MAKALAH METODOLOGI PENELITIAN

UJI STATISTIK UNIVARIATE DAN BIVARIATE

Dosen Pengampu : Parliani, MNS

Disusun Oleh :
Kelompok 1

Atika (S19128001)
Chika Sulaswinda Ariska (S19128002)
Salimah (S19128003)
Rahmawati (S19128006)
Fitriani (S19128012)
Serlla Tri Annasha (S19128016)
Rizal Wahyudi (S19128023)
Nugraha Abiga (S19128024)
Alfiyyah Nur Rizqi (S19128025)
Risti Aprilia (S19128027)

PROGRAM STUDI DIII

SEKOLAH TINGGI ILMU KEPERAWATAN
MUHAMMADIYAH PONTIANAK
TAHUN AJARAN 2019
 KATA PENGANTAR

Puji syukur kami ucapkan atas kehadirat Allah SWT sehingga kami dapat
menyelesaikan tugas makalah ini guna memenuhi tugas kelompok untuk mata kuliah
Metodologi penelitian, dengan judul : “Uji Statistik Univariate dan Bivariate” dan tidak lupa
pula kami haturkan solawat serta salam kepada junjungan nabi besar kita Nabi Muhammad
SAW. Seorang rasul yang membawa petunjuk bagi manusia yang tersesat.

Kami mengucapkan terima kasih kepada pihak-pihak yang telah membantu dalam
penyusunan makalah Metedeologi penelitian ini. Untuk itu kami mengucapkan terima kasih
kepada :

1. Orang tua yang telah mendukung kami dalam menyelesaikan makalah ini.
2. Ibu Parliani, MNS. yang telah membantu kami.
3. Teman-teman kelompok yang bekerja sama dalam membuat makalah ini.
Kami menyadari bahwa masih banyak kekurangan dalam pembuatan makalah dan
menyadari pula bahwa makalah ini masih jauh dari sempurna, hal ini karena kemampuan dan
pengalaman kami yang masih ada dalam keterbatasan. Maka dari itu kritik dan saran dari
pembaca sangat kami harapkan untuk penyempurnaan di masa yang akan datang. Semoga
makalah yang kami buat dapat bermanfaat bagi kita semua. Akhir kata kami mengucapkan
terima kasih semoga Allah Swt senantiasa meridhai segala usaha kita.

Pontianak, 23 November 2020

Kelompok 1
 DAFTAR ISI

HALAMAN JUDUL..................................................................................................... i

KATA PENGANTAR................................................................................................... ii

DAFTAR ISI.................................................................................................................. iii

BAB I PENDAHULUAN.............................................................................................. 1

A. Latar Belakang Masalah........................................................................................... 1

B. Rumusan Masalah..................................................................................................... 1
C. Tujuan....................................................................................................................... 2

BAB II PEMBAHASAN............................................................................................... 3

A. Analisis Univariate.................................................................................................... 3
B. Analisis Bivariate...................................................................................................... 5

BAB III PENUTUP....................................................................................................... 8

A. Kesimpulan............................................................................................................... 8
B. Saran......................................................................................................................... 8

