Analisis Bivariat

Pengertian 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.