MAKALAH STATISTIK PENDIDIKAN

“Chi Kuadrat, Analisa Korelasi Bivariat, Analisa Korelasi Multivariat”

Disusun Untuk Memenuhi Tugas Mata Kuliah Statistik Pendidikan

Yang Dibina Oleh Bapak A. Hadian Pratama Hamzah

Disusun Oleh

Kelompok 9

Putri Haryani : 0310183119

Indah Munthe : 0310183122

Siti Aisyah Tanjung : 0310183129

PROGRAM STUDI PENDIDIKAN BIOLOGI 4

FAKULTAS ILMU TARBIYAH DAN KEGURUAN

UNIVERSITAS ISLAM NEGERI SUMATERA UTARA

2021
 BAB I

PENDAHULUAN

A. Latar Belakang

Pada umumnya penelitian ilmiah lebih banyak berhubungan dengan data yang bersifat
interval atau rasio. Data interval dan rasio merupakan data yang berupa angka hasil dari
pengukuran baik pengukuran yang bersifat langsung maupun tidak langsung. Namun
demikian tidak jarang peneliti harus bekerja dan terlibat dengan data yang berwujud frekuensi.
Chi kuadrat merupakan suatu teknik statistik yang menggunakan untuk menilai probabilitas
guna memperoleh perbedaan frekuensi nyata atau hasil pengamatan atau observasi dengan
frekuensi yang diharapkan dalam kategori-kategori tertentu.
Dalam kehidupan sehari-hari sering kali kita menemui kejadian-kejadian ,kegiatan-
kegiatan, atau masalah-masalah yang saling berhubungan satu sama lain. Seperti contoh berat
badan seseorang berkaitan dengan tinggi badan orang tersebut dan permasalahan-permasalahan
lainnya. Dengan itu, kita memerlukan analisis hubungan antara kejadian-kejadian tersebut.
Statistik adalah salah satu metode untuk menentukan hubungan sebab akibat antar satu variabel
dengan variabel-variabel yang lain. Analisis korelasi bivarivat dan analisisa korelasi
multivariat adalah salah satu analisis yang paling populer dan luas pemakaiannya. Untuk
menyajikan data penelitian, kita harus mengetahui metode mana yang paling tepat untuk
penelitian kita. Untuk itulah makalah ini disusun, yaitu sebagai salah satu sumber bacaan
mengenai chi kuadra, analisis korelasi bivarivat dan analisis korelasi multivariat

B. Rumusan Masalah
1. Apa yang dimaksud dengan chi kuadrat
2. Apa yang dimaksud dengan analisa korelasi bivariat?
3. Apa yang dimaksud dengan analisa korelasi Multivariat?

C. Tujuan

1. Mengetahui apa yang dimaksud dengan chi kuadrat

2. Mengetahui apa yang dimaksud dengan analisa korelasi bivariat
3. Mengetahui apa yang dimaksud dengan analisa korelasi Multivariat
 BAB II