DAFTAR PUSTAKA.................................................................................................... 9
 BAB I
PENDAHULUAN
A. Latar Belakang
Dalam mengolah data menjadi sebuah informasi diperlukan adanya
analisis.Aktivitas yang dilakukan manusia tidak pernah lepas dari
katamenghitung,mengukur dan menganalisis. Baik di dunia perbankan,duniakesehatan
maupun segala bidang hampir semuanya melakukan yang namanyaaktivitas menghitung.
Nah, dalam menghitung maupun mengukur data diperlukanadanya proses menganalisa
data untuk dijadikan sebuah infromasi. Namun, dalammelakukan analisis akan
berhadapan dengan kegiatan yang kompleks, oleh karenaitu pekerjaan hendaknya
dimulai dari yang sederhana, lalu melangkah ke yanglebih rumit.Singkatnya, dalam
mengolah data harus dimulai dari langkah analisasesederhana mungkin (univariat) lalu
melangkah ke penganalisaan yang lebihrumit(multivariat) selanjutnya.
Untuk memulai analisis bivariat, langkah pertama adalah untuk membangunsebuah
scattergram untuk menggambarkan hubungan tersebut. Setiap titikmewakili nilai
pasangan dari sampel, dan scattergram mengungkapkan bentukoval khas yang disebut
kecenderungan pusat. Jelas tampaknya ada hubungan yangcukup kuat dalam sampel
antara dua variabel, bahwa itu adalah linier, dan negativ.Ada hubungan negatif yang
kuat, yang berarti bahwa sebagai presentase totallapangan kerja meningkat pendapatan,
persentase dari pendapat total dari sumber-sumbar pemerintah. Untuk mengetahui
seberapa kuat korerasi sebenarnyamemerlukan ukuran statistik. Produk moment
koefisien korelasi atau koefisienkorelasi person memungkinkan peneliti untuk
menyatakan "hubungan antara duaobjek yang berbeda secara kualitatif Dalam istilah
kuantitatif". Hasil atau 'r-niali'adalah -0,819 dengan memeriksa itu terhadap nilai kritis,
yang kira-kira 0,300 pada tingkat kepercayaan 95%, r pearson lebih besar. Oleh karena
itu, hipotesisnol ditolak, karena tidak cukup bukti untuk mengatakan bahwa kedua
variabelyang terkait, dan karena koefisien sangat kuat, kita dapat menyimpulkan
bahwadalam populasi terdapat hubungan yang nyata antara mereka.
B. Rumusan Masalah
1. Apa yang dimaksud dengan analisis univariate?
2. Apa yang dimaksud dengan analisis bivariate?
C. Tujuan
1. Tujuan Umum
 Untuk mengetahui bagaimana uji statistik univariate dan bivariate.
2. Tujuan Khusus
a. Untuk mengetahui apa itu analisis univariate.
b. Untuk mengetahui apa itu analisis bivariate
 BAB II
PEMBAHASAN

A. Analisis univariat
Analisis univariat adalah analisis yang dilakukan terhadap sebuah variabel.
Bentuknya bermacam-macam, misalnya: distribusi frekuensi, rata-rata,
proporsi,standar deviasi, varians, median, modus, dan sebagainya. Dengan analisis
univariat dapat diketahui apakah konsep yang kita ukur berada dalam kondisiyang
siap untuk dianalisis lebih lanjut, selain juga dapat mengetahui bagaimana gambaran
konsep itu secara terperinci. Dengan analisis univariat pula, kita dapat mengetahui
bagaimana sebaiknya menyiapkan ukuran dan bentuk konsep untuk analisis.
Analisis univariat adalah analisa yang dilakukan menganalisis tiap variable dari
hasil penelitian. Analisis unvariat bertujuan untuk menjelaskan atau mendeskripsikan
karakteristik setiap variable penelitian. Bentuk analisis univariat tergantung dari jenis
datanya. Untuk data numerik digunakan nilai mean atau rata-rata, median dan standar
deviasi. Pada umumnya dalam analisis ini hanya menghasilkan distribusi frekuensi
dan persentase dari tiap variable. Misalnya distribusi frekuensi responden berdasarkan
umur, jenis kelamin, tingkat pendidikan dan sebagainya. Demikian juga penyebaran
penyakit-penyakit yang ada di daerah tertentu, distribusi pemakaian jenis kontrasepsi,
distribusi.
Berikutnya.Analisis univariat mempunyai banyak manfaat, antara lain:
1. Untuk maengetahui apakah data yang akan digunakan untk analisis sudah
layak atau belum.
2. Untuk mengetahui gambaran data yang dikumpulkan;
3. Untuk mengetahui apakah data telah optimal jika dipakai untuk analisis
berikunya.
4. salah satu cara melihat adanya kesalahan koding atau entry data
a. jawab di luar area penelitian
b. data yang sangat ekstrim menganggu nilai rerata data yang tidak konsisten,
misalnya variabel seks pria tetapi variabel kehamilan positif.
jawaban tidak berlaku diberi kode 9/0 ikut dianalisisis
5. Mendeskripsikan suatu fenomena dengan baik
6. Perincian/ gambaran besarnya suatu fenomena
 7. Petunjuk pemecahan masalah
8. Persiapan analisis bivariat atau multivariate
B. Mean, Standart Error, Median, Mode, Standart Deviation, Sample Variance,
Kurtosis, Skewness, Range, Minimum dan Maksimum, Sum
1. Mean adalah suatu nilai rata-rata dari suatu data yang diperoleh. Ada dua jenis
data yaitu data tunggal dan data kelompok.
Rumus data tunggal:

x 1+ x 2 +…+ x n
x̅ =
n
Ket:

x̅ = Mean
x n = Nilai data
n = Banyaknya data

Contoh mean data tunggal :

Nilai uts dari 5 mahasiswa sistem computer terbaik adalah 98, 100, 93, 95 98.
Hitunglah mean data tunggal dari ke-5 mahasiswa tersebut.
Jawab
98+100+93+ 95+98 484
x̅ = = =96.8
5 5
∑ f . x1
∑f
x̅ = Mean
∑ =Total atau Jumlah
f = Frekuensi
x 1 = Titik tengah nilai∑ ❑
2. Standart Error
Istilah standard error (SE) atau kesalahan baku. SE merupakan nilai yang
mengukur seberapa tepat kah nilai mean yang kita peroleh. Dengan kata lain, SE
menjawab pertanyaan “seberapa dekatkah nilai rata-rata panjang telinga 15 ekor
kelinci yang kita punya dibandingkan dengan rata-rata panjang telinga semua
kelinci yang kita miliki?” Nilai SE dapat diketahui dengan perhitungan sederhana
berikut:
SE = adalah akar dari nilai variance yang sudah dibagi dengan n. Ingat, dibagi
dengan nilai n, bukan nilai (n-1). Jadi, jika perhitungan kita di atas dilanjutkan,
maka nilai SE adalah :
SE = √(variance/n) = √(1,42/15) = 0,307
Dengan demikian, data yang kita peroleh dapat disajikan menjadi
11,19±0,307.  Jika diperhatikan secara cermat, ternyata nilai SE ini berasal dari
nilai SD yang dibagi dengan akar n. SE = SD/√n.
3. Median
Median atau nilai tengah adalah salah satu ukuran pemusatan data, yaitu, jika
segugus data diurutkan dari yang terkecil sampai yang terbesar atau yang terbesar
sampai yang terkecil, nilai pengamatan yang tepat di tengah-tengah bila jumlah
datanya ganjil, atau rata-rata kedua pengamatan yang di tengah bila banyaknya
pengamatan genap. Untuk data populasi median dilambangkan dengan .
Sedangkan untuk data contoh, median dilambangkan dengan
Untuk data ganjil
Untuk data 8, 7, 9. Pertama data diurutkan menjadi 7, 8, 9. Sehingga dengan
mudah diketahui median adalah 8.
Untuk data genap
Untuk data 2, 8, 3, 4, 1, 8. Pertama data diurutkan menjadi 1, 2, 3, 4, 8, 8. Karena
jumlah data pengamatan genap, yaitu 6, maka median terletak pada rata-rata dua
nilai pengamatan yang di tengah yaitu data ketiga dan data keempat, maka
mediannya adalah (3+4)/2 = 3,5.[2]
4. Mode
Mode adalah data yang paling sering muncul/terjadi. Untuk menentukan
modus, pertama susun data dalam urutan meningkat atau sebaliknya, kemudian
hitung frekuensinya. Nilai yang frekuensinya paling besar (sering muncul) adalah
modus. Modus digunakan baik untuk tipe data numerik atau pun data kategoris.
Modus tidak dipengaruhi oleh nilai ekstrem.
Contoh : Berapa modus dari nilai ujian matematika kelas 3 SMU berikut ini:
a. 2, 4, 5, 6, 6, 7, 7, 7, 8, 9
Jawab :
b. 2, 4, 5, 6, 6, 7, 7, 7, 8, 9 → Nilai yang sering muncul adalah angka 7
(frekuensi terbanyak = 3), sehingga Modus / mode (M) = 7
5. Standart Deviation
Standar deviation disebut juga simpangan baku.  Seperti halnya varians,
standar deviasi juga merupakan suatu ukuran dispersi atau variasi.  Standar deviasi
merupakan ukuran dispersi yang paling banyak dipakai. Hal ini mungkin karena
standar deviasi mempunyai satuan ukuran yang sama dengan satuan ukuran data
asalnya. Misalnya, bila satuan data asalnya adalah cm, maka satuan stdar
deviasinya juga cm.  Sebaliknya, varians memiliki satuan kuadrat dari data
asalnya (misalnya cm2).  Simbol standar deviasi untuk populasi adalah σ dan
untuk sampel adalah s.
Contoh : Data umur berbunga (hari) tanaman padi varietas Pandan Wangi yaitu :
84 86 89 92 82 86 89 92 80 86 87 90
Jawab :
Berapakah nilai deviasi dari data tersebut?
 Nilai standar deviasi data di atas adalah 3,73 hari

