Page | 1

MODUL PEMBELAJARAN

Analisis Univariat, Bivariat dan Multivariat

METODOLOGI

PENELITIAN

Disusun Oleh Dr. Didin Hikmah Perkasa, S.E., M.M. Wawas Bangun Tegar Sunaryo Putra, S.E., M.M. (CAND.)

Page | 1

SESI 13

Analisis Univariat, Bivariat dan Multivariat

KEMAMPUAN YANG DIHARAPKAN:

Mahasiswa memperoleh pemahaman tentang Ruang Lingkup penelitian

Pengertian Ruang Lingkup penelitian

PENDAHULUAN

ANALISIS DATA KUANTITATIF UNIVARIAT, BIVARIAT, MULTIVARIAT

DEFENISI

Kata analysis berasal dari bahasa Greek Yunani terdiri dari kata “ana” dan

“lysis”. Ana artinya atas above, lysis artinya memecahkan atau menghancurkan.

Secara definitif ialah “Analysis is a process of resolving data into its constituent

components to reveal its characteristic elements and structure’ Ian Dey. Agar data

bisa dianalis maka data tersebut harus dipecah dahulu menjadi bagian-bagian

kecil menurut elemen atau struktur, kemudian menggabungkannya bersama untuk

memperoleh pemahaman yang baru.

Analisa data merupakan proses paling vital dalam sebuah penelitian. Hal

ini berdasarkan argumentasi bahwa dalam analisa inilah data yang diperoleh peneliti

bisa diterjemahkan menjadi hasil yang sesuai dengan Kaidah ilmiah. Analisis data

adalah upaya atau cara untuk mengolah data menjadi informasi sehingga

karakteristik data tersebut bisa dipahami dan bermanfaat untuk solusi permasalahan,

tertutama masalah yang berkaitan dengan penelitian. Atau definisi lain dari analisis

data yaitu kegiatan yang dilakukan untuk menubah data hasil dari penelitian menjadi

informasi yang nantinya bisa dipergunakan dalam mengambil kesimpulan.

Menurut Biklen dan Bogdan, pengertian analisis data adalah proses

pencarian dan penyusunan data yang sistematis melalui transkip wawancara dan

catatan lapangan, serta dokumentasi yang secara akumulasi menambah

pemahaman peneliti terhadap yang ditemukan. Pengertian Analisis

Page | 2

Data menurut Spradley adalah pengujian sistematis terhadap sesuatu untuk

menentukan bagian-bagiannya, hubungan diantara bagian-bagian dan hubungan

bagian-bagian itu dengan keseluruhan. Menurut Nasution, Pengertian Analisis

Data adalah proses penyusunan data agar dapat ditafsirkan. Menyusun data berarti

bahwa menggolongkannya di dalam pola atau tema. Tafsiran atau interprestasi

artinya memberikan makna terhadap analisis, menjelaskan kategori atau pola, serta

mencari hubungan antara berbagai konsep.

LANGKAH DAN PROSEDUR ANALISIS DATA

a. Tahap pengumpulan data.

Merupakan proses pengumpulan data baik melalui observasi, wawancara

maupun angket.

b. Tahap editing

Proses memastikan bahwa data yang terkumpul (dari responden):

1) Telah diisi lengkap;

2) Diisi sesuai dengan petunjuk; dan

3) Konsisten; sehingga siap untuk diolah

Pada tahap ini yaitu memeriksa kejelasan maupun kelengkapan mengenai

pengisian instrumen pengumpulan data.

Kuesioner yang kembali mungkin tidak bisa terpakai karena:

1. Sebagian kuisioner tidak lengkap terisi

2. Responden tidak memahami instruksi

3. Responden salah mengisi

4. Satu atau lebih halaman kuisioner hilang

5. Kuesioner diterima terlambat

6. Kuesioner diisi oleh orang yang salah

c. Tahap koding

Maksudnya pada tahap ini melakukan proses identifikasi dan proses

klasifikasi dari tiap-tiap pernyataan yang terdapat pada instrumen pengumpulan data

berdasarkan variabel yang sedang diteliti. Aktivitas pemberian angka pada alternatif

jawaban dari setiap pertanyaan yang diajukan.

d. Tahap entry data

Page | 3

Melakukan kegiatan mencatat ataupun entri data kedalam tebel-tabel induk

dalam penelitian atau dapat disebut aktifitas memasukkan data pada tabel dasar

yang sudah dipersiapkan.

e. Tahap analisis data

Setelah data diinput ke dalam komputer, maka data siap untuk diolah &

dianalisa. Peneliti harus memilih teknik analisa data yang sesuai dengan masalah

yang diteliti.

f. Tahap Interpretasi data

Interpretasi data merupakan suatu kegiatan yang menggabungkan hasil

analisis dengan pernyataan, kriteria, atau standar tertentu untuk menemukan makna

dari data yang dikumpulkan untuk menjawab permasalahan dalam penelitian.

