Professional Documents
Culture Documents
ANALISIS BIVARIAT
LATAR BELAKANG DAN PENGERTIAN DARI ANALISIS BIVARIAT
Untuk memulai analisis bivariat, langkah pertama adalah untuk membangun sebuah scattergram
untuk menggambarkan hubungan tersebut. ( Sprinthall 1990,200 )
Setiap titik mewakili nilai pasangan dari sampel, dan scattergram mengungkapkan bentuk oval
khas yang disebut kecenderungan pusat. ( Sprinthall, 1990,200 )
Jelas tampaknya ada hubungan yang cukup kuat dalam sampel antara dua variabel, bahwa itu
adalah linier, dan negativ.
Ada hubungan negatif yang kuat, yang berarti bahwa sebagai presentase total lapangan kerja
meningkat pendapatan, persentase dari pendapat total dari sumber-sumbar pemerintah. Untuk
mengetahui seberapa kuat korerasi sebenarnya memerlukan ukuran statistik. ( Sprinthall, 1990,
196 )
Produk moment koefisien korelasi atau koefisien korelasi person memungkinkan peneliti untuk
menyatakan "hubungan antara dua objek yang berbeda secara kualitatif.....Dalam istilah
kuantitatif ". ( Sprinthall, 1990,196 )
Hasil atau 'r-niali' adalah -0,819 dengan memeriksa itu terhadap nilai kritis, yang kira-kira 0,300
pada tingkat kepercayaan 95%, r pearson lebih besar.
Oleh karena itu, hipotesis nol ditolak, karena tidak cukup bukti untuk mengatakan bahwa kedua
variabel yang terkait, dan karena koefisien sangat kuat, kita dapat menyimpulkan bahwa dalam
populasi terdapat hubungan yang nyata antara mereka.
Salam ilmu-ilmu sosial, alasan dasar untuk melakukan analisis statistik adalah untuk
mengungkap trend, mengungkapkan hubungan, dan membuat prediksi. ( Walsh, 1990,260 )
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 Bivariat yaitu hipotesisi 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 tersebaut. ( Agung, 1993)
Analisis bivariat adalah melakukan analysis statistik untuk mengetahui keterkaitan antara 2
variabel. Analisis bivariat terbagi atas 4 jenis:
1. Antara data Kategorik - Kategorik, dapat diuji dengan Uji Beda Proporsi
2. Antara data Kategorik - Numerik, dapat diuji dengan Uji Beda Rata-Rata
3. Antara data Numerik - Kategorik, dapat diuji dengan Uji Beda Rata-Rata
Uji beda rata - rata ini terbagi atas 2 jenis:
a. Uji beda dua rata- rata. Uji beda dua rata- rata ini juga terbagi atas 2 jenis:
* Uji beda dua rata-rata berpasangan, bisa diuji dengan Paired Sample T-test
* Uji beda dua rata-rata tdk berpasangan, diuji dgn Independent Sample T-test
b. Uji beda lebih dua rata-rata, bisa diuji dengan menggunakan One-Way Anova
4. Antara data Numerik - Numerik, dapat diuji dengan Uji Korelasi
Semua data diatas dapat diuji, dengan syarat semua data harus berdistribusi normal. Untuk
mengetahui data berdistribusi normal atau tidak, kita bisa melakukan Uji Normality, yaitu:
1.
2.
Skewness, data normal jika skewness berkisar antara -1,27 s/d 1,27
3.
Histogram,
data dikatakan normal apabila kurva yang terbentuk identik dengan kurva normal yang
mana puncak grafik ditengah dan seimbang kiri dan kanan.
4.
Q-Q Plots, data dikatakan normal apabila berada disekitar garis skhatcer dan
6.
Setelah dilakukan uji normallity dengan salah satu atau lebih dari 6 teknis diatas, kemudian
kesimpulannya data tidak normal, maka dapat dilakukan tindakan berikut:
1.
2.
