2.

Analisis Data

Analisis data dalam penelitian ini berupa analisis data univariat, bivariat, dan

multivariat.

a. Analisa Data Univariat

Analisa univariat dilakukan untuk mengetahui gambaran distribusi

frekuensi masing-masing variabel baik variabel independen maupun variabel

dependen. Keseluruhan data yang ada dalam kuesioner diolah dan disajikan

dalam bentuk tabel distribusi frekuensi.

b. Analisa Data Bivariat

Analisa data bivariat dilakukan untuk melihat apakah ada hubungan yang

bermakna antara variabel independen dan variabel dependen. Pada analisa ini

digunakan uji chi square dengan rumus :

(O - E)2
2
X =
E

dF = (k-1)(b-1)

Keterangan:

X2 = Chi square

O = Nilai observasi

E = Nilai Ekspektasi

k = Jumlah kolom

b = Jumlah baris

Melalui uji statistik chi square akan diperoleh nilai p, dimana dalam

penelitian ini digunakan tingkat kemaknaan sebesar 0.05. Penelitian antara dua
 variabel dikatakan bermakna jika mempunyai nilai p 0.05 dan dikatakan tidak

bermakna jika mempunyai nilai p> 0.05.

c. Analisis Multivariat

Analisis multivariat dilakukan untuk melihat hubungan antara beberapa

variabel bebas dan variabel terikat pada waktu yang bersamaan. Analisis ini

digunakan untuk mengetahui variabel independen yang paling dominan

berhubungan dengan variabel dependennya. Analisis multivariat yang digunakan

adalah regresi logistik berganda model prediksi yang merupakan salah satu

analisis yang menghubungkan satu atau beberapa variabel independen dengan

sebuah variabel dependen kategorik yang bersifat dikotom/binary. Uji regresi

logistik yang digunakan dalam penelitian ini adalah model prediksi dengan tujuan

untuk memperoleh model yang terdiri dari beberapa variabel independen yang

dianggap terbaik memprediksi kejadian variabel dependen. Pada model ini

semua variabel independennya dianggap penting. Maka proses estimasi dapat

dilakukan dengan beberapa koefisien regresi logistik sekaligus. Adapun langkah-

langkah dalam permodelan ini adalah:

1) Melakukan analisis bivariat antara masing-masing variabel independen

dengan variabel dependennya. Apabila hasil uji bivariatnya mempunyai nilai p

value<0.25 atau p value>0.25 tetapi secara substansi merupakan variabel

yang penting, maka variabel tersebut masuk kandidat model dan dilanjutkan

ke analisis multivariat.

2) Memilih variabel yang masuk ke dalam model dengan mempertahankan

variabel yang hasil uji regresi logistik berganda menunjukkan p value0.05.

 Untuk variabel yang p>0,05 dikeluarkan satu persatu secara bertahap dimulai

dari nilai p value paling besar.

3) Melakukan uji interaksi sesama variabel independen, apabila secara

substansi diduga terjadi interaksi antara variabel independen. Penentuan

variabel interaksi sebaiknya melalui pertimbangan logika substantif.

Pengujian interaksi dilihat dari kemaknaan uji statistik (p value0.05). Bila

variabel mempunyai nilai bermakna, maka variabel interaksi penting

dimasukkan dalam model.

d. Model terakhir dan interpretasikan.