Hubungan Antara Dua Variabel

Hubungan antar variabel atau sering di kenal hubungan antar dua variabel yaitu
variabel bebas (Independen/pengaruh) dengan variabel terikat (Dependen/terpengaruh)
dengan simbol X dan Y biasanya dikaitkan dengan analisis hubungan kausal (hubungan
sebab akibat).
1. Uji Kai Kuadrat
a. Pengertian dan Konsep Uji Kuadrat
Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis
uji komparatif non parametris yang dilakukan pada dua variabel, di mana skala data
kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala
nominal maka dilakukan uji chi square dengan merujuk bahwa harus digunakan uji pada
derajat yang terendah). 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 :
1) Menguji proporsi untuk data multinom
2) Menguji kesamaan rata-rata data poisson
3) Menguji independen antara dua faktor didalam kontingensi
4) Menguji kesesuaian antara data hasil pengamatan dengan model distribusi dari mana
data itu diduga diambil, dan
5) Menguji model distribusi berdasarkan data hasil pengamatan.
b. 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).
 Akan diuji dengan pasangan hipotesis :

Agar mudah diingat, adanya kategori Ai, hasil pengamatan Oi dan hasil yang
diharapkan Ei, sebaiknya disusun dalam daftar sebagai berikut :

Rumus yang digunakan dalam uji tersebut adalah:

dengan keterangan:
Oi = banyaknya kasus yang diamati dalam kategori i.
Ei = banyaknya kasus yang diharapkan
= penjumlahan semua kategori k

c. Prosedur untuk Sampel Dependen

Uji McNemar dua sampel dependen dapat diperluas untuk dipakai dalam
penelitian yang mempunyai lebih dari dua kelompok sampel. Perluasan ini, yakni uji Q
Cochran k sampel berhubungan memberi suatu metode untuk menguji apakah tiga
himpunan atau lebih mempunyai frekuensi atau proporsi saling berbeda atau tidak.
Rumus yang digunakan dalam uji Q Cochran adalah:
 dengan keterangan:
Gj = jumlah keseluruhan “sukses” dalam kolom ke j
Li = jumlah keseluruhan “sukses” dalam barir ke i.
2. Korelasi
Persamaa regresi yang diperoleh dengan menggunakan formulasi di atas adalah
persamaan yang menunjukkan hubungan fungsional antara variable dependen (Y)
dengan variable indenpenden (X, akan tetapi tidak dapat diketaahui lebih jauh mengenai
apakah persamaan regresi tersebut dapat digunakan untuk menaksir nilai variable
dependen. Untuk sampai pada kesimpulan tersebut, harus dilakukan beberapa pengujian
statistic terhadap persamaan regresi tersebut, yaitu:
a. Pengujian terhadap koefisien regresi;
b. Pengujian terhadap variansnya;
c. Penentuan keeratan hubungan antara variable dependen dengan variable independen
Untuk mengetahui keerataan hubungan antara dua buah variable digunakan
ukuran koefisien korelasi (r). Besarnya koefisien korelasi (r) antara dua buah variable
adalah nol sampai dengan ± 1. Apabila dua buah variable mempunyai nilai r = 0, berarti
antara variable tersebut tidak ada hubungan. Sedangkan apabila dua buah variable
mempunyai nilai r = ± 1, maka dua buah variable tersebut mempunyai hubungan yang
sempurna. Tanda minus (-) pada nilai r menunjukkan hubungan yang berlawanan arah
(apabila nilai nunjvariable yang satu naik, maka nilai variable yang lain turun), dan
sebaliknya tanda plus (+) pada nilai r menunjukkan hubungan yang searah (apabila nilai
variable yang satu naik, maka nilai variable yang lain juga naik). Semakin tinggi nilai
koefisien korelasi antara dua buah variable (semakin mendekati 1), maka tingkat
keeratan hubungan antara dua variable tersebut semakin tinggi. Dan sebaliknya semakin
rendah koefisien korelasi anatara dua macam variable (semakin mendekati 0), maka
tingkat keeratan hubungan antara dua variable tersebut semakin lemah.Misalnya dua
buah variable mempunyai koefisien korelasi (r) = 0,7. Ini menunjukkan bahwa tingkat
keeratan hubungan searah antara dua variable tersebut adalah 0,7 atau 70%.
Total deviasi suatu titik pada diagram sebar merupakan penjumlahan antara deviasi
yang tidak dapat dijelaskan dan deviasi yang dapat dijelaskan. Atau secara
matematis dapat ditulis sebagai berikut:
(Y-(Ῡ)) = (Y – Yc) + (Yc – (Ῡ))
Yang menyatakan bahwa:
(Y - Ῡ) : total deviasi (total deviation)
( Y - Yc) : deviasi yang tidak dapat dijelaskan (unexplained deviation)
(Yc - Ῡ) : deviasi yang dapat dijelaskan (explained deviation)
Apabila diinginkan untuk melibatkan semua titik pada diagram sebar, maka total
variasi sama dengan variasi yang tidak dapat dijelaskan ditambah variasi yang dapat
dijelaskan. Atau secara matematis dapat ditulis sebagai berikut:
Σ(Y- Ῡ)2 = Σ(Y – Yc)2 + Σ(Yc – Y)2
Yang menyatakan bahwa:
Yc : taksiran (nilai Y yang ditentukan dengan menggunakan persamaan regresi yang
diperoleh)
Ῡ : Y rata-rata
Y :nilai Y actual
Formula alternatif yang dapat digunakan untuk menghitung koefisien korelasi
adalah sebagai berikut:

3. Regresi
Analisis regresi bertujuan untuk menentukan persamaan regresi yang baik yang
dapat digunakan untuk menaksir nilai variabel dependen. Maka persamaan yang akan
ditentukan adalah sebagai berikut:
 Y = A + Bx
Yang menyatakan bahwa
a : konstanta (nilai Y apabula X= 0)
b : koefisien regresi (taksiran perubahan nilai Y apabila X berubah nilai satu unit)
Y : variabel yang nilainya dipengaruhi variabel lain (dependent variabele)
X : variabel yang mempengaruhi nilai variabel lain (independent variabel)
Seperti halnya dengan garis trend, garis regresi yang baik adalah garis regresi
yang mempunyai cirri-ciri sebagai berikut:
Σ(Y-Yt) = 0
Σ(Y-Yt)2= nilai minimum (nilai terkecil)
Oleh karena itu untik memperoleh persamaan regresi yang mempunyai cirriciri di atas,
maka persamaan regresi tersebut ditentuka dengan metode jumlah kuadrat terkecil (least
sum of square method). Dengan metode ini, nilai konstanta (a) dan koefisien regresi (b)
pada persaman regresi dapat dihitung dengan menggunakan formula:
b = n ΣXY- ΣX ΣY
n ΣX- (ΣY)2

BAB III
PENUTUP

A. SIMPULAN
DAFTAR PUSTAKA

Nuryadi, T. D. Astuti, E. S. Utami, M. Budiantara. 2017. Dasar-Dasar Statistika

Penelitian. Sibuku Media. Yogyakarta.

Prasetyo, Bambang. 2015. Konsep Dasar Statistika.

Sulung, Neila., A. I. Yasril. 2020. Buku Pengantar Statistik Kesehatan (Biostatistik). CV

Budi Utama. Yogyakarta.

Wijayanti, Anin. 2019. Modul Pembelajaran Biostatistik. Icme Press. Jawa Timur.

Umami, Afriza. 2021. Konsep Dasar Biostatistik. CV Pelita Merdeka. Kediri.