TEORI ANALISIS MULTIVARIAT

Pada bab ini kita akan belajar mengenai teori analisis multivariate yang berisi mengenai hal-hal sebagai berikut:

Membedakan teknik analisis multivariate kedalam bentuk metode dependensi dan interdependensi. Membahas konsep-konsep dan interpretasi analisis regresi berganda. Mendefinisikan dan mendiskusikan analisis diskriminan berganda. Mendefinisikan dan mendiskusikan korelasi kanonikal. Mendefinisikan dan mendiskusikan analisis varian multivariate. Mendefinisikan dan mendiskusikan analisis faktor. Mendefinisikan dan mendiskusikan analisis kluster. Mendefinisikan dan mendiskusikan multidimensional scaling

1.1 Karakteristik Analisis Mutlivariat Analisis statistik multivariat merupakan metode statistik yang memungkinkan kita melakukan penelitian terhadap lebih dari dua variable secara bersamaan. Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh beberapa variable terhadap variabel (variable) lainnya dalam waktu yang bersamaan. Contoh kita dapat menganalisis pengaruh variable kualitas produk, harga dan saluran distribusi terhadap kepuasan pelanggan. Contoh yang lain, misalnya pengaruh kecepatan layanan, keramahan petugas dan kejelasan memberikan in ormasi terhadap kepuasan dan loyalitas pelanggan. Analisis multivariat digunakan karena pada kenyataannnya masalah yang

terjadi tidak dapat diselesaikan dengan hanya menghubung!hubungkan dua variable atau melihat pengaruh satu variable terhadap variable lainnya. "ebagaimana contoh di atas, variable kepuasan pelanggan dipengaruhi tidak hanya oleh kualitas produk tetapi juga oleh harga dan saluran distribusi produk tersebut.

1.2 Klasifikasi Teknik-Teknik Analisis Multivariat #eknik analisis multivariat secara dasar diklasi ikasi menjadi dua, yaitu analisis dependensi dan analisis interdependensi. Analisis dependensi ber ungsi untuk menerangkan atau memprediski variable (variable) tergantung dengan menggunakan dua atau lebih variable bebas. $ang termasuk dalam klasi ikasi ini ialah analisis regresi linear berganda, analisis diskriminan, analisis varian multivariate (%A&'(A), dan analisis korelasi kanonikal

)ikmund (*++,- ./0) membuat gambar klasi ikasi metode! metode dependensi sebagai berikut-

Ga !ar 1.1 Klasifikasi Met"#e-Met"#e $e%en#ensi $ala

Analisis Multivariat

1ambar di atas dapat diterangkan sebagai berikut-

%etode dependensi diklasi ikasikan didasarkan pada jumlah variable tergantung, misalnya satu atau lebih dan skala pengukuran bersi at metrik atau non metrik. 2ika variable tergantung hanya satu dan pengukurannya bersi at metrik, maka teknik analisisnya digunakan analisis regresi berganda. 2ika variable tergantung hanya satu dan pengukurannya bersi at non!metrik, maka teknik analisisnya digunakan analisis diskriminan. 2ika variable tergantung lebih dari satu dan pengukurannya bersi at metrik, maka teknik analisisnya digunakan analisis multivariate varian. 2ika variable tergantung lebih dari satu dan pengukurannya bersi at non!metrik, maka teknik analisisnya digunakan analisis conjoint. 2ika variable tergantung dan bebas lebih dari satu dan pengukurannya bersi at metrik atau non metrik, maka teknik analisisnya digunakan analisis korelasi kanonikal.

Contoh umum untuk

metode dependensi, misalnya memprediski laba perusahaan dengan

menggunakan biaya promosi dan harga produk.

Analisis interdependensi ber ungsi untuk memberikan makna terhadap seperangkat variable atau membuat kelompok!kelompok secara bersama!sama. $ang termasuk dalam klasi ikasi ini ialah analsis aktor, analisis kluster, dan multidimensional scaling. Contoh membuat klasi ikasi terhadap kelompok pengunjung supermarket tertentu.

3lasi ikasi untuk metode interdependensi oleh )ikmund (*++,- ./4) digambarkan sebagai berikut-

Ga !ar 1.2 Klasifikasi Met"#e-Met"#e Inter#e%en#ensi $ala

Analisis Multivariat

1ambar di atas dapat diterangkan sebagai berikut%etode interdependensi diklasi ikasikan didasarkan pada jenis masukan variable dengan skala pengukuran bersi at metrik atau non metrik. 2ika masukan data berskala metrik, maka kita dapat menggunakan teknik analisis aktor, analisis kluster dan multidimensional scaling. 2ika masukan data berskala non!metrik, maka kita hanya dapat menggunakan teknik analisis multidimensional scaling.

1.& Analisis $e%en#ensi Analisis depedensi dibagi menjadi *) analisis regresi berganda, 5) analisis diskriminan, /) analisis multivariate varian, 0) analisis conjoint, dan 4) analisis korelasi kanonikal . 6agian berikut ini akan membahas masing!masing teknik analisis yang termasuk dalam metode! metode dependensi secara teori sedang untuk contoh penggunaan dengan "7"" akan dibahas pada 6ab 8( .

1.&.1

Analisis Re'resi Linear (er'an#a

$ang dimaksud dengan analisis regresi linear berganda ialah suatu analisis asosiasi yang digunakan secara bersamaan untuk meneliti pengaruh dua atau lebih variable bebas terhadap satu variable tergantung dengan skala interval. 7ada dasarnya teknik analisis ini merupakan kepanjangan dari teknik analisis regresi linear sederhana. 9ntuk menggunakan teknik analisis ini syarat!syarat yang harus dipenuhi diantaranya ialah

Data harus berskala interval. (ariabel bebas terdiri lebih dari dua variable. (ariabel tergantung terdiri dari satu variable. :ubungan antar variable bersi at linier. Artinya semua variable bebas mempengaruhi variable tergantung. 7engertian ini secara teknis disebut bersi at rekursi , maksudnya

pengaruh bersi at searah dari variable!variabel ; ke $ #idak boleh terjadi sebaliknya atau juga saling berpengaruh secara timbal balik (reciprocal).

#idak boleh terjadi multikolinieritas. Artinya sesama variable bebas tidak boleh berkorelasi terlalu tinggi, misalnya <,+ atau terlalu rendah, misalnya <,<*.

#idak boleh terjadi otokorelasi. Akan terjadi otokorelasi jika angka Durbin dan =atson sebesar > * atau ? / dengan skala * 0.

2ika ingin menguji keselarasan model (goodness of fit), maka dipergunakan simpangan baku kesalahan. 9ntuk kriterianya digunakan dengan melihat angka Standard Error of Estimate ("@@) dibandingkan dengan nilai simpangan baku (Standard eviation). 2ika angka Standard Error of Estimate ("@@) > simpangan baku (Standard eviation), maka model dianggap selaras.

3elayakan model regresi diukur dengan menggunakan nilai signi ikansi. %odel regresi layak dan dapat dipergunakan jika angka signi ikansi lebih kecil dari <,<4 (dengan presisi 4A) atau <,<* (dengan presisi *A)

1.&.2

Analisis $iskri inan

Apa itu analisis diskriminanB $ang dimaksud dengan analisis diskriminan ialah suatu teknik statistik yang yang digunakan untuk memprediksi probabilitas obyek!obyek yang menjadi milik dua atau lebih kategori yang benar!benar berbeda yang terdapat dalam satu variable tergantung didasarkan pada beberapa variable bebas.

