Analisis Bivariat

BAB I
PENDAHULUAN

1.1 lATAR BELAKANG

Untuk memulai analisis bivariat, langkah pertama adalah untuk membangun sebuah scattergram
untuk menggambarkan hubungan tersebut. ( Sprinthall 1990,200 )
Setiap titik mewakili nilai pasangan dari sampel, dan scattergram mengungkapkan bentuk oval
khas yang disebut kecenderungan pusat. ( Sprinthall, 1990,200 )
Jelas tampaknya ada hubungan yang cukup kuat dalam sampel antara dua variabel, bahwa itu
adalah linier, dan negativ. Ada hubungan negatif yang kuat, yang berarti bahwa sebagai
presentase total lapangan kerja meningkat pendapatan, persentase dari pendapat total dari
sumber-sumbar pemerintah. Untuk mengetahui seberapa kuat korerasi sebenarnya memerlukan
ukuran statistik. ( Sprinthall, 1990, 196 )
Produk moment koefisien korelasi atau koefisien korelasi person memungkinkan peneliti untuk
menyatakan "hubungan antara dua objek yang berbeda secara kualitatif.....Dalam istilah
kuantitatif ". ( Sprinthall, 1990,196 )
Hasil atau 'r-niali' adalah -0,819 dengan memeriksa itu terhadap nilai kritis, yang kira-kira 0,300
pada tingkat kepercayaan 95%, r pearson lebih besar. Oleh karena itu, hipotesis nol ditolak,
karena tidak cukup bukti untuk mengatakan bahwa kedua variabel yang terkait, dan karena
koefisien sangat kuat, kita dapat menyimpulkan bahwa dalam populasi terdapat hubungan yang
nyata antara mereka.
Salam ilmu-ilmu sosial, alasan dasar untuk melakukan analisis statistik adalah untuk
mengungkap trend, mengungkapkan hubungan, dan membuat prediksi. ( Walsh, 1990,260 )

1.2 BATASAN MASALAH

Dalam penulisan makalah ini penulis menguraikan tentang pengertian, kegunan, cara
melaksanakan dan cara membaca hasil data berdasarkan analisis bivariat.

1.3 TUJUAN PENULISAN

1.3.1 Tujuan Umum

Untuk mengetahui dan mempelajari lebih dalam mengenai analisis bivariat.

1.3.2 Tujuan Khusus

1. Menjelaskan tentang pengertian Analisis Bivariat

2. Menjelaskan tentang kegunaan Analisis Bivariat
3. Menjelaskan tentang cara melaksanakan Analisis Bivariat
4. Menjelaskan tentang jenis-jenis Analisis Bivariat

1.4 MANFAAT PENULISAN

 1. Bagi penulis dapat memberikan pengalaman, wawasan, dan pengetahuan serta
keterampilan yang baru bagi penulis dalam pembuatan makalah ini.
2. Bagi instansi pendidikan dapat dijidikan sebagai wacana.

BAB II
TINJAUAN TEORITIS

2.1 PENGERTIAN
Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini biasanya dilakukan
untuk melihat apakah satu variabel, seperti jenis kelamin , adalah terkait dengan variabel lain,
mungkin sikap terhadap pria maupun wanita kesetaraan.
Analisis Bivariat yaitu hipotesisi yang diuji biasanya kelompok yang berbeda dalam ciri khas
tertentu dengan koefisien kontigensi yang diberi simbol C.
Analisis bivariat menggunakan tabel silang untuk menyoroti dan menganalisis perbedaan atau
hubungan antara dua variabel. Menguji ada tidaknya perbedaan/hubungan antara variabel kondisi
pemukian, umur, agama, status migrasi, pendidikan, penghasilan, umur pekkawinan pertama,
status kerja dan kematian bayi/balita dengan persepsi nilai anak digunakan analisis chi square,
denagn tingkat kemaknaan a=0,05. Hasil yang diperoleh pada analisis chi square, dengan
menggunakan program SPSS yaitu nilai p, kemudian dibandingkan dengan a=0,05. Apabila nilai
p< dari a=0,05 maka ada hubungan atau perbedaan antara dua variabel tersebaut. ( Agung, 1993
)

