RESUME ANALISIS DATA

Nama :

RIZKI RAHMAWATI

NIM :

G2A016011
 RESUME ANALISIS DATA

1. Uji Chi Square

a. Definisi
Uji chi-squeare adalah salah satu uji statistic no-parametik (distibusi dimana besaran
– besaran populasi tidak diketahui) yang cukup sering digunakan dalam penelitian
yang menggunaka dua variable, dimana skala data kedua variable adalah nominal
atau untuk menguji perbedaan dua atau lebih proporsi sampel. Uji chi-
square diterapkan pada kasus dimana akan diuji apakah frekuensi yang akan di amati
(data observasi) untuk membuktikan atau ada perbedaan secara nyata atau tidak
dengan frekuensi yang diharapkan.
b. Tujuan
Untuk menguji hubungan atau pengaruh dua buah variabel nominal dan mengukur
kuatnya hubungan antara variabel yang satu dengan variabel nominal lainnya (C =
Coefisien of contingency).
c. Syarat
1) Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).
2) Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang
memiliki frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5.
3) Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell
dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.

2. Fisher Exact
a. Definisi
Uji Fisher merupakan uji yang digunakan untuk melakukan analisis pada dua sampel
independen yang jumlah sampelnya yang relatif kecil (biasanya kurang dari 20)
dengan skala data nominal atau ordinal. Kemudian data diklasifikasikan kedalam
tabel kontingesi 2 x 2. Uji ini juga dapat dijadikan sebagai alternatif pengganti uji
Chi-Square jika nilai harapan dari sel pada tabel ada yang kurang dari 5.
 b. Tujuan
Digunakan sebagai uji alternatif Kai Kuadrat untuk tabel silang (kontingensi) 2 x 2
dengan ketentuan, sampel kurang atau sama dengan 40 dan terdapat sel yang nilai
harapan (E) kurang dari 5. Uji Fisher Exact juga dapat digunakan untuk sampel
kurang dari 20 dalam kondisi apapun (baik terdapat sel yang nilai E-nya kurang dari 5
ataupun tidak). Asumsi dari uji ini adalah data yang akan diuji mempunyai skala
pengukuran nominal.
c. Syarat
Persyaratan menggunakan uji ini adalah jenis tabel harus 2×2.

3. Uji Regresi Logistic Sederhana

a. Definisi
Regresi logistik sederhana adalah sebuah pendekatan untuk membuat model prediksi
seperti halnya regresi linear atau yang biasa disebut dengan istilah Ordinary Least
Squares (OLS) regression.
b. Tujuan
Untuk melihat bentuk hubungan antar satu variabel independent (bebas) dan
mempunyai hubungan garis lurus dengan variabel dependennya (terikat).
c. Syarat
1) Regresi logistik tidak membutuhkan hubungan linier antara variabel independen
dengan variabel dependen.
2) Variabel independen tidak memerlukan asumsi multivariate normality.
3) Asumsi homokedastisitas tidak diperlukan
4) Variabel bebas tidak perlu diubah ke dalam bentuk metrik (interval atau skala
ratio).
5) Variabel dependen harus bersifat dikotomi (2 kategori, misal: tinggi dan rendah
atau baik dan buruk)
6) Variabel independen tidak harus memiliki keragaman yang sama antar kelompok
variable
7) Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat
eksklusif
 8) Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga
50 sampel data untuk sebuah variabel prediktor (independen).
9) Dapat menyeleksi hubungan karena menggunakan pendekatan non linier log
transformasi untuk memprediksi odds ratio. Odd dalam regresi logistik sering
dinyatakan sebagai probabilitas.

4. Uji Regresi Logistik Berganda

a. Definisi
Adalah model regresi berganda jika variabel terikatnya adalah data dikotomi.
Dikotomi artinya dalam bentuk kategorik dengan jumlah kategori sebanyak 2
kategori.
b. Tujuan
Untuk melihat perbedaan karakteristik antara 2 kelompok.
c. Syarat
Data harus berdistribusi normal.