Cebih lanjut analisis diskriminan digunakan untuk membuat satu model prediksi keanggotaan kelompok didasarkan pada karakteristik!karakteristik yang diobservasi untuk masing!masing kasus. 7rosedur ini akan menghasilkan ungsi diskriminan yang didasarkan pada kombinasi! kombinasi linier yang berasal dari variabel!variabel prediktor atau bebas yang dapat menghasilkan perbedaan paling baik antara kelompok!kelompok yang dianalisis. "emua ungsi dibuat dari sampel semua kasus bagi keanggotaan kelompok yang sudah diketahui. Dungsi! ungsi tersebut dapat diaplikasikan untuk kasus!kasus baru yang mempunyai

pengukuran untuk semua variabel bebas tetapi mempunyai keanggotaan kelompok yang belum diketahui.

#ujuan utama menggunakan analisis diskriminan ialah melihat kombinasi linier. Artinya untuk mempelajari arah perbedaan!perbedaan yang terdapat dalam suatu kelompok sehingga diketemukan adanya kombinasi linier dalam semua variable bebas. 3ombinasi linier ini terlihat dalam ungsi diskriminan, yaitu perbedaan!perbedaan dalam rata!rata kelompok. 2ika menggunakan teknik ini, pada praktiknya peneliti mempunyai tugas pokok untuk menurunkan koe esien!koe esien ungsi diskriminan (garis lurus). "ebagai contoh- 2enis pelanggan kereta api secara umum dapat dibagi dua, yaitu mereka yang menggunakan jasa kereta api eksekuti dan bisnisEekonomi. 9ntuk membuat klasi ikasi ini prosedur analisis diskriman dapat digunakan sehingga kita dapat mengetahui aktor! aktor yang berpengaruh terhadap pembuatan klasi ikasi tersebut. #ujuan melakukan klasi ikasi tersebut ialah kita dapat mengetahui apakah pengelompokan tersebut signi ikan atau tidak. Artinya kelompok yang menggunakan jasa kereta api eksekuti memang benar!benar berbeda dengan kelompok yang menggunakan kelas bisnis E ekonomi. 9ntuk menggunakan teknik analisis ini syarat!syarat yang harus dipenuhi diantaranya ialah (ariabel tergantung hanya satu dan bersi at non!metrik, artinya data harus kategorikal dan berskala nominal. (ariabel bebas terdiri lebih dari dua variable dan berskala interval. "emua kasus harus independent "emua variabel prediktor sebaiknya mempunyai distribusi normal multivariat, dan matrices variance!covariance dalam kelompok harus sama untuk semua kelompok 3eanggotaan kelompok diasumsikan ekseklusi , maksudnya tidak satupun kasus yang termasuk dalam kelompok lebih dari satu. dan e!haustive secara kolekti , maksudnya semua kasus merupakan anggota satu kelompok

1.&.&

Analisis K"relasi Kan"nikal

7engertian dari analisis korelasi kanonikal ialah suatu teknik statistik yang digunakan untuk menentukan tingkatan asosiasi linear antara dua perangkat variable, dimana masing!masing perangkat terdiri dari beberapa variable. "ebenarnya analisis korelasi kanonikal merupakan perpanjangan dari analisis regresi linear berganda yang ber okus pada hubungan antara dua perangkat variable yang berskala interval. Dungsi utama teknik ini ialah untuk melihat hubungan linieritas antara variable!variabel kriteria (variable!variabel tergantung) dengan beberapa variable bebas yang ber ungsi sebagai predictor. "ebagai contoh seorang peneliti ingin mengkaji korelasi antara seperangkat variable dalam perilaku berbelanja sebagai kriteria dan beberapa variable mengenai personalitas sebagai predictor. #ujuan penelitian ini ialah peneliti ingin mengetahui bagaimana beberapa karakteristik personalitas tersebut mempengaruhi perilaku berbelanja, misalnya pembuatan da tar belanja, jumlah toko yang dikunjungi, dan rekuensi belanja dalam satu minggu.

9ntuk menggunakan teknik analisis ini syarat!syarat yang harus dipenuhi diantaranya ialah

(ariabel bebas terdiri dari lebih dari dua variable yang berskala interval. (ariabel tergantung terdiri dari lebih dari dua variable yang berskala interval. :ubungan antar variabel bebas dan tergantung bersi at linier. Artinya semua variabel bebas mempengaruhi secara searah terhadap semua variable tergantung, misalnya korelasi antara variable!variabel bebas personalitas yang digunakan sebagai predictor dengan variable!variabel tergantung yang digunakan sebagai kriteria bersi at searah. 2ika nilai variabel variable personalitas besar, maka nilai variable!variabel perilaku berbelanja harus besar juga. 2ika terjadi variabel variable personalitas besar bernilai besar sedang nilai variable!variabel perilaku berbelanja menjadi mengecil, maka hal ini berlawanan dengan asumsi linieritas.

#idak boleh terjadi multikolinieritas pada masing!masing kelompok variabel bebas dan variabel tergantung yang akan dikorelasikan.

1.&.)

Analsis Multivariat Varian *MANOVA+

%anova mempunyai pengertian sebagai suatu teknik statistik yang digunakan untuk menghitung pengujian signi ikansi perbedaan rata!rata secara bersamaan antara kelompok untuk dua atau lebih variable tergantung. #eknik ini berman aat untuk menganalisis variable! variabel tergantung lebih dari dua yang berskala interval atau rasio.

Dalam "7"" prosedur

%A&'(A disebut juga 1C% %ultivariat digunakan untuk

menghitung analisis regresi dan varians untuk variabel tergantung lebih dari satu dengan menggunakan satu atau lebih variabel aktor atau covariates. (ariabel ! variabel aktor digunakan untuk membagi populasi kedalam kelompok!kelompok. Dengan menggunakan prosedur general linear model ini, kita dapat melakukan uji :< mengenai pengaruh variabel! variabel aktor terhadap rata!rata berbagai kelompok distribusi gabungan semua variabel tergantung. 3ita dapat meneliti interakasi antara aktor! aktor dan e ek dari aktor! aktor individu. Cebih lanjut, e ek!e ek covariates dan interaksi antar covariate dengan semua aktor dapat dimasukkan. Dalam analisis regresi, variabel bebas atau predictor dispesi ikasi sebagai covariates "ebagai contoh- "uatu perusahaan plastik mengukur tiga ciri khusus ilem plastik- daya tahan tidak sobek, kehalusan, dan kapasitas. Dua tingkat ekstrusi dan dua Fat aditi yang berbeda diujicobakan. 3emudian ketiga karakteristik tersebut diukur dengan menggunakan kombinasi tingkatan ekstrusi dan jumlah aditi masing!masing. 7enelitian menemukan bahwa tingkat ekstrusi dan jumlah Fat aditi masing!masing memberikan hasil yang signi ikan, tetapi interaksi kedua aktor tidak signi ikan

,ili-an-,ili-an untuk GLM Multivariate

Esti ate# Mar'inal Means. 7ilihlah aktor! aktor dan interaksi yang kita inginkan untuk estimasi tetap.

rata!rata marjinal populasi dalam sel!sel. Gata!rata ini jika ada kemudian

dicocokkan dengan covariates. 8nteraksi akan ada jika kita mempunyai suatu model yang

." %are

ain effe/ts. %enyediakan perbandingan pasangan yang tidak terkoreksi

antara rata!rata marjinal yang diestimasi untuk setiap e ek dalam suatu model, yaitu untuk antara dan dalam aktor. 7ilihan ini hanya tersedia jika e ek!e ek ditentukan dengan menggunakan opsi isplay Means "or list.

."nfi#en/e interval a#0ust ent. 7ilihlah perbedaan signi ikan yang terkecil ( least significant difference (C"D)), 6on erroni atau #idak disesuaikan dengan tingkat kepercayaan (confidence intervals) dan signi ikansi. 'psi ini tersedia jika pilihan diberikan jika e ek!e ek utama perbandingan dipilih.