2.2 KEGUNAAN DARI ANALISIS BIVARIAT

Untuk mengukur kekuatan hubungan antar dua variabel atau lebih.
Contoh mengukur hubungan antar dua variabel

1. Motivasi kerja dengan produktivitas

2. Kualitas layanan dengan kepuasan pelanggan

2.3 LANGKAH-LANGKAH MELAKSANAKAN ANALISIS BIVARIAT

1. Masukkan data diatas kedalam program SPSS dengan nama variabel bulan, b_selling,
b_promo, b_iklan, dan unitpjl.
2. Klik menu utama analize , correlate, bivariate, tampak dilayar
3. Kemudian klik semua variabel yang akan dikorelasikan dan masukkan kekolom variables
dengan mengklik tanda panah
4. Untuk kolom corelatiaon koeffisients, pilihlah pearson karena anda ingin melakukan uji
atas data rasio
5. Untuk kolom test of significance, pilih option two-tailed untuk uji dua arah atau dua sisi
 6. Untuk pilihan flag signifikant korelations boleh dicentang (dipilih) hingga pada output
akan muncul tanda * untuk signifikansi 5% dan tanda ** untuk signifikansi 1%
7. Kemudian klik tombol option hingga dilayar tampil :

Pengisian :

 Anda dapat memunculkan output nilai means and standard deviations dengan mengklik
pilihan yang sesuai pada kolom dtatistik
 Pada pilihan missing values pada dua pilihan :

1. Exclude cases pairwise : Pasangan yang salah satu tidak ada datanya tidak dimasukkan
dalam perhitungan. Akibatnya, jumlah data tiap pasangan korelasi akan bervariasi.
2. Exclude cases listwise : Yang dibuang adalah kasus yang salah satu variabelnya memiliki
mising data. Jumlah untuk semua variabel korelasi adalah sama.

 Untuk keseragaman pilih exclude cases pairwise

 Tekan qontinyue jika sudah selesai
 Kemudian tekan ok dan akan muncul output

2.4 JENIS-JENIS UJI ANALISIS BIVARIAT

1. Uji korelasi Bivariat ( Product-moment person )

 Untuk menentukan korelasi ( kuatnya hubungan ) antara variabel-variabel penelitian

 Jika ada hubungan, seberapa kuat hubungan antar variabel tersebut
 Dapat digunakan untuk jenis data rasio ( scale ) atau interval


2. Uji chis-quare, dengan tingkat kemaknaan a=0,05. Hasil yang diperoleh pada analisis chis
quare dengan menggunakan program SPSS yaitu nilai p, kemudian dibandingkan dengan a=0,05
apabila nilai p < dari a=0,05 maka ada hubungan atau pernedaan antara dua variabel tersebut (
Agung 1993 )

BAB III
PENUTUP

3.1 KESIMPULAN
Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini biasanya dilakukan
untuk melihat apakah satu variabel, seperti jenis kelamin , adalah terkait dengan variabel lain,
mungkin sikap terhadap pria maupun wanita kesetaraan.
Untuk mengukur kekuatan hubungan antar dua variabel atau lebih. Contohnya mengukur
hubungan antar variabel : Motivasi kerja dengan produktivitas dan kualitas layanan dengan
kepuasan pelanggan

3.2 SARAN
Untuk lebih memahami bagaimana cara pengolahan data dengan menggunakan analisis bivariat

http://meinilafitri.blogspot.co.id/2010/08/analisis-bivariat.html

Jumat, 21 Juni 2013

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.
BY Feby Prastiyananda

http://semangathdp.blogspot.co.id/2013/06/analisis-bivariat.html
Thursday, June 20, 2013

ANALISIS BIVARIAT

ANALISIS BIVARIAT

Analisis bivariat adalah analisis yang dilakukan untuk mengetahui keterkaitan dua variabel.
Dilihat dari bentuk data (kategorik dan numerik), ada 4 kemungkinan analisis yang dapat dilakukan yaitu
1) variabel kategorik dengan kategorik dilakukan uji beda proporsi, 2) variabel kategorik dengan numerik
dilakukan uji beda rata-rata, 3) variabel numerik dengan kategorik dilakukan uji beda rata-rata, dan 4)
variabel numerik dengan numerik dilakukan uji korelasi.

