MAKALAH MANAJEMEN DATA

ANALISIS UNIVARIAT

Disusun Oleh Kelompok 4 :

Alfons Mayor (20180711014114)
Ditya Kurnia Ramadhani (20180711014137)
Geneyra Naomi Purba (20180711014043)
Juleha (20180711014364)
Meike Martha Yoangka (20180711014191)
Muhammad Reza Alfiandri (20180711014268)
Reka Amalia Fitri (20180711014079)
Sintia Kartika Sari (20180711014093)
Yemima Ronsumbre (20180711014291)

Fakultas Kesehatan Masyarakat

Universitas Cenderawasih
Tahun 2019
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang hingga saat ini masih memberikan kesehatan,
sehingga kita diberi kesempatan yang luar biasa ini yaitu kesempatan untuk menyelesaikan tugas
penulisan makalah tentang “Analisis Univariat” sekaligus pula kami menyampaikan rasa
terimakasih yang sebanyak-banyaknya untuk Ibu Mona Savitri, SKM., MKM selaku dosen mata
kuliah Manajemen Data yang telah menyerahkan kepercayaannya kepada kami guna
menyelesaikan makalah ini dengan tepat waktu. Dalam penyusunan tugas atau materi ini, tidak
sedikit hambatan yang kami hadapi, namun semua kendala itu dapat kami atasi dengan baik.
Makalah ini disusun agar pembaca dapat memperluas wawasan mengenai Analisis
Univariat yang penulis sajikan berdasarkan pengamatan dan berbagai sumber informasi, referensi,
dan berita. Makalah ini disusun dengan berbagai rintangan baik itu yang datang dari diri penulis
maupun yang datang dari luar. Namun dengan penuh kesabaran dan terutama pertolongan dari
Allah SWT akhirnya makalah ini dapat terselesaikan dengan baik.
Semoga makalah ini dapat memberikan wawasan yang lebih luas dan menjadi sumbangan
pemikiran kepada para pembaca khususnya para Mahasiswa Universitas Cenderawasih. Penulis
sadar bahwa makalah ini masih banyak kekurangan dan jauh dari kata sempurna. Untuk itu,
kepada dosen mata kuliah kami selaku penulis meminta masukan demi perbaikan pembuatan
makalah penulis di masa yang akan datang dan mengharapkan kritik dan saran dari para pembaca.

Jayapura, Oktober 2019

Penulis
 DAFTAR ISI

KATA PENGANTAR.........................................................................................................................ii
DAFTAR ISI.......................................................................................................................................iii
BAB I PENDAHULUAN...................................................................................................................1
1.1 Latar Belakang.........................................................................................................................1
1.2 Rumusan Masalah....................................................................................................................1
1.3 Tujuan.......................................................................................................................................1
BAB II PEMBAHASAN....................................................................................................................2
2.1 Pengertian Analisis Univariat..................................................................................................2
2.2 Penerapan Perhitungan Analisis Univariat..............................................................................2
2.3 Kegunaan Analisis Univariat...................................................................................................7
2.4 Uji T.........................................................................................................................................7
2.5 Uji Z.........................................................................................................................................8
2.6 Uji Anova.................................................................................................................................8
2.7 Uji Rans Test............................................................................................................................9
2.8 Uji Binomial...........................................................................................................................10
2.9 Uji Kolmogorov Smirnov.......................................................................................................11
BAB III PENUTUP...........................................................................................................................12
3.1 Kesimpulan.............................................................................................................................12
3.2 Saran.......................................................................................................................................12
DAFTAR PUSTAKA........................................................................................................................13
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Analisis univariat adalah analisis data secara serentak dimana data yang diamati hanya
memiliki satu variabel dependen (variabel tidak bebas) pada setiap objek yang diamati atau dapat
disebutkan sebagai analisa yang dilakukan untuk menganalisis tiap variabel dari hasil penelitian.
Analisis univariat bertujuan untuk menjelaskan atau mendeskripsikan karakteristik setiap variable
penelitian. Penelitian analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel
darihasil 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 ukuranstatistik, tabel, grafik. Analisa univariat
dilakukan masing–masing variabel yang diteliti. Biasanya analisis univariat dilakukan untuk
mengetahui distribusi frekuensi, kecenderungan tengah, dan penyebaran.

Bentuk analisis univariat tergantung dari jenis datanya. Untuk data numerik digunakan nilai
mean atau rata-rata, median dan standar deviasi. Misalnya distribusi frekuensi responden
berdasarkan umur, jenis kelamin,dan tingkat pendidikan.