6. Sample Variance
Varians secara matematis didefinisikan sebagai rata-rata perbedaan kuadrat dari
mean. Varians sampel, s2, digunakan untuk menghitung seberapa bervariasi
sampel. Sampel adalah sejumlah pilih barang yang diambil dari suatu populasi.

Contoh : Cara Menemukan Varians Sampel dengan Tangan: Contoh

Varians 1

Pertanyaan: Temukan varians untuk kumpulan data berikut yang mewakili

pohon-pohon di California (ketinggian dalam kaki): 3, 21, 98, 203, 17, 9

Langkah 1: Tambahkan angka-angka dalam kumpulan data yang Anda berikan.

3 + 21 + 98 + 203 + 17 + 9 = 351

Langkah 2: Beri tanda jawaban Anda:

351 × 351 = 123.201

… Dan bagi dengan jumlah barang. Kami memiliki 6 item dalam contoh kita,
jadi:
123,201 / 6 = 20,533,5 Sisihkan nomor ini sebentar.
 Langkah 3: Ambil set nomor asli Anda dari Langkah 1, dan beri mereka secara
terpisah kali ini:
3 × 3 + 21 × 21 + 98 × 98 + 203 × 203 + 17 × 17 + 9 × 9

Tambahkan angka-angka itu (kotak-kotak) bersama-sama:

9 + 441 + 9604 + 41209 + 289 + 81 = 51,633

Langkah 4: Kurangi jumlah pada Langkah 2 dari jumlah pada Langkah 3.

51.633 - 20.533,5 = 31.099,5 Sisihkan nomor ini sebentar.

Langkah 5: Kurangi 1 dari jumlah item dalam kumpulan data Anda *. Untuk
contoh kami:

6-1=5

Langkah 6: Bagilah nomor di Langkah 4 dengan nomor di Langkah 5. Ini

memberi Anda varians:
31.099,5 / 5 = 6,219.9

7. Kurtosis
Kurtosis adalah indikator untuk menunjukkan derajat keruncingan (tailedness).
Semakin besar nilai kurtosis maka kurva semakin runcing. Nilai referensi kurtosis
adalah 3. Jika nilai kurtosis lebih besar dari 3, maka kurva distribusi disebut
leptokurtik. Sementara jika lebih rendah dari 3, maka disebut platikurtik.
Sedangkan nilai kurtosis sama dengan 3 bermakna kurva distribusi normal atau
mesokurtik atau mesokurtotik.
Contoh :

