2
1. Analisis Satu Variabel (Univariat Analysis)
Kepatuhan N %
4
2. Analisis bivariat
Analisa bivariate Adalah analisis yang dilakukan pada dua variabel, yang bermanfaat untuk
mengetahui hubungan pada dua variabel tersebut. Analisis ini memiliki lebih dari satu
variabel bebas dan satu variabel terikat.
Apabila telah dilakukan analisis univariat, hasilnya akan diketahui karakteristik atau
distribusi setiap variabel dan dapat dilanjutkan dengan anlisis bivariat. Analisis bivariat
dilakukan terhadap dua variable yang diduga berhubungan atau berkorelasi. Dalam analisis
bivariat 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 sebagainya). 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 tetapi secara statistik hubungan tersebut
tidak bermakna.
5
2. Analisis bivariat
3) Analisis keeratan hubungan antara dua variabel, dengan melihat
(
6
2. Analisis bivariat
Uji statistik yang dipakai pada analisis bivariat:
7
Analisis Bivariat: Prosedur Umum untuk Uji Asosiasi
8
2. Analisis bivariat
1) Chi Square ( chi kuadrat)
Adalah suatu teknik statistik yang memungkinkan penyelidikan menilai probabilitas memperoleh
perbedaan frekuensi yang nyata (yang diobservasi) dengan frekuensi yang diharapkan dalam kategori –
kategori tertentu sebagai akibat dari kesalahan sampling.
10
2. Analisis bivariat
Independen T Test
adalah uji komparatif atau uji beda untuk mengetahui adakah perbedaan mean atau rerata yang
bermakna antara 2 kelompok bebas yang berskala data interval/rasio. Dua kelompok bebas yang dimaksud
di sini adalah dua kelompok yang tidak berpasangan, artinya sumber data berasal dari subjek yang
berbeda. Misal Kelompok Kelas A dan Kelompok kelas B, di mana responden dalam kelas A dan kelas B
adalah 2 kelompok yang subjeknya berbeda. Bandingkan dengan nilai pretest dan posttest pada kelas A, di
mana nilai pretest dan posttest berasal dari subjek yang sama atau disebut dengan data berpasangan.
Apabila menemui kasus yang data berpasangan, maka uji beda yang tepat adalah uji paired t test.
Asumsi yang harus dipenuhi pada independen t test antara lain:
1. Skala data interval/rasio.
2. Kelompok data saling bebas atau tidak berpasangan.
3. Data per kelompok berdistribusi normal.
4. Data per kelompok tidak terdapat outlier.
5. Varians antar kelompok sama atau homogen.
11
2. Analisis bivariat
3) One Way Anova (Analysis of variance)
Anova (analysis of varian) digunakan untuk menguji perbedaan mean (rata-
rata) data lebih dari dua kelompok. Misalnya kita ingin mengetahui apakah ada
perbedaan rata-rata lama hari dirawat antara pasien kelas VIP, I, II, dan kelas III
Beberapa asumsi yang harus dipenuhi pada uji Anova adalah:
1. Data berdistribusi normal
2. Varians atau ragamnya homogen
3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan
perancangan percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah)
12
2. Analisis bivariat
4) Korelasi
Korelasi Product Moment Pearson
Teknik Korelasi ini digunakan untuk mencari hubungan dua variabel dengan
data kedua variabel berskala interval atau rasio. Koefisien korelasi mempunyai
nilai -1 ≤ r ≤ 1. Koefisien r melambangkan estimasi untuk sampel, sedangkan
koefisien ρ mewakili korelasi populasi. Koefisien korelasi menunjukkan besar
dan arah dari hubungan. Arah menunjukkan pada kita apakah nilai-nilai yang
besar pada sebuah variabel berkorelasi dengan nilai-nilai besar pada variabel
yang lain (dan nilai-nilai yang kecil dengan nilai-nilai yang kecil). Apabila nilai-
nilai berkorelasi dengan cara demikian maka kedua variabel mempunyai
hubungan positif. Apabila satu variabel naik maka yang lain juga akan ikut naik.
