ASSOSIASI

DAN
UJI PERBEDAAN

DISUSUN OLEH:
NAMA : PEGI PRATAMA
NIM : 1802 143
KELAS : NR 13 B

DOSEN PENGAMPU:
HARMAWATI, S.Kp, M.Kep

SEKOLAH TINGGI ILMU KESEHATAN

SYEDZA SAINTIKA PADANG
2020
A. PENGERTIAN UJI ASOSIASI
Pengujian asosiasi menggunakan dua buah variabel yang saling mempengaruhi.
Pengujian asosiasi ini tidak memperhatikan variabel mana yang independen dan mana yang
dependen. Uji asosiasi akan menganalisis apakah sebuah variable mempunyai hubungan yang
signifikan dengan variable lainnya, dan jika ada hubungan, bagaimana keeratan hubungan
tersebut, serta seberapa jauh variable tersebut mempengaruhi variable lainnya. Analisis Korelasi
dan Regresi (baik sederhana maupun berganda) adalah alat analisis yang sering dipakai dalam uji
asosiasi. Hubungan (asosiasi) antara dua variabel atau lebih, meliputi :
1. Hubungan simetris (hubungan antara dua variabel atau lebih kebetulan munculnya bersama)
2. Hubungan kausal (hubungan yang bersifat sebab akibat).
2. Hubungan interaktif / timbal-balik (hubungan yang saling mempengaruhi)

Asosiasi dalam bentuk pernyataan ini bermanfaat untuk :

1. Memahami secara lebih baik tentang hubungan antara variabel dependen dengan variabel
independen.
2. Mengetahui kekuatan hubungan yang dapatmenuntun peneliti menuju suatu realisme
penelitian ilmiah yang baru.

Untuk mencari hubuangan antara dua variable atau lebih dilakuakn dengan menghitung
korelasi antar variable yang akan dicari hubungannya. Korelasi merupakan angka yang
menunjukkan arah dan kuatnya hubungan antar dua variable atau lebih. Arah dinyatakan dalam
bentuk hubungan positif atau negative, sedangkan kuatnya hubungan dinyatakan dalam besarnya
koefisien korelasi. Hubungan dua variable atau lebih dikatakan hubungan positif, bila nilai suatu
variable ditingkatkan, maka akan meningkatkan nilai variable yang lain, dan sebaliknya nila satu
variable diturunkan maka akan menurunkan nilai variable yang lain.

Hubungan dua variable atau lebih dikatakan hubungan negative, bila 3 nilai satu variable
dinaikkan maka akan menurunkan nilai variable yang lain, dan juga sebaliknya bila nilai satu
variable diturunkan, maka akan menaikkan nilai variable yang lain.
 Kuatnya hubungan antar variable dinyatakan dalam koefisien korelasi. Koefisien korelasi
positif terbesar = 1 dan koefisien korelasi negative terbesar = - 1, sedangkan yang terkeceil adalah
0. Bila hubungan antar dua variable atau lebih itu mempunyai koefisien korelasi = 1 atau -1,
maka hubungan tersebut sempurna. Dalam arti kejadian-kejadian pada variable yang satu akan
dapat dijelaskan atau diprediksikan oleh variable yang lain tanpa terjadi kesalahan (error).
Semakin kecil koefisien korelasi, maka akan semakin besar error untuk membuat prediksi.
Sebagai contoh, bila hubungan bunyinya burung Prenjak mempunyai koefisien korelasi sebesar 1,
maka akan dapat diramalkan setiap ada bunyi burung Prenjak maka akan dipastikan aka nada
tamu. tetapi kalau koefisien korelasinya kurang dari satu, setiap ada bunyi burung Prenjak belum
tentu ada tamu, apalagi koefisien korelasinya mendekati 0.

Pengujian asosiasi dapat dikelompokkan kedalam pengujian parametrik dan

Nonparametric.

B. PENGUJIAN ASOSIASI PARAMETRIK

Pengujian parametrik menggunakan data interval atau rasio dan harus memenuhi asumsi
sebagai berikut :
a. Hubungan dua buah variabel harus linier
b. Mempunyai distribusi normal bivariat (bivariate normal distribution) yaitu kedua data
diambil secara rendom dari populasi dan keduanya secara bersama-sama mempunyai
distribusi normal.

