Analisis data adalah tahapan penting ketika melakukan suatu penelitian. Di tahapan analisis, kita perlu menerapkan metode yang cocok untuk data yang dimiliki. Dengan metode yang tepat, permasalahan yang diangkat dalam penelitian dapat terjawab. Hasil analisis kemudian disajikan dalam bentuk grafik, chart, dan sebagainya agar mudah dipahami oleh pembaca. Misalnya dalam perusahaan, hasil analisis dapat menjadi informasi bagi tim terkait seperti untuk meningkatkan strategi marketing, dan lain sebagainya. Hasil analisis juga dapat digunakan kembali oleh peneliti lainnya sebagai sumber data.
Metode analisis data dalam penelitian dibagi menjadi dua jenis yaitu metode analisis data kuantitatif dan metode analisis data kualitatif. Metode analisis data kuantitatif adalah metode yang digunakan untuk data yang bersifat numerik. Sedangkan metode analisis kualitatif adalah metode yang digunakan untuk data yang bersifat non numerik atau teks. Dilihat dari pengertiannya, kedua metode ini sudah berbeda. Ada lagi hal-hal lainnya yang membedakan kedua jenis metode analisis data tersebut. Apa saja? Yuk, simak perbedaannya di bawah ini!
1. Teknik Pengumpulan Datanya
Metode analisis data kuantitatif dan kualitatif memiliki teknik pengumpulan data yang berbeda. Pada metode analisis data kuantitatif, teknik pengumpulan data yang umum digunakan yaitu kuesioner, wawancara terencana, observasi, survei, dan menggunakan data statistik yang diperoleh dari pihak ketiga misalnya dari Badan Pusat Statistik. Sedangkan pada metode analisis data kualitatif, teknik pengumpulan datanya yaitu bisa dengan melakukan wawancara secara mendalam, observasi, studi dokumen, dan teknik triangulasi. Teknik triangulasi dilakukan dengan cara mengumpulkan data dari berbagai sumber yang menggunakan metode yang sama.
Baca juga : Data Analisis : 2 Jenis Metode yang Penting Untuk Kamu Tahu dalam Analisis Data
2. Penggunaan Metode Analisis Data
Dalam menerapkan metode analisis data, kita harus memahami terlebih dahulu data yang kita miliki dan tujuan dilakukannya penelitian. Seperti yang sudah disebutkan sebelumnya, metode analisis data kuantitatif berkaitan dengan data numerik, sedangkan metode analisis data kualitatif untuk data berbentuk teks atau narasi. Ketika melakukan penelitian yang mengandung objektivitas, metode analisis kuantitatif cocok digunakan. Metode analisis kuantitatif memerlukan perhitungan matematika dan statistik secara akurat. Sedangkan ketika melakukan penelitian yang memerlukan pendekatan data yang bersifat subyektif, maka metode analisis data kualitatif adalah yang paling cocok. Metode analisis kualitatif memerlukan kemampuan interpretasi data yang baik oleh peneliti. Metode ini bersifat subyektif karena penelitian mengandung pemahaman masing-masing individu.
3. Pilihan Metode Analisis Data
Pada metode analisis data kuantitatif dibagi lagi menjadi beberapa metode yang dapat digunakan berdasarkan tujuan penelitian, yaitu sebagai berikut:
Analisis deskriptif adalah metode yang digunakan untuk menyajikan data secara deskriptif dan apa adanya. Biasanya teknik statistik yang digunakan yaitu antara lain mean, median, skewness, dan simpangan baku dan varians.
Analisis inferensial adalah metode yang menggunakan rumus tertentu. Hasil dari perhitungan tersebut menjadi dasar untuk generalisasi dan pengambilan keputusan. Teknik statistik biasanya menggunakan uji-T, ANOVA, korelasi, dan regresi.
Metode analisis data kualitatif juga dibagi menjadi beberapa metode yang dapat digunakan yaitu sebagai berikut:
Analisis wacana adalah metode yang digunakan untuk menganalisis interaksi manusia dan berfokus pada konteks sosial yang mana terjadi komunikasi antara responden dan peneliti.
Analisis konten adalah metode yang digunakan ketika dalam penelitian perlu memahami tema dalam data kualitatif secara keseluruhan. Pengkodean data dalam metode ini menggunakan warna atau ide tertentu dalam menemukan rangkaian data yang paling umum.