9ntuk menggunakan %A&'(A beberapa persyaratan yang harus dipenuhi ialah

(ariabel tergantung harus dua atau lebih dengan skala interval (ariabel bebas satu dengan menggunakan skala nominal. 9ntuk semua variabel tergantung, data diambil dengan cara random sample dari vektor!vektor populasi normal multivariate dalam suatu populasi, dan untuk matrik!matrik variance!covariance untuk semua sel sama

9ntuk menggunakan prosedur 1C% gunakan prosedur E!plore untuk memeriksa data sebelum melakukan analisis variance. 9ntuk satu variabel tergantung gunakanlah, prosedur 1C% 9nivariate. 2ika kita mengukur beberapa variabel tergantung yang sama pada beberapa kesempatan untuk masing!masing subyek, maka gunakanlah 1C% Gepeated %easures.

1.&.1

Rin'kasan Teknik Analisis $e%en#ensi Multivariat

7ada bagian ini akan dibahas mengenai ringkasan teknik!teknik analisis depedensi multivariat sebagaimana dalam table *.* di bawah ini.

#eknik

#ujuan

2umlah (ariabel #ergantung

2umlah (ariabel 6ebas

7engukuran 9ntuk (ariabel

7engukuran 9ntuk (ariabel 6ebas 8nterval

Gegresi 6erganda

9ntuk secara

menganalisis * bersmaan beberapa bebas

5 lebih

#ergantung atau 8nterval

pengaruh variable

terhadap satu variable Analisis Diskriminan tergantung 9ntuk memprediksi * probabilitas obeyek!obyek individu!individu yang yang didasarkan bebrapa 3orelasi 3anonikal bebas 9ntuk tingkat dimiliki oleh beberapa kategori berbeda pada variable menentukan 5 atau lebih hubungan * 8nterval 8nterval suatu atau 5 lebih atau &ominal 8nterval

linear dua perangkat %A&'(A beberapa variabel 9ntuk menentukan 5 atau lebih apakah terdapat * 8nterval &ominal

perbedaan signi ikan secara statistik pada beberapa variable yang terjadi secara serentak antara dua tingkatan dalam satu variabel

Ta!le 1.1 Rin'kasan Teknik Analisis $e%en#ensi Multivariat

1.) Analisis Inter#e%en#ensi 7ada bagian analisis interdependensi ini, terdapat tiga teknik analisis yang meliputi analisis aktor, analisis kluster, dan multidimensional scaling.

1.).1

Analisis 2akt"r

$ang dimaksud dengan analisis aktor ialah suatu teknik analisis yang digunakan untuk memahami yang mendasari dimensi!dimensi atau regularitas suatu gejala. #ujuan utama teknik ini ialah untuk membuat ringkasan in ormasi yang dikandung dalam sejumlah besar variable kedalam suatu kelompok aktor yang lebih kecil. "ecara statistik tujuan pokok teknik ini ialah untuk menentukan kombinasi linear variable!variabel yang akan membantu dalam penyeledikan saling keterkaitannya variable!variabel tersebut. Atau dengan kata lain digunakan untuk mengidenti ikasi variabel!variabel atau aktor! aktor yang menerangkan pola hubungan dalam seperangkat variabel. #eknik ini berman aat untuk mengurangi jumlah

data dalam rangka untuk mengidenti ikasi sebagian kecil aktor yang dapat menerangkan varians yang sedang diteliti secara lebih jelas dalam suatu kelompok variabel yang jumlahnya lebih besar. 3egunaan utama analisis aktor ialah untuk melakukan pengurangan data atau dengan kata lain melakukan peringkasan sejumlah variabel menjadi lebih kecil jumlahnya. 7engurangan dilakukan dengan melihat interdependensi beberapa variabel yang dapat dijadikan satu yang disebut dengan aktor sehingga diketemukan variabel!variabel atau aktor! aktor yang dominan atau penting untuk dianalisa lebih lanjut.

7rosedur analisis

aktor juga dapat digunakan untuk membuat

hipotesis yang

mempertimbangkan mekanisme sebab akibat atau menyaring sejumlah variabel untuk kemudian dilakukan analisis selanjutnya, misalnya mengidenti ikasi kolinearitas sebelum melakukan analisis regresi linear. Dalam prosedur analisis aktor, terdapat tingkatan leksibilitas tinggi, diantaranya ialah

#ujuh metode untuk membuat ekstrasi aktor. Cima metode rotasi, diantaranya ialah direct oblimin dan proma! untuk rotasi non orthogonal.

#iga metode untuk menghitung nilai!nilai aktor dan kemudian aktor! aktor tersebut dapat disimpan ke dalam ile untuk dianalisis lebih lanjut.

"ebagai contoh dalam suatu penelitian, kita ingin mengetahui sikap!sikap apa saja yang mendasari orang mau memberikan jawaban terhadap pertanyaan!pertanyaan dalam suatu survei politikB Dari hasil penelitian didapatkan adanya tumpang tindih yang signi ikan antara berbagai sub!kelompok butir!butir pertanyaan, misalnya pertanyaan!pertanyaan mengenai masalah perpajakan cenderung untuk berkorelasi satu dengan lainnya, masalah militer saling berkorelasi, masalah ekonomi juga demikian. 2ika terjadi demikian, maka kita sebaiknya menyelesaikan persoalan tersebut dengan menggunakan analisis aktor. Dengan teknik ini kita dapat melakukan penyelidikan sejumlah mengidenti ikasi aktor! aktor aktor yang mendasarinya dan dapat apa saja yang mewakilinya secara konseptual. #idak hanya

itu, kita juga dapat menghitung nilai!nilai untuk masing!masing responden dan kemudian dipergunakan untuk analisis selanjutnya. "ebagai contoh kita dapat membuat model regresi logistik untuk memprediksi perilaku pemberian suara didasarkan pada nilai!nilai aktor.

9ntuk menggunakan teknik ini persyaratan yang sebaiknya dipenuhi ialah Data yang digunakan ialah data kuantitati berskala interval atau ratio. Data harus mempunyai distribusi normal bivariate untuk masing!masing pasangan variable %odel ini mengkhususkan bahwa semua variabel ditentukan oleh aktor! aktor biasa ( aktor! aktor yang diestimasikan oleh model) dan aktor! aktor unik (yang tidak tumpang tindih antara variabel!varaibel yang sedang diobservasi) @stimasi yang dihitung didasarkan pada asumsi bahwa semua aktor unik are tidak saling berkorelasi satu dengan lainnya dan dengan aktor! aktor biasa. 7ersyaratan dasar untuk melakukan penggabungan ialah besarnya korelasi antar variabel independen setidak!tidaknya <,4 karena prinsip analisis aktor ialah adanya korelasi antar variabel.