PEMBAHASAN

I. CHI KUADRAT
A. Pengertian Chi Kuadrat (Uji data kategorik)

Chi Kuadrat (dibaca kai kuadrat) merupakan suatu teknik statistik yang
memungkinkan peneliti menilai probabilitas memperoleh perbedaan frekuensi yang
nyata (dapat diobservasi), dengan frekuensi yang diharapkan dalam kategori-
kategori tertentu sebagai akibat dari kesalahan sampling.
Pengertian chi-quare atau chi kuadrat lainya adalah sebuah uji hipotesis tentang
perbandingan Antara frekuensi observasi dengan frekuensi harapan yang
didasarkan oleh hipotesis tertentu pada setiap kasus atau data yang ambil untuk
diamati. Uji ini sangat bermanfaat dalam melakukan analisis statistic jika kita tidak
memiliki informasi tantang populasi atau jika asumsiasumsi yang dipersyaratkan
untuk penggunaan statistic parametric tidak terpenuhi. Chi kuadrat biasanya di
dalam frekuensi observasi berlambangkan dengan frekuensi harapan yang
didasarkan atas hipotesis yang hanya tergantung pada suatu parameter, yaitu derajat
kebebasan (df).
Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan
adanya asumsi-asumsi mengenai sebaran data populasinya (belum diketahui
sebaran datanya dan tidak perlu berdistribusi normal). Oleh karenanya statistik ini
juga dikemukakan sebagai statistik bebas sebaran (tdk mensyaratkan bentuk
sebaran parameter populasi, baik normal atau tidak). Statistika non-parametrik
dapat digunakan untuk menganalisis data yang berskala Nominal atau Ordinal. Data
berjenis Nominal dan Ordinal tidak menyebar normal. Selain itu statistik ini dapat
digunakan pada data yang berjumlah kecil, yakni kurang dari 30 data.
Banyak alternatif uji statistik nonparametrik seperti yang ditunjukkan pada
Lampiran. Berbagai literatur memberikan pengelompokan kategori statistik
nonparametrik dengan berbagai cara yang berbeda. Namun demikian, secara
sederhana dan berdasarkan prosedur yang sering digunakan, uji-uji tersebut dapat
dikelompokkan atas kategori berikut:
Prosedur untuk data dari sampel tunggal
- Prosedur untuk data dari dua kelompok atau lebih sampel bebas (independent)
- Prosedur untuk data dari dua kelompok atau lebih sampel berhubungan
(dependent)
- Korelasi peringkat dan ukuran-ukuran asosiasi lainnya.
Distribusi Chi kuadrat digunakan untuk menguji homogenitas varians beberapa
populasi. Masih ada beberapa persoalan lain yang dapat diselesaikan dengan
mengambil manfaat distribusi chi-kuadrat ini, diantaranya :
- Menguji proporsi untuk data multinom
- Menguji kesamaan rata-rata data poisson
- Menguji independen antara dua faktor didalam kontingensi
- Menguji kesesuaian antara data hasil pengamatan dengan model distribusi dari
- Mana data itu diduga diambil, dan
- Menguji model distribusi berdasarkan data hasil pengamatan

B. Kegunaan Chi Kuadrat

Adapun kegunaan dari uji Chi-Square, adalah untuk mengetahui:
- Ada tidaknya asosiasi antara 2 variabel (Independent test)
- Apakah suatu kelompok homogen atau tidak (Homogenity test)
- Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)
- Digunakan untuk menganalisis data yang berbentuk frekuensi.
- Digunakan untuk menentukan besar atau kecilnya korelasi dari variabelvariabel
yang dianalisis
- Cocok digunakan untuk data kategorik, data diskrit atau data nominal

C. Prosedur Sampel Tunggal dengan Chi-Kuadrat

Akan diuji distribusi frekuensi kategori variabel motivasi hasil amatan dengan
distribusi frekuensi kategori variabel sama yang diharapkan. Hipotesis nol uji
tersebut adalah: tidak terdapat perbedaan distribusi variabel motivasi hasil amatan
dengan distribusi harapan. Prosedur ini banyak digunakan pada uji normalitas
variabel.
Misalkan sebuah eksperimen menghasilkan peristiwa-peristiwa atau kategori-
kategori A1,A2,...,Ak yang saling terpisah masing-masing dengan peluang p1 =
P(A1), p2 = P(A2),..,pk = P(Ak).
Rumus yang di gunakan yaitu :
 (𝟎𝒊−𝑬𝒊 )𝟐
X2 = ∑𝒌𝒕=𝟏 𝑬𝒊

Keterangan:
Oi = banyaknya kasus yang diamati dalam kategori i.
Ei= banyaknya kasus yang diharapkan
∑𝑘𝑡=1 = penjumlahan semua kategori k.

Contoh :
Dalam suatu eksperimen genetika menurut Mendell telah diketemukan bahwa semacam
karakteristik diturunkan meurut perbandingan 1 : 3 : 3 : 9 untuk kategorikategori A, B,
C, dan D. Akhir-akhir ini dilakukan 160 kali pengamatan dan terdapat 5 kategori A, 23
kategori B, 32 kategori C dan 100 kategori D. Dengan menggunakan ∝= 0,05, apakah
data di atas menguatkan teori genetika tersebut?
Penyelesaian :
Berdasarkan teori, diharapkan terdapat 1/16 X 160 = 10 kategori A, masing-masing 30
kategori B dan C, dan 90 kategori D. Data hasil pengamatan dan yang diharapkan
adalah sebagai berikut.

