PL5101 Metode Analisis Perencanaan

Magister Perencanaan Wilayah dan Kota

Sekolah Arsitektur Perencanaan dan Pengembangan
Kebijakan
Institut Teknologi Bandung

RESUME ANALISIS ASOSIASI

LUTHFI FITRIANSYAH 25415032
PENGERTIAN ANALISIS ASOSIASI
Analisis asosiasi adalah metoda analisis statistik yang digunakan untuk
mencari hubungan antara dua variabel atau lebih. Namun bukan berarti
hubungan antara variabel tersebut menyatakan suatu hubungan sebab
akbibat. Hal tersebut disebabkan oleh kondisi variabel yang belum bisa
dipastikan memberikan pengaruh terhadap variabel lainnya.
Untuk mencari keterkaitan antar variabel yang ada, terdapat beberapa
pernyataan hubungan antara variabel, diantaranya adalah:
1. Dalam mengetahui keberadaan hubungan
antar variabel, maka dapat menggunakan
data yang berjenis nominal, ordinal, atau
interval rasio.
2. Dalam mengetahui keeratan hubungan
antar variabel, maka dapat menggunakan
data yang berjenis nominal, ordinal, atau
interval rasio.
3. Dalam mengetahui arah hubungan, maka
dapat

menggunakan

data

yang

berjenis

ordinal atau interval rasio.

4. Dalam mengetahui sifat hubungan antar
variabel hanya dapat menggunakan data
yang berjenis interval rasio.

Terdapat dua tipe dasar hubungan antar variabel, yaitu hubungan

bersifat eksperimen dan hubungan bersifat korelasi.
1. Hubungan bersifat eksperimen, Metode dimana peneliti dapat
mengintervensi pada variabel independen dengan tujuan untuk
melihat pengeruh yang akan terjadi pada variabel dependen. Sehingga
dapat dikatakan peneliti dapat membuat perbandingan antara subjek
yang telah ada dan subjek lain yang telah diintervensi dengan kondisi
yang berbeda. Pada hubungan yang bersifat eksperimen ini dapat
memperlihatkan hubungan sebab akibat.
2. Hubungan bersifat korelasi, metode ini didasarkan pada lingkungan
alamiah atau merupakan data apa adanya, tidak dilakukan intervensi
pada salah satu variabel. Pada hubungan yang bersifat korelasi ini
tidak menunjukkan hubungan sebab akibat.
Metoda Analisis Asosiasi Menurut
Skala Pengukuran dibagi menjadi 3
(tiga), yaitu berdasarkan (1) Nominal,
Asosiasi variabel nominal hanya bisa
menjelaskan keberadaan dan kekuatan
hubungan, tapi tidak bisa menjelaskan
mengenai arah dan sifat hubungan.; (2)
Ordinal,

Asosiasi

variabel

ordinal

merupakan proses pengurutan variabel.

Dari

pengurutan

atau

ranking

dua

variabel ini akan dilihat hubungannya

antara variabel satu dengan variabel
lainnya. Asosiasi variabel ordinal ini mampu mencapai pengetahuan
mengenai arah hubungan.; dan (3) Interval Rasio, Asosiasi variabel
interval rasio digunakan untuk mengkur hubungan hubungan antara dua
variabel yang dikukur dalam skala interval rasio. Dengan asumsi dasar.
Asosiasi Variabel Nominal
1. Ukuran Asosiasi Berbasis Chi Square
Koefisien Phi

Digunakan pada saat ingin mengetahui salah satu variabel yang

berbeda kategori akan diikuti perbedaan pada variabel oleh
kategori lain. Analisis ini hanya digunakan untuk tabel 2x2.
Di bawah ini merupakan rumus pada yang dipergunakan :

X2

= Nilai Chi Square

= Jumlah Sampel

N
fe

( fo fe )2
fe

total baris total kolom

n

Interpretasi
Nilai = 0 tidak ada hubungan
Nilai = 1 ada hubungan sempurna
Bila Tabel > 2 kolom dan baris hasil