Analisis naratif adalah metode yang berfokus pada cara penyampaian ide ke seluruh pihak terkait. Dengan teknik ini akan membantu dalam memahami kultur perusahaan.
Baca juga : Langkah-Langkah Menggunakan Teknik Analisis Data Kualitatif
4. Metode Analisis Data Gabungan
Selain metode analisis data kuantitatif dan kualitatif, terdapat metode analisis gabungan atau disebut juga dengan mixed-methods. Penelitian dengan metode ini menggabungkan metode analisis kuantitatif dan kualitatif secara sekuensial ataupun sebaliknya. Kedua metode digabungkan untuk menyimpulkan pertanyaan dalam penelitian. Karakteristik dari penelitian gabungan ini yaitu tujuan penelitian digunakan untuk menjawab pertanyaan penelitian yang kurang terjawab dengan hanya menggunakan satu metode saja, pertanyaan penelitian yang mencakup hal-hal kuantitatif dan kualitatif, dan filosofi penelitian yang bersifat praktis dan terapan. Adapun jenis penelitian gabungan terdiri atas penelitian pengembangan model atau instrumen, penelitian evaluasi program, penelitian kebijakan, dan penelitian tindakan.
5. Ingin Jadi Talenta Data yang Diperhitungkan? Belajar Data di DQLab, Yuk!
Meningkatnya kesadaran akan pentingnya data juga menyebabkan tingginya kebutuhan akan talenta data yang handal. Banyak perusahaan maupun instansi yang membutuhkan profesi data scientist dan data analyst yang mampu memberikan insight bagi perusahaan. Oleh karena itu, para calon talenta data terus belajar data menggunakan berbagai metode, memahami data yang semakin beragam, dan mulai membangun portofolio data yang menarik rekruiter. Yuk, gabung di DQLab.id dan gapai mimpimu menjadi talenta data yang handal!
Penulis: Dita Kurniasari
Editor: Annissa Widya
membuat deskripsi usaha singkat Dan jelsa kk to long song soalnta hari ini mau kumpul jadu
yang bisa cung☝️tolong ya, 1 nmr doang kok
Tuliskan 3 kelompok sosial dimana kamu menjadi anggota didalamnya dan jelaskan mengapa menjadi anggotanya
Jelaskan pengertian tentang kelompok sosial menurut pendapetmu
tokoh tokoh sosiologi dan pandangan di eropa!!![jangan asal atau ku report]
berapa kira kira ukuran lingkar kepala anak berusia 16 tahun
perubahan sosial dalam suatu masyarakat senantiasa ada kamu sebagai salah satu anggota masyarakat atau pernah mengalami juga ceritakan perubahan yang …
Tolong di jawab kak, Mau dikumpul
carilah 13 kelompok sosial di lingkungan tempat tinggal jelaskan teori pembentukan kelompok sosial yg mendasari terbentuknya kelompok tsbt
bagaimana pengaruh kedekatan geografis terhadap keterlibatan seseorang dalam sebuah kelompok?
| |
| TEKAN F11 UNTUK FULL SCREEN |
| MATERI 4: Analisis dan Interpretasi Penelitian Aksi |
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 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.
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
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.
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
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 akar 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 peluang [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.
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 |
Responden yang patuh berobat TB di wilayah kerja Puskesmas Pasar Minggu lebih tinggi [60,8%] dibanding dengan yang tidak patuh berobat [39,2%].
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 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
| 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%] |
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 |
| kategorik | Kategorik | Chi square |
| kategorik | Numeric | Uji T Anova |
| numerik | 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 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.
Asumsi yang harus dipenuhi pada independen t test antara lain:
1. Skala data interval/rasio.
2. Kelompok data saling bebas atau tidak berpasangan.
3. Data per kelompok berdistribusi normal.
4. Data per kelompok tidak terdapat outlier.
5. Varians antar kelompok sama atau homogen.
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 homogen
3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan percobaan yang tepat
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 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.
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 Analisis Multivariat
Teknik analisis multivariat secara dasar diklasifikasi menjadi dua, yaitu analisis dependensi dan analisis interdependensi.
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 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%]
[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.
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 dua variable dan berskala interval.
· Semua kasus harus independent
· 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.
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.
[1] 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.
· 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.