deskriptif. Manado: Fakultas Kesehatan Masyarakat Riwikdo, H. 2008. Statistik Kesehatan. Yokyakarta: Mitra Cendikia Press
Bagian Soal Jawaban:
Soal
1. Penjelasan tentang analisis Univariat satu jalan, dua jalan dan tiga j alan..?
Jawaban Berdasarkan banyaknya variabel bebas-nya, Analisis Variansi Univariate dibagi menjadi tiga kelompok yaitu
d) Analisis Variansi Univariate Satu Jalan Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan satu variabel bebas e) Analisis Variansi Univariate Dua Jalan Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan dua variabel bebas f)
Analisis Variansi Univariate Tiga Jalan Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan tiga variabel bebas
Diposting 8th December 2014 oleh mahri samsul
http://mahrisamsul.blogspot.co.id/2014/12/tugas-kelompok-tentang-analisis.html