Kategori A B C D
Pengamatan 5 23 32 100
(Oi)
Diharapkan (Ei) 10 30 30 90

Dari rumus didapat :

(𝟎𝒊−𝑬𝒊 )𝟐
X2 = ∑𝒌𝒕=𝟏 𝑬𝒊
(𝟓−𝟏𝟎)𝟐 (𝟐𝟑−𝟑𝟎)𝟐 (𝟑𝟐−𝟑𝟎)𝟐 (𝟏𝟎𝟎−𝟗𝟎)𝟐
= + + + = 𝟓, 𝟑𝟖
𝟏𝟎 𝟑𝟎 𝟑𝟎 𝟗𝟎

Soal :
Diduga bahwa 50% dari semacam kacang bentuknya keriput dan 50% lagi halus.
Pengamatan dilakukan terhadap sebuah sampel acak terdiri atas 80 butir kacang dan
terdapat 56 keriput sedangkan sisanya halus. Dalam taraf 0,05, dapatkah kita
menyokong dugaan tersebut?
 Jawaban :
Kategori Pengamatan Harapan (0 − 𝐸)2
𝐸
Keriput 56 40 6,4
Halus 24 40 6,4
2 12,8
∑
ℎ𝑖𝑡

∑2𝑡𝑎𝑏 = ∑20,05∶1 = 3,841

Karena ∑2ℎ𝑖𝑡 = 12,8 > 3,84 = ∑2𝑡𝑎𝑏 maka H0 ditolak artinya dugaan bahwa 50%
kacang keriput dan 50% kacang halus tidak benar.

D. Chi Kuadrat Sebagai Alat Estimasi

Dengan menggunakan chi kuadrat, peneliti dapat mengadakan penilaian
probabilitas perbedaan frekuensi dalam sampel dari frekuensi dalam populasi
sebagai akibat dari kesalahan sampling. Adapun frekuensi dalam populasi dapat
didasarkan atas informasi yang diperoleh dari suatu sumber, atau dapat juga
didasarkan atas suatu hipotesa.
Rumus yang umum untuk chi kuadrat adalah sebagai berikut:
(𝒇𝟎−𝒇𝒉)𝟐
X2 = ∑ 𝒇𝒉

Keterangan:
X2 : Chi Kuadrat
fo : frekuensi yang diperoleh dari (diobservasi dalam) sampel
fh : frekuensi yang diharapkan dalam sampel sebagai pencerminan dari frekuensi yang
diharapkan dalam populasi.
Contoh :
Dalam suatu penelitian ingin diketahui apakah jenis film yang ditonton paling sering
ditonton dalam 1 tahun (komedi dan action) berhubungan terhadap kehamilan (hamil
dan tidak hamil)
Keterangan Hamil Tidak Hamil
Film Komedi 33 60
Film Action 18 75
 Apakah ada hubungan antara jenis film yang paling sering ditonton dalam 1 tahun
terhadap kehamilan?
Tahap 1: tentukan populasi berdasarkan variabel dan kategori
Populasi 1: yang lebih banyak menonton film komedi dan hamil
Populasi 2: yang lebih banyak menonton film komedi dan tidak hamil
Populasi 3: yang lebih banyak menonton film action dan hamil
Populasi 4: yang lebih banyak menonton film action dan tidak hamil
Tahap 2: tentukan H0 dan Ha/H1
H0 : tidak ada hubungan antara jenis film yang ditonton terhadap kehamilan
Ha/H1: ada hubungan antara jenis film yang ditonton terhadap kehamilan
Tentukan df (degree of freedom = derajat kebebasan) dan p (nilai kritis) untuk uji chi
square
df = (df kolom) (df baris)
= (å kategori kolom – 1) (å kategori baris – 1)
= (2 – 1) (2 – 1)
= 1
p = 0,05 atau 5%
c2tabel = 3,84
c2tabel , p (0,05) = 3,84
c2hitung > X2tabel → H0 ditolak, Ha/H1 diterima à
“Ada perbedaan kehamilan dari jenis film yang paling sering ditonton dalam 1 tahun”

E. Chi Kuadrat Sebagai Alat Pengetesan Hipotesa

Dalam pengetesan hipotesa kita menggunakan chi kuadrat untuk menguji
apakah perbedaan frekuensi yang diperoleh dari dua sampel atau lebih merupakan
perbedaan frekuensi yang hanya disebabkan olehkesalahan sampling, ataukah
merupakan perbedaan yang signifikan.
Dalam melakukan pengetesan hipotesa, hal pertama yang dilakukan adalah
menggunakan rumus yang telah dicantumkan di atas. Kemudian, hal kedua yang
dilakukan adalah menetapkan derajat kebebasannya. Terdapat satu aturan umum
yang telah ditetapkan untuk menetapkan derajat kebebasan yang menyangkut tabel
yang sedikitnya mempunyai 2 baris dan dua kolom (disebut tabel 2 x 2). Terdapat
rumus yang bisa digunakan untuk mengetes hipotesa perbedaan frekuensi antara
dua sampel, yaitu:
 𝑵 (𝒂𝒅−𝒃𝒄)𝟐
X2 = (𝒂+𝒃)(𝒄+𝒅)(𝒂+𝒄)(𝒃+𝒅)