1. ANALISIS DATA KUANTITATIF

Ciri analisis kuantitatif adalah selalu berhubungan dengan angka, baik

angka yang diperoleh dari pencacahan maupun perhitungan. Data yang telah

diperoleh dari pencacahan selanjutnya diolah dan disajikan dalam bentuk yang lebih

mudah dimengerti oleh pengguna data tersebut. Sajian data kuantitatif sebagai hasil

analisis kuantitatif dapat berupa angka-angka maupun gambar-gambar grafik.

Ada tiga hal pokok yang harus dilakukan oleh peneliti saat melakukan

pengolahan data kuantitatif , yakni pertama, memilih teknik statistik mana yang tepat

dan sesuai dengan tujuan penelitian. Kedua, mempersiapkan dan memilih software

bila pengolahan data dilakukan secara elektronis. Ketiga, melaksanakan langkah-

langkah pengolahan.

Analisis kuantitatif dalam dalam suatu penelitian dapat didekati dari dua

sudut pendekatan, yaitu analis kuantitatif secara deskriptif dan analisis kuantitatif

secara inferensial.

4.1 Teknik Analisis Data Kuantitatif

4.1.1 Analisis Deskriptif

Statistik deskriptif dapat membantu menggambarkan hasil pengumpulan

data dengan cara :

(1) Central Tendency

Page | 4

Mean merupakan nilai rata-rata yang diperoleh dari pembagian jumlah

semua nilai dari anggota populasi dengan jumlah anggota populasi. Lazimnya

digunakan untuk data interval atau rasio.

Median adalah titik tengah dari nilai-nilai setelah diurut dari yang

terkecil sampai yang terbesar. Lazimnya digunakan untuk data ordinal.

Modus adalah nilai pengamatan yang paling sering muncul dari rentetan

data yang terkumpul. Modus banyak digunakan untuk data nominal.

(2) Variabilitas

Merupakan derajat penyebaran nilai-nilai variable dari suatu tendensi

sentral dalam suatu distribusi.

Range adalah jarak antara nilai yang tertinggi dengan nilai yang terendah.

Rumus R= Xt - Xr

Dimana:

R = range

Xt = Nilai tertinggi

Xr = Nilai terendah

Standar deviasi atau yang lebih dikenal dengan simpangan baku adalah a

kar kuadrat dari varian (nilai-rata-rata nilai). Bilangan tersebut dipergunakan untuk

mengetahui nilai ekstrem suatu data.

4.1.2 Analisis Inrefensial

Analisis inferensial pada dasarnya menggunakan statistik

inferensial yakni teknik analisis data yang

digunakan untuk menentukan sejauh mana kesesuaian antara hasil yang

diperoleh dari sampel dengan hasil dari populasi,

sehingga dapat digeneralisasikan. Statistik inferensial menstandarkan diri pada pelu

ang (probability) dan sampel yang dipilih secara acak (random).

Statistik inferensial dapat dibedakan menjadi statistic parametric

dan non parametric.Statistik parametric digunakan untuk menganalisis data skala

interval dan rasio dari populasi yang berdistribusi normal.

Sedangkan statistic non parametric digunakan untuk menganalisis data skala

nominal dan ordinal dari populasi yang bebas distribusi. Statistik inferensial

membutuhkan hipotesis.

Page | 5

4.2 Menetapkan Program Software

Software statistik adalah sebuah program pengolah data statistik yang

berfungsi untuk mempermudah proses pengolahan data untuk keperluan penelitian

kuantitatif. Pemahaman metodologi penelitian yang baik tanpa dukungan dengan

penguasaan software statistik sebagai alat bantu olah data tentu saja menjadi

sangat kurang efektif. Program software yang banyak digunakan saat ini antara lain

program Statistic Package for the Social Sciences (SPSS), Linear Structural

Relationship populer dikenal dengan LISREL, Statistical Analysis System (SAS), atau

SEM, AMOS, Minitab.

4.3 Pengolahan dan Analisis Data

Ditinjau menurut variabelnya analisis data dapat dibagi menjadi tiga yakni,

univariat, bivariat dan multivariat.

