HUBUNGAN ANTAR 2 (DUA) VARIABEL (BIVARIATE

)

Pembahasan sampling theory pada dasarnya hanya menyangkut 1 (satu) variabel random atau sering disebut univariate. Dalam pembahasan tersebut, focus utama menyangkut hubungan antara sample dan populasi, atau pengambilan kesimpulan tentang hypothesa yang menyangkut parameter populasi berdasarkan data statistics empirik yang dihitung sampel. Pembahasan tersebut tidak menyangkut hubungan antar variabel ataupun model sebab akibat antar variabel. Dalam bagian berikut akan dibahas hubungan antar 2 variabel ( bivariate ) dan teknik statistik yang digunakan tergantung tingkat pengukuran variabel.

1.Pengukuran Nominal (Chapter 10.15, Walpole))
Pengukuran nominal adalah tingkat pengukuran yang paling sederhana sehingga unit analisis tidak dapat diukur individual tetapi hanya dapat diklasifikasikan dalam kategorinya masing2. Pengujian yang dilakukan sering juga disebut Test for Independence atau Tabel Contingency dengan menghitung besaran jumlah total selisih kuadrat frekuensi empirik (observasi = oi ) terhadap frekuensi teoritis (expected = ei ) relative terhadap expected ei atau :


dengan degree of freedom = ( r-1 )( c-1 ) dimana : oi = frekuensi observasi (empirik) ei = frekuensi expected r = row, banyaknya baris c = column, banyaknya kolom

(

)

Bila jatuh pada area penolakan yaitu maka Ho : ”tidak ada hubungan antara variabel 1 ( X1) dengan variabel 2 ( X2 ) ”, harus ditolak. Atau artinya ada hubungan atau pengaruh antara variabel 1 dan variabel 2. Contoh : Sampel sebanyak 1000 orang diambil untuk mengetahui apakah ada hubungan antara tingkat pendapatan ( income level, X1 ) dengan opini setuju-tidak setuju atas usulan perubahan pajak ( tax reform, X2 ). Atau dengan perkataan lain, apakah opini seseorang atas Tax Reform

1) adalah : 20. sedangkan ( X2 ) hanya dapat dikelompokan dalam kategori setuju-tidak setuju. Distribusi frekuensi dari setiap kelompok pendapatan dan opini adalah sebagai berikut : Observed Frequency ( oi ) Rendah 182 154 336 Income Level Menengah 213 138 351 Tinggi 203 110 313 Total 598 402 1.8 313 ( ) ( 20.9 135.9 209.. dengan teori probability kita dapat menghitung peluang teoritis (expected probability) setiap orang dari sel (1. Persoalan diatas menyangkut hubungan antara 2 variabel pada tingkat pengukuran nominal kareana unit analysis hanya dapat dikelompokan (”diukur”) dalam kategori tingkat pendapatan rendah. Dengan perkataan lain. Dengan cara yang sama akan didapatkan expected frequency untuk tiap sel sebagai berikut : Expected Frequency ( ei ) Income Level Rendah Menengah 200.09% atau expected frequency untuk sel (1...dipengaruhi oleh tingkat kemakmurannya. menengah. memang ada perbedaan opini antar kelompok tingkat pendapatan. .2 125.85 dengan degree of freedom= (r-1)(c-1)= (2-1)(3-1) = 2 Atau P ( )dof=2 = 0.1 141.. Hypothesa dari persoalan diatas adalah Ho :Tidak ada perbedaan opini antara kelompok pendapatan rendah.1) adalah probability dari kelompok setuju dan kelompok pendapatan rendah atau P(rendah ) = P ( Rendah) P(Setuju) = 1000 = 200.05.000 Opini Setuju Tidak setuju Total Berdasarkan jumlah dari setiap kelompok (baris dan kolom). menengah dan tinggi..02 yang masih lebih kecil dari 0.1 336 351 Tinggi 187.09% Opini Setuju Tidak setuju Total Total 598 402 1. dapat dihitung nilai . tinggi (X1 ). ( ) ( ) = = 7..9 orang.000 ) Dari tabel Observasi dan Expected .. atau Hypothesa Ho ditolak.