Chi Kwadrat dengan Derajat Kebebasan Lebih dari 30

Rumus untuk menghitung nilai Chi Kuadrat dengan derajat kebebasan lebih dari
30 adalah:
𝑿
= √𝟐𝑿𝟐 − √𝟐 (𝒅𝒃) − 𝟏
𝑺𝑫
Keterangan:
X2 : nilai Chi Kuadrat yang diperoleh
db : derajat kebebasan dari tabel kontingensi

F. Chi Kuadrat Untuk Menghitung Perbedaan Persentase

Kecuali untuk menyelidiki signifikansi perbedaan frekuensi yang biasa, chi
kuadrat dapat juga digunakan untuk menilai signifikansi perbedaan frekuensiyang
sudah diubah dalam persentase. Dalam menggunakan chi kuadrat untuk
menghitung perbedaan persentase, ada dua catatan penting yang perlu diperhatikan,
antara lain:
- Terhadap petak yang kecil telah diadakan koreksi dan penyesuaian lebih dahulu.
Sebabnya ialah karena probabilitas signifikansi suatu kejadian lebih tergantung
pada frekuensi dalam presentase.
- Nilai Chi Kuadrat yang diperoleh dari perhitungan frekuensi dalam persen harus
diubah terlebih dahulu dalam nilai chi kuadrat dari perhitunganperhitungan
dengan frekuensi yang nyata, sebelum pengetesan signifikansi dilakukan.

II. ANALISA KORELASI BIVARIAT

A. Pengertian
Korelasi merupakan hubungan antara dua buah variabel, jika nilai suatu variabel
naik, sedangkan nilai variabel yang lain turun, maka dikatakan terdapat hubungan
negatif serta sebaliknya. Korelasi yang biasa digunakan dalam penelitian
adalahKorelasi Pearson Product Moment. Korelasi ini dilakukan jika sepasang
variabel kontinu, memiliki korelasi. Jumlah pengamatan variabel X dan Y harus
sama, atau kedua nilai variabel tersebut berpasangan. Semakin besar nilai koefisien
korelasinya maka akan semakin besar pula derajat hubungan antara kedua variabel.
Korelasi Pearson biasanya pada hubungan yang berbentuk linier (keduanya
meningkat atau keduanya menurun). Koefisien korelasi ini tidak menunjukkan
adanya hubungan kausal antar variabelnya
Analisis korelasi sederhana ( Bivariate Correlation) digunakan untuk
mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah
hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar
hubungan yang terjadi antara dua variabel. Analisis korelasi sederhana dengan
metode Pearson atau sering disebut Product Moment Pearson. Nilai korelasi (r)
berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan
antara dua variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan
antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X
naik maka Y naik) dan nilai negatif menunjukkan hubungan terbalik (X naik maka
Y turun).
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien
korelasi sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat

B. Contoh soal kasus korelasi Bivariat

Penelitian dengan menggunakan alat ukur skala. Peneliti ingin mengetahui
apakah ada hubungan antara kecerdasan dengan prestasi belajar pada siswa SMU
Negeri 1 Yogyakarta, dengan ini Peneliti membuat 2 variabel yaitu kecerdasan dan
prestasi belajar. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan
menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3
= Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden
didapatlah skor total item-item yaitu sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)
No Kecerdasan Perestasi
(XI) Belajar (X2)
 1 33 58
2 32 52
3 21 48
4 34 49
5 34 52
6 35 57
7 32 55
8 21 50
9 21 48
10 35 54
11 36 56
12 21 47

Sebelum dilakukan analisis bivariat, hal yang pertama dilakukan adalah

menguji bahwa data tersebut normal. Untuk itu digunakan software SPSS dan
diperoleh hasil sebagai berikut :

Output software SPSS di atas menunjukkan bahwa nilai signifikan sebesar 0,2
hal itu menunjukkan bahwa nilai signifikan lebih besar dari alfa 0,05. Berdasarkan
itu dapat simpulkan bahwa populasi tersebut memiliki data yang berdistribusi
normal. Langkah selanjutnya adalah melakukan pengujian analisis bivariat terhadap
data tersebut. Analisis bivariat yang digunakan adalah uji Pearson’s Product
Moment. Dengan menggunakan software SPSS diperoleh hasil sebagai berikut :
 . Correlation is significant at the 0.01 level (2-tailed).

