Ada 3 jenis analisis data : univariat, bivariat dan multivariat. Bivariat berarti 2 variabel.
Dalam posisi kerangka konsep penelitian, 2 variabel tersebut menempati posisi 1 variabel
sebagai variabel independen (mempengaruhi) dan 1 variabel sebagai dependen variabel
(variabel terpengaruh). Dalama analisis dua sisi (2 side) tidak dapat ditentukan mana variabel
independen dan mana variabel dependen. Peneliti sendiri yang menterjemahkan variabel
tersebut. Analisis data menggunakan komputer, bila kedua variabel tersebut diputar -
letakkan, maka hasilnya akan sama (bukti).
Berdasarkan bentuk data (kategorik/numerik), maka ada 4 kemungkinan pasangan
variabel yang akan diuji dalam analisis bivariate, yaitu :
1. Kategoriikk - kategorik
2. Kategorik - numerik
3. Numerik - kategorik, dan
4. Numerik - numerik
Oleh karena arah pengujian dalam analisis 2 sisi tidak dapat ditentukan, maka jenis
ketiga dan keempat ujinya sama.. Untuk uji kategorik-kategorik disebut uji beda proporsi,
untuk uji no.2 dan 3 disebut uji beda rata-rata, dan uji keempat uji korelasi bivariat. Uji
beda rata-rata terbagi 2 jenis : jika 2 rata-rata uji t-test dan apabila lebih dari 2 rata uji Anova.
Pengujian / analisis data mengacu kepada tujuan penelitian. Dengan demikian, analisis
data adalah sebuah upaya menggunakan statistik untuk menjawab tujuan penelitian. Ada
beberapa langkah melakukan pengujian data yang mengacu kepada tujuan penelitian pada uji
bivariate. Langkah-langkah pengujian ini disusun oleh penulis untuk memperkuat
pemahaman bahwa statistik hanyalah sebuat alat bantu untuk mengambil keputusan atau
kesimpulan. Artinya, tanpa statistik sebenarnya kesimpulan bisa diambil. Akan tetapi untuk
lebih meyakinkan atau apabila secara visuals sulit mengambil kesimpulan, maka
digunakanlah statistik (uji). Dengan kata lain pemilihan jenis uji statistik disesuaikan dengan
bentuk data, bukan sebaliknya data yang menyesuaikan dengan uji yang akan digunakan.
Pada penjelasan berikut ini, tujuan penelitian sudah ada sebelumnya (pada proposal
penelitian).
Anova (analysis of varian) digunakan untuk menguji perbedaan mean (rata-rata) data lebih
dari dua kelompok. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata lama hari
dirawat antara pasien kelas VIP, I, II, dan kelas III. Anova mempunyai dua jenis yaitu
analisis varian satu faktor (one way anova) dan analsis varian dua faktor (two ways anova).
Pada kesempatan ini hanya akan dibahas analisis varian satu faktor.
Uji-t untuk data berpasangan berarti setiap subjek diukur dua kali. Misalnya sebelum
dan sesudah dilakukannya suatu intervensi atau pengukuran yang dilakukan terhadap
pasangan orang kembar. Dalam contoh ini akan membandingkan data sebelum dengan
sesudah intervensi. Dalam BAYI95.SAV sudah ada data berpasangan yaitu pengukuran berat
badan ibu yang dilakukan sebelum hamil. Sebelum merencanakan kehamilan,
subjek melakukan penyesuaian diet (mengikuti program makanan tambahan) selama 2
bulan.Pengukuran berat badan yang pertama (BBIBU_1) dilakukan sebelum kegiatan
penyesuaian diet dilakukan, dan pengukuran berat badan yang kedua (BBIBU_2) dilakukan
setelah dua bulan menjalani penyesuaian diet.Kita akan melakukan uji hipotesis untuk
menilai apakah ada perbedaan berat badan ibu antara sebelum dengan sesudah mengikuti
program diet, langkah-langkahnya sebagaiberikut.1. Bukalah file BAYI95.SAV, sehingga
data tampak di Data editor window.
Uji-t untuk data independen dilakukan terhadap dua kelompok data yang tidak saling
berkaitan antara satu dengan lainnya. Misalnya membandingkan kelompok intervensi dengan
kelompok kontrol atau kelompok ibu-ibu perokok dengan ibu-ibu bukan perokok adalah dua
kelompok yang tidak saling berkaitan.Pada analisis ini kita akan melihat apakah ada
perbedaan berat bayi yang lahir dari ibu perokok dengan bayi yang lahir dari ibu bukan
perokok. Kita akan melakukan uji hipotesis apakah ada perbedaan rata-rata berat bayi yang
lahir dari ibu bukan perokok dengan rata-rata berat bayi yang lahir dari ibu perokok, dengan
langkah-langkah sebagai berikut.1. Bukalah file BAYI95.SAV, sehingga data tampak di Data
editor window.2.
Asumsi pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan secara
random terhadap beberapa (> 2) kelompok yang independen, yang mana nilai pada satu
kelompok tidak tergantung pada nilai di kelompok lain. Sedangkan pemenuhan terhadap
asumsi kedua dan ketiga dapat dicek jika data telah dimasukkan ke komputer, jika asumsi ini
tidak terpenuhi dapat dilakukan transformasi terhadap data. Apabila proses transformasi tidak
juga dapat memenuhi asumsi ini maka uji Anova tidak valid untuk dilakukan, sehingga harus
menggunakan uji non-parametrik misalnya Kruskal Wallis.
Uji Anova pada prinsipnya adalah melakukan analisis variabilitas data menjadi dua
sumber variasi yaitu variasi didalam kelompok (within) dan variasi antar kelompok
(between). Bila variasi within dan between sama (nilai perbandingan kedua varian mendekati
angka satu), maka berarti tidak ada perbedaan efek dari intervensi yang dilakukan, dengan
kata lain nilai mean yang dibandingkan tidak ada perbedaan. Sebaliknya bila variasi antar
kelompok lebih besar dari variasi didalam kelompok, artinya intervensi tersebut memberikan
efek yang berbeda, dengan kata lain nilai mean yang dibandingkan menunjukkan adanya
perbedaan.
Berdasarkan banyaknya variable bebas-nya, Analisis Variansi Univariate dibagi menjadi tiga
kelompok yaitu
1. Analisis Variansi Univariate Satu Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan satu
variabel bebas
2. Analisis Variansi Univariate Dua Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan dua
variabel bebas
3. Analisis Variansi Univariate Tiga Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan tiga
variabel bebas