TUGAS ANALISIS DATA EKSPLORATIF

Oleh
Nama : 1. Rahma Yani (F1F016015)
2. Novri Andre (F1F016016)
3. Rahmat Kevin Praditia (F1F016025)
Dosen Pengampu : 1. Prof. Ir. Sigit Nugroho, M.Sc., Ph.D.
2. Winalia Agwil, S.Si., M.Si.

PROGRAM STUDI S1 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BENGKULU
2019
 ASOSIASI BIVARIAT

1. Asosiasi Dua Variabel (Kategorik-Kategorik)

a. Uji Chi-Square
Salah satu pertanyaan paling sering diajukan dalam suatu penelitian adalah
“apakah dua peubah saling berhubungan?”. Misalnya, seorang konsultan ingin
mengetahui apakah jenis kelamin berhubungan dengan tingkat kesibukan aktivitas
seseorang. Atau mungkin juga seorang dokter ingin mengatahui apakah ada kaitan
antara jenis kelamin dengan perilaku merokok. Apabila tidak saling berhubungan,
kedua peubah tersebut dikatakan saling bebas (independent). Jadi, dua peubah
dikatakan saling bebas apabila distribusi satu peubah diantaranya tidak dipengaruhi
oleh distribusi peubah lainnya. Apabila dua peubah saling bebas, nilai pada satu
peubah tidak dapat digunakan untuk menghitung ataupun memperkirakan nilai pada
peubah lainnya, demikian sebaliknya. Uji kebebasan yang biasa digunakan adalah
uji Khi-Kuadrat. Dalam bahasa Inggris, uji ini disebut sebagai Chi-Square Test for
Independence. Dilakukan untuk menguji apakah ada asosiasi atau hubungan antara
dua buah variabel bersifat kategorik.
H 0 : Tidak ada asosiasi (saling bebas)
vs
H 1 : Ada asosiasi (tidak saling bebas)
Asumsi
a. Data terdiri dari sebuah contoh acak berukuran n dari beberapa populasi.
b. Pengamatan-pengamatan pada contoh dapat dikategori-silangkan berdasarkan
dua kriteria, sehingga setiap pengamatan akan berada pada satu – dan hanya
satu–kategori dari setiap kriteria. Kriteria yang dimaksud adalah peubah-
peubah yang diamati.
c. Peubah yang diamati bersifat kategorik, atau dapat juga berupa peubah
kuantitatif yang pengukurannya dapat dinyatakan dalam kategori numerik.
Statistik Uji
I J 2
(O −Eij )
χ =∑ ∑ ij
2

i=1 j =1 Eij
Sedangkan frekuensi harapan sendiri dapat dihitung dengan rumus :
ni . n . j
Eij =
n

Dimana Oij= frekuensi teramati baris-i kolom-j

Eij = frekuensi nilai harapan baris-i kolom-j
Statistik ini akan mendekati sebaran χ 2 dengan derajat bebas (r-1) (c-1); dalam hal ini r
adalah banyaknya baris (row) dan c adalah banyaknya kolom (column) pada tabel
kontingensi. Hipotesis awal bahwa dua peubah saling bebas ditolak pada taraf nyata α
apabila nilai hitung dari statistik χ 2lebih besar dari nilai χ 21−α dengan derajat bebas (r-1)
(c-1).
Contoh soal: (Tabel Kontingensi)
Seorang konsultan ingin mengetahui hubungan antara jenis kelamin (wanita, pria)
dengan tingkat kesibukan (tinggi, menengah, rendah) seseorang. Data frekuensi
ditampilkan dalam tabel kontingensi di bawah ini. Ujilah apakah jenis kelamin dan
tingkat kesibukan memiliki hubungan yang signifikan?
Jawab:
1) Hipotesis
H 0 : Tidak ada asosiasi antara jenis kelamin dan tingkat kesibukan atau μi=0 ,i=1,2 .
H 1 : Ada asosiasi antara jenis kelamin dan tingkat kesibukan μi ≠0 ,i=1,2.
2) Besaran yang diperlukan
α =5 %
n1. = 35
n2. = 56
n.1 = 21
n.2 = 61
n.3 = 9
n = 91
3) Statistik Uji
I J
(Oij −Eij )2
χ =∑ ∑
2