4.3.1 Analisis Satu Variabel (Univariat Analysis)

Analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel

dari hasil penelitian. Analisis univariat bertujuan untuk menjelaskan atau

mendeskripsikan karakteristik setiap variable penelitian. Bentuk analisis univariat

tergantung dari jenis datanya. Untuk data numerik digunakan nilai mean atau rata-

rata, median dan standar deviasi. Pada umumnya dalam analisis ini hanya

menghasilkan distribusi frekuensi dan persentase dari tiap variabel. Misalnya

distribusi frekuensi responden berdasarkan umur, jenis kelamin, tingkat pendidikan

dan sebagainya. Demikian juga penyebaran penyakit-penyakit yang ada di

daerahtertentu, distribusi pemakaian jenis kontrasepsi, distribusi kasus malnutrisi

pada anak balita, dan sebagainya.

Contoh:

Distribusi Responden Berdasarkan Kepatuhan Berobat TB

Kepatuhan N %

Patuh

Tidak patuh

148

131

60,8

39,2

Total 279 100,0

4.3.2 Analisis Dua Variabel (Bivariat Analysis)

Apabila telah dilakukan analisis univariat, hasilnya akan diketahui karakteristik

atau distribusi setiap variabel dan dapat dilanjutkan dengan anlisis bivariat. Analisis

Page | 6

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.

(3) Analisis keeratan hubungan antara dua variabel, dengan melihat Odd Ratio (OR).

Besar kecilnya nilai OR menunjukkan besarnya keeratan hubungan antara dua

variabel yang diuji.

Contoh :

Distribusi Responden Berdasarkan Umur dan Kepatuhan Berobat TB.

Dari tabel di atas menunjukkan bahwa responden berumur dewasa muda

lebih patuh berobat TB (80%) dibandingkan dengan responden dewasa (45,8%).

Sehingga secara presentase dapat disimpulkan bahwa ada hubungan antara umur

dengan kepatuhan berobat. Hasil uji statistic menunjukkan bahwa nilai p< 0,005 hal

ini terbukti bahwa umur berhubungan secara bermakna dengan kepatuhan berobat.

Dari analisis keeratan hubungan menunjukkan nilai ODD Ratio (OR) 3,08 yang

berarti bahwa responden yang berumur dewasa muda mempunyai peluang 3,08 kali

patuh berobat dibandingkan dengan responden yang berumur lebih tua.Uji statistik

yang dipakai pada analisis bivariat:

Variabel I Variabel II Uji Statistik

Kategori Kategori Chi square

Umur Kepatuhan Total

P

value

OR

95% Tak patuh Patuh

Dewasa

Md

Dewasa

7(20,0%)

24(54,0%)

28 (80%)

20(45,5%)

35

(100%)

44(100%)

0,004

3,08

Total 31

(39,2%)

48(60,8%) 79

(100%)

Page | 7

Kategori Numeric Uji T Anova

Numeric Numeric Korelasi Regresi

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.

Manfaat chi square:

Chi kuadrat adalah alat untuk mengadakan estimasi. Digunakan untuk

menaksir apakah ada perbedaan yang signifikan antara frekuensi yang

diobservasi dengan frekuensi yang di harapkan dalam populasi. Frekuensi

yang diharapkan dalam populasi ini disebut juga frekuensi hipotetik karena

digunakan sebagai alat hipotesis yang akan diuji dengan frekuensi yang

diperoleh dari sampel. Oleh karena itu chi kuadrat sebagai alat estimasi

berkedudukan juga sebagai alat pengetes hipotesis.

Chi kuadrat adalah alat untuk mengadakan pengetesan hipotesis. Tiap-tiap

pengetesan hipotesis harus membandingkan sedikitnya dua sampel. Dalam

hal ini apakah frekuensi yang diperolehdalam sampel yang satu berbeda

secara signifikan ataukah tidak dengan frekuensi yang diperoleh dalam

sampel lainnya.

Chi kuadrat sebagai alat mengetes signifikan korelasi antara dua factor atau

lebih.

2) T test

Uji T berpasangan (paired T-test)

adalah salah satu metode pengujian hipotesis dimana data yang digunakan

tidak bebas (berpasangan). Ciri-ciri yang paling sering ditemui pada kasus yang

berpasangan adalah satu individu (objek penelitian) dikenai 2 buah perlakuan yang

berbeda. Walaupun menggunakan individu yang sama, peneliti tetap memperoleh 2

macam data sampel, yaitu datadari perlakuan pertama dan data dari perlakuan

Page | 8

kedua. Perlakuan pertama mungkin saja berupa kontrol, yaitu tidak memberikan

perlakuan sama sekali terhadap objek penelitian. Misal pada penelitian mengenai

efektivitas suatu obat tertentu, perlakuan pertama, peneliti menerapkan kontrol,

sedangkan pada perlakuan kedua, barulah objek penelitian dikenai suatu tindakan

tertentu, misal pemberian obat.