Dari hasil analisis korelasi sederhana didapat korelasi antara kecerdasan

dengan prestasi belajar adalah 0,766 atau P-value > 0,05. Hal ini menunjukkan
bahwa terjadi hubungan yang kuat antara kecerdasan dengan prestasi belajar.
Sedangkan arah hubungan adalah positif karena nilai r (korelasi) positif, berarti
semakin tinggi kecerdasan maka semakin meningkatkan prestasi belajar

III. ANALISA KORELASI MULTIVARIAT

A. Hakikat Korelasi Multivariat
Analisis multivariat merupakan salah satu analisis statistika yang berkaitan
dengan analisis banyak variabel. Dalam analisis statistika, terdapat
pengelompokkan terhadap jumlah variabel yang dianalisis. Melalui
pengelompokkan tersebut, terbagi menjadi univariat, bivariat, dan multivariat.
Analisis univariat berasal dari kata uni dan viriate, yang artinya analisis satu
variabel. Contohnya pengukuran rata-rata (mean) sebagai ukuran pusat dari
sekelompok data. Analisis bivariat berasal dari kata bi dan viriate, yang artinya
analisa statistika yang berkaitan dengan dua variabel. Contohnya analisis korelasi
yang mencari hubungan keeratan antara dua variabel.
Analisis statistik multivariat merupakan metode statistik yang memungkinkan
kita melakukan penelitian terhadap lebih dari dua variabel secara bersamaan.
Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh
beberapa variabel terhadap variabel-variabel lainnya dalam waktu yang bersamaan.
Analisis multivariat digunakan karena pada kenyataannya masalah yang terjadi
tidak dapat diselesaikan dengan hanya menghubung-hubungkan dua variabel atau
melihat pengaruh satu variabel terhadap variabel lainnya.
Analisis multivariat merupakan pengembangan lanjutan dari analisis univariat
maupun bivariat. Analisis multivariat berasal dari kata multi dan variate, yang
artinya analisis lebih dari dua variabel. Dengan demikian, analisis multivariat
merujuk kepada teknik statistika tertentu yang menganalisis banyak variabel secara
simultan. Contoh dari analisis multivariat adalah Structural Equation Model (SEM).
SEM merupakan pengembangan lanjut dari analisis regresi. SEM dikembangkan
untuk menjelaskan hubungan yang komplek antar variabel. Sedangkan regresi
bertujuan hanya untuk menjelaskan hubungan tunggal antar variabel. Variabel di
dalam analisis multivariat dapat diklasifikasikan sebagai variabel dependen dan
variabel independen. Variabel dependen adalah variabel yang nilainya ditentukan
oleh variabel lain yaitu variabel independen. Sedangkan variabel independen adalah
variabel untuk mengestimasi atau memprediksi nilai variabel lain yaitu variabel
dependen.
B. Uji Korelasi Multivariat Pada Statistik

Multivariat berdasarkan pada data sampel daripada data populasi. Karakteristik

populasi yang diteliti hanya didasarkan pada karakteristik sampel yang diambil
secara random atau acak dari populasi. Untuk itu, kesimpulan di dalam analisis
multivariat didasarkan pada statistika inferensi. Seorang peneliti yang
menggunakan statistika inferensi sebagai alat pembuat keputusan harus
menentukan tingkat kesalahan yang bisa diterima atau derajat kepercayaan karena
adanya kesalahan sampling atau pengambilan sampel (sampling error).

Ketika seorang peneliti menggunakan sampel untuk menarik kesimpulan

tentang karakteristik (parameter) populasi, maka peneliti harus membuat sebuah
hipotesis. Ada dua hipotesis yang diajukan peneliti yaitu hipotesis nol (H0) dan
hipotesis alternatif (Ha). Hipotesis nol ini dianggap benar sampai akhirnya bisa
dibuktikan salah berdasarkan data sampel. Di lain pihak hipotesis alternatif
merupakan lawan hipotesis nol. Hipotesis alternatif harus benar ketika hipotesis nol
mampu dibuktikan salah.