Untuk kategori uji beda rata-rata dapat dibagi menjadi 2, yaitu uji lebih dua rata-rata dan uji dua
rata-rata. Untuk uji lebih dua rata-rata dilakukan uji One way Anova sedangkan untuk uji dua rata-rata
dapat dilakukan dua uji yaitu untuk data berpasangan dilakukan Paired T-test dan untuk data tidak
berpasangan dilakukan Independent Sample T-test.

Ketiga uji diatas dapat dilakukan jika data berdistribusi normal. Untuk menentukan data
berdistribusi normal atau tidak dapat digunakan 6 teknik, yaitu 1. membandingkan nilai mean, median
dan modus (data berdistribusi normal jika nilai mean, median, modus tidak memiliki banyak perbedaan),
2. Kolmogrov Smirnov (data berdistribusi normal jika nilai p>0,05 dan uji ini hanya digunakan untuk sampel
kecil), 3. Uji Skewness (data dikatakan berdistribusi normal jika nilai skewness antara -1,27 sampai 1,27),
4. Histogram (Data dikatakan berdistribusi normal apabila kurva berbentuk identik dengan ciri-ciri puncak
grafik berada di tengah dan grafik seimbang kiri kanan), 5. Uji Q-Q Plot (data dikatakan normal apabila
nilainya berada di seputar garis scater dan seimbang atas bawah), 6. Box Plot (data dikatakan berdistribusi
normal apabila memenuhi 4 syarat yaitu box tidak tinggi, tangkainya pendek dan seimbang atas bawah,
median berada di tengah, serta tidak ada outlier dan kalaupun ada jumlahnya seimbang atas bawah).

Jika setelah dilakukan uji diatas data masih tidak normal, ada dua cara yang dapat dilakukan yaitu
1) Menguji secara langsung dengan uji non-parametrik, untuk Pired T-test digunakan uji Wilcoxon, untuk
Independent Sampel T-test digunakan uji Man Withney, dan untuk uji One-way Anova digunakan uji
Kruskal Wallis, 2) Menormalkan data atau normalisasi data yang dapat dilakukan dengan cara
memissingkan outlier atau melogkan variabel.

http://ucitrisna.blogspot.co.id/2013/06/analisis-bivariat.html

analisis bivariat
Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini biasanya dilakukan
untuk melihat apakah satu variabel, seperti jenis kelamin, adalah terkait dengan variabel lain,
mungkin sikap terhadap pria maupun wanita kesetaraan. Analisis bivariate terdiri atas metode-
metode statistik inferensial yangdigunakan untuk menganalisis data dua variabel penelitian.
Penelitian terhadap dua variabel biasanya mempunyai tujuan untuk mendiskripsikan distribusi
data, meguji perbedaan dan mengukur hubungan antara dua variabel yang diteliti.

Analisis Bivariat yaitu hipotesis yang diuji biasanya kelompok yang berbeda dalam ciri khas
tertentu dengan koefisien kontigensi yang diberi simbol C. Analisis bivariat menggunakan tabel
silang untuk menyoroti dan menganalisis perbedaan atau hubungan antara dua variabel. Menguji
ada tidaknya perbedaan/hubungan antara variabel kondisi pemukian, umur, agama, status
migrasi, pendidikan, penghasilan, umur pekkawinan pertama, status kerja dan kematian
bayi/balita dengan persepsi nilai anak digunakan analisis chi square, denagn tingkat kemaknaan
a=0,05. Hasil yang diperoleh pada analisis chi square, dengan menggunakan program SPSS yaitu
nilai p, kemudian dibandingkan dengan a=0,05. Apabila nilai p< dari a=0,05 maka ada hubungan
atau perbedaan antara dua variabel tersebut. (Agung, 1993)

Kegunaan Dari Analisis Bivariat

Untuk mengukur kekuatan hubungan antar dua variabel atau lebih.
Contoh mengukur hubungan antar dua variabel :