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.

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 homog

3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan

perancangan percobaan yang tepa

4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah)

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

Page | 9

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.

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)

1

4.1.1 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.

Page | 10

Dalam analisis multivariate dilakukan berbagai langkah pembuatan model.

Model terakhir terjadi apabila semua variabel independendengan dependen sudah

tidak mempunyai nilai p.0,05.

Contoh :

Hubungan Antara Pengetahuan, Umur, Pendidikan Dengan Kepatuhan Berobat TB

Variable P OR

95% CI

Lower Upper

Pengetahuan

Umur

Pendidikan

0,000

0,008

0,000

19,305

11,747

13,804

4,34

2,22

3,28

84,92

212,61

58,05

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.

Klasifikasi Teknik-Teknik alias multivariate

Teknik analisis multivariate secara dasr diklasifikasi menjadi dua, yaitu analisis

dependasi dan analisis interpendensi.

Page | 11

4.3.3.1 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.

(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

Page | 12

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%)

DAFTAR PUSTAKA

(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.

Analisis diskriminan digunakan untuk membuat satu model prediksi keanggotaan

kelompok didasarkan pada karakteristik-karakteristik yang diobservasi untuk masing-

masing kasus. Prosedur ini akan menghasilkan fungsi diskriminan yang didasarkan

pada kombinasi-kombinasi linier yang berasal dari variabel-variabel prediktor atau

bebas yang dapat menghasilkan perbedaan paling baik antara kelompok-kelompok

yang dianalisis. Semua fungsi dibuat dari sampel semua kasus bagi keanggotaan

kelompok yang sudah diketahui. Fungsi-fungsi tersebut dapat diaplikasikan untuk

kasus-kasus baru yang mempunyai pengukuran untuk semua variabel bebas tetapi

mempunyai keanggotaan kelompok yang belum diketahui.

Page | 13

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:

Variabel tergantung hanya satu dan bersifat non-metrik, artinya data harus

kategorikal dan berskala nominal.

Variabel bebas terdiri lebih dari d

ua variable dan berskala interval.

Semua kasus harus independen Semua variabel prediktor sebaiknya

mempunyai distribusi normal multivariat, dan matrices variance-covariance

dalam kelompok harus sama untuk semua kelompok

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

(3) Analisis Korelasi Kanonikal

Analisis korelasi kanonikal ialah suatu teknik statistik yang digunakan untuk

menentukan tingkatan asosiasi linear antara dua perangkat variable, dimana masing-

masing perangkat terdiri dari beberapa variable. Sebenarnya analisis korelasi

kanonikal merupakan perpanjangan dari analisis regresi linear berganda yang

berfokus pada hubungan antara dua perangkat variable yang berskala interval. Fungsi

utama teknik ini ialah untuk melihat hubungan linieritas antara variable-variabel kriteria

(variable-variabel tergantung) dengan beberapa variable bebas yang berfungsi

sebagai predictor. Sebagai contoh seorang peneliti ingin mengkaji korelasi antara

seperangkat variable dalam perilaku berbelanja sebagai kriteria dan beberapa

variable mengenai personalitas sebagai predictor.

Tujuan analisis ini ialah peneliti ingin mengetahui bagaimana beberapa karakteristik

personalitas tersebut mempengaruhi perilaku berbelanja, misalnya pembuatan daftar

belanja, jumlah toko yang dikunjungi, dan frekuensi belanja dalam satu minggu.

Page | 14

Untuk menggunakan teknik analisis ini syarat-syarat yang harus dipenuhi diantaranya

ialah:

Variabel bebas terdiri dari lebih dari dua variable yang berskala interval.

Variabel tergantung terdiri dari lebih dari dua variable yang berskala interval.

Hubungan antar variabel bebas dan tergantung bersifat linier. Artinya semua

variabel bebas mempengaruhi secara searah terhadap semua variable

tergantung, misalnya korelasi antara variable-variabel bebas personalitas yang

digunakan sebagai predictor dengan variable-variabel tergantung yang

digunakan sebagai kriteria bersifat searah. Jika nilai variabel variable

personalitas besar, maka nilai variable-variabel perilaku berbelanja harus besar

juga. Jika terjadi variabel variable personalitas besar bernilai besar sedang nilai

variable-variabel perilaku berbelanja menjadi mengecil, maka hal ini

berlawanan dengan asumsi linieritas. Tidak boleh terjadi multikolinieritas pada

masing-masing kelompok variabel bebas dan variabel tergantung yang akan

dikorelasikan.