i=1 j =1 Eij

Mencari frekuensi harapan masing-masing terlebih dahulu :

n1. n.1 35 x 21 735
E11= = = =8,08
n 91 91
n1. n.2 35 x 61 2135
E12= = = =23,46
n 91 91
n1. n .3 35 x 9 315
E13= = = =3,46
n 91 91
n2. n.1 56 x 21 1176
E21= = = =12,92
n 91 91
n2. n.2 56 x 61 3416
E22= = = =37,54
n 91 91
n2. n .3 56 x 9 504
E23= = = =5,54
n 91 91
2 2 2
2 ( 5−8,08) ( 26−23,46) (5−5,54)
χ= + + …+ =2,49
8,08 23,46 5,54
Dengan derjat bebas (2−1)(3−1)=2 dengan nilai tabel χ 21−α ;2=5,99 .

4) Kriteria Penolakan
 Tolak H 0 jika χ 2 ≥ χ 21−α ;2
Terima H 0 jika χ 2 < χ 21−α ;2
5) Kesimpulan
Berdasarkan perhitungan di atas, didapatkan nilai χ 2=2,49< χ 21−α ;2=5,99. Maka H 0
diterima, artinya tidak ada asosiasi atau hubungan antara jenis kelamin terhadap tingkat
kesibukan. Keluaran pada SPSS (hasilnya sama):

b. Uji Fisher’s Exact

Merupakan salah satu uji nonparametrik yang digunakan untuk menganalisis dua
sampel independen yang berskala nominal atau ordinal jika kedua sampel
independennya berjumlah kecil (biasanya kurang dari 40), data disajikan dalam
1
bentuk tabel kontingensi 2 x 2. E= ( A + D ) <5.
2
 Rumus peluang (Stat. Uji):
( A+ B ) ! ( C+ D ) ! ( A+C ) ! ( B+ D ) !
P=
N ! A! B!C ! D !
Hipotesis awal ditolak jika nilai p-value yang diperoleh lebih kecil dari taraf
signfikansi yang digunakan.

Contoh soal:
Sebuah studi kasus kontrol ingin melihat pengaruh merokok malam dengan kejadian
kanker paru, hasil yang diperoleh tersaji pada tabel silang berikut :
Kanker Paru
Merokok
Jumlah
Malam Ya Tidak
Ya 3 0 3
Tidak 1 3 4
Jumlah 4 3 7
Apakah ada perbedaan antara kebiasaan merokok malam dengan dengan kejadian
kanker paru pada perokok pada α = 5%
Jawab:
1) Hipotesis
H 0 : Tidak ada asosiasi data antara kebiasaan merokok malam dengan dengan kejadian
kanker paru pada perokok μi=0 ,i=1,2.
H 1 : Ada asosiasi data antara kebiasaan merokok malam dengan dengan kejadian
kanker paru pada perokok μi ≠0 ,i=1,2.
2) Besaran yang diperlukan
α = 5%
3) Statistik Uji
( A+ B ) ! ( C+ D ) ! ( A+C ) ! ( B+ D ) ! ( 3+0 ) ! ( 1+3 ) ! ( 3+1 ) ! ( 0+ 3 ) !
P= =
N ! A! B!C ! D ! 7!3!0!1!3!
6 ∙ 24 ∙ 24 ∙6 20736
P= = =0,1143
5040 ∙6 ∙ 1 ∙1 ∙6 181440
4) Kriteria Penolakan
Tolak H 0 jika P ≤ α
Terima H 0 jika P>α
5) Kesimpulan
Uji 1 Sisi P=0,114>α =0,05 maka H 0diterima dan uji 2 sisi yaitu
P=0,114∗2=0,228> α=0,05 sehingga H 0 Diterima. Jadi, baik pada Uji satu sisi
maupun dua sisi, kita menyimpulkan tidak ada perbedaan yang bermakna antara
mereka yang merokok maupun tidak merokok pada malam hari terhadap kanker
paru.
2. Asosiasi Dua Variabel (Numerik-Kategorik)
a. Kategorik = 2
1) Uji t-independen
Asumsi:
− Distribusi normal
− Data independen
− Variabel numerik vs kategorik (hanya 2 kelompok)
Prinsipnya ingin mengetahui apakah ada perbedaan mean antara dua populasi,
dengan membandingkan dua mean sampelnya.
Contoh kasus:
Seorang peneliti ingin mengetahui apakah ada hubungan perilaku menyusui
tehadap kadar Hb. Diambil sampel 14 ibu, dengan 0 = tidak ekslusif, 1 = ekslusif.