>1 mempersulit

interpretasi.
Kelemahan
-

Hanya digunakan untuk matriks 2x2

Hanya memperlihatkan keberadaan hubungan

Koefisien V Creamer
Pada dasarnya asosiasi basis chi square memiliki fungsi yang
sama, yang menjadi perbedaan adalah koefisien V Creamer
digunakan untuk variabel dengan kategori lebih dari 2,
tetapi jumlah kategori harus sama antara variabel satu dengan
variabel lainnya. Di bawah ini merupakan rumus pada yang
dipergunakan:

2
( N ){Min (r 1), (c 1)}

Interpretasi

Nilai V tertinggi = 1 untuk beberapa ukuran tabel

V dan sebagai indeks pengukur kekuatan hubungan antara dua
variabel
Masalah utama V dan tidak mempunyai interpretasi langsung
yang bermakna tentang nilai 0 - 1

Koefisien Kontingensi C
Chi square dengan koefisien kontingensi C digunakan untuk
matriks dengan jumlah kolom dan baris berbeda. Di bawah
ini merupakan rumus pada yang dipergunakan :

2
(N 2 )

Nilai C antara 0 1, dari tidak ada hubungan sama sekali sampai

hubungan sempurna
Pengujian Koefisien Asosiasi
Pengujian dilakukan ketika data yang digunakan berupa
sampel

namun

ingin

menjelaskan

suatu

populasi.

Berikut

merupakan langkah pengujian koefisien asosiasi:

a. Hipotesa:

H0 : tidak ada korelasi antara kedua variabel

H1 : ada korelasi antara kedua variabel

b. Tentukan
c.
Wilayah Kritis 2 > ; df; (b-1)(k-1)
d. Statistik Uji 2
e. 2 jatuh di wilayah kritis hubungan nyata

2. Ukuran Asosiasi Berbasis Proportional Reduction Error (PRE)

Basis PRE digunakan ketika angka hasil chi square tidak mampu
menjelaskan

kuat

atau

lemahnya

hubungan.

Basis

PRE

digunakan untuk mengetahui reduksi eror/kesalahan dari kesalahan

pertama sebelum informasi kepada ke kesalahan kedua setelah
tambahan informasi untuk variabel. PRE dilambangkan dengan

koefisien lambda (). Berikut merupakan langkah dalam perhitungan

lambda :
a. Jumlah

Kesalahan

Prediksi

dengan

mengabaikan

variabel

independent (E1)
b. Jumlah Kesalahan Prediksi dengan mempertimbangkan variabel
independent (E2)

E1 E2
E1

c.

Keduanya

dibandingkan

untuk

memperoleh

Statistik

Interpretasi
Nilai dari 0 1
0 informasi variabel independent tidak memperbaiki prediksi
1 informasi variabel independent memperbaiki prediksi
Bila

dikalikan

100

Lambda

menunjukkan

prosentase

reduksi

kesalahan

Asosiasi Variabel Ordinal

Pada dasarnya asosiasi variabel ordinal merupakan proses pengurutan
variabel. Dari pengurutan atau ranking dua variabel ini akan dilihat
hubungannya antara variabel satu dengan variabel lainnya. Data ordinal
terbagi menjadi dua bentuk yaitu data ordinal kontinyu dan data ordinal
collapsed.
Data Ordinal Kontinyu adalah data dengan rentang yang lebar dan
banyak nilai yang mungkin. Maksudnya adalah, penggunaan nilai tidak
terbatas menurut angka bulat, tetapi terdapat angka diantara angka
seperti antara 1-5 terdapat 1,75; 2,25; 3,45 dan seterusnya. Dalam
ordinal

Kontinyu

memberikan

interpretasi

pada

keberadaan,

kuat

lemahnya hubungan dan arah hubungan antar dua variabel. Pada data
ordinal kontinyu terdapat dua ukuran asosiasi variabel, yaitu:

Koefisien Korelasi Tau Kendal

Koefisien

korelasi

ini

digunakan

pada

pasangan variabel atau data X dan Y

dalam hal ketidaksesuaian rank, yaitu
untuk mengukur ketidakteraturan dalam
urutan yang berbeda.

Koefisien Korelasi Rho Spearmen

Koefisien ini melihat perbedaan rank dua
variabel yang dilihat hubungannya dan
apabila perbedaan sangat kecil, maka variabel saling berhubungan.

Data Ordinal Collapsed mempunyai sedikit nilai untuk setiap variabel.