1.).2

Analisis Kluster

Analisis kluster merupakan suatu teknik analisis statistik yang ditujukan untuk membuat klasi ikasi individu!individu atau obyek!obyek kedalam kelompok!kelompok lebih kecil yang berbeda satu dengan yang lain. 7rosedur analisis kluster ini digunakan untuk mengidenti ikasi kelompok kasus yang secara relati sama yang didasarkan pada karakteristik!karakteristik yang sudah dipilih dengan menggunakan algoritma yang dapat mengatur kasus dalam jumlah besar. Algoritma yang digunakan mengharuskan kita membuat spesi ikasi jumlah kluster! kluster yang akan dibuat. %etode yang digunakan untuk membuat klasi ikasi dapat dipilih satu dari dua metode, yaitu memperbaharui kelompok!kelompok kluster secara iteratif atau hanya melakukan klasi ikasi. Dalam analisa kluster tidak ada variabelbebas dan tergantung karena
model analisa ini merupakan model independent. 3egunaan utama ialah untuk mengelompokkan

obyek!obyek berdasarkan karakteristik tertentu yang sama. 'byek dapat berupa benda , misalnya produk ataupun orang yang biasa disebut responden. 3luster sebaiknya mempunyai kesamaan yang tinggi dalam kelompok kluster tersebut tetapi mempunyai perbedaan yang besar antar kelompok kluster

."nt"- kasus- 3ita ingin mengidenti ikasi kelompok!kelompok pertunjukkan televisi yang menarik pemirsa yang mirip di setiap kelompok masing!masing. Dengan menggunakan analisis k!means cluster, kita dapat membuat kluster!kluster beberapa pertunjukkan televisi kedalam kelompok yang sama didasarkan pada karakteristik para pemirsa pertunjukkan tersebut. 3egunaan utama hal ini ialah untuk mengidenti ikasi segmen!segmen untuk pemasaran yang akan berman aat untuk strategi pemasaran. 9ntuk menggunakan teknik ini persyaratan yang harus dipenuhi, diantaranya ialah Data yang digunakan untuk analisis ini ialah data kuantitati berskala interval atau rasio. %etode yang ada ialah hubungan antara kelompok (bet#een-groups linkage), hubungan dalam kelompok (#ithin-groups linkage), kelompok terdekat (nearest neighbor), kelompok berikutnya (furthest neighbor), kluster centroid (centroid clustering), kluster median (median clustering), dan metode =ardHs.

1.).&

Multi#i ensi"nal S/alin'

%ultidimensional scaling merupakan suatu teknik statistik yang mengukur obyek!obyek dalam ruangan multidimensional didasarkan pada penilaian responden mengenai kemiripan (similarity) obyek!obyek tersebut. 7erbedaan persepsi diantara semua obyek dire leksikan didalam jarak relative diantara obyek!obyek tersebut didalam suatu ruangan multidimensional. Contoh kasus misalnya seorang responden diminta menilai kemiripan karakteristik antara mobil :onda dengan mobil "uFuki. 3emiripan ini dilihat didasarkan pada komponen!komponen sikap. #erbukanya komponen!komponen sikap tersebut akan membantu menerangkan mengapa obyek!obyek tersebut, dalam hal ini %obil :onda dan "uFuki dinilai mempunyai kemiripan atau perbedaan diantaranya keduanya.

%ultidimensional scaling dapat juga diaplikasikan kedalam rating subyekti dalam perbedaan (dissimilarity) antara obyek atau konsep. Cebih lanjut teknik ini dapat mengolah data yang berbeda dari berbagai sumber yang berasal dari responden. "ebagai contoh bagaimana orang

diminta untuk melihat hubungan antara mobil yang berbeda. 2ika seorang peneliti mempunyai data yang berasal dari responden yang menunjukkan penilaian kesamaan antara pembuatan yang berbeda dan model mobil, maka teknik multidimensional scaling dapat digunakan untuk mengidenti ikasi dimensi!dimensi yang menggambarkan persepsi konsumen. 7eneliti dapat menemukan, misalnya bahwa harga dan ukuran kendaraan mende inisikan dua ruangan dimensional yang mempertimbangkan kesamaan!kesamaan yang dilaporkan oleh para responden.

9ntuk menggunakan teknik analisis ini persyaratan yang harus dipenuhi diantaranya ialah

Data dapat menggunakan berbagai skala pengukuran, misalnya interval, rasio, ordinal dan nominal. "emua itu tergantung pada teknik yang dipergunakan. 2ika data dalam bentuk keterbedaan, maka data tersebut harus kuantitati dan diukur dengan skala pengukuran metrik yang sama, misalnya skala pengukuran interval. 2ika data merupakan data multivariat, maka variable!variabel dapat berupa kuantitati , biner atau data hitungan. 2ika data mempunyai perbedaan dalam skala, misalnya ada rupiah, tahun, meter, dstnyaI maka data tersebut harus di standarisasi terlebih dahulu dengan menggunakan prosedur yang sudah ada di dalam teknik ini.

Asumsi menggunakan teknik multidimensional scaling procedure relative bebas dari asumsi distribusional. "ekalipun demikian kita harus memilih skala pengukuran yang tepat, misalnya ordinal, interval, atau ratio dalam "7"" pilihan ini ada di perintah O%ti"ns.

2ika ile data mewakili jarak antara seperangkat obyek atau jarak antara dua perangkat obyek, maka kita harus melakukan spesi ikasi bentuk matriks data untuk memperoleh hasil yang benar. 7ilihlah alternative sebagai berikut- S3uare s4 as4 etri/, atau Re/tan'ular. etri/5 S3uare

%ultidimensional scaling menggunakan data yang berbeda untuk membuat solusi penggunaan skala. 2ika data merupakan data multivariat, maka kita harus menciptakan data yang berbeda untuk menghitung solusi multidimensional scaling. 3ita dapat membuat spesi ikasi detil!detil data tersebut dengan cara menciptakan pengukuran keterbedaan dari data yang kita miliki.

7engukuran akan memungkinkan kita membuat spesi ikasi pengukuran keterbedaan dalam analisis yang kita lakukan. Caranya ialah dengan memilih satu alternati dari Measure 'r"u% yang berhubungan dengan tipe data yang dipunyai, dan kemudian pilih salah satu pengukuran dari da tar yang ada yang berhubungan dengan tipe pengukuran yang ada dalam "7"", diantaranya

Interval. @uclidean distance, sJuared @uclidean distance, Chebychev, 6lock, %inkowski, atau CustomiFed.

."unt. Chi!sJuare measure atau 7hi!sJuare measure. (inar4. @uclidean distance, "Juared @uclidean distance, "iFe di erence, 7attern di erence, (ariance, atau Cance dan =illiams

,en'ukuran keter!e#aan untuk #ata interval #i'unakan

Eu/li#ean #istan/e. Akar kuadrat jumlah perbedaan yang dikuadratkan antara nilai!nilai semua item.

S3uare# Eu/li#ean #istan/e. 2umlah perbedaan yang dikuadratkan antara semua nilai bagi item!item tersebut.

.-e!4/-ev. 7erbedaan absolut maksimum nilai!nilai untuk semua item. (l"/k. 2umlah perbedaan absolut antara nilai!nilai itemI yang juga disebut sebagai Man-attan #istan/e.

Mink"6ski. Akar ke p dari jumlah perbedaan absolut ke to p power antara nilai!nilai semua item.

.ust" i7e#. Akar ke r dari jumlah perbedaan absolut ke p power antara nilai! nilai untuk semua item

,en'ukuran keter!e#aan untuk #ata /"unt #i'unakan

.-i-s3uare

easure. Didasarkan pada uji chi!sJuare untuk kesejajaran

(e$uality) untuk dua perangkat rekuensi..

,-i-s3uare

easure. 7engukuran ini sejajar dengan chi-s$uare measure yang

normalisasikan dengan akar kuadrat dari rekuensi yang dikombinasikan. ,en'ukuran keter!e#aan untuk #ata !iner #i'unakan

Eu/li#ean #istan/e. Dihitung dari table lipat empat sebagai "KG#(bLc), dimana b dan c mewakili sel!sel diagonal yang berhubungan dengan kasus!kasus yang hadir dalam satu item tetapi absen di item!item lain.

S3uare# Eu/li#ean #istan/e. Dihitung sebagai jumlah kasus!kasus yang sejajar. &ilai minimum sebesar <, dan tidak mempunyai batas atas..

