Analisis Dua Variabel (Bivariat Analysis)

Apabila telah dilakukan analisis univariat, hasilnya akan diketahui karakteristik atau distribusi setiap
variabel dan dapat dilanjutkan dengan anlisis bivariat. Analisis bivariat dilakukan terhadap dua variable
yang diduga berhubungan atau berkorelasi. Dalam analisis bivariat ini dilakukan beberapa tahap, antara
lain:

(1) Analisis proporsi atau presentase, dengan membandingkan distribusi silang antara dua variabel yang
bersangkutan.

(2) Analisis dari hasil uji statistik (chi square, z test, t test dan sebagainya). Melihat dari hasil uji statistik
ini akan dapat disimpulkan adanya hubungan dua variabel tersebut bermakna atau tidak bermakna. Dari
hasil uji statistik ini dapat terjadi misalnya antara dua variabel tersebut secara persentase berhubungan tetapi
secara statistik hubungan tersebut tidak bermakna.

(3) Analisis keeratan hubungan antara dua variabel, dengan melihat Odd Ratio (OR). Besar kecilnya nilai
OR menunjukkan besarnya keeratan hubungan antara dua variabel yang diuji.

Contoh :

Distribusi Responden Berdasarkan hadir dan tidak hadir

Umur Kepatuhan Total P value OR

95%
Tak patuh Patuh

Dewasa Md 7(20,0%) 28 (80%) 35 (100%)

0,004 3,08

Dewasa 24(54,0%) 20(45,5%) 44(100%)

Total 31 (39,2%) 48(60,8%) 79 (100%)

Dari tabel di atas menunjukkan bahwa responden berumur dewasa muda lebih patuh berobat TB (80%)
dibandingkan dengan responden dewasa (45,8%). Sehingga secara presentase dapat disimpulkan bahwa ada
hubungan antara umur dengan kepatuhan berobat.

Hasil uji statistic menunjukkan bahwa nilai p< 0,005 hal ini terbukti bahwa umur berhubungan secara
bermakna dengan kepatuhan berobat.
Dari analisis keeratan hubungan menunjukkan nilai ODD Ratio (OR) 3,08 yang berarti bahwa responden
yang berumur dewasa muda mempunyai peluang 3,08 kali patuh berobat dibandingkan dengan responden
yang berumur lebih tua.

Uji statistik yang dipakai pada analisis bivariat:

Variabel I Variabel II Uji Statistik

Kategorik Kategorik Chi square

Kategorik Numeric Uji T

Anova

numerik Numeric Korelasi

Regresi

1) Chi Square ( chi kuadrat)

Adalah suatu teknik statistik yang memungkinkan penyelidikan menilai probabilitas memperoleh
perbedaan frekuensi yang nyata (yang diobservasi) dengan frekuensi yang diharapkan dalam kategori –
kategori tertentu sebagai akibat dari kesalahan sampling.

Manfaat chi square:

§ Chi kuadrat adalah alat untuk mengadakan estimasi. Digunakan untuk menaksir apakah ada perbedaan
yang signifikan antara frekuensi yang diobservasi dengan frekuensi yang di harapkan dalam populasi.
Frekuensi yang diharapkan dalam populasi ini disebut juga frekuensi hipotetik karena digunakan sebagai
alat hipotesis yang akan diuji dengan frekuensi yang diperoleh dari sampel. Oleh karena itu chi kuadrat
sebagai alat estimasi berkedudukan juga sebagai alat pengetes hipotesis.

§ Chi kuadrat adalah alat untuk mengadakan pengetesan hipotesis.

Tiap-tiap pengetesan hipotesis harus membandingkan sedikitnya dua sampel. Dalam hal ini apakah
frekuensi yang diperolehdalam sampel yang satu berbeda secara signifikan ataukah tidak dengan frekuensi
yang diperoleh dalam sampel lainnya.

§ Chi kuadrat sebagai alat mengetes signifikan korelasi antara dua factor atau lebih.
2) T test Uji T berpasangan (paired T-test)

adalah salah satu metode pengujian hipotesis dimana data yang digunakan tidak bebas (berpasangan). Ciri-
ciri yang paling sering ditemui pada kasus yang berpasangan adalah satu individu (objek penelitian) dikenai
2 buah perlakuan yang berbeda. Walaupun menggunakan individu yang sama, peneliti tetap memperoleh 2
macam data sampel, yaitu datadari perlakuan pertama dan data dari perlakuan kedua. Perlakuan pertama
mungkin saja berupa kontrol, yaitu tidak memberikan perlakuan sama sekali terhadap objek penelitian.
Misal pada penelitian mengenai efektivitas suatu obat tertentu, perlakuan pertama, peneliti menerapkan
kontrol, sedangkan pada perlakuan kedua, barulah objek penelitian dikenai suatu tindakan tertentu,
misal pemberian obat.

Independen T Test

adalah uji komparatif atau uji beda untuk mengetahui adakah perbedaan mean atau rerata yang bermakna
antara 2 kelompok bebas yang berskala data interval/rasio. Dua kelompok bebas yang dimaksud di sini
adalah dua kelompok yang tidak berpasangan, artinya sumber data berasal dari subjek yang berbeda. Misal
Kelompok Kelas A dan Kelompok kelas B, di mana responden dalam kelas A dan kelas B adalah 2
kelompok yang subjeknya berbeda. Bandingkan dengan nilai pretest dan posttest pada kelas A, di mana
nilai pretest dan posttest berasal dari subjek yang sama atau disebut dengan data berpasangan. Apabila
menemui kasus yang data berpasangan, maka uji beda yang tepat adalah uji paired t test.

Asumsi yang harus dipenuhi pada independen t test antara lain:

1. Skala data interval/rasio.

2. Kelompok data saling bebas atau tidak berpasangan.

3. Data per kelompok berdistribusi normal.

4. Data per kelompok tidak terdapat outlier.

5. Varians antar kelompok sama atau homogen.