8. Skewness
Skewness adalah ukuran ketidaksimetrisan dalam distribusi nilai. Skewness dapat
bernilai positif, negatif, dan nol. Skewness yang bernilai positif berarti ekor
distribusi berada di sebelah kanan nilai terbanyak. Berarti, sebagian besar
distribusi berada di nilai rendah. Skewness yang bernilai negatif berarti ekor
distribusi berada di sebelah kiri, menunjukkan bahwa sebagian besar nilai berada
di sisi kanan kurva. Sementara skewness bernilai nol berarti nilai terdistribusi
secara simetris, dengan jarak antara ekor distribusi sebelah kanan dan kiri sama
besar.
Contoh :
9. Range
Dalam sekelompok data kuantitatif akan terdapat data dengan nilai terbesar
dan data dengan nilai terkecil. Rentang (range) atau disebut juga dengan
jangkauan adalah selisih antara data dengan nilai yang terbesar dengan data denga
nilai yang terkecil tersebut. R=xmax−xminR = x_{max} - x_{min}R=xmax−xmin
dimana RRR adalah range (jangkauan atau rentang), xmaxx_{max}xmax adalah
nilai data yang paling besar dan xminx_{min}xmin nilai data yang paling kecil.
Contoh :
Hitunglah rentang dari data 20,21,19,17,20,21,23,24,2520, 21, 19, 17, 20, 21, 23,
24, 2520,21,19,17,20,21,23,24,25
Jawab:
Data terbesar (xmaxx_{max}xmax) adalah 25 dan data terkecil
(xminx_{min}xmin) adalah 17. Dengan demikian, rentang/jangkauan adalah
R=xmax−xmin=25−17=8\begin{aligned} R &= x_{max} - x_{min}\\ &= 25 -
17\\ &= 8 \end{aligned}R=xmax−xmin=25−17=8

10. Minimum dan maksimum

Maksimum dan minimum adalah nilai terbesar dan terkecil dari fungsi, baik
dalam kisaran tertentu (ekstrem lokal atau relatif) atau di seluruh domain dari
fungsi (ekstrem global atau absolut). Dalam masalah praktis sehari-hari nilai
maksimum dan minimum sering muncul dan membutuhkan suatu cara
penyelesaian. Misalnya seorang pengusaha atau pemilik pabrik tentunya ingin
meminimumkan biaya produksi dan memaksimumkan laba.

Titik maksimum dan minimum lokal menjadi titik maksimum dan minimum
fungsi

Contoh ini menunjukkan bahwa nilai maksimum dan minimum lokal suatu
fungsi belum tentu menjadi maksimum dan minimum global. Bila interval
definisi fungsi ada, kita harus memeriksa pula nilai-nilai fungsi di ujung interval.

11. Sum
 adalah fungsi excel yang digunakan untuk melakukan penjumlahan data atau
menambahkan semua angka yang kita tentukan sebagai argument.
Keterangan Sintaksis fungsi SUM Excel SUM
Nama fungsi excel untuk menjumlahkan di excel
angka1
Argumen angka pertama yang ingin kita jumlahkan.
angka2
(Opsional) Argumen angka lain yang ingin kita tambahkan. Maksimal sampai
255 Argument.
Contoh rumu SUM excel 1 :

Pada contoh pertama diatas rumus sum yang digunakan pada cell C3
adalah:
=SUM(A2;A3;A4;A5;A6)
Rumus diatas menjumlahkan setiap nilai pada sel A2, A3, A4, A5 dan A6.
Hasilnya adalah 360.