1. Motivasi kerja dengan produktivitas

2. Kualitas layanan dengan kepuasan pelanggan

Langkah-Langkah Melaksanakan Analisis Bivariat

1. Masukkan data diatas kedalam program SPSS dengan nama variabel bulan, b_selling, b_promo,
b_iklan, dan unitpjl.
2. Klik menu utama analize , correlate, bivariate, tampak dilayar
3. Kemudian klik semua variabel yang akan dikorelasikan dan masukkan kekolom variables dengan
mengklik tanda panah
4. Untuk kolom corelatiaon koeffisients, pilihlah pearson karena anda ingin melakukan uji atas data
rasio
5. Untuk kolom test of significance, pilih option two-tailed untuk uji dua arah atau dua sisi
6. Untuk pilihan flag signifikant korelations boleh dicentang (dipilih) hingga pada output akan
muncul tanda * untuk signifikansi 5% dan tanda ** untuk signifikansi 1%
7. Kemudian klik tombol option hingga dilayar tampil :

Pengisian :

 Anda dapat memunculkan output nilai means and standard deviations dengan mengklik pilihan
yang sesuai pada kolom dtatistik
 Pada pilihan missing values pada dua pilihan :

1. Exclude cases pairwise : Pasangan yang salah satu tidak ada datanya tidak dimasukkan dalam
perhitungan. Akibatnya, jumlah data tiap pasangan korelasi akan bervariasi.
2. Exclude cases listwise : Yang dibuang adalah kasus yang salah satu variabelnya memiliki mising
data. Jumlah untuk semua variabel korelasi adalah sama.

 Untuk keseragaman pilih exclude cases pairwise

 Tekan qontinyue jika sudah selesai
 Kemudian tekan ok dan akan muncul output

Jenis-Jenis Uji Analisis Bivariat

1. Uji korelasi Bivariat ( Product-moment person )

2. Uji chis-quare, dengan tingkat kemaknaan a=0,05. Hasil yang diperoleh pada analisis chis quare
dengan menggunakan program SPSS yaitu nilai p, kemudian dibandingkan dengan a=0,05
apabila nilai p < dari a=0,05 maka ada hubungan atau pernedaan antara dua variabel tersebut
(Agung 1993).

 Untuk menentukan korelasi ( kuatnya hubungan ) antara variabel-variabel penelitian

 Jika ada hubungan, seberapa kuat hubungan antar variabel tersebut
 Dapat digunakan untuk jenis data rasio ( scale ) atau interval
Dalam analisis bivariate secara umum terdiri dari analisa korelasi dan analisa regresi.

Teknik analisis statistik yang dibahas dalam bab ini bersumber pada SPSS yang difokuskan
hanya pada teknik yang dapat menjelaskan hubungan atau kaitan antara beberapa variabel, baik
hubungan antara dua variabel (bivariate) maupun banyak variabel (multivariate). Pembahasan
diutamakan pada cara membaca dan menafsirkan arti dari parameter yang diperoleh dari hasil
pengolahan data yang terdapat pada output SPSS. Teknik analisis statistik yang dibahas meliputi
Analisis Regresi, Analisis Path, Multiple Classification Analysis (MCA), Tabel Kontingensi,
Model Logit, Model Log-Linear, Analisis Diskriminan, dan Analisis Faktor.

1. Analisis Regresi Linier

Analisis regresi merupakan alat yang dapat memberikan penjelasan hubungan antara dua jenis
variabel yaitu hubungan antara variabel dependen atau variabel kriteria dengan variabel
independen atau variabel prediktor. Analisis hubungan antara dua variabel disebut sebagai
analisis regresi sederhana jika hanya melibatkan satu variabel independen. Analisis disebut
sebagai analisis regresi berganda jika melibatkan lebih dari satu variabel independen.

Hubungan antara variabel dependen (Y) dengan variabel independen (X) dituliskan dalam model
linier umum

di mana , i = 1,2,……..p adalah koefisien regresi yang berarti besarnya perubahan pada , jika Xi
bertambah satu satuan dan variabel yang lain konstan, adalah intercept. Residual e mengikuti
distribusi normal dengan rata-rata 0 dan varians konstan sebesar s2.

Asumsi dasar dalam analisis regresi adalah (i) setiap Y yang merupakan kombinasi linier atas X
dan mengikuti distribusi normal, (ii) e tersebar secara acak dan tidak berpola mengikuti besarnya
nilai X, (iii) tidak terdapat hubungan (korelasi) yang tinggi antar variabel X.

