Epidemiologi

1. ANALISIS BIVARIATE

Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini

biasanya dilakukan untuk melihat apakah satu variabel, seperti jenis kelamin,

adalah terkait dengan variabel lain, mungkin sikap terhadap pria maupun wanita

kesetaraan. Analisis bivariate terdiri atas metode-metode statistik inferensial

yangdigunakan untuk menganalisis data dua variabel penelitian. Penelitian

terhadap dua variabel biasanya mempunyai tujuan untuk mendiskripsikan distribusi

data, meguji perbedaan dan mengukur hubungan antara dua variabel yang diteliti.

Analisis Bivariat yaitu hipotesis yang diuji biasanya kelompok yang

berbeda dalam ciri khas tertentu dengan koefisien kontigensi yang diberi simbol

C. Analisis bivariat menggunakan tabel silang untuk menyoroti dan menganalisis

perbedaan atau hubungan antara dua variabel. Menguji ada tidaknya

perbedaan/hubungan antara variabel kondisi pemukian, umur, agama, status

migrasi, pendidikan, penghasilan, umur pekkawinan pertama, status kerja dan

kematian bayi/balita dengan persepsi nilai anak digunakan analisis chi square,

denagn tingkat kemaknaan a=0,05. Hasil yang diperoleh pada analisis chi square,

dengan menggunakan program SPSS yaitu nilai p, kemudian dibandingkan

dengan a=0,05. Apabila nilai p< dari a=0,05 maka ada hubungan atau perbedaan

antara dua variabel tersebut. (Agung, 1993)

Kegunaan Dari Analisis Bivariat

Untuk mengukur kekuatan hubungan antar dua variabel atau lebih.

Contoh mengukur hubungan antar dua variabel :

1. Motivasi kerja dengan produktivitas

2. Kualitas layanan dengan kepuasan pelanggan

Langkah-Langkah Melaksanakan Analisis Bivariat

1. Masukkan data diatas kedalam program SPSS dengan nama variabel

bulan, b_selling, b_promo, b_iklan, dan unitpjl.

2. Klik menu utama analize , correlate, bivariate, tampak dilayar

3. Kemudian klik semua variabel yang akan dikorelasikan dan masukkan

kekolom variables dengan mengklik tanda panah

4. Untuk kolom corelatiaon koeffisients, pilihlah pearson karena anda ingin

melakukan uji atas data rasio

5. Untuk kolom test of significance, pilih option two-tailed untuk uji dua arah

atau dua sisi

6. Untuk pilihan flag signifikant korelations boleh dicentang (dipilih) hingga

pada output akan muncul tanda * untuk signifikansi 5% dan tanda **

untuk signifikansi 1%

7. Kemudian klik tombol option hingga dilayar tampil :

Pengisian :

Anda dapat memunculkan output nilai means and standard deviations

dengan mengklik pilihan yang sesuai pada kolom dtatistik

Pada pilihan missing values pada dua pilihan :

1. Exclude cases pairwise : Pasangan yang salah satu tidak ada datanya

tidak dimasukkan dalam perhitungan. Akibatnya, jumlah data tiap

pasangan korelasi akan bervariasi.

2. Exclude cases listwise : Yang dibuang adalah kasus yang salah satu

variabelnya memiliki mising data. Jumlah untuk semua variabel

korelasi adalah sama.

Untuk keseragaman pilih exclude cases pairwise

Tekan qontinyue jika sudah selesai

Kemudian tekan ok dan akan muncul output

Jenis-Jenis Uji Analisis Bivariat

1. Uji korelasi Bivariat ( Product-moment person )

Untuk menentukan korelasi ( kuatnya hubungan ) antara variabel-variabel

penelitian

Jika ada hubungan, seberapa kuat hubungan antar variabel tersebut

Dapat digunakan untuk jenis data rasio ( scale ) atau interval

2. Uji chis-quare, dengan tingkat kemaknaan a=0,05. Hasil yang diperoleh

pada analisis chis quare dengan menggunakan program SPSS yaitu nilai p,

kemudian dibandingkan dengan a=0,05 apabila nilai p < dari a=0,05 maka

ada hubungan atau pernedaan antara dua variabel tersebut (Agung 1993).

Dalam analisis bivariate secara umum terdiri dari analisa korelasi dan analisa

regresi.

Teknik analisis statistik yang dibahas dalam bab ini bersumber pada SPSS

yang difokuskan hanya pada teknik yang dapat menjelaskan hubungan atau kaitan

antara beberapa variabel, baik hubungan antara dua variabel (bivariate) maupun

banyak variabel (multivariate). Pembahasan diutamakan pada cara membaca dan

menafsirkan arti dari parameter yang diperoleh dari hasil pengolahan data yang

terdapat pada output SPSS. Teknik analisis statistik yang dibahas meliputi

Analisis Regresi, Analisis Path, Multiple Classification Analysis (MCA), Tabel

Kontingensi, Model Logit, Model Log-Linear, Analisis Diskriminan, dan Analisis

Faktor.