5. Uji Korelasi Pearson Product Moment

a. Definisi
Korelasi Pearson atau sering disebut Korelasi Product Moment (KPM) merupakan
alat uji statistik yang digunakan untuk menguji hipotesis asosiatif (uji hubungan) dua
variabel bila datanya berskala interval atau rasio. KPM merupakan salah satu bentuk
statistik parametris karena menguji data pada skala interval atau rasio. Fungsi KPM
sebagai salah satu statistik inferensia adalah untuk menguji kemampuan generalisasi
(signifikasi) hasil penelitian. Adapun syarat untuk bisa menggunakan KPm selain
syarat menggunakan statistik parameteris, juga ada persyaratan lain, yaitu variabel
independen (X) dan variabel (Y) harus berada pada skala interval atau rasio
b. Tujuan
Untuk mengetahui derajat keeratan hubungan 2 variabel yang berskala interval atau
rasio, di mana dengan uji ini akan mengembalikan nilai koefisien korelasi yang
nilainya berkisar antara -1, 0 dan 1.
c. Syarat
 Linearitas, Normalitas, Heteroskedastisitas.

1) Linearitas adalah sifat hubungan yang linear antar variabel, artinya setiap
perubahan yang terjadi pada satu variabel akan diikuti perubahan dengan besaran
yang sejajar pada variabel lainnya.
2) Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran
data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
berdistribusi normal ataukah tidak.
3) Heteroskedastisitas adalah uji yang menilai apakah ada ketidaksamaan varian dari
residual untuk semua pengamatan pada model regresi linear. Uji ini merupakan
salah satu dari uji asumsi klasik yang harus dilakukan pada regresi linear. Apabila
asumsi heteroskedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak
valid sebagai alat peramalan.

6. Uji Korelasi Spearman Rank

a. Definisi
Merupakan alat uji statistik yang digunakan untuk menguji hipotesis asosiatif dua
variabel bila datanya berskala ordinal (ranking). Nilai korelasi ini disimbolkan
dengan (dibaca: rho). Karena digunakan pada data beskala ordinal, untuk itu sebelum
dilakukan pengelolahan data, data kuantitatif yang akan dianalisis perlu disusun
dalam bentuk ranking.
b. Tujuan
Untuk mengetahui hubungan antara dua atau lebih variabel berskala Ordinal.
c. Syarat
Variabel yang dikur berada dalam skala minimal ordinal, sehingga memungkinkan
obyek yang diteliti dapat diberi jenjang atau rangking.

7. Uji Regresi Linier Sederhana

a. Definisi
Adalah hubungan secara linear antara satu variabel independen (X) dengan variabel
dependen (Y).
 b. Tujuan
Untuk mengetahui arah hubungan antara variabel independen dengan variabel
dependen apakah positif atau negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami kenaikan atau penurunan..
Data yang digunakan biasanya berskala interval atau rasio.
c. Syarat
1) Jumlah sampel yang digunakan harus sama
2) Jumlah variabel bebas (x) adalah 1 (satu)
3) Nilai residual harus berdistribusi normal
4) Terdapat hubungan yang linear antara variabel bebas (x) dengan variabel
tergantung (Y)
5) Tidak terjadi gejala heteroskedastisitas
6) Tidak terjadi gejala autokorelasi (untuk data time series)

8. Uji Regresi Linier Berganda

a. Definisi
Adalah hubungan secara linear antara dua atau lebih variabel independen (X1,
X2,….Xn) dengan variabel dependen (Y).
b. Tujuan
Untuk mengetahui arah hubungan antara variabel independen dengan variabel
dependen apakah masing-masing variabel independen berhubungan positif atau
negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya
berskala interval atau rasio.
c. Syarat
Normalitas, Linearitas, Multikolinearitas, Heteroskedastisitas, Autokorelasi.
1) Normalitas merupakan dimana asumsi yang harus terpenuhi adalah model regresi
berdistribusi normal.
2) Linearitas merupakan dimana hubungan yang berbentuk antara variabel
independent dengan variabel dependent secara parsial adalah linear.
3) Multikolinearitas merupakan dimana model regresi yang baik adalah tidak terjadi
gejala multikolinearitas.
4) Heteroskedastisitas merupakan dalam model regresi tidak terjadi gejala
heteroskedastisitas.
5) Autokorelasi (khusus untuk data time series) merupakan persyaratan yang harus
terpenuhi adalah tidak terjadi autokorelasi.