Analisis Regresi Sederhana

Analisis regresi sederhana hanya melibatkan satu variabel independen X, sehingga dalam
persamaan (3.1) p=1, sehingga model liniernya adalah

Dengan model seperti pada persamaan (3.2) maka hipotesis yang diajukan untuk diuji adalah H0:
b1 = 0 terhadap H1: b 1 ¹ 0. Untuk menolak H0 harus dapat dibuktikan secara empirik bahwab 1 ¹
0 atau b1 bermakna (significant) atau dengan kata lain ada hubungan linier regresi antara Y dan
X seperti pada persamaan (3.2).
Dalam output SPSS 9.0 for Windows untuk subprogram REGRESION, yang pertama perlu
diketahui adalah apakah regresi Y pada X bermakna. Hal ini dapat dilihat pada output ANOVA
sebagai berikut:

ANOVA

Sum of Mean Uji hipotesis untuk

Df F Sig.
mengetahui apakah
Squares Squares regresi Y pada X ada, Tabel
Model 1 Regresion 6475.18 1 6475.18 168.698 .000 ANOVA dengan =0,00
menunjukkan bahwa H0
Residual 3185.81 83 38.38 ditolak  regresi Y pada X
bermakna.
Total 9660.99 84

Selanjutnya adalah untuk mengetahui besarnya estimate koefisien regresi () serta standard error-
nya, ini dapat dilihat pada output COEFFICIENTS sebagai berikut:

COEFFICIENTS

Unstandardized Standardized = 47,17 (intercept)

Coefficients Coefficients
= 0,307 (koeffisien
B Std. Error Beta T Sig.
regresi)
Model 1 (Constant)47.170 1.726 .819 27.337 .000
Y akan berubah sebesar
X .307 .024 12.988 .000 0,31 unit untuk setiap
perubahan satu unit dari
X.

Dapat dilihat bahwa karena regresi linier sederhana, maka pada dua tabel di atas t2= F.
Beta=0,819 yang merupakan koef. regresi baku sebenarnya adalah sama dengan r = koefisien
korelasi antara Y dan X, karena beta dihitung berdasarkan vaiabel baku Z yang dihitung dengan
cara

Koefisien determinasi r2 = 0,670 (yaitu nilai Beta dikuadratkan atau (0.819)2) berarti bahwa
variasi Y yang dapat dijelaskan oleh model sebesar 67 persen. Beberapa statistik dan estimasi
dari parameter dapat pula diperoleh seperti rata-rata dan standard deviasi serta korelasi dari Y
dan X. Para pembaca lebih lanjut dianjurkan untuk membaca SPSS7 Base 9.0 Application Guide.

Analisis Regresi Berganda

Kalau satu variabel dependen Y perlu dijelaskan oleh lebih dari satu variabel independen X,
maka kita perlu membuat model yang sesuai dengan tujuan studi. Model tersebut adalah regresi
linier ganda (Multivariate Linear Regression) yang secara umum modelnya seperti pada
persamaan (3.1). Selain berguna untuk dapat menjelaskan hubungan p variabel X secara bersama
terhadap variabel Y, dengan analisis regresi ganda juga dapat diperoleh suatu penjelasan tentang
peranan atau kontribusi relatif setiap variabel X terhadap variabel Y. Secara empirik walaupun
misalnya model (3.1) signifikan, yang berarti bahwa secara bersama p variabel X dapat
menjelaskan variabel Y, tidak berarti bahwa setiap variabel mempunyai pengaruh yang
signifikan pada variabel Y. Suatu kajian tersendiri perlu dilakukan untuk kemudian dapat
memilah variabel X yang berpengaruh secara parsial pada variabel Y.

