BAB I
PENDAHULUAN
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
)
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.
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
Analisis Bivariat
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)
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.
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.
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 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
Selanjutnya adalah untuk mengetahui besarnya estimate koefisien regresi () serta standard error-
nya, ini dapat dilihat pada output COEFFICIENTS sebagai berikut:
COEFFICIENTS
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.
http://ipahipeh.blog.fisip.uns.ac.id/2011/12/15/analisis-bivariat/
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) 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
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
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
DAFTAR PUSTAKA
Salembah
http://www.scribd.com/doc/84924791/ANALISIS-UNIVARIAT.
Diakses tanggal 18 November 2014
Kesehatan Masyarakat
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
http://mahrisamsul.blogspot.co.id/2014/12/tugas-kelompok-tentang-analisis.html