a. Analsis Multivariat Varian (MANOVA)

Manova mempunyai pengertian sebagai suatu teknik statistik yang digunakan

untuk menghitung pengujian signifikansi perbedaan rata-rata secara

bersamaan antara kelompok untuk dua atau lebih variable tergantung. Teknik

ini bermanfaat untuk menganalisis variable-variabel tergantung lebih dari dua

yang berskala interval atau rasio. Dalam SPSS prosedur MANOVA disebut

juga GLM Multivariat digunakan untuk menghitung analisis regresi dan varians

untuk variabel tergantung lebih dari satu dengan menggunakan satu atau lebih

variabel faktor atau covariates. Variabel - variabel faktor digunakan untuk

membagi populasi kedalam kelompok-kelompok. Dengan menggunakan

prosedur general linear model ini, kita dapat melakukan uji H0 mengenai

pengaruh variabel-variabel faktor terhadap rata-rata berbagai kelompok

distribusi gabungan semua variabel tergantung. Kita dapat meneliti interakasi

antara faktor-faktor dan efek dari faktor-faktor individu. Lebih lanjut, efek-efek

covariates dan interaksi antar covariate dengan semua faktor dapat

dimasukkan. Dalam analisis regresi, variabel bebas atau predictor dispesifikasi

sebagai covariates Sebagai contoh: Suatu perusahaan plastik mengukur tiga

ciri khusus filem plastik: daya tahan tidak sobek, kehalusan, dan kapasitas. Dua

tingkat ekstrusi dan dua zat aditif yang berbeda diujicobakan. Kemudian ketiga

karakteristik tersebut diukur dengan menggunakan kombinasi tingkatan

ekstrusi dan jumlah aditif masing-masing. Penelitian menemukan bahwa

tingkat ekstrusi dan jumlah zat aditif masing-masing memberikan hasil yang

signifikan, tetapi interaksi kedua faktor tidak signifikan. Untuk menggunakan

MANOVA beberapa persyaratan yang harus dipenuhi ialah:

·Variabel tergantung harus dua atau lebih dengan skala interval

Variabel bebas satu dengan menggunakan skala nominal.

Page | 15

Untuk semua variabel tergantung, data diambil dengan cara random sample

dari vektor-vektor populasi normal multivariate dalam suatu populasi, dan

untuk matrik-matrik variance-covariance untuk semua sel sama

Untuk menggunakan prosedur GLM gunakan prosedur Explore untuk

memeriksa data sebelum melakukan analisis variance. Untuk satu variabel

tergantung gunakanlah, prosedur GLM Univariate. Jika kita mengukur

beberapa variabel tergantung yang sama pada beberapa kesempatan untuk

masing-masing subyek, maka gunakanlah GLM Repeated Measures.

4.3.3.2 Analisis Interdependensi

Pada bagian analisis interdependensi ini, terdapat tiga teknik analisis yang

meliputi analisis faktor, analisis kluster, dan multidimensional scaling.

(1) Analisis Faktor (Factor Analysis)

Analisis faktor merupakan salah satu teknik saling ketergantungan yakni teknik

perhitungan tertentu yang bertujuan untuk mengurangi jumlah variabel sampai

pada jumlah yang dapat diolah dan memiliki karakteristik pengukuran yang

tumpang tindih.

(2) Analisis Kluster (cluster analysis)

Adalah serangkaian teknik untuk mengelompokkan obyek atau orang yang

sejenis. Pla-pola dalam suatu kluster akan memiliki kesamaan ciri/sifat

daripada pola-pola dalam anggota klusteryang lainnya. Analisis kluster

mengkalsifikasikan objek sehingga setiap objek yang paling

dekatkesamaannya dengan objek lain berada dalam kluster yang sama.

(3) Skala Multidimensional

Skala multidimensional menghasilkan deskripsi khusus persepsi narasumber

tentang sebuah produk, jasa atau objek pengamatan lain dalam peta persepsi.

Page | 16

DAFTAR PUSTAKA

Argyrous, George. (1997). Statistics for Social Research. London: Macmillan

Press Ltd.

Bryman, Alan and Duncan Cramer. (2001). Quantitative Data Analysis withSPSS

Release 10. East Sussex: Routledge.

Ott, R. Lymann, et. al. (1992). Statistics, A Tool for the Social Sciences.

Belmont, Duxbury Press.

Prasetyo, Bambang dan Lina Miftahul Jannah. (2007). Metode Penelitian

Kuantitatif: Teori dan Aplikasi. Jakarta: RajaGrafindo Persada.