13
2. Analisis bivariat
5) Regresi sederhana
Analisis regresi linear sederhana adalah hubungan secara linear antara satu variabel
independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah
hubungan antara variabel independen dengan variabel dependen apakah posiutif atau
negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala
interval atau rasio. Rumus regresi linear sederhana sebagai berikut:
Y’ = a + b X
Di mana:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = konstanta (nilai Y’ apabila X=0)
b = koefisien regresi (nilai peningkatan ataupun penurunan)
14
Uji perbedaan
Untuk mendeteksi mengenai perbedaan antar kelompok yang amat berguna bagi para
peneliti. Uji ini meliputi uji Chi Square untuk menguji perbedaan antar grup dan uji Z
untuk perbedaan proporsi, serta uji t untuk perbedaan rata-rata
15
3. Analisis Banyak Variabel (Multivariat Analysis)
Analisis bivariate hanya akan menghasilkan hubungan antara dua variabel yang
bersangkutan ( variabel independen dengan variabel dependen). Untuk
mengetahui hubungan lebih dari satu variabel independen terhadap satu variabel
dependen, harus dilanjutkan lagi dengan melakukan analisis multivariat. Analisis
statistik multivariat merupakan metode statistik yang memungkinkan kita
melakukan penelitian terhadap lebih dari dua variable secara bersamaan. Dengan
menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh beberapa
variable terhadap variabel – (variable) lainnya dalam waktu yang bersamaan.
17
3. Analisis Banyak Variabel (Multivariat
Analysis)
Dari table di atas dapat disimpulkan bahwa :
- Responden yang mempunyai pengetahuan tinggi berpeluang 19,03 kali patuh berobat
dibandingkan dengan responden yang berpengetahuan rendah
- Responden yang berumur muda berpeluang 11,747 kali patuh patuh berobat
dibandingkan dengan responden yang berumur lebih tua
- Responden yang berpendidikan tinggi berpeluang 13,804 kali patuh berobat
dibandingkan dengan responden yang berpendidikan rendah.
Dari ketiga variabel independen tersebut maka variabel pengetahuan adalah variabel yang
paling dominan berhubungan dengan kepatuhan berobat dengan OR 19,305.
• Hal ini berarti bahwa responden yang mempunyai pengetahuan TB yang tinggi
berpeluang 19 kali untuk patuh berobat dibandingkan dengan responden yang
berpengetahuan TB yang rendah, setelah dikontrol variabel pendidikan dan umur.
18
Klasifikasi Teknik-Teknik Analisis Multivariat
1. Analisis dependensi
berfungsi untuk menerangkan atau memprediski variable (variable) tergantung dengan
menggunakan dua atau lebih variable bebas. Yang termasuk dalam klasifikasi ini ialah analisis
regresi linear berganda, analisis diskriminan, analisis varian multivariate (MANOVA), dan analisis
korelasi kanonikal.
Metode dependensi diklasifikasikan didasarkan pada jumlah variable tergantung, misalnya
satu atau lebih dan skala pengukuran bersifat metrik atau non metrik. Jika variable tergantung
hanya satu dan pengukurannya bersifat metrik, maka teknik analisisnya digunakan analisis regresi
berganda. Jika variable tergantung hanya satu dan pengukurannya bersifat non-metrik, maka
teknik analisisnya digunakan analisis diskriminan. Jika variable tergantung lebih dari satu dan
pengukurannya bersifat metrik, maka teknik analisisnya digunakan analisis multivariate varian.
Jika variable tergantung lebih dari satu dan pengukurannya bersifat non-metrik, maka teknik
analisisnya digunakan analisis conjoint. Jika variable tergantung dan bebas lebih dari satu dan
pengukurannya bersifat metrik atau non metrik, maka teknik analisisnya digunakan analisis
korelasi kanonikal.