http://ipahipeh.blog.fisip.uns.ac.id/2011/12/15/analisis-bivariat/

TUGAS KELOMPOK TENTANG ANALISIS UNIVARIAT

TUGAS KELOMPOK TENTANG ANALISIS UNIVARIAT

MAHRI SAMSUL

ANGEL

MARIYATI

RIA

Bab I

PENDAHULUAN

A. Latar Belakang
 Penggunaan metode statistik bukanlah hal yang baru dalam pendidikan, ekonomi, perdagangan,
maupun industri, khususnya dalam kaitannya dengan pengumpulan informasi/data atau data saintifik.
Terdapat perbedaan mendasar antara pengumpulan informasi saintifik dengan statistik inferensial.
Statistik inferensial digunakan dalam proses mengambil
keputusan dalam menghadapi ketidakpastian dan perubahan.. Statistik inferensial telah menghasilkan
banyak metode analitis yang digunakan untuk menganalisis data. Dengan perkataan lain statistik
inferensial tidak hanya mengumpulan data, tetapi juga mengambil kesimpulan dari suatu sistem saintifik.
Informasi dikumpulkan dari suatu sampel atau kumpulan dari suatu pengamatan (observasi). Sedangkan
sampel diambil dari populasi yang merupakan kumpulan (himpunan) yang mewakili semua pengukuran
(Notoadmojo, 2009)

Dalam mengolah data menjadi sebuah informasi diperlukan adanya analisis. Aktivitas yang
dilakukan manusia tidak pernah lepas dari kata menghitung,mengukur dan menganalisis. Baik di dunia
kesehatan maupun segala bidang hampir semuanya melakukan yang namanya aktivitas menghitung.
Menghitung maupun mengukur data diperlukan adanya proses menganalisa data untuk dijadikan sebuah
infromasi. Namun, dalam melakukan analisis akan berhadapan dengan kegiatan yang kompleks, oleh
karena itu pekerjaan hendaknya dimulai dari yang sederhana, lalu melangkah ke yang lebih rumit.
Singkatnya, dalam mengolah data harus dimulai dari langkah analisa sesederhana (univariat) lalu
melangkah ke penganalisaan yang lebih rumit (multivariat) selanjutnya.

B. Tujuan
Menjelaskan dan mendeskripsikan jenis analisis data spesifik kepada analisis univariat.

Bab II

ISI

A. Pengertian Univariat
Analisis univariat adalah analisis yang dilakukan terhadap sebuah variabel. Bentuknya bermacam-macam,
misalnya: distribusi frekuensi, rata-rata, proporsi, standar deviasi, varians, median, modus, dan
sebagainya. Dengan analisis univariat dapat diketahui apakah konsep yang kita ukur berada dalam kondisi
yang siap untuk dianalisis lebih lanjut, selain juga dapat mengetahui bagaimana gambaran konsep itu
 secara terperinci. Analisis univariat pula, kita dapat mengetahui bagaimana sebaiknya menyiapkan ukuran
dan bentuk konsep untuk analisis berikutnya.

Penelitian analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel dari hasil
penelitian (Notoadmodjo, 2009). Analisa univariat berfungsi untuk meringkas kumpulan data hasil
pengukuran sedemikian rupa sehingga kumpulan data tersebut berubah menjadi informasi yang berguna.
peringkasan tersebut dapat berupa ukuran statistik, tabel, grafik.

Berdasarkan banyaknya variabel bebas-nya, Analisis Variansi Univariate dibagi menjadi tiga kelompok
yaitu

a) Analisis Variansi Univariate Satu Jalan

Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan satu variabel bebas
b) Analisis Variansi Univariate Dua Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan dua variabel bebas
c) Analisis Variansi Univariate Tiga Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan tiga variabel bebas
Statistik univariat lebih sering digunakan dan lebih mudah dihitung daripada statistik multivariat.
Statistik univariat biasanya membandingkan nilai mean dan median pada dua kelompok atau lebih atau
membandingkan proporsi subjek-subjek yang memiliki suatu ciri tertentu atau yang tergolong dalam
berbagai kategori.

Bentuk uji univariat yang paling umum adalah :

a) uji Pearson chi-square dilaporkan sebagai X2

b) uji-t dilaporkan sebagai t
c) analisis varians dilaporkan sebagai F
d) korelasi dilaporkan sebagai r

e) uji logrank dilaporkan sebagai X2

Statistik univariat dapat diklasifikasikan ke dalam statistik parametrik dan nonparametrik. Statistik
parametrik digunakan bila outcome yang diamati bersifat kontinu. Statistik ini membuat asumsi tertentu
mengenai distribusi data. Statistik parametrik yang paling sering adalah uji-t, analisis varians (atau uji-F),
dan koefisien korelasi. Semua uji ini mengasumsikan bahwa data terdistribusi secara normal, atau bentuk
lonceng, bila digambarkan.
 B. Manfaat Analisi Univariat
Analisis univariat mempunyai banyak manfaat, antara lain:

a) Untuk maengetahui apakah data yang akan digunakan untk analisis sudah layak atau belum;
b) Untuk mengetahui gambaran data yang dikumpulkan;
c) Untuk mengetahui apakah data telah optimal jika dipakai untuk analisis berikunya.
d) Mendeskripsikan suatu kejadian dengan baik.
e) Perincian/ gambaran besarnya suatu kejadian
f) Petunjuk pemecahan masalah
g) Persiapan analisis bivariat atau multivariate

