Penelitian yang menggunakan dua variabel dengan tujuan mencari korelasinya biasa disebut sebagai analisis bivariat.
Vaca Michalos, Thomassen, Read, Anderson, dan Zumbo untuk contoh penelitian yang luar biasa yang menggunakan analisis bivariat dan menggambarkan bagaimana temuan studi bivariat dapat digunakan untuk memandu analisis tambahan yang lebih canggih (2005).
Analisis data ini dibedakan dari analisis univariat (studi terhadap satu variabel saja) dan analisis multivariat (analisis dua variabel atau lebih secara bersamaan).
Teknik ini memungkinkan Anda mempelajari hubungan yang ada antara dua variabel. Metode ini banyak digunakan dalam kehidupan nyata. Metode ini membantu peneliti untuk mengetahui apakah ada hubungan antara variabel.
Analisis bivariat membantu untuk menguji hipotesis penyebab dan hubungan. Analisis ini membantu untuk memprediksi nilai variabel dependen berdasarkan perubahan yang terjadi pada variabel independen.
Apa itu Analisis Bivariat?
Analisis ini merupakan analisis statistik tunggal yang digunakan untuk mengetahui hubungan antara dua himpunan nilai. Variabel yang terlibat adalah X dan Y.
- Analisis univariat adalah ketika hanya satu variabel yang dianalisis.
- Biasanya digunakan ketika tepat dua variabel dianalisis.
- Analisis multivariat adalah ketika lebih dari dua variabel dianalisis.
Hasil yang diperoleh dari analisis bivariat disimpan dalam tabel data dengan dua kolom. Analisis ini tidak boleh disamakan dengan dua analisis data sampel di mana variabel x dan y tidak berhubungan secara langsung.
Analisis ini juga mengikuti beberapa langkah umum untuk pengujian hipotesis:
Kembangkan hipotesis Anda:
- Hipotesis nol (apa yang ingin Anda tolak)
- Hipotesis alternatif
Kumpulkan data Anda.
Hitung dengan analisis statistik.
Temukan p-value.
Interpretasi hasil Anda.
Beberapa Jenis & Rumus Analisis Bivariat?
Berikut adalah bagaimana analisis bivariat dilakukan.
- Scatter plots – memberikan gambaran tentang pola yang dibentuk menggunakan dua variabel.
- Analisis Regresi – menggunakan berbagai alat untuk menentukan bagaimana pos data dapat dikaitkan. Pos mungkin mengikuti kurva eksponensial. Analisis regresi memberikan persamaan untuk garis atau kurva. Ini juga membantu untuk menemukan koefisien korelasi.
- Koefisien Korelasi – Koefisien memungkinkan Anda mengetahui apakah data yang dimaksud terkait. Bila koefisien korelasinya nol, maka ini berarti variabel-variabel tersebut tidak berhubungan. Jika koefisien korelasinya positif atau negatif 1, maka ini berarti variabel-variabel tersebut berkorelasi sempurna.
Jenis Variabel Bivariat Analysis
Jenis analisis bivariat tergantung pada jenis atribut dan variabel yang digunakan untuk menganalisis data. Variabel bisa saja ordinal, kategoris, atau numerik. Variabel bebas bersifat kategoris, seperti merk pena. Dalam hal ini digunakan regresi probit atau regresi logit. Jika variabel terikat dan variabel bebas sama-sama ordinal, artinya memiliki rangking atau kedudukan, maka diukur koefisien korelasi rangkingnya.
Jika atribut dependen adalah ordinal, maka probit terurut atau logit terurut digunakan. Ada kemungkinan bahwa atribut independen dapat berupa interval atau rasio seperti skala suhu. Di sinilah regresi diukur. Berikut adalah bagaimana kami menyebutkan jenis-jenis korelasi data bivariat.
- Numerik dan Numerik
Pada variabel jenis ini, baik variabel data bivariat yang meliputi variabel dependen maupun variabel independen memiliki nilai numerik.
- Kategoris dan Kategoris
Ketika kedua variabel dalam data bivariat berada dalam bentuk statis, data diinterpretasikan, dan pernyataan serta prediksi dibuat tentangnya. Selama penelitian, analisis akan membantu menentukan penyebab dan dampak untuk menyimpulkan bahwa variabel yang diberikan adalah kategoris.
- Numerik dan Kategorik
Ini adalah ketika salah satu variabel adalah numerik, dan yang lainnya adalah kategoris.