Tidak terdapat angka diantara dua angka, serta penilaian tidak lebih dari
5 atau 6. Data ordinal Collapsed dapat diperoleh dari pengumpulan data
kontinyu.

Variabel

Ordinal

Collapse

memberikan

interpretasi

pada

keberadaan, kuat lemahnya hubungan dan arah hubungan antar dua

variabel. Pada data ordinal collapsed terdapat tiga ukuran asosiasi
variabel, yaitu:

Koefisien Gamma
Metode ini memperkirakan urutan dari
pasangan

kasus.

Gamma

dapat

digunakan sebagai ukuran keberadaan,

kekuatan, dan arah hubungan. Apabila
nilai G = 0 maka tidak ada hubungan,
sementara apabila nilai G 1 maka
hubungan sempurna, baik dengan arah
positif maupun negatif.

Koefisien d Sommer
Koefisien ini melibatkan pasangan satu
baris dan satu kolom yang terikat pada variabel terikat. Nilai koefisien
ini akan tergantung pada variabel yang dinyatakan tidak bebas.

Koefisien Tau-b Kendal

Koefisien ini melibatkan pasangan yang terikat pada variabel terikat

dan bebas dan hanya dapat dilakukan jika data simetris. Bagi data
dengan bentuk persegi panjang, maka koefisien ini bukan pilihan
utama.
Asosiasi Variabel Interval Rasio
1. Koefisien Korelasi Product Moment : Pearson (r)
Terdapat asumsi dasar yang perlu diperhatikan dalam koefisien
pearson (r) :
Linier Koesien Korelasi hanya cocok untuk mengukur

derajat hubungan antara variabel yang terkait secara linier bila

hubungan tidak linier, koefisien korelasi akan menunjukkan angka
nol.
Kedua Variabel merupakan variabel random yang

diukur dalam skala interval rasio.

Kedua Variabel mempunyai distribusi normal Bivariat.

Di bawah ini merupakan rumus pearson (r) pada yang dipergunakan :

__

__

( X i X )(Yi Y )
(n 1) S x S y

1.

__

__

( X X )(Y Y )
[ ( X X ) ][ (Y Y )
__

2.

__

N XY ( X )( Y )

[ N X 2 ( X ) 2 ][ N Y 2 ( Y ) 2 ]
3.

Interpretasi

r=0 tidak ada hubungan

r= 1 hubungan sempurna
r2 koefisien determinasi proporsi variasi yang dijelaskan oleh
variabel lain

PENERAPAN ASOSIASI BERSIFAT EKSPERIMENTAL

Analisis Variansi (ANOVA)
Anova mengidentifikasi dan mengukur berbagai sumber variansi dalam
data, sehingga analisis ini hanya menjelaskan ada atau tidak ada
hubungan
Dalam

antar

analisis

melihat

anova

apakah

perbedaan
yang

variabel.
terdapat

antar

cukup

ini

besar

sampel
untuk

membenarkan

suatu

keputusan.

anova

adalah

Prinsip

membandingkan

variansi between dan variasi

within. Variansi yang lebih besar pada Between kategori relatif terhadap
variansi pada Within kategori lebih memungkinkan bahwa hipotesa nol
dapat ditolak.

Analisis Regresi

Analisis

regresi

menggambarkan

linier
sifat

memberikan
hubungan

antara

suatu
dua

persamaan
variabel

yang

sekaligus

memberikan ukuran variansi yang memungkinkan untuk memperkirakan

keakuratan sebagaimana jauh persamaan regresi dapat memprediksi nilai
variabel kriteria. Teknik ini dirancang untuk data eksperimental yang
besaran variabel prediktor dipilih atau ditentukan oleh peneliti dengan
obyek yang dipilih secara acak. Dalam hal ini, peneliti harus menentukan
yang mana variabel prediktor dan mana variabel kriteria.
Sasaran yang ingin dicapai dalam analisis regresi adalah:
1. Menentukan ada tidaknya hubungan antar dua variabel
2. Menggambarkan sifat hubungan yang ada dalam

persamaan

matematik

3. Memperkirakan derajat keakuratan dari deskripsi atau prediksi yang

dihasilkan
4. Pada kasus regresi berganda, untuk memperkirakan kepentingan
relatif dari berbagai variabel prediktor dapat dilihat dari kontribusinya
pada variansi dalam variabel kriteria.