Pendekatan yang paling umum digunakan di dalam menentukan besarnya

tingkat kesalahan yang diterima adalah tingkat tipe kesalahan I (Type I Error) yang
dikenal dengan alpha (a). Tipe kesalahan I atau a merupakan probabilitas menolak
hipotesis nol (H0) yang benar. Ketika peneliti menentukan besarnya a, maka peneliti
juga secara otomatis menentukan besarnya kesalahan jenis lain yang terkait yaitu
tipe kesalahan II, dikenal dengan beta (b). Dengan demikian b merupakan
probabilitas menerima hipotesis nol (H0) yang salah. Berkaitan dengan b,
probabilitas yang sering digunakan adalah probabilitas 1-b yang menunjukkan
kekuatan statistik inferensi (statistical power). 1-b merupakan probabilitas menolak
hipotesis nol yang salah. Hubungan antara kedua probabilitas tersebut dapat
digambarkan di dalam tabel berikut ini.

Tabel 1. Kesalahan di Dalam Uji Hipotesis

Keputusan Kondisi Populasi

Hipotesis Nol (H0) benar Hipotesis Nol (H0) salah
Menerima H0 Keputusan benar dengan b (kesalahan tipe II)
derajat kepercayaan (1-a)
Menolak H0 a (kesalahan tipe I) Keputusan benar (1-b)

Dalam prosedur uji statistik, keputusan menolak atau menerima hipotesis nol
tergantung dari besarnya statistik hitung dari uji statistik, keputusan menolak atau
menerima hipotesis nol tergantung dari besarnya statistik hitung dari uji statistik
yang digunakan dibandingkan dengan nilai statistik kritis pada alpha yang dipilih.
Jika nilai absolut statistik hitung lebih besar dari nilai kritisnya maka H0 ditolak atau
menerima Ha, sehingga secara statistik tidak signifikan. Menerima atau menolak
H0 bisa digunakan dengan menggunakan nilai p-value. P-value merupakan besarnya
alpha yang sebenarnya. Jika p-value lebih kecil dari alpha yang dipilih, maka H0
ditolak. Sebaliknya, jika p-value lebih besar dari alpha maka H0 diterima.

C. Jenis-Jenis Analisis Statistika Multivariat

Sebagai alat analisis statistika yang bersifat general, analisis multivariat terdiri
dari beberapa jenis. Jenis analisis multivariat dapat dikelompokkan ke dalam teknik
dependen, teknik interdependen, dan model struktural. Teknik dependen adalah
teknik yang digunakan ketika variabel dependen dipengaruhi oleh variabel
independen. Teknik interdependen adalah teknik yang digunakan ketika semua
variabel saling berpengaruh. Sedangkan teknik struktural adalah teknik yang
digunakan untuk menganalisis variabel dependen dan independen secara simultan.

a. Teknik Dependen
 Bila di dalam analisis multivariat bisa dibedakan antara variabel
dependen dan variabel independen maka dapat digunakan teknik dependen.
Ada beberapa jenis analisis metode dependen di dalam analisis multivariat.
Pengelompokkannya didasarkan oleh dua hal yaitu jumlah variabel dependen
dan jenis pengukuran data terhadap variabel baik dependen maupun
independen. Berdasarkan jumlah variabel dependen, maka analisis multivariat
dikelompokkan apakah mempunyai satu variabel dependen atau beberapa
variabel dependen. Selanjutnya setelah diketahui jumlah variabel dependen
maka dilihat jeniis data variabel dependen maupun data variabel
independennya.
Tabel 2. Jenis Teknik Multivariat Dependen
Jenis Analisis Variabel Jenis Variabel
Multivariat Dependen Independen
Jumlah Variabel Jenis Variabel
Dependen
Regresi 1 Metrik Metrik / Non
Metrik
Regresi Logistik 1 Non Metrik Metrik / Non
Metrik
Analisis 1 Non Metrik Metrik / Non
Diskriminan Metrik
Analisis Konjoin 1 Non Metrik Non Metrik
Analisis >1 Metrik Metrik
Kanonikal
MANOVA >1 Metrik Non Metrik