1.2 Rumusan Masalah

1. Apakah yang dimaksud dengan Analisis Univariat?
2. Bagaimana penerapan perhitungan dari Analisis Univariat?

1.3 Tujuan
1. Untuk mengetahui tentang Analisis Univariat
2. Mengetahui penerapan perhitungan dari Analisis Univariat
 BAB II
PEMBAHASAN

2.1 Pengertian Analisis Univariat

Analisis univariat adalah analisis data secara serentak dimana data yang diamati hanya
memiliki satu variabel dependen (variabel tidak bebas) pada setiap objek yang diamati atau dapat
disebutkan sebagai analisa yang dilakukan untuk menganalisis tiap variabel dari hasil penelitian.
Analisis univariat bertujuan untuk menjelaskan atau mendeskripsikan karakteristik setiap variable
penelitian. Penelitian analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel
darihasil 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 ukuranstatistik, tabel, grafik. Analisa univariat
dilakukan masing–masing variabel yang diteliti. Biasanya analisis univariat dilakukan untuk
mengetahui distribusi frekuensi, kecenderungan tengah, dan penyebaran.

Bentuk analisis univariat tergantung dari jenis datanya. Untuk data numerik digunakan nilai
mean atau rata-rata, median dan standar deviasi. Misalnya distribusi frekuensi responden
berdasarkan umur, jenis kelamin,dan tingkat pendidikan.

2.2 Penerapan Perhitungan Analisis Univariat

Penerapan Perhitungan Analisis Univariat. Berikut 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, riwayat penyakit dan masa kerja.
Tabel 1. Distribusi frekuensi sampel menurut usia
Usia

Frequency Percent Valid Percent Cumulative

Percent
Valid < 40 tahun 22 44.0 44.0 44.0
>= 40 tahun 28 56.0 56.0 100.0
Total 50 100.0 100.0

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%).

Tabel 2.  Distribusi frekuensi sampel menurut riwayat penyakit

Riwayat Penyakit

Frequency Percent Valid Percent Cumulative

Percent
Valid Tidak 23 46.0 46.0 46.0
Ya 27 54.0 54.0 100.0
Total 50 100.0 100.0

            Terlihat dari tabel di atas bahwa frekuensi sampel yang menjawab tidak ada 23 orang (46%)
dan sampel yang menjawab ya sebanyak 27 orang (54%).

Tabel 3. Distribusi frekuensi sampel menurut  masa kerja

Masa Kerja

Frequency Percent Valid Percent Cumulative

Percent
Valid < 10 tahun 16 32.0 32.0 32.0
>= 10 tahun 34 68.0 68.0 100.0
Total 50 100.0 100.0
            Terlihat dari tabel di atas bahwa frekuensi sampel yang mempunyai masa kerja < 10 tahun
ada 16 orang (32%) dan sampel dengan masa kerja lebihd ari atau sama dengan 10 tahun sebanyak
34 orang (68%).

2. Mean
            Rata-rata (mean) dari sampel dinyatakan sebagai:
dimana n = jumlah pengukuran-pengukuran sampel
Contoh    : Tentukan rata-rata dari pengukuran-pengkuran 2, 9, 11, 5, 6

3. Median
            Median dari himpunan pengukuran x1, x2, x3, x4, ..... xn didefinisikan sebagai nilai dari x
yang jatuh ditengah-tengah jika pengukuran-pengukuran disusun sesuai urutan besarnya. Jika
jumlah pengukuran genap, kita pilih median sebagai nilai x yang terletak di tengah antara dua
pengukuran-pengukuran tengah.
Contoh: tinjaulah pengukuran-pengukran sampel sbb: 9, 2, 7, 11, 14.
Jika disusun dalam urutan besarnya 2, 7, 9, 11, 14. Maka dipilih 9 sebagai median.
Contoh: tinjaulah pengukuran-pengukran sampel sbb: 9, 2, 7, 11, 14. 6
Jika disusun dalam urutan besarnya 2, 6, 7, 9, 11, 14. Maka kita memilih median sebai nilai tengah
antara 7 dan 9, yaitu 8.

4. Modus
            Modus (mode) dari himpunan n pengukuran-pengukuran x1, x2, x3, x4, ..... xn didefinisikan
sebagai nilai dari x yang tampil dengan frekuensi tertinggi.
Contoh: tinjaulah pengukuran-pengukran sampel sbb: 9, 2, 7, 11, 14. 7, 2, 7.
Karena 7 tampil tiga kali (paling banyak), maka modus adalah 7.