19
Klasifikasi Teknik-Teknik Analisis Multivariat
(1) Analisis Regresi Linear Berganda
Yang dimaksud dengan analisis regresi linear berganda ialah suatu analisis asosiasi yang digunakan secara bersamaan untuk
meneliti pengaruh dua atau lebih variable bebas terhadap satu variable tergantung dengan skala interval. Pada dasarnya teknik
analisis ini merupakan kepanjangan dari teknik analisis regresi linear sederhana. Untuk menggunakan teknik analisis ini syarat-
syarat yang harus dipenuhi diantaranya ialah:
· Data harus berskala interval.
· Variabel bebas terdiri lebih dari dua variable.
· Variabel tergantung terdiri dari satu variable.
· Hubungan antar variable bersifat linier. Artinya semua variable bebas mempengaruhi variable tergantung. Pengertian ini secara
teknis disebut bersifat rekursif, maksudnya pengaruh bersifat searah dari variable-variabel X ke Y Tidak boleh terjadi sebaliknya
atau juga saling berpengaruh secara timbal balik (reciprocal).
= Tidak boleh terjadi multikolinieritas. Artinya sesama variable bebas tidak boleh berkorelasi terlalu tinggi, misalnya 0,9 atau
terlalu rendah, misalnya 0,01.
= Tidak boleh terjadi otokorelasi. Akan terjadi otokorelasi jika angka Durbin dan Watson sebesar < 1 atau > 3 dengan skala 1 – 4.
= Jika ingin menguji keselarasan model (goodness of fit), maka dipergunakan simpangan baku kesalahan. Untuk kriterianya
digunakan dengan melihat angka Standard Error of Estimate (SEE) dibandingkan dengan nilai simpangan baku (Standard
Deviation). Jika angka Standard Error of Estimate (SEE) < simpangan baku (Standard Deviation), maka model dianggap selaras.
= Kelayakan model regresi diukur dengan menggunakan nilai signifikansi. Model regresi layak dan dapat dipergunakan jika angka
signifikansi lebih kecil dari 0,05 (dengan presisi 5%) atau 0,01 (dengan presisi 1%) 20
Klasifikasi Teknik-Teknik Analisis Multivariat
(2) Analisis Diskriminan
Yang dimaksud dengan analisis diskriminan ialah suatu teknik statistik yang yang digunakan untuk memprediksi
probabilitas obyek-obyek yang menjadi milik dua atau lebih kategori yang benar-benar berbeda yang terdapat dalam
satu variable tergantung didasarkan pada beberapa variable bebas.
Tujuan utama menggunakan analisis diskriminan ialah melihat kombinasi linier. Artinya untuk mempelajari arah
perbedaan-perbedaan yang terdapat dalam suatu kelompok sehingga diketemukan adanya kombinasi linier dalam
semua variable bebas. Kombinasi linier ini terlihat dalam fungsi diskriminan, yaitu perbedaan-perbedaan dalam rata-
rata kelompok. Jika menggunakan teknik ini, pada praktiknya peneliti mempunyai tugas pokok untuk menurunkan
koefesien-koefesien fungsi diskriminan (garis lurus).
Untuk menggunakan teknik analisis ini syarat-syarat yang harus dipenuhi diantaranya ialah:
a. Variabel tergantung hanya satu dan bersifat non-metrik, artinya data harus kategorikal dan berskala nominal
b. Variabel bebas terdiri lebih dari dua variable dan berskala interval
c. Semua kasus harus independent
d. Semua variabel prediktor sebaiknya mempunyai distribusi normal multivariat, dan matrices variance-covariance
dalam kelompok harus sama untuk semua kelompok
e. Keanggotaan kelompok diasumsikan ekseklusif, maksudnya tidak satupun kasus yang termasuk dalam kelompok
lebih dari satu. dan exhaustive secara kolektif, maksudnya semua kasus merupakan anggota satu kelompok 21
Klasifikasi Teknik-Teknik Analisis Multivariat
24
Analsis Multivariat Varian (MANOVA)
25
TerIma KasIh
26