Apabila data tetap tidak normal, maka dapat diuji dengan Uji Non Parametrik atau
Kategorikan ( acuan patokan/ acuan normatif)
3. 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
TABULASI SILANG
Sebuah teknik statistik yang menjelaskan dua atau lebih variabel secara bersamaan dan
hasil dalam tabel mencerminkan distribusi gabungan dua atau lebih variabel yang mempunyai
kategori terbatas atau nilai yang berbeda .
Tabulasi silang digunakan secara luas dalam riset pemasaran komersial , karena :
1.
Analisis dan hasil dari tabulasi silang mudah di interpretasikan dan mudah dipahami
Penafsiran yang jelas memberikan kaitan yang lebih erat antara hasil riset dengan
tindakan manajerial .
3.
Suatu seri tabulasi silang bisa memberikan gambaran lebih besar mengenai sebuah
Tabulasi silang dapat mengurangi masalah yang ditimbulkan oleh angka yang
jarang dalam setiap sel ( sparse cell ) , yang dapat menjadi masalah serius dalam analisis
multivariat untuk variabel diskrit
5.
Analisis tabulasi silang mudah untuk dilakukan dan menarik bagi para peneliti tidak
Fe
Dimana :
n r = jumlah total baris
n c = jumlah total kolom
n = jumlah ukuran sampel
Koefisien Phi () digunakan sebagai sebuah pengukur kekuatan asosiasi dalam kasus khusus
tabel dengan dua kolom dan dua baris ( tabel 2 x 2 ) . Koefisien phi proporsional terhadap akar
dua statistik chi-square . Untuk sebuah sampel dengan ukuran n , statistik ini dihitung
sebagai:
Koefisien Kontigensi Sementara koefisien phi khusus digunakan untuk tabel 2 x 2 , koefisien
kontigensi C digunakan untuk mengkaji kekuatan asosiasi dalam tabel dengan ukuran apapun .
Indeks ini juga terkait dengan chi-square sebagai berikut :
C=
Cramers V Ukuran kekuatan hubungan yang digunakan dalam sebuah tabel yang
berukuran lebih besar dari 2 x 2 . Ketika menghitung phi untuk sebuah tabel yang lebih besar
dari 2 x 2 , koefisien ini tidak mempunyai batas atas . Cramers V diperoleh dengan
menyesuaikan phi untuk jumlah baris atau jumlah kolom dalam tabel , berdasarkan mana dari
keduanya yang lebih kecil . Untuk tabel dengan r baris dan c kolom , hubungan antara Cramers
V dengan koefisien korelasi phi adalah :
UJI PARAMETRIK
Uji Parametrik memberikan inferensi untuk membuat pernyataan-pernyataan mengenai rata-rata
populasi induk . Suatu uji t biasa digunakan untuk maksud ini . Uji ini didasarkan pada statistik
t Student .
Statistik t mengasumsikan bahwa variabel terdistribusi secara normal dan rata-rata diketahui (
atau diasumsikan diketahui ) dan varians populasi diduga dari rata-rata sampel .
Satu Sampel dalam riset pemasaran , peneliti sering kali tertarik untuk membuat
pernyataan mengenai sebuah variabel tunggal dibandingkan dengan sebuah standar yang
diketahui atau standar tertentu . Contoh dari pernyataan ini adalah : pangsa pasar untuk sebuah
produk baru akan melebihi 15 persen , paling tidak 65 persen pelanggan akan menyukai sebuah
rancangan paket baru , dan 80 persen penyalur akan lebih memilih kebijakan penetapan harga
yang baru . Pernyataan-pernyataan ini dapat diterjemahkan menjadi hipotesis nol yang dapat
diuji dengan menggunakan uji satu sampel , seperti uji t atau uji z . Dalam hal uji t untuk sebuah
rata-rata tunggal , peneliti tertarik untuk menguji apakah rata-rata populasi sesuai dengan
hipotesis yang ditetapkan (Ho) . Misalkan kita ingin menguji hipotesis bahwa rata-rata peringkat
familiaritas melebihi 4,0 , yaitu nilai netral pada sebuah skala tujuh poin . Tingkat
signifikansi = 0,05 dipilih . Hipotesis dapat diformulasikan sebagai berikut :
H
: 1 4,0
H1 : 1 > 4,0
t=
S
Sx = 1,579 /
Dua Sampel Independen beberapa hipotesis dalam pemasaran menghubungkan parameterparameter dari dua populasi yang berbeda : misalnya , pengguna dan bukan pengguna sebuah
merek dalam hal persepsi mereka terhadap merek tersebut, konsumen yang berpenghasilan tinggi
yang menghabiskan lebih banyak untuk hiburan daripada konsumen dengan penghasilan rendah ,
atau proporsi pengguna setia merek dalam segmen I melebihi proporsi dari segmen II .