Pada dasarnya bivariat adalah jenis analisis statistik ketika dua variabel diamati terhadap satu sama lain. Salah satu variabel akan menjadi dependen, dan yang lainnya adalah independen. Variabel dilambangkan dengan X dan Y. Perubahan dianalisis antara dua variabel untuk memahami sejauh mana perubahan telah terjadi.
Contoh Analisis Bivariat
Teknik analisis ini digunakan untuk mempelajari hubungan antara dua variabel. Mari kita memahami contoh mempelajari hubungan antara tekanan darah sistolik dan usia. Di sini Anda mengambil sampel orang-orang dalam kelompok usia tertentu. Katakanlah Anda mengambil sampel 10 pekerja.
Kolom pertama berisi usia pekerja dan kolom kedua mencatat tekanan darah sistolik mereka.
Tabel kemudian perlu ditampilkan dalam format grafis untuk membuat beberapa kesimpulan. Data bivariat biasanya ditampilkan melalui scatter plot. Di sini plot dibuat pada sumbu y kertas kisi terhadap sumbu x, yang membantu untuk mengetahui hubungan antara kumpulan data yang diberikan.
Plot Scatter membantu membentuk hubungan antara variabel dan mencoba menjelaskan hubungan antara keduanya. Setelah Anda menerapkan usia pada sumbu y dan tekanan darah sistolik pada sumbu x, Anda akan melihat hubungan linier di antara keduanya.
Untuk lebih lengkapnya berikut beberapa contoh analisis bivariat berikut ini:
Contoh 1: Bisnis
Bisnis sering mengumpulkan data bivariat tentang total uang yang dihabiskan untuk iklan dan pendapatan total.
Misalnya, bisnis dapat mengumpulkan data berikut selama 12 kuartal penjualan berturut-turut:
Ini adalah contoh data bivariat karena berisi informasi tepat dua variabel: pengeluaran iklan dan pendapatan total.
Bisnis dapat memutuskan untuk menyesuaikan model regresi linier sederhana dengan kumpulan data ini dan menemukan model yang sesuai berikut:
Total Pendapatan = 14.942,75 + 2,70*(Pengeluaran Iklan)
Ini memberitahu bisnis bahwa untuk setiap dolar tambahan yang dihabiskan untuk iklan, total pendapatan meningkat rata-rata 2,70.
Contoh 2: Medis
Peneliti medis sering mengumpulkan data bivariat untuk mendapatkan pemahaman yang lebih baik tentang hubungan antara variabel yang berhubungan dengan kesehatan.
Misalnya, seorang peneliti dapat mengumpulkan data berikut tentang usia dan detak jantung istirahat untuk 15 orang:
Peneliti kemudian dapat memutuskan untuk menghitung korelasi antara dua variabel dan menemukan korelasi menjadi 0,812.
Hal ini menunjukkan bahwa terdapat korelasi positif yang kuat antara kedua variabel tersebut. Artinya, seiring bertambahnya usia, detak jantung istirahat cenderung meningkat dengan cara yang dapat diprediksi juga.
Contoh 3: Akademisi
Peneliti sering mengumpulkan data bivariat untuk memahami variabel apa yang mempengaruhi hasil belajar mahasiswa.
Misalnya, seorang peneliti dapat mengumpulkan data tentang jumlah jam belajar per minggu dan IPK yang sesuai untuk siswa di kelas tertentu:
Dia kemudian dapat membuat scatterplot sederhana untuk memvisualisasikan hubungan antara dua variabel ini:
Jelas, ada hubungan positif antara dua variabel: Seiring bertambahnya jumlah jam belajar per minggu, IPK siswa juga cenderung meningkat.
KESIMPULAN
Contoh di atas memungkinkan Anda memahami apa itu analisis bivariat. Menganalisis dua variabel adalah studi bersama yang digunakan dalam statistik dan perhitungan inferensial. Banyak penyelidikan ilmiah dan bisnis bekerja untuk memahami hubungan antara dua variabel kontinu. Pertanyaan utama yang dijawab oleh analisis bivariat adalah apakah ada korelasi antara dua variabel, apakah hubungannya negatif atau positif, dan derajat atau kekuatan korelasinya.
Misalkan Anda tertarik untuk melakukan konsultasi dan atau mengalami kebuntuan dalam melakukan olah data skripsi. Dalam hal ini, Anda dapat mempertimbangkan untuk menggunakan jasa analisis data kami.