5. Rentang (Range)
            Ukuran paling sederhana dari variasi adalah rentang (range). Rentang dari himpunan
pengukuran-pengukuran x1, x2, x3, x4, ..... xn didefinisikan sebagai beda (selisih) antara
pengukuran terbesar dan pengukuran yang terkecil. Contoh: bila dari hasil pengukuran diperoleh
nilai 3, 4, 5, 9, 11, 2, 13; maka rentangnya adalah 13-2 = 11.
Tabel 4. Contoh Hasil Analisis Univariat
Descriptive Statistics
N Range Minimum Maximum Mean
Statistic Statistic Statistic Statistic Statistic Std. Error
Kelas X1 32 27 50 77 70.03 1.514
Kelas X2 32 27 52 79 69.28 1.600
Kelas X3 32 23 65 88 75.94 .973
Kelas X4 32 17 60 77 70.97 1.182
Kelas X5 32 18 61 79 72.13 1.083
Kelas X6 32 13 73 86 79.06 .508
Kelas X7 32 12 68 80 74.16 .617
Kelas X8 32 14 70 84 74.06 .571
Kelas X9 32 13 72 85 77.97 .607
Kelas X10 32 23 65 88 76.97 1.110
Kelas X11 32 19 61 80 73.25 .747
Kelas X12 32 16 71 87 75.25 .526
Valid N (listwise) 32

Dari output SPSS tabel di atas dapat diketahui bahwa jumlah anak masing-masing kelas adalah 32
(N = 32). Nilai terendah (min) untuk kelas X1 adalah 50 dan nilai tertinggi 77,  dengan range 27
dan nilai rata-rata 70,03. Kelas X2 nilai terendahnya (min) 52, sedangkan nilai tertingginya (max)
79 dengan range 27 dan nilai rata-rata (mean) 69,28. Kelas X3 nilai terendahnya (min) 65,
sedangkan nilai tertingginya (max) 88 dengan range 23 dan nilai rata-rata (mean) 75,94, demikian
seterusnya.
            Contoh lain dari analisis statistik univariat adalah pengujian normalitas data suatu kelompok
sampel atau lebih. Berikut disajikan salah satu pengujian normalitas melalui bantuan komputer
program SPSS dengan uji Kolmogorov-Smirnov yang menguji apakah data dari kelompok pretes
dan postes dari suatu perlakuan berdistribusi normal atau tidak.

Tabel 2. Contoh Uji Normalitas dengan Kolmogorov-Smirnov Test

One-Sample Kolmogorov-Smirnov Test

Pretes Postes

N 36 36
 Normal Parametersa,,b Mean 9.31 12.19

Std. Deviation 1.261 1.261

Most Extreme Absolute .207 .172

Differences
Positive .207 .172

Negative -.126- -.161-

Kolmogorov- 1.241 1.034

Smirnov Z
Asymp. Sig. (2- .092 .235
tailed)

a. Test distribution is Normal.

b. Calculated from data.

Kriteria : Jika nilai Asymp. Sig > 0,05 maka data berdistribusi normal. Terlihat pada kedua variabel
nilai Asymp. Sig 0,092 dan 0,235 maka data pada variabel pretes dan postes pada perlakuan
tersebut berdistribusi normal.

2.3 Kegunaan Analisis Univariat

1. Salah satu cara melihat adanya kesalahan koding atau entry data.

 Jawaban di luar area penelitian

 Data yang sangat ekstrim mengganggu nilai rerata
 Data yang tidak konsisten, misalnya variabel seks pria tetapi variabel kehamilan positif
 Jawaban tdk berlaku diberi kode 9 /0 ikut dianalisis
 2. Mendeskripsikan suatu fenomena dengan baik.
3. Perincian/ gambaran besarnya suatu fenomena.
4. Petunjuk pemecahan masalah.
5. Persiapan analisis bivariat atau multivariat.

Metode univariat untuk parametrik adalah uji t, uji z, dan anova; untuk non parametrik adalah uji
runs, uji binomial, uji Kolmogorov-Smirnov dan lainnya.
2.4 Uji T
Uji T dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh masing-masing
variabel bebasnya secara sendiri-sendiri terhadap variabel terikatnya. Uji ini dapat dilakukan
dengan mambandingkan t hitung dengan t tabel atau dengan melihat kolom signifikansi pada
masing-masing t hitung, proses uji t identik dengan Uji F (lihat perhitungan SPSS pada Coefficient
Regression Full Model/Enter). Atau bisa diganti dengan Uji metode Stepwise.