Sampel-sampel yang diambil secara acak dari populasi yang berbeda disebut Sampel-sampel
independen.
Seperti halnya dalam sampel tunggal , hipotesis dapat menghubungkan rata-rata dengan proporsi.
Dalam kasus Rata-rata untuk dua sampel yang independen , hipotesis mempunyai bentuk sebagai
berikut :
H 0 : 1 = 2
H 0 : 1 2
Textbook A
Jumlah
halaman
Harga
40
65
60
78
55
45
25
70
(US$)
Hitung korelasi Pearson Product Moment antara Jumlah Halaman Textbook dan Harga
Textbook dan tentukan apakah korelasi tersebut signifikan. Gunakan = 0,01.
Solusi:
Hipotesis statistik:
Ho : r = 0
Ha : r 0
Hipotesis bentuk kalimat:
Ho : Tidak ada hubungan yang signifikan antara jumlah halaman dengan harga textbook.
Ha : Ada hubungan yang signifikan antara jumlah halaman dengan harga textbook.
Kaidah keputusan:
0,01 < Sig, maka Ho diterima
0,01 > Sig, maka Ho ditolak
Prosedur SPSS:
Pada lembar variabel view ketikan variabel Jumlah Halaman dan variabel Harga.
Harga
Halaman
Textbook
.934**
.001
.001
8
1
Dari tabel Correlation terlihat bahwa r = 0,934 dan Sig = 0,001. Karena 0,01 > Sig(0,001), maka
Ho yang menyatakan r = 0 ditolak. Kesimpulan: Ada hubungan yang signifikan antara jumlah
halaman dengan harga textbook.
Panel Pria
Panel Perempuan
Glatz Cola
Bluebell Cola
Sentul Cola
Coca Cola
Pearl Cola
Red Cola
Boca Cola
Krolla Cola
Apakah ada hubungan antara peringkat rasa minuman cola dari panel pria dan peringkat rasa
minuman cola dari panel perempuan? Apakah hubungan tersebut signifikan? Gunakan = 0,05.
Solusi:
Hipotesis statistik:
Ho : r = 0
Ha : r 0
Hipotesis bentuk kalimat:
Ho : Tidak ada hubungan yang signifikan antara peringkat rasa minuman cola pria dengan
wanita.
Ha : Ada hubungan yang signifikan antara peringkat rasa minuman cola pria dengan wanita.
Kaidah keputusan:
0,01 < Sig, maka Ho diterima
0,01 > Sig, maka Ho ditolak
Interpretasi Hasil:
Correlations
Panel
Panel
Pria
Perempuan
1.000
.833*
Sig. (2-tailed)
.010
.833*
1.000
Sig. (2-tailed)
.010
Correlation
rho
Coefficient
Dari tabel Correlation terlihat bahwa r = 0,833 dan Sig = 0,010. Karena 0,05 > Sig(0,010), maka
Ho yang menyatakan r = 0 ditolak. Kesimpulan: Ada hubungan yang signifikan antara peringkat
rasa minuman cola pria dengan wanita.
REFRENSI :
http://meinilafitri.blogspot.com/2010/08/analisis-bivariat.html
http://imammkurnia.blogspot.com/2014/04/distribusi-frekuensitabulasi-silang.html
http://isepmalik.wordpress.com/2012/07/29/ukuran-korelasi-danasosiasi/