Jika jumlah variabel dependen adalah satu maka ada empat jenis analisis
multivariat yaitu Regresi, Regeresi Logistik, Analisis Diskriminan, dan
Analisis Konjoin. Analisis regresi adalah analisis jika jumlah variabel
dependennya satu bersifat metrik dan variabel independennya dalam bentuk
metrik ataupun non metrik. Analisis regresi logistik merupakan analisis dengan
jumlah variabel dependen atau bersifat non metrik dan variabel independennya
bersifat baik metrik maupun non metrik. Analisis deskriminan adalah analisis
 dengan jumlah variabel dependen satu bersifat non metrik dan variabel
independennya bersifat metrik maupun non metrik. Jika jumlah variabel
dependennya lebih dari satu maka ada dua jenis analisis multivariat yaitu
analisis kanonikal dan analisis MANOVA. Analisis kanonikal merupakan
analisis dengan lebih dari dua variabel dependen bersifat metrik dan
variabelnya bersifat metrik juga. Sedangkan MANOVA adalah analisis dengan
variabel dependen lebih dari satu bersifat metrik dan variabel independennya
bersifat non metrik.
b. Teknik Interdependen
Dalam banyak kasus seringkali dialami kesulitan dalam memisahkan
antara variabel dependen dan independennya. Dengan kata lain, semua variabel
adalah independen. Tujuan dari analisis interdependen adalah menganalisis
mengapa dan bagaimana variabel-variabel yang ada saling berhubungan.
Karena tidak bisa dipisahkan mana variabel dependen dan mana variabel
independen, maka pembagian metode interdependen didasarkan pada jenis
variabel yang ada yaitu apakah metrik ataupun non metrik . Jika jenis variabel
adalah metrik maka ada tiga jenis analisis yaitu analisis faktor, analisis kluster,
dan skala multidimensi. Sedangkan bila jenis variabel adalah variabel non
metrik maka ada satu analisis yaitu analisis koresponden. Lebih jelasnya dapat
dilihat pada tabel dibawah ini.
Tabel 3. Jenis Teknik Multivariat Interdependen
Jenis Analisis Jenis Variabel
Analisis Faktor Metrik
Analisis Kluster Metrik
Analisis Koresponden Metrik
Analisis Skala Multidimensional Non Metrik

D. Contoh Soal
Ingin diketahui seberapa kuat hubungan antara besarnya pendapatan seorang
dengan pengeluaran (konsumsi) per bulan. Data dari 6 orang ayng
diwawancarai diperoleh data sebagai berikut.
X (pendapatan) : 800 900 700 600 700 800
Y (pengeluaran) : 300 300 200 100 200 200
 BAB III

PENUTUP

A. Simpulan

Chi Kuadrat (dibaca kai kuadrat) merupakan suatu teknik statistik yang memungkinkan
peneliti menilai probabilitas memperoleh perbedaan frekuensi yang nyata (dapat
diobservasi), dengan frekuensi yang diharapkan dalam kategori-kategori tertentu sebagai
akibat dari kesalahan sampling.
Analisis korelasi sederhana ( Bivariate Correlation) digunakan untuk mengetahui
keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.
Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara
dua variabel. Analisis korelasi sederhana dengan metode Pearson atau sering
disebut Product Moment Pearson.

Analisis korelasi multivariat merupakan salah satu analisis statistik yang berkaitan
dengan analisis banyak variabel. Dalam analisis statistika, terdapat pengelompokkan
terhadap jumlah variabel yang dianalisis. Ada dua hipotesis yang diajukan peneliti yaitu
hipotesis nol dan hipotesis alternatif.

B. Saran

Kami ketahui makalah ini masih jauh dikatakan sempurna,untuk itu kami
membutuhkan saran dan kritikan yang membangun kepada para pembaca agar pembuatan
makalah selanjutnya bisa lebih baik lagi.
 DAFTAR PUSTAKA

Agung, I. G. N. 2006. Statistik. Jakarta: Yayasan SAD Satria Bakhti.

Dajan. A. 1983. Pengantar Metode Statistik. Jakarta: LP3ES.
Prof. Sutrisno Hadi, MA. 2016. Statistik. Cetakan Ketiga. Pustaka Pelajar.
Sugiyono. (2007). Metode Penelitian Pendidikan, Pendekatan Kuantitatif, Kualitatif
dan R&D. Bandung: Alphabeta.

Yulingga Nanda, Wasis Himawanto. 2017. Statistik Pendidikan. Cetakan Pertama.

Deepublish Publisher.