Hasil pengukuran sebagai berikut :

 HB ASI
13.1 1
11.4 0
15.9 0
14.2 1
15.1 1
16.3 1
12.8 0
13.7 0
10.9 1
11.9 0
12.8 1
14.3 1
18.3 1
15.6 0

Jawab:

a) Hipotesis
H0 : Tidak ada asosiasi antara kadar Hb terhadap perilaku menyusui atau
μi=0 ,i=1,2
H 1 : Ada asosiasi antara kadar Hb terhadap perilaku menyusui atau μi ≠0 ,i=1,2.
b) Besaran yang diperlukan
α =5 %
c) Kesimpulan
Berdasarkan keluaran program, didapatkan bahwa nilai p−value=0,00≤ α =0,05 .
Maka H 0 ditolak, artinya ada asosiasi antara kadar Hb terhadap perilaku
menyusui.
2) Uji ANOVA
Anova (Analysis of variances) digunakan untuk melakukan analisis komparasi
multivariabel. Teknik analisis komparatif dengan menggunakan tes “t” yakni dengan
mencari perbedaan yang signifikan dari dua buah mean hanya efektif bila jumlah
variabelnya dua. Untuk mengatasi hal tersebut ada teknik analisis komparatif yang
lebih baik yaitu Analysis of variances yang disingkat anova. Anova digunakan untuk
membandingkan rata-rata populasi bukan ragam populasi. Jenis data yang tepat
untuk anova adalah nominal dan ordinal pada variabel bebasnya, jika data pada
variabel bebasnya dalam bentuk interval atau rasio maka harus diubah dulu dalam
bentuk ordinal atau nominal. Sedangkan variabel terikatnya adalah data interval atau
rasio. Anova satu arah (one way anova) digunakan apabila yang akan dianalisis
terdiri dari satu variabel terikat dan satu variabel bebas. Interaksi suatu kebersamaan
antar faktor dalam mempengaruhi variabel bebas, dengan sendirinya pengaruh
faktorfaktor secara mandiri telah dihilangkan. Jika terdapat interaksi berarti efek
faktor satu terhadap variabel terikatakan mempunyai garis yang tidak sejajar dengan
efek faktor lain terhadap variabel terikat sejajar (saling berpotongan), maka antara
faktor tidak mempunyai interaksi.
Bentuk Data

kn
Dimana 2 : T ∑Ti⋅¿2 T 2
JKT=∑ ∑ x2ij− ¿⋅¿ ¿JKP=i=1 − ¿⋅¿ ¿JKG=JKT−JKP¿
i=1 j=1 nk n nk
 JKT = Jumlah Kuadrat Total
JKP = Jumlah Kuadrat Perlakuan
JKG = Jumlah Kuadrat Galat
Tabel ANOVA:
Sumber Derajat Jumlah Kuadrat
Variasi Bebas Kuadrat Tengah F
Perlakuan k-1 JKP JKP/k-1 KTP/KTG
Galat k(n-1) JKG JKG/k(n-1)  
Total nk-1 JKT    