Fungsi pengujian Uji T :

 Untuk memperkirakan interval rata-rata.

 Untuk menguji hipotesis tentang rata-rata suatu sampel.
 Untuk mengetahui batas penerimaan suatu hipotesis.

Untuk menguji layak tidaknya sebuah pernyataan dapat dipercaya atau tidak.

2.5 Uji Z
Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati dengan distribusi
normal. Menurut teori limit terpusat, data dengan ukuran sampel yang besar akan berdistribusi
normal. Oleh karena itu, uji Z dapat digunakan utuk menguji data yang sampelnya berukuran besar.
Jumlah sampel 30 atau lebih dianggap sampel berukuran besar. Selain itu, uji Z ini dipakai untuk
menganalisis data yang varians populasinya diketahui. Namun, bila varians populasi tidak
diketahui, maka varians dari sampel dapat digunakan sebagai penggantinya.
2.6 Uji Anova
Anova adalah sebuah analisis statistik yang menguji perbedaan rerata antar grup. Grup disini
bisa berarti kelompok atau jenis perlakuan. Anova ditemukan dan diperkenalkan oleh seorang ahli
statistik bernama Ronald Fisher.
Anova merupakan singkatan dari Analysis of variance. Merupakan prosedur uji statistik yang
mirip dengan t test. Namun kelebihan dari Anova adalah dapat menguji perbedaan lebih dari dua
kelompok. Berbeda dengan independent sample t test yang hanya bisa menguji perbedaan rerata
dari dua kelompok saja.

Kegunaan Anova :
Anova digunakan sebagai alat analisis untuk menguji hipotesis penelitian yang mana menilai
adakah perbedaan rerata antara kelompok. Hasil akhir dari analisis ANOVA adalah nilai F test atau
F hitung. Nilai F Hitung ini yang nantinya akan dibandingkan dengan nilai pada tabel f. Jika nilai f
hitung lebih dari f tabel, maka dapat disimpulkan bahwa menerima H1 dan menolak H0 atau yang
berarti ada perbedaan bermakna rerata pada semua kelompok.
Analisis ANOVA sering digunakan pada penelitian eksperimen dimana terdapat beberapa
perlakuan. Peneliti ingin menguji, apakah ada perbedaan bermakna antar perlakuan tersebut.

Ciri-ciri Anova :
Ciri khasnya adalah adanya satu atau lebih variabel bebas sebagai faktor penyebab dan satu
atau lebih variabel response sebagai akibat atau efek dari adanya faktor. Contoh penelitian yang
dapat menggambarkan penjelasan ini: “Adakah pengaruh jenis bahan bakar terhadap umur thorax
mesin.” Dari judul tersebut jelas sekali bahwa bahan bakar adalah faktor penyebab sedangkan umur
thorax mesin adalah akibat atau efek dari adanya perlakuan faktor. Ciri lainnya adalah variabel
response berskala data rasio atau interval (numerik atau kuantitatif).

Anova merupakan salah satu dari berbagai jenis uji parametris, karena mensyaratkan adanya
distribusi normal pada variabel terikat per perlakuan atau distribusi normal pada residual. Syarat
normalitas ini mengasumsikan bahwa sample diambil secara acak dan dapat mewakili keseluruhan
populasi agar hasil penelitian dapat digunakan sebagai generalisasi. Namun keunikannya, uji ini
dapat dikatakan relatif robust atau kebal terhadap adanya asumsi tersebut.

Jenis Anova :
 Jenisnya adalah berdasarkan jumlah variabel faktor (independen variable atau variabel bebas)
dan jumlah variabel responsen (dependent variable atau variabel terikat). Pembagiannya adalah
sebagai berikut:

Univariat:
1. Univariate One Way Analysis of Variance. Apabila variabel bebas dan variabel terikat jumlahnya
satu.
2. Univariate Two Way Analysis of Variance. Apabila variabel bebas ada 2, sedangkan variabel
terikat ada satu.
3. Univariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2, sedangkan variabel
terikat ada satu.

2.7 Uji Runs Test

Uji runs (runs test) disebut juga uji sampel rangkaian tunggal yang digunakan untuk
mengukur kerandoman populasi yang di dasarkan atas data hasil observasi melalui data sampel.

