Você está na página 1de 16

ANALISIS DATA KUANTITATIF UNIVARIAT, BIVARIAT, MULTIVARIAT

DEFENISI
Kata analysis berasal dari bahasa GreekYunani 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 denganKaidah 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.
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 kelengkapanmengenai 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
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.

1.1 Teknik Analisis Data Kuantitatif


1.1.1 Analisis Deskriptif
Statistik deskriptif dapatmembantu menggambarkanhasil 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 titiktengah dari nilai-nilaisetelah diurut dari yang
terkecil sampai yang terbesar. Lazimnyadigunakan untuk dataordinal.
Modus adalah nilaipengamatan yang paling sering muncul darirentetan
data yang terkumpul. Modus banyakdigunakan untuk data nominal.
(2) Variabilitas
Merupakan derajatpenyebaran 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 dengansimpangan baku adalah ak
arkuadrat dari varian (nilai-rata-rata nilai). Bilangan tersebut
dipergunakan untuk mengetahui nilai ekstrem suatu data.
1.1.2 Analisis Inrefensial
Analisis inferensial padadasarnya menggunakan statistik
inferensial yakniteknik analisis data yang digunakan untuk menentukans
ejauh mana kesesuaian antara hasil yang diperolehdari sampel dengan
hasil daripopulasi, sehingga dapat digeneralisasikan. Statistik
inferensial menstandarkan diripada peluang (probability) dan sampel
yang dipilihsecara acak (random).
Statistik inferensial dapat dibedakan menjadi statistic parametric
dan nonparametric. Statistik parametric digunakan untuk menganalisis
data skala interval dan rasiodari populasi yang berdistribusi normal.
Sedangkan statistic nonparametric digunakan untukmenganalisis data
skala nominal dan ordinal daripopulasi yang bebasdistribusi. Statistik
inferensial membutuhkan hipotesis.

1.2 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.

1.3 Pengolahan dan Analisis Data


Ditinjau menurut variabelnya analisis data dapat dibagi menjadi tiga yakni, univariat,
bivariat dan multivariat.

1.3.1 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 148 60,8
Tidak patuh 131 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%).

1.3.2 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 OR


Tak patuh Patuh value 95%
Dewasa Md 7(20,0%) 28 (80%) 35 (100%)
0,004 3,08
Dewasa 24(54,0%) 20(45,5%) 44(100%)
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:
1. 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.
2. Chi kuadrat adalah alat untuk mengadakan pengetesan hipotesis.
3. 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.
4. Chi kuadrat sebagai alat mengetes signifikan korelasi antara dua factor
atau lebih.

2) T test
a. 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.

b. 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 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
95% CI
Variable P OR
Lower Upper
Pengetahuan 0,000 19,305 4,34 84,92
Umur 0,008 11,747 2,22 212,61
Pendidikan 0,000 13,804 3,28 58,05

Dari table di atas dapat disimpulkan bahwa :


1. Responden yang mempunyai pengetahuan tinggi berpeluang 19,03
kali patuh berobat dibandingkan dengan responden yang
berpengetahuan rendah
2. Responden yang berumur muda berpeluang 11,747 kali patuh patuh
berobat dibandingkan dengan responden yang berumur lebih tua
3. Responden yang berpendidikan tinggi berpeluang 13,804 kali patuh
berobat dibandingkan dengan responden yang berpendidikan
rendah.
4. Dari ketiga variabel independen tersebut maka variabel pengetahuan
adalah variabel yang paling dominan berhubungan dengan
kepatuhan berobat dengan OR 19,305.
5. 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.

1.4.3.1 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 angkaStandard 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.
danexhaustive 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 prosedurExplore 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.