Si7e #ifferen/e. 8ndeks asimetris yang mempunyai jangkauan dari < ke *. ,attern #ifferen/e. 7engukuran keterbedaan untuk data biner yang berkisart dari < ke *. Dihitung dari table lipat empat sebagai bcE(nMM5), dimana b dan c mewakili sel!sel diagonal yang berhubungan dengan kasus!kasus yang hadir satu item tetapi absen di item!item lain dan n merupakan jumlah observasi total.

Varian/e. Dihitung dari table lipat empat sebagai (bLc)E0n, dimana b dan c mewakili sel!sel diagonal yang berhubungan dengan kasus!kasus yang hadir satu item tetapi absen di item!item lain dan n merupakan jumlah observasi total dengan kisaran nilai dari < ke *.

Lan/e an# 8illia s. Dihitung dari table lipat empat sebagai (bLc)E(5aLbLc), dimana a mewakili sel yang berhubungan dengan dengan kasus!kasus yang hadir dalam kedua item, dan b serta c mewakili sel!sel diagonal yang berhubungan dengan kasus!kasus yang hadir .urtis n"n etri/ /"effi/ient. satu item tetapi absen di item!item lain. 7engukuran ini berkisar dari < ke *. 7engukuran ini dikenal juga sebagai (ra4-

,en'ukuran nilai-nilai 4an' #itransf"r asi #i'unakan-

9 s/"res. "emua nilai distandarisasi kedalam nilai ), dengan rata!rata sebesar < dan simpangan baku sebesar *.

Ran'e -1 t" 1. %asing!masing nilai untuk item tertentu yang sedang distandarisasi dibagi dengan jarak semua nilai.

Ran'e : t" 1. 7rosedur ini mengurangi nilai minimum dari masing!masing dari masing!masing item yang sedang distandarisasi kemudian dibagi dengan jarak.

Ma;i u

a'nitu#e "f 1. 7rosedur untuk membagi masing!masing nilai untuk

item tertentu yang sedang distandarisasi dengan jumlah maksimum semua nilai.

Mean "f 1. 7rosedur untuk membagi masing!masing nilai untuk item tertentu yang sedang distandarisasi dengan rata!rata semua nilai.

Stan#ar# #eviati"n "f 1. 7rosedur untuk membagi masing!masing nilai untuk variable atau kasus tertentu yang sedang distandarisasi dengan simpangan baku semua nilai.

M"#el Multi#i ensi"nal S/alin'

@stimasi yang tepat dalam suatu model multidimensional scaling tergantung pada aspek! aspek data dan model itu sendiri. Di bawah ini akan dibahas mengenai tingkat pengukuran, persyaratan, dimensi dan model scaling. Tin'kat ,en'ukuran *Level "f Measure ent+ . %emungkinkan kita untuk membuat spesi ikasi tingkat data, yang dapat berupa data ordinal, interval, atau rasio. 2ika variable!variabel berupa ordinal, pilih Untie observasi!observasi terikat NtiedO dengan meminta semua variable tersebut diperlakukan sebagai variable! variabel continuous, sehingga pengikat (tie) untuk semua nilai yang sama bagi kasus!kasus yang berbeda dapat diselesaikan secara optimal.

,ers4aratan *."n#iti"nalit4+. %emungkinkan kita untuk membuat spesi ikasi perbandingan!perbandingan mana yang bermakna. 7ilihannya ialah %atriP, Gow, atau 9nconditional.

$i ensi *$i ensi"ns+. %emungkinkan kita membuat spesi ikasi dimensionalitas dalam penyelesaian scaling. "alah satu penyelesaiannya ialah dengan menghitung masing!masing angka dalam kisaran tertentu.. "pesi ikasi integer!integer antara * dan .I minimal * diijinkan hanya jika kita memilih Eu/li#ean #istan/e sebagai model scaling. 9ntuk penyelesaian tunggal, spesi ikasi angka yang sama dalam bentuk minimal dand maPimal.

M"#el ,e !uatan Skala *S/alin' M"#el). %emungkinkan kita melakukan spesi ikasi asumsi!asumsi dimana scaling dilakukan. 7ilihan yang tersedia ialah Eu/li#ean #istan/e atau In#ivi#ual #ifferen/es Eu/li#ean #istan/e (disebut juga sebagai 8&D"CAC). 9ntuk model 8ndividual di erences @uclidean distance, kita dapat memilih perintah All"6 ne'ative su!0e/t 6ei'-ts, jika sesuai dengan data yang ada.

O%si-O%si #ala S/alin'

Multi#i ensi"nal

3ita dapat membuat spesi ikasi opsi!opsi dalam analisis multidimensional scaling, diantaranya $is%la4. %emungkinkan kita memilih berbagai tipe keluaran, misalnya. 1roup plots, 8ndividual subject plots, Data matriP, serta %odel dan options summary. .riteria. %emungkinkan kita menentukan kapan iterasi harus berhenti. 9ntuk mengubah de ault, masukkan nilai!nilai untuk "!stress convergence, %inimum "! stress value, dan %aPimum iterations.

Treat #istan/es less t-an n as dikeluarkan dari analisis.

issin'. 2arak (distance) kurang dari nilai yang

1.).)

Rin'kasan Teknik Analisis Inter#e%en#ensi Multivariat

7ada bagian berikut ini akan digambarkan table *.5 berupa ringkasan teknik analisis interdependensi multivariat.

#eknik Analisis Daktor

#ujuan

#ipe

7engukuran 9ntuk membuat ringkasan in ormasi yang berisi 8nterval jumlah variable yang banyak menjadi sejumlah actor yang lebih sedikit 9ntuk membuat klasi ikasi individu!individu atau 8nterval obyek!obyek ke dalam jumlah yang lebih kecil kelompok yang berbeda dengan tujuan untuk meyakinkan bahwa akan terdapat kesamaan yang besar dalam kelompok!kelompok tersebut dan perbedaan antar kelompok!kelompok tersebut 9ntuk mengukur obyek!obyek

Analisis 3luster

%ultidimensional "caling

dalam

ruangan #ergantung yang

multidimensional dengan didasarkan pada penilaian! teknik penilaian yang diberikan oleh responden mengenai digunakan kemiripan obyek!obyek tersebut.

1.1 Rin'kasan

Analisis multivariate digunakan jika suatu masalah dalam penelitian mengandung tiga atau lebih dari tiga variable. "elanjutnya dalam analisis ini dibagi menjadi dua

kategori metode, yaitu metode dependensi dan interdepedensi. %odel pertama terdapat dua jenis variable, yaitu variable bebas dan tergantungI sedang model kedua hanya terdapat satu jenis variable, yaitu variable bebas.

%etode dependensi terdiri atas beberapa teknik analisis, yaitu regresi berganda, analisis diskriminan, korelasi kanonikal dan %A&'(A

%etode interdependensi terdiri atas beberapa teknik analisis, yaitu analisis aktor, analisis kluster dan multidimensional scaling.

*.. ,ertan4aan-,ertan4aan * 5 / Apa sebenarnya yang dimaksud dengan analisis multivariateB Apa perbedaan antara metode dependensi dan interdependensiB Apa tujuan!tujuan kita dalam menggunakan teknik!teknik analisis- regresi berganda, analisis diskriminan, korelasi kanonikal dan %A&'(A 0 Apa tujuan!tujuan kita dalam menggunakan teknik!teknik analisis- analisis aktor, analisis kluster dan multidimensional scaling. 4 6erikan contoh!contoh kasus yang dapat menggambarkan masalah dan penyelesaiannya dengan menggunakan teknik!teknik analisis di atas baik yang termasuk dalam metode dependensi maupun interdependensi.