Pengujian-pengujian Assosiasi Parametrik

STATISTIK KETERANGAN
1. Pearson (Product Untuk variabel kontinu yang berhubungan
moment)
Untuk data nonlinier atau untuk
mengkorelasi efek
2. Correlation Ratio
utama dengan variabel dependen yang
(eta) kontinu
Asosiasi variabel kontinu dengan variabel
dikotomi
dengan asumsi keduanya berdistribusi normal
3. Biserial Melibatkan tiga variabel, menghubungkan
kedua
variabel dengan variabel ketiganya
4. Partial Correlation dikeluarkan
Melibatkan tiga variabel, menghubungkan
5. Multiple Correlation
sebuah
 varuabel dengan dua variabel lainnya
Regresi linier dengsn dua variabel, sebuah
6. Regresi linier
dependen dan sebuah independen
bivarian
Sumber : Cooper and Schendler (2003), hal 571

1. Korelasi Product Moment (Pearson)

Teknik korelasi ini digunakan untuk mencari hubungan dan membukitkan
hipotesis hubungan dua variable bila data kedua variable berentuk interval/ratio, dan
sumber data dari dua variable atau lebih tersebut 5 adalah sama, berbentuk regresi linear
dan data dari setiap variable berdistribusi normal.
2. Korelasi Ganda Korelasi ganda (multiple correlation) merupakan angka yang
menunjukkan angka yang menunjukkan arah dan kuatnya hubungan antara dua variabel
independen secara bersama-sama atau lebih dengan satu variabel dependen. Simbol
korelasi ganda adalah R. korelasi ganda (R) untuk dua variabel independen dan satu
dependen.
3. Korelasi Parsial Korelasi Parsial digunakan untuk menganalisis bila peneliti bermaksud
mengetahui pengaruh atau mengetahui pengaruh atau mengetahui hubungan antara
variabel independen dan dependen, dimana salah satu variabel independennya dibuat
tetap/dikendalikan. Jadi korelasi parsial merupakan angka yang menunjukkan arah dan
kuatnya hubungan antara dua variabel atau lebih, setelah satu variabel yang diduga dapat
memengaruhi hubungan variabel tersebut tetap/dikendalikan.
4. Regresi Linear Bivariat Ketika mengambil nilai pengamatan X untuk mengestimasi atau
memprediksi nilai Y pasangannya, prosesnya disebut sebagai prediksi sederhana. Ketika
digunakan lebih dari satu X, maka hasilnya adalah suatu fungsi predictor berganda.
Prediksi sederhana dan berganda dibuat dengan menggunakan teknik yang disebut
analisis regresi.

C. PENGUJIAN ASOSIASI NON PARAMETRIK

Pengujian asosiasi nonparametrik digunakan untuk tipe data nominal atau ordinal atau
kedua asumsi yang ada di pengujian parametrik tidak dapat dipenuhi.
 Tabel 2
Pengujian-pengujian Assosiasi Nonparametrik
STATISTIK KETERANGAN
A. Tipe Data Nominal
1. Phi 𝑥 2berbasis pada tabel 2x 2
2. Cramer’s V 𝑥 2 diperbaiki jika dimensi tabel > 2 𝑥
3.Contingency 2 dengan data dan asumsi distribusi
coeficient C yang fleksibel Interprestasi berbasis
4. Lambda PRE (Propertional Reduction in Eror)
5.Goodman dan Berbasis PRE untuk tabel msrginsl
Kruskall’s tau Berguna untuk tabel multidimensi
6. Uncertaibty Pengukur persetujuan.
Coefficient Kappa
B Tipe Dta Ordinal
1. Gamma Berbasis pada pasangan
concordantdiscordent (P-Q) dan inter-
2. Kendall’s tau b prestasi PRE Berbasis pada P-Q
disesuaikan untuk ranking yang
4. Kendall’s tau c bernilai sama Berbasis pada P-Q
disesuaikan untuk dimensi tabel
5. Summer’s d Berbasis pada P-Q disesuaikan untuk
ekstensi gamma Korelasi product
6. Spearman’s rho moment untuk data yang diranking
Sumber : Cooper and Schendler (2003), hal 571

