metodologi penelitian · 2020. 9. 17. · contoh: distribusi responden berdasarkan kepatuhan...
Post on 28-Nov-2020
5 Views
Preview:
TRANSCRIPT
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.
top related