7@&$A28A& DA#A Q 7@&9C8"A& :A"8C R *. *5E<+E** R 5. 7rinsip Dasar "urveilans *5E<+E** 7ulta Analisis Action R /. *5E<+E** 7roses 7engolahan Q Analisis Data Cek data utk melihat kebenaran Q konsistensi Cakukan koreksi sesuai dg kondisi $g sebenarnya 3ompilasi data (alidasi data #rans or! masi data 7engolahan data R 0. *5E<+E** :al!hal yg perlu diperhatikan dalam 7roses 7engolahan Q Analisis Data Apa tujuan Analisis data Data relevan dengan tujuan 3ualitas data dapat dipercaya 1unakan metode yg tepat Q mudah 9ngkapkan batasan kelemahanya bila ada :asil analisis harus standard ! mudah dimengerti ! menghasilkan persepsi sama ! dpt diperbandingkan menurut waktu, geogra is dsb R 4. *5E<+E** Cengkap A k u r a t #epat =aktu :arapan mencakup semua kegiatan mencakup semua asilitas yankes mencakup semua wilayah kerja mencakup semua variabel sesuai dgn de inisi operasional konsistensi terjaga #epat dalam pengisian variabel sesuai dgn ketentuan 50 jam, mingguan,bulanan,triwulan, kwartal, semester, tahunan R .. C8G8 DA#A $1 6A83 *5E<+E** Geliabel Dpt dipercaya, bila dikumpulkan kembali #etap mendapat hasil yg sama (alid 8n ormasi yg dikumpulkan sesuai dg 3eterangan yg diinginkan Gelevan Akurat 8n ormasinya sesuai dg yg dibutuhkan 3etelitian cukup memenuhi kebutuhan #epat =aktu #idak kadaluarsa R ,. *5E<+E** %anual @lektrik "o tware "75#7 3esga 75% Cain!lain :asil berbeda!beda padahal sumber sama G@AC8#A %A"ACA: CA:!#A 79"3@"%A" R S. Analisis Data Analisis 9nivariat Analisis 6ivariat Analisis %ultivariat *5E<+E** R +. *5E<+E** 9&8(AG8A# - untuk melihat distribusi rekuensi (Gate, Gatio, 7roporsi)E nilai tengah suatu variabel 68(AG8A# - %elihat "igni ikansiE ada hubungan atau tidak %9C#8(AG8A# - %elihat Daktor yang paling dominan R *<. *5E<+E** A&AC8"8" %9C#8(AG8A#- *. 7emodelan 3uantitati A&AC8"8" 68(AG8A#- *. Diagnosis data 5. 9ji :ipotesis 5 var R **. *5E<+E** "#A#8"#83 9&8(AG8A# R *5. *5E<+E** "#A#8"#83 9&8(AG8A# R */. *5E<+E** "#A#8"#83 9&8(AG8A# R *0. *5E<+E** Dukungan statistician %engetahui hasil komputasi %engetahui alat!alat statistik #im 7akar "ubstanti 3emampuan substanti @78D@%8'C'1 :A"8C DA#A A&AC8"8" 9&"9G 7@&D939&1 38A# "93"@" A&AC8"8" DA#A R *4. *5E<+E** (8"9AC8"A"8 DA#A ! 8n ormasi penting E urgen &arati #abulair 1ra ik %aping ! "ederhana namun mudah dipahami ! #ampilkan lebih atrakti "A&1A# D87@&1AG9:8 'C@: "3ACA (AG8A6@C&$A R *.. *5E<+E** 7@&$A28A& #A69CAG- 2udul tabel lengkap 6adan tabel terdiri dari . (ariabelEkonsep . Distribusi rek . Distribusi proporsi . 9ji stat (bila perlu) :indari tabel yg kompleks Desimal seperlunya :indari duplikasi (tabel kemudian diikuti oleh teks danEatau gra ik 7@&$A28A& #@3"#9CAG %enggunakan bahasa yg benar Gingkas tetapi e ekti %enghindari bahasa berbunga 7aragra mengandung- . #ema . DataE akta pendukung tema . 7endapatEopini 7@&$A28A& 1GAD83AC :istogramE6argram Diagram 7ie Diagram 1aris Diagram "ebar

R *,. *5E<+E** C'&#': #@3"#9CAG (AC8&@A $A&1 6A83) Angka 3ematian 8bu (A38) di 8ndonesia masih tinggi bila dibandingkan dengan negara tetangga. Data 6ank Dunia tahun *++4 menunjukkan bahwa A38 di 8ndonesia adalah .<< per *<<.<<< kelahiran, sedang #hailand hanya sebesar *<< per *<<.<<< kelahiranI "ingapura 4<E*<<.<<< kelahiran.. dst. Data "3G# *++4 juga menunjukkan tingkat A38 yang relati sama, yaitu 44<E*<<.<<< kelahiran . :al ini menunjukkan bahwa pelayanan kesehatan di 8ndonesia masih memprihatinkan. #@%A DA#A '78&8 R *S. *5E<+E** &arati $aitu memvisualisasikan atau menyajikan hasil pengolahan data dgn menggunakan kalimat atau kata!kata ! 1unakan kalimat yg singkat ! #onjolkan in ormasi yg penting %isal - "ebagian besar (..A) bumil yang mendapat pelayanan 3!* telah imunisasi ##!* / diantara /< orang penderita Diare adalah peserta 7A@C R *+. *5E<+E** #A6@C $aitu visualisasikan atau menyajikan hasil Analisis data dgn menggunakan tabelE matriks dari yg sederhana ! kompleks ! 6entuk tabel - %atriks #abel ! "ederhana ( oneway tabulation ) ! "ilang ( twoway tabulation ) ! 6erganda ( threeway tabulation) R 5<. *5E<+E** 7enyajian %atriks yaitu penyajian in ormasi secara gabungan antara bentuk tabel dengan narasi (kalimat) contoh penyajian matriks 5 bln > 4 th 1ejala untuk penegakan diagnosis 3el 9mur 7nemonia 6erat #erlihat adanya tarikan #idakdada bagian bawah ke dalam terlihat adanya tarikan dada bag. bawah kedalam Drekuensi na as cepat ! umur 5 bl ! > *5 bl dg rek 4< P E mnt ! umur 5 bl ! > *5 bl dg rek 0< P E mnt 7nemonia #idak terlihat adanya tarikan dada bag. bawah kedalam #dk ada na as cepat ! umur 5 bl ! > *5 bl dg rek > 4< P E mnt ! umur 5 bl ! > *5 bl dg rek > 0< P E mnt 6ukan 7nemonia R 5*. *5E<+E** 7enyajian #abulair yaitu penyajian in ormasi dalam bentuk angka! dengan menggunakan ormat kolom dan baris #abel harus mudah dipahami pembaca #abel se! sederhana mungkin Dua atau #iga tabel lebih baik dibanding satu tabel besar dg banyak variabel R 55. *5E<+E** 7ersyaratan tabel yg baik #abel terdiri dari / bagian T 2udul tabel T 6adan tabel T Catatan kaki E &ote 2udul #abel T "ingkat, jelas Q relevan serta menjelaskan Apa yg disajikan B Dimana peristiwanya B dan 3apan kejadianya B R 5/. *5E<+E** tabel yg baik 6adan #abel T 6adan tabel terdiri dari lajur kolom dan baris T "etiap lajur di beri label atau singkatan E kode T #itik temu kolom dengan baris berisi nilai var T 7ada akhir kolomEbaris sediakan lajur jumlah Catatan kaki E note T %emuat penjelasan dari singkatan E kode label T %encantumkan sumber in ormasi dari isi tabel R 50. *5E<+E** Contoh tabel #abel *. :asil imunisasi ## 6umil 7uskesmas 3arang sEd #w 88 th 5<<4 Cabel kolom Cabel baris catatankaki 2udul tabel Apa B Dimana B 3apan B &ote7uskU 7uskesmas, 7syU 7osyandu CnU Cain!lain,jmlUjumlah "umber - 7uskesmas karangangue, 3ab Adasaja R 54. *5E<+E** Contoh bentuk tabel sederhana (one!way tabulation) #abel 5. 2umlah kasus baru 7D/8 7uskesmas "uka 3ab =ae #h 5<<0 2enis 7enyakit 2umlah kasus A *.Campak 4< .5,4 5. Di teria 5 5,4 /. 7ertusis *4 *S,, 0. #etanus &eonatorum *< *5,4 4. %eningitis #6C < < .. :epatitis 6 / /,S 2umlah S< *<< 3eterangan- 7D/8 U 7enyakit yang dapat dicegah dengan imunisasi "umber - 7engelola 7rogram "urveilans 7uskesmas "uka R 5.. *5E<+E** Contoh bentuk tabel "ilang (two!way tabulation) #abel /. :asil 7emeriksaan Caboratorium "uspek %alaria menurut jenis kelamin , pasien yang berobat di 7usk 9lun 3ab 7ulang 7isau bulan 2uli tahun 5<<4 "umber - 7engelola 7rogram %alaria 7uskesmas 9lun 3ab. piyan 2enis 7arasit 2enis 3elamin 2umlah 7ria =anita *. 7lasmodium Dalsi arum 44 /< S4 5. 7lasmodium (ivak 54 5< 04 /. 7lasmodium 'vale < < < 0. %iP *4 *4 /< 2umlah +4 .4 *.<

