Analisis Bivariat

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