Pengolahan dan Analisis Data Statistik

Bivariat
Kelompok 5 :
1. Anggy Wulandari (220209142)
2. Dwi Indrayuni (220209149)
3. Gresilia Toyang (220209152)
4. Muhammad Andira (220209160)
5. Rinandita (220209167)
6. Riski Amaliya (220209169)
7. Rosi Nur Indahsari (220209173)
8. Shela Novita Devi (220209178)
9. Sri Wahyuni (220209181)
 Analisis Bivariat
• Analisis bivariat merupakan analisis yang dilakukan untuk mengetahui
hubungan antara 2 variabel.
• Dalam analisis ini, dua pengukuran dilakukan untuk masing-masing
observasi.
• Dalam analisis bivariat, sampel yang digunakan bisa saja berpasangan
atau masing-masing independen dengan perlakuan tersendiri
• Jenis analisis bivariat :
- Uji Anova
- Korelasi
- ODDS Ratio
 Uji anova
• Analisis varians (Analysis Of Variance) atau ANOVA adalah suatu metode analisis statistika
yang termasuk ke dalam cabang statistika inferensi. Anova digunakan untuk
membandingkan rata-rata populasi bukan ragam populasi.
• Uji anova digunakan untuk menguji rata-rata lebih dari 2 sampel apakah terdapat perbedaan
rata-rata yang signifikan/tidak antar kelompok tersebut. Uji anova sebenarnya merupakan
pengembangan dari uji-T, dimana uji-T digunakan untuk menguji rata-rata dari 2 sampel.
Perbedaan yang mendasar dari uji-T dan anova adalah terletak pada banyaknya kelompok
populasi. Uji T hanya mampu mengakomodasi pengujian kesamaan 2 rata-rata populasi,
sedangkan anova dipakai untuk menguji kesanaan rata-rata 3 atau lebih populasi.
• Jenis data yang tepat untuk ANOVA adalah nominal dan ordinal pada variabel bebasnya,jika
data pada variabel bebasnya dalam bentuk interval atauratio maka harus diubah dulu dalam
bentuk ordinal atau nominal. Sedangkan variabel terikatnya adalah data interval atau ratio.
Beberapa asumsi yang harus dipenuhi pada uji anova antara lain :
• Sampel berasal dari kelompok yang independen
• Data masing-masing kelompok berdistribusi normal
• Varian antar kelompok harus homogen, dikenal sebagai
homoskedastisitas
• Komponen-komponen dalam modelnya bersifat saling aditif
(saling menjumlah)
Uji hipotesis dengan anova digunakan karena beberapa alasan,
yaitu :
• Memudahkan analisis atas bberapa kelompok sampel yang
berbeda dengan resiko kesalahan terkecil
• Mengetahui signifikansi perbedaan rata-rata antara kelompok
sampel satu dengan yang lainnya
• Analisis varian relatif mudah dimodifikasi dan dapat
dikembangkan untuk berbagai bentuk percobaan yang lebih
rumit
Terdapat berbagai jenis ANOVA, yakni:
• One-way ANOVA
• Two-way ANOVA without Interaction
• Two-way ANOVA with Interaction
Setiap ANOVA memerlukan rumus tersendiri untuk
menghitung F-kritis dan F-uji, dan akan dibahas
secara terpisah berikut ini.
 One-way ANOVA
One-way ANOVA atau one-factor completely randomized
design of ANOVA, adalah uji hipotesis beda mean lebih dari
dua populasi jika setiap anggota yang terlibat dalam
pengukuran bebas untuk terletak di populasi mana saja, artinya
tidak ada kesengajaan untuk mengatur letak suatu anggota
dalam suatu populasi tertentu (sehingga disebut completely
randomized).
 Two-way ANOVA without Interaction
• Two-way ANOVA digunakan ketika ada variabel lain (selain
TREATMENT) yang juga mempengaruhi mean dari tiap kelompok.
• Jika kita menggunakan analisis Two-way ANOVA, variasi total dalam
model bisa digambarkan dalam diagram berikut:
 Two-way ANOVA with Interaction
• ANOVA jenis ini bermaksud mengetahui apakah ada interaksi antara variabel treatment dan variabel
blok dalam mempengaruhi mean antar treatment.
• Untuk mengetahui hal tersebut, kita memerlukan informasi apakah semua sel (pertemuan antara
treatment dan blok) memiliki mean yang sama. Jika mean-mean dari sel-sel tersebut berbeda, maka
interaksi tersebut mempengaruhi mean antar treatment. Dengan demikian, setiap sel harus memiliki
observasi lebih dari satu. Dengan demikian, kita akan memasukkan beberapa observasi ke dalam setiap
sel.
 Korelasi
• Kolerasi adalah Hubungan antara dua variabel atau lebih
• Tujuan dilakukan analisa korelasi adalah :
• Untuk mencari bukti terdapat tidaknya hubungan(korelasi) antar variabel
• Bila sudah ada hubungan untuk melihat besar-kecilnya hubungan
antarvariabel
• Untuk memperoleh kejelasan apakah hubungantersebut berarti atau tidak
berarti
 Koefisien Korelasi
• Tidak menggambarkan hubungan sebab-akibat
• Nilainya berkisar antara -1 dan 1
• Tanda (+) menyatakan searah/(-) menyatakan
berlawanan arah
• Koefisien Korelasi : hubungan yang linier
• Koefisien Korelasi Spearman (rank correlation):
hubungan trend/kecenderungan
Hubungan antar variabel
Jenis kolerasi
 Pedoman umum dalam menentukan kriteria kolerasi

Interprestasi angka korelasi menurut Prof. Sugiyono (2007)

• 0 - 0,199 : Sangat lemah
• 0,20 - 0,399 : Lemah
• 0,40 - 0,599 : Sedang
• 0,60 - 0,799 : Kuat
• 0,80 - 1,0 : Sangat kuat
 Odd ratio
• Odds adalah perbandingan antara kemungkinan terjadinya suatu kejadian dengan kemungkinan
tidak terjadinya kejadian tersebut. Dalam istilah sederhana, odds menggambarkan seberapa besar
peluang suatu kejadian terjadi.
• Odds Ratio (OR) adalah ukuran asosiasi paparan (faktor risiko) dengan kejadian
penyakit;dihitung dari angka kejadian penyakit pada kelompok berisiko (terpapar faktor
risiko)dibanding angka kejadian penyakit pada kelompok yang tidak berisiko (tidak terpapar
faktorrisiko).
• Odds dapat dinyatakan dalam bentuk rasio atau perbandingan dua angka. Misalnya, jika
kemungkinan terjadinya suatu kejadian adalah 3 banding 1, maka odds-nya adalah 3:1.
• Ini berarti bahwa peluang terjadinya kejadian tersebut adalah 3 kali lebih besar dari pada peluang
tidak terjadi.
• Rumus dari ODDS Ratio adalah:
di mana: "a" adalah cell a, "b" adalah cell b, "c" adalah cell c dan "d" adalah cell d
• Odds ratio juga hanya boleh dilakukan pada penelitian dengan pendekatan Case Control.
Sedangkan untuk penelitian dengan pendekatan kohort, maka disebut Relatif Risk
TERIMAKASIH