Observasi terhadap data dilakukan dengan mengukur banyaknya “run” dalam suatu kejadian.
Di sini data yang dianalisis terdiri dari serangkaian pengamatan yang dicatat berdasarkan
perolehannya, dan bias dikategorikan dalam dua group yang eklusif (misalnya: jika “ya” berarti
“tidak”, jika “x” berarti “y”, dsb).

2.8 Uji Binomial

Uji binomial adalah uji non parametrik yang digunakan untuk menguji hipotesis suatu
proporsi populasi yang terdiri dari kelompok kelas, misalnya kelas pria dan wanita, senior dan
yunior, dll, datanya berbentuk nominal dan jumlah sampelnya kecil. Uji binomial akan
membandingkan frekuensi yang diobservasi dari dua kategori pada sebuah variabel dikotomi
terhadap frekuensi harapan di bawah distribusi binomial dengan parameter probabilitas tertentu.
Fungsi pengujian :

Untuk menguji perbedaan proporsi populasi yang hanya memiliki dua buah ketegori berdasarkan
proporsi sampel tunggal.

Persyratan data :

Dapat digunakan untuk data berskala nominal yang hanya memiliki dua kategori.

Tata cara :

Menentukan hipotesis

Menentukan tes statistik/ statistik uji

Tes binomial dipilih karena datanya ada dalam dua kategori diskrit, dan desainnya bertipe satu
sampel

Menentukan tingkat signifikansi ( )

Tingkat signifikan atau taraf nyata adalah bilangan – bilangan yang mencerminkan seberapa besar
peluang untuk melakukan kekeliruan menolak yang seharusnya diterima.

Menentukan distribusi sampling

Distribusi sampling diberikan dalam rumus metode jika n > 25, tetapi bila n , dan P = Q = ½ dapat
langsung melihat table D yang menyajikan kemungkinan kejadian di bawah

Menentukan daerah penolakan

Daerah penolakan terdiri dari semua harga x yang sangat kecil. Karena arah perb edaannya
diramalkan sebelumnya, daerah penolakan berisi satu.

ditolak jika P (x)

diterima jika P (x) >

2.9 Uji Kolmogorov Smirnov

Merupakan pengujian normalitas yangbanyak dipakai, terutama setelah adanya banyak

program statistik yang beredar.Kelebihan dari uji ini adalah sederhana dan tidak
menimbulkanperbedaan persepsi di antara satu pengamat dengan pengamat yanglain, yang sering
terjadi pada uji normalitas dengan menggunakan grafik.

Konsep dasar dari uji normalitas Kolmogorov Smirnovadalah dengan membandingkan distribusi
data (yang akan diuji normalitasnya) dengan distribusi normal baku.Distribusi normal baku adalah
data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal.Jadi
sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan
data normal baku

Kelemahan dari Uji Kolmogorov Smirnov, yaitu bahwa jika kesimpulan kita memberikan hasil
yang tidak normal, maka kita tidak bisa menentukan transformasi seperti apa yang harus kita
gunakan untuk normalisasi.

Persyaratan Uji Kolmogorov Smirnov adalah:

a. Data berskala interval atau ratio (kuantitatif)

b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi

c. Dapat untuk n besar maupun n kecil.

BAB III
PENUTUP

3.1 Kesimpulan
Dari beberapa uraian tentang analisis statistik univariat dapat disimpulkan bahwa Analisis
statistik univariat merupakan analisis statistik terhadap satu variabel, yang biasanya dilakukan
analisis untuk mengetahui distribusi frekuensi, kecenderungan tengah (central tendency), dan
penyebaran (dispersion).
3.2 Saran
Sebagai penutup, penulis berharap kritik dan saran yang membangun yang bertujuan untuk
perbaikan makalah-makalah berikutnya.

DAFTAR PUSTAKA

https://tutorialpengolahandata.blogspot.com/2014/04/analisis-univariat.html
https://timur.ilearning.me/2015/12/25/apa-yang-dimaksud-dengan-analisis-univariat-dan-analisis-
bivariat/
https://septianandres.blogspot.com/2015/01/uji-f-dan-uji-t.html
https://romapandiangan.blogspot.com/2014/09/uji-z-pendahuluan-uji-z-adalah-salah.html
https://www.statistikian.com/2012/11/one-way-anova-dalam-spss.html/amp
https://www.academia.edu/13726092/Uji_Runs_Runs_Test
https://abduhalmutawakkil.blogspot.com/2013/03/uji-binomial.html
https://www.statistikian.com/2012/09/uji-normalitas-dengan-kolmogorov-smirnov-spss.html/amp