1. Koefisien Kontingensi
Koefisien kontingensi digunakan untuk menghitung hubungan antar variabel bila datanya
berbentuk nominal. Teknik ini mempunyai kaitan erat dengan Chi Kuadrat yang digunakan
untuk menguji hipotesis komparatif k 7 sampel independen. Oleh karena itu, rumus yang
digunakan mengandung nilai Chi Kuadrat.
2. Cramer’s V
Cramer’s adalah modifikasi dari phi untuk ukuran tabel yang lebih besar dan memiliki
kisaran nilai sampai dengan 1,0 untuk sembarang bentuk tabel. Cramer’s dihitung dengan:
𝑉 = √ 𝑥 2 𝑁 (𝐾 − 1)
3. Gamma
Gamma dari Goodman dan kruskal ialah statistik yang membandingkan pasangan
concordant dan discordant dan kemudian membakukan hasilnya dengan memaksimumkan
nilai penyebutnya. Gamma mempunyai interpretasi penurunan kesalahan proporsional (PKP-
Proportional reduction of error-PRE) yang berhubungan erat dengan apa yang sudah kita
krtahui tentang ukuran nominal PKP.
4. Korelasi Spearman Rank
Kalau pada Product Moment, sumber data untuk variabel yang akan dikorelasikan adalah
sama, data yang dikorelasikan adalah data interval atau rasio, serta data dari kedua variabel
masing-masing membentuk distribusi normal, maka dalam korelasi Spearman Rank, sumber
data untuk kedua variabel yang akan dikonservasikan dapat berasal dari sumber yang tidak
sama, jenis data yang dikorelasikan adalah data ordinal, serta data dari kedua variabel tidak
harus membentuk distribusi normal. Jadi korelasi Spearman Rank adalah bekerja dengan data
ordinal atau berjenjang atau rangking, dan bebas distribusi. 8
5. Korelasi Kendal Tau
Seperti dalam korelasi Spearman rank, korelasi Kendal Tau dapat digunakan untuk
mencari hubungan dan menguji hipotesis antara dua variable atau lebih, bila datanya
berbentuk ordinal atau rangking. Kelebihan teknik ini bila digunakan untuk menganalisis
sampel yang jumlah anggotanya lebih dari 10, dan dapat dikembagkan untuk mencari
koefisien korelasi parsial.
a. Statistik tau b Kendall adalah perbaikan gamma yang mempertimbangkan pasangan
senilai. Suatu pasangan senilai terjadi ketika observasi memiliki nilai yang sama untuk
variabel X dan variabel Y. Untuk ukuran sampel tertentu. Statistik tau b tidak memiliki
interpetasi PKP, tetapi menyajikan jangkauan nilai dari -1,0 hinga +1,0 untuk tabel
persegi.
b. Statistik tau c kendall adalah penyesuaian lainnya untuk hubungan P – Q dari statistik
gamma. Pendekatan ini terhadap asosiasi ordinal adalah cocok untuk tabel sembarang
ukuran.

6. Statistik d Somer
 Statistik d Somer menutup pembahasan tentang statistik yang menggunakan konsep
pasangan concordant-discordant. Kegunaan statistk ini berasal dari kemampuannya
mengkompesiasi nilai ranking yang sama dan menyesuaikan arah variabel terikat. Seperti
sebelumnya, koefisien simetris (persamaan 1) memperhitungkan secara sama variabel baris
dan kolom. Perhitungan kedua dan ketiga, masing-masing menunjukan variabel kebugaran
sebagai variabel dependen dan variabel tingkat manajemen variabel dependen.

DAFTAR PUSTAKA
Cooper & Schindler. 2001. Business Research Method. Jakarta : Erlangga Jogiyanto. 2010.
Metodologi Penelitian Bisnis. BPFE UGM