12. Count
Fungsi count menghitung jumlah sel yang berisi angka, dan menghitung
angka dalam daftar argumen. Gunakan fungsi count untuk mendapatkan jumlah
entri di bidang angka yang ada dalam rentang atau larik angka. Misalnya, Anda
bisa memasukkan rumus berikut untuk menghitung angka dalam rentang A1:A20:
=Count(A1:A20).

c. Uji Normalitas data

Uji 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.
Pengujian Shapiro Wilk umumnya digunakan untuk data univariat. Uji univariat
akan menguji normalitas data tiap variabel pada data, dan menghasilkan hasil uji
normalitas sebanyak variabel yang diujikan. Hasil uji juga dapat disesuaikan dengan
pengelompokan data yang disesuaikan misalnya berdasarkan jenis kelamin, tingkatan
pendidikan, dan lainnya. 
Uji Normalitas Shapiro Wilk adalah uji yang dilakukan untuk sampel data kurang
dari 50 sampel (N<50). Dalam pengujian, suatu data dikatakan berdistribusi normal
apabila nilai signifikansi lebih dari 0.05 (sig. >0.05).
Contoh Kasus dalam Uji Normalitas Shapiro-Wilk.
Dalam contoh kasus kali, kita akan menguji kenormalan data hasil belajar siswa pada dua
kelompok sampel yang tidak berpasangan. Adapun data hasil belajar siswa untuk kedua
kelompok tersebut dapat kita lihat pada tabel dibawah ini.

Keterangan: Kelompok A diberi kode 1 dengan jumlah sebanyak 6 siswa, sedangkan

Kelompok B diberi kode 2 dengan jumlah sebanyak 5 siswa.
Cara Melakukan Uji Normalitas Shapiro-Wilk dengan SPSS
1. Buka lembar kerja SPSS, lalu klik Variable View, pada bagian ini kita akan mengisi
properti variabel dengan ketentuan sebagaimana gambar berikut ini

Properti variabel pertama “ hasil belajar”, maka isikan seperti

a. Name pertama tuliskan Nilai

b. Type pilih Numeric
c. Decimals pilih 1 (karena data hasil belajar berupa angka pecahan decimal)
d. Label ketikkn hasil belajar
e. Values pilih None
f. Missing pilih None
g. Columns pilih 8
h. Alight pilih right
i. Measure pilih scale
j. Role pilih input

Properti variabel kedua “Kelompok”, maka isikan:

1) Name tuliskan kelompok
2) Type pilih numeric
3) Decimals pilih 0
4) Label ketikkan kelompok
5) Klik kolom none pada values hingga muncul kotak dialog “Value Label”, pada
kotak value isikan 1 dan kotak label isikan kelompok A, lalu klik add.
Tampak layar

Kemudian, isi kembali pada kotak value dengan angka 2 dan pada kotak label
tuliskan kelompok B, lalu klik aad.
Tampak layar

Jika benar selanjutnya klik ok

6) Missing pilih None
7) Columns pilih 8
8) Alight pilih right
 9) Measure pilih Nominal
10) Role pilih imput

Jika proses mengisi properti variabel dilakukan dengan benar maka tampilannya akan
seperti gambar berikut ini

2. Setelah itu, klik Data View, selanjutnya untuk variabel “Hasil” isikan dengan nilai
hasil belajar siswa kelompok A lalu diikuti kelompok B , kemudian untuk variabel
“kelompok” isikan kode kelompok A (1) diikuti dengan dibawahnya kode kelompok
B (2).

Tampak layar

3. Selanjutnya, dari menu SPSS, klik Analyze – Descriptive Statistics – Explore…

4. Maka muncul kotak dialog “explore” masukkan variabel hasil belajar ke kotak
dependent list, lalu masukkan variabel kelompok ke kotak Factor list, pada bagian
“Display” pilih both, selanjutnya klik plots..

