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

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

Analisa Data
Posted by dwixhikari pada 23 Maret 2010

Analisa Data
Oleh : Niken Jayanthi, S.Kep

Setelah dilakukan pengumpulan data kemudian data dianalisa menggunakan statistik deskriptif
untuk mendapatkan dalam bentuk tabulasi, dengan cara memasukkan seluruh data kemudian
diolah secara statistik deskriptif yang digunakan untuk melaporkan hasil dalam bentuk distribusi
frekuensi dan prosentase (%) dari masing-masing item. Selanjutnya data dianalisa secara
deskriptif (univariate) dengan menggunakan distribusi frekuensi dan prosentase (Hastono, 2001).

1. Analisa univariat
Penelitian analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel dari hasil
penelitian (Notoadmodjo, 2005 : 188). 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. Analisa
univariat dilakukan masing–masing variabel yang diteliti yaitu cara mengkonsumsi tablet Fe dan
anemia pada ibu hamil.

2. Analisa bivariat
Analisa data bivariat adalah analisa yang dilakukan lebih dari dua variabel (Notoadmodjo, 2005 :
188).
Analisa bivariat berfungsi untuk mengetahui hubungan antara Pola Asuh orang tua dengan
perilaku Tempertantrum dengan menggunakan uji statistik Chi-Square.
Berdasarkan uji statistik dapat disimpulkan bahwa Ho ditolak dan Ha diterima bila didapatkan
nilai p ≤ 0,05 dan Ho diterima dan Ha ditolak bila didapatkan nilai p > 0,05.

3. Uji Validitas
Validitas adalah suatu ukuran yang menunjukan tingkat kevalidan atau kesahihan suatu
instrumen, sebuah instrumen dikatakan valid apabila mampu mengukur apa yang diinginkan dan
dapat mengungkapkan data dari variabel yang diteliti secara tepat (Notoatmodjo, 2005 : 129).
Untuk menguji validitas suatu variabel dapat menggunakan korelasi product moment dengan
menggunakan perangkat komputer, dengan rumus (Arikunto, 2006 : 168).
Menurut Sugiyono (2007 : 357), keputusan ujinya adalah :
Bila r hitung lebih besar dari r tabel artinya variabel tersebut valid.
Bila r hitung lebih kecil dari r tabel artinya variabel tersebut tidak valid.
Uji Validitas pada penelitian ini akan dilakukan di Bidan RB Masithoh sebanyak 30 responden.

4. Uji Reliabilitas
Reliabilitas adalah indeks yang menunjukkan sejauhmana alat ukur dapat dipercaya atau dapat
diandalkan (Notoatmodjo, 2005 : 133).
Pengujian reliabilitas digunakan dengan rumus koefisien reliabilitas alpha cronbach dengan
bantuan komputer, dengan rumus (Arikunto, 2006 : 178).
Untuk mengetahui reliabilitas instrumen dengan membandingkan nilai r tabel dengan alpha.
Pernyataan dikatakan reliabel dengan ketentuan bila alpha lebih besar dari pada r tabel (0,6).

DAFTAR PUSTAKA
Hastono, S.P. (2001). Analisis Data. Jakarta : Universitas Indonesia.
Notoatmodjo, (2005). Metode Penelitian Kesehatan, Rineka Cipta : Jakarta.
Sugiyono. (2007). Statistika untuk Penelitian. Bandung: Alfabeta.

http://rentalhikari.wordpress.com/2010/03/23/analisa-data/

17 april 2012