Contoh soal:
Pada contoh ini akan dicoba hubungan antara tingkat pendidikan ibu dengan berat badan
bayi. Variabel pendidikan merupakan kategorik dengan 4 kategori sedangkan variabel
berat badan bayi merupakan numerik. 1 = SD, 2 = SMP, 3 = SMA, 4 = Sarjana.
TP BB Bayi
1 3.4
1 4.5
1 2.8
2 4.1
2 3.5
2 4.6
3 3.2
3 4.8
3 2.9
4 3.7
4 3.9

Jawab:
 Populasi
1 2 3 4
  3.4 4.1 3.2 3.7  
4.5 3.5 4.8 3.9
2.8 4.6 2.9 4.5
total 10.7 12.2 10.9 12.1 45.9
T 2i . 114.49 148.84 118.81 146.41 528.55
2 2 2 2
x ij x ij x ij x ij

11.56 16.81 10.24 13.69

20.25 12.25 23.04 15.21
7.84 21.16 8.41 20.25
k n

∑ ∑ x2ij =180.71
i=1 j=1

∑ T 2i .=528.55
i=1

Manual:
k n 2
T .. (45.9)2 2106.81
JKT=∑ ∑ x − =180.71−
2
=180.71−
ij =5.142
i=1 j=1 nk 12 12
k

∑ T 2i . 2
T .. 528.55 (45.9)2
i=1
JKP= − = − =176.183−175.568=0.616
n nk 3 12
JKG=JKT −JKP=5.142−0.616=4.527
JKP 0.616
KTP= = =0.205
df 3
JKG 4.527
KTG= = =0.566
df 8
Tabel ANOVA dengan bantuan SPSS

ANOVA

BB

Sum of Squares df Mean Square F Sig.

Between Groups .616 3 .205 .363 .782

Within Groups 4.527 8 .566

Total 5.142 11
a) Hipotesis
H 0 : Tidak ada asosiasi antara Tingkat Pendidikan Ibu dan Berat Badan Bayi atau
μi=0 ,i=1,2
H 1 : Ada asosiasi antara Tingkat Pendidikan Ibu dan Berat Badan Bayi atau
μi ≠0 ,i=1,2
b) Besaran yang diperlukan
α =5 %
c) Statistik Uji
KTP 0,205
F= = =0,363
KTG 0,566
d) Kriteria Penolakan
Tolak H 0 jika F hit > F (α ;k −1 ;k (n−1)) atau p−value ≤ α
Terima H 0 jika F hit ≤ F(α ; k−1; k(n−1)) atau p−value>α
e) Kesimpulan
Berdasarkan keluaran program, didapatkan bahwa nilai
p−value=0 ,782> α=0,05 atau F hit =0,363< F(0.05 ;3 ;8) =4,066 . Maka H 0 diterima,
artinya tidak ada asosiasi antara Tingkat Pendidikan Ibu dan Berat Badan Bayi.

DAFTAR PUSTAKA
Muhson, Ali. 2016. ANOVA. http://staffnew.uny.ac.id/upload/132232818/pendidikan
/Ali%20Muhson%20(2016)%20Pedoman%20Praktikum%20Analisis
%20Statistik.pdf.
Nurjati, Syekh. 2013. Uji t. http://sc.syekhnurjati.ac.id/esscamp/files_dosen/modul
/Pertemuan_14IN.1040837.pdf.
Purnawadi, I Gede. 2013. Analisis Bivariat. https://www.academia.edu/24915133/
ANALISISBIVARIAT_DATA_KATEGORIK_DAN_NUMERIK_Uji_t_dan_A
NOVA.
Wibowo, Ari. 2012. Uji Chi-squared. file:///C:/Users/CACC/Downloads/294-804-1-
PB.pdf.