5. Maka akan mucul kotak dialog “Explore: Plots”, dari serangkaian pilihan yang ada,
berikan tanda centang pada pilihan Normality Plot with tests, lalu klik Continue
6. Langkah terakhir klik Ok.. dan akan muncul Output SPSS [Perhatikan pada Output
Test of Normality]

Interpretasi Hasil Uji Normalitas Shapiro-Wilk

Berdasarkan output Test of Normality, diperoleh nilai sig untuk Kelompok A sebesar
0,770, sedangkan nilai signifikansi untuk Kelompok B sebesar 0,807. Karena nilai
signifikansi Kelompok A dan Kelompok B lebih besar > 0,05, maka dapat disimpulkan
bahwa data hasil belajar siswa untuk kelompok A dan B adalah Berdistribusi Normal.
C. Analisis Bivariate
Analisis Bivariate 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 yang digunakan 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 Bivariate 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 perkawinan
pertama, status kerja.
Apabila telah dilakukan analisis univariat, hasilnya akan diketahui karakteristik atau
distribusi setiap variabel dan dapat dilanjutkan dengan analisis bivariate. Analisis
bivariat dilakukan terhadap dua variabel yang diduga berhubungan atau berkorelasi.
Dalam analisis bivariate 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 sebaginya). 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 tersebut tidak
bermakna.
3. Analisis keeratan hubungan antara dua variabel, dengan Odd Ratio (OR). Besar
kecilnya nilai OR menunjukkan besarnya keeratan hubungan antara dua variabel
yang diuji.
D. Uji Spearman
Uji Spearman merupakan salah satu uji statistik non paramateris. Digunakan
apabila ingin mengetahui kesesuaian antara 2 subjek di mana skala datanya adalah
ordinal.
Contoh Penyelesaian Kasus Korelasi Rank Spearman
Dalam contoh kali ini, peneliti ingin mengetahui apakah terdapat hubungan antara
kualitas produk dengan kepuasan konsumen. Untuk keperluan tersebut, peneliti
mebayar 10 kuesiner disebuah toko funiture. Masalah yang akan diteliti ialah
seberapa besar hubungan anatar variabel kualitas produk dengan kepuasn konsumen.
Berikut jawaban atau pengunjung yang diberikan kuesioner.
Untuk keperluan analisis data dalam SPSS maka jawaban respon tersebut kemudian
diberi kode angka agar bisa dihitung:
Untuk data kualitas produk menggunakan kode
1. Sangat tidak berkualitas (STB) diberi nilai T
2. Tidak berkualitas (TB) diberi nilai 2
3. Cukup berkualitas (CB) diberi nilai 3
4. Berkualitas (B) diberi nilai 4
5. Sangat berkualitas (SB) diberi nilai 5
Untuk data kepuasan konsumen menggunakan kode
1. Sangat tidak puas (STP) diberi nilai 1
2. Tidak puas (TP) diberi nilai 2
3. Cukup puas (CP) diberi nilai 3
4. Puas (P) diberi nilai 4
5. Sangat puas (SP) diberi nilai 5
Setelah dilakukan pengkodean sebagaimana ketentuan di atas, maka bentuk data
penelitian untuk hubungan variabel kualitas produk dengan kepuasan konsumen
adalah sebagai berikut.
Langkah-Langkah Analisis Korelasi Rank Spearman Dengan Spss
1. Buka program SPSS, (dalam hal ini saya menggunakan SPSS versi 21), kemudian
klik Variable view, pada kolom Name baris pertama tuliskan X dan barisan kedua
tuliskan Y. Pada bagian label untuk X tuliskan kualitas produk dan untuk Y tuliskan
kepuasan konsumen. Abaikan pilihan yang lainnya dan biakan tetap default.

2. Klik data view, pada tampilan data view terlihat ada dua buah variabel X dan Y,
selanjutnya tuliskan atau masukkan data penelitian untuk masing-masing variabel.

3. Jika data sudah di input dengan benar, lanjutnya klik menu

Analyze>Correlate>Bivariate
4. Muncul kotak dialog “Bivariate Correlations”, langkah berikutnya adalah masukkan
variabel kualitas produk (X) dan kepuasan konsumen (Y) ke kolom variabel (S),
kemudian pada bagian “Correlation Coefficient” beri tanda centang (v)pada pilihan
Spearman, pada bagian “Test of Significance” pilih Two-tailed. Selanjutnya, beri
tanda centang (v) pada Flag significant correlations, lalu klik options.

