Pengertian Analisis Bivariat
Analisis
bivariat adalah melakukan analisis statistik untuk mengetahui keterkaitan dua
variabel. Dilihat dari bentuk data ( kategorik dan numerik ), analisis bivariat
kemungkinan dapat dibagi menjadi empat, yaitu 1) data kategorik dengan data
kategorik diuji menggunakan uji beda proporsi, 2) data kategorik dengan data
numerik diuji menggunakan uji beda rata-rata, 3) data numerik dengan data kategorik
diuji menggunakan uji beda rata-rata, 4) data numerik dengan data numerik diuji
menggunakanuji korelasi.
Uji
beda rata-rata dapat dibagi menjadi dua macam yaitu uji beda dua rata-rata dan
uji beda lebih dua rata-rata yang diuji dengan uji anova. Untuk uji beda
rata-rata terbagi menjadi dua yaitu uji beda rata-rata dua sampel tidak berpasangan
( independent sampel T-test ) dan uji beda dua rata-rata dengan sampel berpasangan ( Paired T-test ).
Ketiga
uji tersebut dapat diuji apabila data berdistribusi normal. Untuk menentukan
normal tidaknya data maka dapat dilakukan dengan uji 1) Mean, Median, Modus, apabila nilai mean,
median , modus tidak terlalu berbeda jauh, 2) kolmogrov smirnov, data berdistribusi
normal apabila nilai P>0,05, dan data berdistribusi tidak normal apabila
nilai P<0,05 3) Skweness, data
dikatakan berdistribusi normal apabila nilai skweness berkisar antara -1,27
sampai 1,27 4) Histogram, data dikatakan
berdistribusi normal apabila terbentuk kurva dengan puncak grafik berada ditengah
dan kaki grafik seimbang antara kiri dan
kanan 5) QQ Plot, data dikatakan berdistribusi normal apabila nilainya berada
diseputar garis scater dan seimbang atas dan bawah 6) Blox Plot, data dikatakan normal apabila
box tidak terlalu tinggi, tangkai pendek seimbang atas bawah, median terletak
ditengah, dan tidak ada outlier , walaupun ada jumlahnya seimbang antara atas
dan bawah.
Apabila
salah satu atau semua uji diatas telah dilakukan, dan menghasilkan kesimpulan
data tidak berdistribusi normal maka dapat dilakukan salah satu atau kedua
tindakan berikut, yaitu a) uji secara langsung dengan uji non-parametrik , untuk
paired T-test dapat digunakan uji Wilcoxon, untuk independent sampel T-test dapat digunakan Uji Man Withney,
dan Anova dapat menggunakan Uji Kruskal Wallis. b) menormalkan data ( normalisasi)
dapat dilakukan dengan memisingkan outlier.
BY Feby Prastiyananda