R 5,. *5E<+E** Contoh bentuk tabel 6erganda (three!way tabulation) #abel 0. :asil pengobatan penderita #6 6#AL menurut keakti an 7%' di 7uskesmas 7ian 3ab. %uara 2ambi bulan 2uli #ahun 5<<4 Desa :asil pengobatan 7%' akti 7%' tdk akti sembuh lkp #dk lkp sembuh Ckp #dk lkp *. "eluang 0 5 < * * 4 5. & i l a / 5 * * * / /. 6aung 4 < < < < 0 0. @mas 5 / * < * / 2umlah *0 , 5 5 / *4 3eterangan- 7%'U 7engawas %enelan 'bat, lkp U lengkap "umber - 7engelola 7rogram #6!7aru 7uskesmas Aruan R 5S. *5E<+E** 1ra ik $aitu visualisasikan atau menyajikan hasil pengolahan data dalam bentuk gra ik atau diagram tertentu 7ilih gra ik yg sederhana atrakti dan mudah dipahami (sel ePplanatory) 1ra ik hrs sesuai tujuan 7erhatikan aturan dalam pembuatan gra ik R 5+. *5E<+E** 7ersyaratan 1ra ik 1ra ikl terdiri dari / bagian T 2udul gra ik T 6adan gra ik T Catatan kaki E 3eterangan 2udul 1ra ik T "ingkat, jelas Q relevan serta menjelaskan Apa yg disajikan B Dimana peristiwanya B dan 3apan kejadianya B R /<. *5E<+E** 7ersyaratan 1ra ik yg baik 6adan 1ra ik T #ampilkan variabel dg warna! bentuk yg menarik T 6atasi variabel yg ditampilkan dlm gra ik T 6ila variabel ? 5 gunakan perbedaan yg jelas T Cengkapi gra ik dg legenda yg menjelaskan artinya T 3husus gra ik 1aris, 6atang dan scatter ! %emiliki dua sumbu aksis ; dan $ ! #itik potong sumbu ; Q $ memp nilai nol ! APis ; posisi mendatar, var independen, klasi ikasi ! APis $ posisi tegak, var dependen, rekuensi,rate ! 7embagian skala sumbu ; Q $ harus jelas Q sama kecuali semi log ! log R /*. *5E<+E** 7ersyaratan 1ra ik yg baik Catatan kaki E note T %emuat penjelasan dari singkatan E kode label T %encantumkan sumber in ormasi dari isi tabel R /5. *5E<+E** 6entuk 1ra ik 1aris 6atang ! :istogram ! 6ar diagram Cingkaran (7ie) 7encar ("catter) 1ambar (7ictogram) 7eta (Cartogram)E%ap ! 7lot ! Area R //. *5E<+E** #ujuan Q man aat dari 6entuk 7resentasi 1ra ik 9#3. %@&11A%6AG3A& #G@&D"E 7@G3@%!6A&1A& "9A#9 &8CA8 DG =A3#9 3@ =A3#9 *. 1AG8" 5. 6A#A&1 !:8"#'1GA% !6AG D8A1GA% 9#3. %@&11A%6AG3A& #G@&D"E 7@G3@%!6A&1A& "9A#9 &8CA8 DG =A3#9 3@ =A3#9 9#3. %@%6A&D8&13A& "A#9 &8CA8 A#A9 C@68: DAG8 6@6@GA7A 3A#@1'G8 /. 78@ (C8&13) 9#3. %@%6A&D8&13A& "9A#9 &8CA8 DAG8 6@6@GA7A 3A#@1'G8 2@&8" 1GAD83 #929A& Q %A&DAA# R /0. *5E<+E** #ujuan Q man aat dari 6entuk 7resentasi 1ra ik 0. "CA##@G 9#3 %@&11A%6AG3A& 3@!@GA#A& :969&1!A& ( "@6A6!A386A# ) A&#AGA D9A (AG8A6@C 4. 1A%6AG 9#3. %@%6A&D8&13A& "9A#9 &8CA8 DAG8 6@6@GA7A 3A#@1'G8 "@3AC819" %@C8:A# 7@G3@%6A&1A& DG =A3#9 3@ =A3#9 .. 7@#A 9#3. %@&11A%6AG3A& 7@&$@6AGA& DAG8 "9A#9 &8CA8 %@&9G9# 3'&"@7 =8CA$A: 2@&8" 1GAD83 #929A& Q %A&DAA# R /4. *5E<+E** 1ra ik 1AG8" 1aris #unggal ("ingle Cine Chart) Drekuensi kumulati (Cumulative DreJuensi 1raph) 1aris ganda (%ultiple Cine Chart) 1aris 3omponen berganda (%ultiple Componen CC) 7resentase komponen berganda 7recentage %CCC) 1aris "eimbang (6alance Cine Chart) 1aris 8nterval (8nterval Cine Chart) R /.. *5E<+E** Contoh!contoh gra ik garis 1ra ik garis tunggal 1ra ik garis kumulati l R /,. *5E<+E** Contoh!contoh gra ik garis 1ra ik garis berganda 1ra ik 3omponen berganda R /S. *5E<+E** Contoh!contoh gra ik garis 1ra ik garis persentase komponen bergandal 1ra ik garis 8nterval 1ra ik 888.S - Angka maksimum dan minimun penderita klinis %alaria yang berobat pada sarana pelayanan kes di 7rop 3alsel tahun *++4 sEd *+++