5. Maka muncul kotak dialog “Bivariate Correlations: Options”, pada bagian “Missing
Values” pilih Exclude cases pairwise, lalu klik Continue.
6. Klik Ok, maka akan muncul output korelasi rank spearman, sebagai berikut.

Interprestasi output analisis korelasi rank spearman

Supaya lebih muda dipahami, maka interpretasi output uji korelasi rank spearman ini saya
bagi menjadi tiga tahap interpretasi :
1. Melihat tingkat kekuatan (keeratan) hubungan variabel kualitas produk dengan
kepuasan konsumen
Dari output diatas, diperoleh angka koefisien korelasi sebesar 0,838. Artinya, tingkat
kekuatan hubungan (korelasi)antara variabel kualitas produk dengan kepuasan
konsumenadalah sebesar 0,838 atau sangat kuat.
2. Melihat arah (jenis)hubungan variabel kualitas produk dengan kepuasan konsumen
Angka koefisien korelasi pada hasil diatas, bernilai positif, yaitu0,838, sehingga
hubungan kedua variabel tersebut bersifat searah (jenis hubungan searah), dengan
demikian dapat diartikan bahwa kualitas semakin ditingkatkan kualitas produk maka
kepuasan konsumen juga akan meningkat.
3. Melihat signifikansi hubungan kedua variabel
Berdasarkan output diatas, diketahui nilai signifikansi atau Sig. (2-tailed) sebesar
0,002, karena nilai sig. (2-tailed)0,002 < lebih kecil dari 0,05 atau 0,01 maka artinya
ada hubungan yang signifikan (berarti) antara variabel kualitas produk dengan
kepuasan konsumen.
 BAB III
PENUTUP
A. Kesimpulan
Analisis univariat adalah analisis yang dilakukan terhadap sebuah variabel.
Bentuknya bermacam-macam, misalnya: distribusi frekuensi, rata-rata, proporsi,standar
deviasi, varians, median, modus, dan sebagainya. . Analisis unvariat bertujuan untuk
menjelaskan atau mendeskripsikan karakteristik setiap variable penelitian. Manfaat uji
ini untuk maengetahui apakah data yang akan digunakan untk analisis sudah layak atau
belum serta untuk mengetahui gambaran data yang dikumpulkan. Contohnya seperti
persepsi masyarakat terhadap kenaikan BBM dan prilaku dosen dalam pengajaran.
Analisis Bivariate 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 yang
digunakan untuk menganalisis data dua variabel penelitian Dalam analisis bivariate ini
dilakukan beberapa tahap antara lain yaitu Analisis proporsi atau presentase dengan
membandingkan distribusi silang antara dua variabel yang bersangkutan. Analisis dari
hasil uji statistik (chi square, z test, t test dan sebaginya). 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 tersebut tidak bermakna. Contohnya Pengaruh iklan
terhadap pemahaman produk dan tingkat perbedaan antara penonton program “komedi
tengah malam” terhadap penyimpangan seks.
B. Saran
Kami menyusun makalah metodologi penelitian ini masih banyak yang perlu
diperbaiki dari segi kritik dan saran yang bersifat membangun. diharapkan para pembaca
mencari referensi dan sumber terbaru untuk penyempurnaan makalah dimasa yang akan
datang, semoga penyusunan makalah berikutnya dapat lebih baik dan lebih lengkap lagi
dari yang sebelumnya.
 DAFTAR PUSTAKA

Silalahi, U. (2006). Metode penelitian sosial.

Sutrisno, S., & Wulandari, D. (2018). Multivariate Analysis of Variance (MANOVA)
untuk Memperkaya Hasil Penelitian Pendidikan. AKSIOMA: Jurnal Matematika dan
Pendidikan Matematika, 9(1), 37-53.
iningprastiwi27.blogspot.com/2017/01/analisis-data-kuantitatif-univariat.html