C. Penerapan Perhitungan Analisis Univariat

Berikut disajikan contoh analisis univariat dari beberapa perhitungan distribusi frekuensi, kecenderungan
tengah, dan normalitas.

1. Distribusi Frekuensi

Berikut disajikan hasil analisis univariat dari ouptput perhitungan program komputer SPSS dengan
sampel penelitian berdasarkan usia

Usia

Cumulative
Frequency Percent Valid Percent Percent

Valid < 40 tahun 22 44.0 44.0 44.0

>= 40 tahun 28 56.0 56.0 100.0

Total 50 100.0 100.0

Terlihat dari tabel di atas bahwa frekuensi sampel yang berusia < 40 tahun sebanyak 22 orang (44%) dan
sampel yang berusia >= 40 tahun sebanyak 28 orang (56%).

2. Mean
 Mean atau nilai rata-rata merupakan ukuran nilai tengah yang paling sering digunakan untuk mewakili
suatu data. Secara sederhana nilai mean adalah semua hasil pengamatan atau pengukuran dibagi dengan
banyaknya pengamatan atau pengukuran. Nilai mean dapat diperhitungkan pada tunggal maupn data
kelompok

3. Median

Median adalah nilai yang terletak di tengah setelah nilai hasil pengamatan atau pengukuran disusun
secara berurutan dari nilai yang terkecil hingga yang terbesar. Nilai median pada data tunggal dapat di
tentukan setelah data disusun berurutan.

4. Modus

Modus adalah nilai paling sering muncul dalam suatu pengamatan atau pengukuran

Bab III

PENUTUP

A. Kesimpulan

Analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel dari hasil penelitian. Analisa
univariat berfungsi untuk meringkas kumpulan data hasil pengukuran sedemikian rupa sehingga
kumpulan data tersebut berubah menjadi informasi yang berguna. Peringkasan tersebut dapat berupa
ukuran statistik, tabel, grafik.

B. Saran

Berdasarkan pembahasan permasalahan di atas maka saran yang diajukan adalah

a) Sebelum melangkah lebih jauh tentang analisis data, maka perlu dipahami dulu konsep dasar statistik dan
analisis data.
b) Masing-masing cara memiliki tingkat ketelitian masing-masing yang pemakaiannya dapat disesuaikan
dengan tujuan penelitian itu sendiri.

DAFTAR PUSTAKA

Alamsya, D. 2009. Pengantar Ilmu Kesehatan Masyarakat. Jakarta: EGC

Dahlan, S. 2011. Statistik Untuk Kedokteran dan Kesehatan. Jakarta :

Salembah
http://www.scribd.com/doc/84924791/ANALISIS-UNIVARIAT.
Diakses tanggal 18 November 2014

Kapantow, N. Bahan Ajar Biostatistika Deskriptif. Manado: Fakultas

Kesehatan Masyarakat

Riwikdo, H. 2008. Statistik Kesehatan. Yokyakarta: Mitra Cendikia Press

 Bagian Soal Jawaban:

 Soal

1. Penjelasan tentang analisis Univariat satu jalan, dua jalan dan tiga jalan..?
 Jawaban
Berdasarkan banyaknya variabel bebas-nya, Analisis Variansi Univariate dibagi menjadi tiga kelompok
yaitu

d) Analisis Variansi Univariate Satu Jalan

Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan satu variabel bebas
e) Analisis Variansi Univariate Dua Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan dua variabel bebas
f) Analisis Variansi Univariate Tiga Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan tiga variabel bebas
Diposting 8th December 2014 oleh mahri samsul

http://mahrisamsul.blogspot.co.id/2014/12/tugas-kelompok-tentang-analisis.html