R /+. *5E<+E** Contoh!contoh gra ik garis 1ra ik garis "eimbang 1ra ik 4 - Case Datality rate (CDG) dan 8nsidens D6D di 8ndoesia #ahun *+.S !*+++ R 0<. *5E<+E** 1ra ik 6A#A&1 Drekuensi :istogram 6atang #unggal 6atang 1anda 6atang 3omponen 6atang 7resentase 3omponen 6atang %endatar 6atang "ektor R 0*. *5E<+E** Contoh!contoh gra ik 6atang Drekunsi :istogram 1ra ik 6atang #unggal R 05. *5E<+E** Contoh!contoh gra ik 6atang 1ra ik 6atang 1anda 1ra ik 6atang 3omponen R 0/. *5E<+E** Contoh!contoh gra ik 6atang 1ra ik 6atang 7ersentase 3omponen 1ra ik 6atang %endatar R 00. *5E<+E** Contoh!contoh gra ik 6atang 1ra ik 6atang "ektor R 04. *5E<+E** Contoh!contoh gra ik 6atang 1ra ik 6atang "ektor R 0.. *5E<+E** Contoh 1ra ik Cingkaran (7ie) R 0,. *5E<+E** Diagram pencar berat badan bayi dikaitkan dg umur kehamilan saat dilahirkan di G" 6aturajin tahun 5<<< Contoh Diagram 7encar ("catter Diagram) 66 6ayi saat lahir 9mur kehamilan < * 5 / 0 4 5S /< /5 /0 /. /S 0< 05 00 V V V V V V V V V V V V V V V V V VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV VVVVVVVVVVVVVVVVVVVVVVVVVVVVV R 0S. *5E<+E** 2umlah 7erkembangan 7enduduk Antah 6erantah :asil "7 th.*++<!5<<< Contoh U Caki!laki #h *++<,*4/ 2uta U 7erempuan 1ra ik 1ambar (7ictogram) #h 5<<<,*,*2uta R 0+. *5E<+E** Contoh 1ra ik 7eta (Cartogram) R

R . 6@&#93 7@&$A28A& DA#A*. 7enyajian Data "ecara #ekstular5. 7enyajian Data "ecara #abuler/. 7enyajian Data "ecata 1ra ikal R 5. *. 7enyajian Data "ecara #ekstularT 7enyajian data dlm bentuk kalimatT Diperlukan utk mengalami penulisan hasilT 6er ungsi sebagai pengantarT 7enyajian #ekstular yang baik - 3ata!kata yg digunakan tepat tdk mempunyai arti ganda 7enulisan baku sesuai kaidah bahasa indonesia 9raian harus lengkap, mencakup kapan, apa, dimana, dan oleh siapa pengumpulan data dilakuan R /. ContohT 7enyebaran penyakit malayria didaerah pedesaan pantai lebih tinggi dibandingkan dgn penduduk pedesaan pedalamanT 7enelitian oleh malapetaka pd thn 5<<,, tentang diare di rumah sakit palang biru menemukan bahwa dr 5<< penderita diare terdpt .<A diare yg disebabkan oleh bakterial, /<A diare karena intoleransi dan *<A tdk diketahui penyebabnya R 0. *. 7enyajian Data "ecara #abuler#erdpt 5 tabel yakni tabel umum (master tabel) dan tabel khusus5.#abel 9mum a. %enyajikan data aslinya shg dpt dipakai utk rujukan tabel khusus b. %enjadi sumber keterangan utk data asli c. "ebagai penyusun tabel khusus R 4. Ciri!Ciri #abel 9mum T 6erisi 3eterangan beraneka ragam tentang subyek yg sama atau berisi semua variabel yg diteliti (data dikumpulkan) T 9ntuk data kuantitati berisi angka absolut bukan persentase T 6erisi keterangan yg mudah dipakai untuk rujukan T &ilai yg dimasukkan adalah nilai asli dan belum dibulatkan&o. &ama 9mur 2enis 3elamin 7endidikan "uku @konomi dsb*. 9rdu *< lelaki "D "unda rendah !!!5. $ani *4 7erempuan "7% 2awa rendah !!!/. Dunda *0 lelaki "%7 6ugis rendah !!! R .. #abel 3husus%erupakan penjabaran atau bagian dari tabelumumCiri - angka!angka dpt dibulatkan dan hanyaberisi beberapa variabel sajaDungsi - menggambarkan adanya hubunganatau assosiasi khusus dan menyajikan datayang terpilih (selekti ) dalam bentuksederhana#DD tabel univariate dan tabel bevariate R ,. Contoh #abel 9nivarian T %enggambarkan penyajian data untuk satu variabel saja#abel 0.* Distribusi 7enderita Diare 6erdasarkan 7enyebab di G" 7alang 6iru 7eriode #ahun 5<<,&o 7enyebab diare 2umlah 7ersentase* Diare bakterial *5< .<5 Diare intoleransi .< /</ "ebab lain 5< *< R S. Contoh #abel 6ivariate %enyajikan data dari 5 variabel secara silang Disebut juga tabel silang (cross table)#abel 0.5 Distribusi 7endidikan Gesponden 6erdasarkan "tatus "osial @konomi di 7uskesmas ; #ahun 5<<, "tatus "osek Gendah %enengah #inggi 2umah7endidikan6uta huru 5+ S / 0<#idak tamat "D 5< 5/ 5< ./#amat "D 50 *4 *+ 4S#amat "C#7E"edderajat 4 *S *+ 05#amat "C#AE"ederajat / *4 *5 /< 2umlah S* ,+ ,/ 5//

R +. $ang perlu diperhatikan dalam tabel khusus a.lWT #abel khusus harus sederhana mungkin, artinya lebih baik membuat 5 atau lebih tabel dari pada * tabel khusus yang padat dan rumitT #abel khusus harus jelas sehingga mudah dimengerti artinya tiap baris dan kolom harus ada judul yang jelasT Apabila tabel tersebut diambil dari sumber lain, (bukan dari hasil penelitian sendiri harus) disebutkan sumbernya atau rujukannya R *<. #ahnik penulisan tabel3eberadaan tabel harus ditulis dengan naskah#abel harus memuat judul tabel yang ditulis diatas tabel2udul tabel harus jelas,menggambarkan ciri, apa, dimanadan kapan"umber data yang dicantumkan harus jelas2umlah kolom selalu dibawah, sedangkan jumlah barisselalu berada dikanan9kuranEsatuan ditulis dalam judul kolomCatatan kaki dituliskan segera dibawah tabel, bila terdapatsingkatan dalam tabel, maka kepanjangan singkatan harusdituliskan di bawah tabel

R **. /. 7enyajian Data "ecara 1ra ikalContoh 6ar Diagram - Diagram 0.* jumlah penderita demam berdarah berdasarkan tingkat pendidikan di G"9 %elati "urabaya tahun 5<<, +< S< ,< .< 2umlah 4< "D (orang) 0< "%7 /< "%A 5< *< < 2an 7eb %ar Apr 6ulan R *5. 1ambar diagram garis Diagram 0.* jumlah kunjungan puskesmas gedong "urabaya tahun 5<<, *<<< +<<2umlah S<<(orang) ,<< .<< Cine * 4<< 0<< /<< 5<< *<< < * 5 / 0 4 . , S + *< ** *5 6ulan R */. Contoh diagram pie Diagram 0./ 2umlah akseptor 36 3elurahan #ugu #ahun 5<<, *<A *4A /<A 89D 78C "untik "usuk 04A R *0. 3etentuan %embuat 1ra ika. 2udul gambar dan gra ik harus jelas dan tepat. 2udul terletak diatas gambar atau gra ik dan menggambarkan ciri data, tempat, dan tahun data tersebut diperoleh (what, where and when).b. 1aris horisontal maupun garis vertikal sebagai koordinat jelas dan dicantumkan variabelnyac. "umbu ; menunjukkan variabel bebas, sedangkan sumbu $ menunjukkan variabel terikatd. 1aris sumbu harus lebih tipis dibandingkan garis gra ik supaya gra ik lebih menonjole. "umber data dicantumkan dibawah kiri gambarE gra ik . Catatan tambahan diletakkan dibawah kanan gra ik E gambarg. "kala pada gambar dicantumkan satuan yg digunakan