A. Analisis Regresi Linier

Analisis regresi merupakan alat yang dapat memberikan penjelasan

hubungan antara dua jenis variabel yaitu hubungan antara variabel dependen atau

variabel kriteria dengan variabel independen atau variabel prediktor. Analisis

hubungan antara dua variabel disebut sebagai analisis regresi sederhana jika hanya

melibatkan satu variabel independen. Analisis disebut sebagai analisis regresi

berganda jika melibatkan lebih dari satu variabel independen.

Hubungan antara variabel dependen (Y) dengan variabel independen (X)

dituliskan dalam model linier umum

di mana , i = 1,2,........p adalah koefisien regresi yang berarti besarnya

perubahan pada , jika Xi bertambah satu satuan dan variabel yang lain konstan,

adalah intercept. Residual e mengikuti distribusi normal dengan rata-rata 0 dan

varians konstan sebesar 2.

Asumsi dasar dalam analisis regresi adalah (i) setiap Y yang merupakan

kombinasi linier atas X dan mengikuti distribusi normal, (ii) e tersebar secara acak

dan tidak berpola mengikuti besarnya nilai X, (iii) tidak terdapat hubungan

(korelasi) yang tinggi antar variabel X.

Analisis Regresi Sederhana

Analisis regresi sederhana hanya melibatkan satu variabel independen X,

sehingga dalam persamaan (3.1) p=1, sehingga model liniernya adalah

Dengan model seperti pada persamaan (3.2) maka hipotesis yang diajukan untuk

diuji adalah H0: 1 = 0 terhadap H1: 1 0. Untuk menolak H0 harus dapat

dibuktikan secara empirik bahwa 1 0 atau 1 bermakna (significant) atau

dengan kata lain ada hubungan linier regresi antara Y dan X seperti pada

persamaan (3.2).

Dalam output SPSS 9.0 for Windows untuk subprogram REGRESION,

yang pertama perlu diketahui adalah apakah regresi Y pada X bermakna. Hal ini

dapat dilihat pada output ANOVA sebagai berikut:

ANOVA

Sum of

SquaresDf

Mean

SquaresF Sig.

Uji hipotesis untuk mengetahui apakah regresi Y pada X ada,

Tabel ANOVA dengan =0,00

menunjukkan bahwa H0 ditolak

regresi Y pada X bermakna.

Model 1 Regresion

Residual

Total

6475.18

3185.81

9660.99

1

83

84

6475.18

38.38

168.698 .000

Selanjutnya adalah untuk mengetahui besarnya estimate koefisien regresi ( ) serta

standard error-nya, ini dapat dilihat pada output COEFFICIENTS sebagai berikut:

COEFFICIENTS

Unstandardized Coefficients

Standardized Coefficients

t Sig.

= 47,17 (intercept)

= 0,307 (koeffisien regresi)

Y akan berubah sebesar 0,31 unit untuk setiap perubahan satu unit dari X.

B Std. Error Beta

Model 1 (Constant)

X

47.170

.307

1.726

.024 .819

27.337

12.988

.000

.000

Dapat dilihat bahwa karena regresi linier sederhana, maka pada dua tabel di atas

t2= F. Beta=0,819 yang merupakan koef. regresi baku sebenarnya adalah sama

dengan r = koefisien korelasi antara Y dan X, karena beta dihitung berdasarkan

vaiabel baku Z yang dihitung dengan cara

Koefisien determinasi r2 = 0,670 (yaitu nilai Beta dikuadratkan atau

(0.819)2) berarti bahwa variasi Y yang dapat dijelaskan oleh model sebesar 67

persen. Beberapa statistik dan estimasi dari parameter dapat pula diperoleh seperti

rata-rata dan standard deviasi serta korelasi dari Y dan X. Para pembaca lebih

lanjut dianjurkan untuk membaca SPSS Base 9.0 Application Guide.

Analisis Regresi Berganda

Kalau satu variabel dependen Y perlu dijelaskan oleh lebih dari satu

variabel independen X, maka kita perlu membuat model yang sesuai dengan

tujuan studi. Model tersebut adalah regresi linier ganda (Multivariate Linear

Regression) yang secara umum modelnya seperti pada persamaan (3.1). Selain

berguna untuk dapat menjelaskan hubungan p variabel X secara bersama terhadap

variabel Y, dengan analisis regresi ganda juga dapat diperoleh suatu penjelasan

tentang peranan atau kontribusi relatif setiap variabel X terhadap variabel Y.

Secara empirik walaupun misalnya model (3.1) signifikan, yang berarti bahwa

secara bersama p variabel X dapat menjelaskan variabel Y, tidak berarti bahwa

setiap variabel mempunyai pengaruh yang signifikan pada variabel Y. Suatu

kajian tersendiri perlu dilakukan untuk kemudian dapat memilah variabel X yang

berpengaruh secara parsial pada variabel Y.

ANALISIS BIVARIATE

Tugas ini disusun guna memenuhi tugas dari mata kuliah Statistik Sosial I

Disusun oleh :

Aldora Nuary W (D0310008)

Arum Sabtorini (D0310012)

Dani Bina M (D0310016)

Hanifah Kristiyanti (D0310026)

Indah Noor K (D0310030)

Nabella Sefina (D0310046)

JURUSAN SOSIOLOGI

FAKULTAS ILMU SOSIAL DAN ILMU POLITIK

UNIVERSITAS SEBELAS MARET

2011