25 0 2.6 1.5 0 -1. Spearman rs atau ρ (rho.3 1.5 0 0 0 0. yaitu teknik yang tidak menggunakan asumsi tentang distribusi populasi sehingga hubungan antara distribusi populasi dengan distribusi sampel sebenarnya tidak diketahui. atau generalisasi dari kesimpulan sampel sebenarnya terbatas.1 1.1956) yang didefinisikan : C=√ Atau untuk contoh diatas C = √ 0. Dapat dilihat bahwa dengan N yang semakin besar nilai numeric yang kecil cukup memberikan signifikasi. untuk notasi parameter)) rs = 1- ∑ dimana : di = selisih rank X1 – X2 Contoh : 10 merk rokok diukur kandungan Tar ( X1 ) dan Nicotine ( X2 ) sebagaimana dalam tabel berikut : Brand Viceroy Marlboro Chesterfield Kool Kent Raleigh Tar X1 14 17 28 17 16 13 Nicotine X2 0. indeks korelasi yang dapat digunakan adalah Spearman Rank Correlation rs atau Kendall Rank Correlation τ a.Pengukuran Ordinal Kedua teknik korelasi ordinal berikut ini masuk dalam kategori statistic non parametric. Untuk variabel dengan tingkat pengukuran ordinal.8 Rank X1 2 4.5 9 4. indeks korelasi yang digunakan adalah contingency coefficient C (Siegel.0 0.9 1.25 0 0 .Tingkat atau intensitas hubungan antara 2 variabel seringkali disebut sebagai indeks korelasi dan untuk 2 variabel nominal walaupun pengujian dapat menunjukan signifikasi hubungan.09.5 3 1 Rank X2 2 4 9 6 3 1 di = X1-X2 0 0. 2.

967. Pengujian juga dapat dilakukan dengan pendekatan normal.01 adalah rs = 0.33 b. nilai kritis untuk n = 10 dan hubungan antara X1 dan X2.22. sehingga nilai rs yang dihitung dapat di konversikan kepada nilai z normal.9 yang akan berada didaerah rejection Atau untuk contoh diatas z = 0.0 7 8 6 10 ( )( ) ) 8 7 5 10 -1 1 1 0 1 1 1 0 Atau Spearman Rank Correlation rs = 1.745.967 √ untuk 2.4 1. atau nilai korelasi significant. Dari nilai rs diatas.2 2. atau Ho ditolak. Kendall Rank Correlation τ Kendall τ didefinisikan sebagai ratio antara total pasangan dengan urutan natural berdasarkan data empiris ( S ) dibandingkan dengan total kombinasi pasangan yang seharusnya berurutan dengan benar (teoritis) τ= Contoh : ( ⁄ ) ( ) ( ) Karya essay 4 orang mahasiswa dinilai oleh 2 orang penilai dan diurutkan dalam ranking mulai dari terbaik sbb : .5 1. sebagai berikut : 0. Walpole).Old Gold Phil Morris Oasis Players 24 25 18 31 1. Catatan : ρ = 0 = 2. karena distribusi dari rs akan mengikuti distribusi normal.( Hypothesa nol adalah tidak ada korelasi atau H0 : ρ = 0 Pengujian significant dari nilai rs yang didapat. bisa mgnggunakan Tabel Spearman ( A. artinya memang ada z= ⁄ √ √ …………. sedangkan nilai rs hitung adalah = 0.

penilaian judge Y urutannya dari rank 2 ke rank 4 (kecil ke besar) atau secara normative benar. Dimulai dari mahasiswa D paling kiri (ranking 1 pada penilaian judge X) terhadap C. maka skor (+1) 3. dari rank 2 ke rank 1. Bila penilaian judge X digunakan sebagai reference.33 . Total skor keseluruhan adalah = +1 – 2 – 1 = -2 7. maka urutan mahasiswa adalah sbb.Mahasiswa Penilai X Y A 3 3 B 4 1 C 2 4 D 1 2 Bila penilaian salah satu penilai (judge) diurutkan sesuai ranking dari terbaik dstm. Maka nilai korelasi Kendall τ = ⁄ . Proses tersebut dilakukan berikutnya untuk komparasi antara C terhadap A dan B yang akan menghasilkan skor = . (kecil ke besar) atau sesuai dengan standard normative. maka seharusnya penilaian dari judge Y akan berurutan sama seperti judge X. Dari tabel dapat dilihat bahwa ternyata penilaian kedua judge tersebut tidak 100% sama atau korelasi kedua penilaian tersebut tidak sempurna. : Mahasiswa Penilai X Y D 1 2 C 2 4 A 3 3 B 4 1 Dari tabel yang kedua. Untuk urutan pasangan selanjutnya (D terhadap A)dari rank 2 ke rank 3. penilaian judge X sudah berurutan dan dianggap sebagai reference. Jadi komparasi D terhadap ke 3 mahasiswa lain akan menghasilkan skor total = (+1) + (+1) + (-1) = + 1 5. banyaknya score untuk pasangan yang terurut dengan benar dihitung sbb : 1. atau menurun dari besar ke kecil atau tidak memenuhi standard yang seharusnya. Maksimum skor yang bisa dicapai adalah kombinasi 2 dari 4 atau ( ) 6 8.0. maka untuk judge Y. Berikutnya adalah urutan D terhadap B.2 dan komparasi A terhadap B akan menghasilkan skor = -1 6. Untuk itu mendapat score (+1) 2. Bila kedua penilai sepakat. 4.

Significance Test Untuk setiap N ! ranking yang mungkin terjadi. Pengukuran metric Untuk variabel dengan tingkat pengukuran interval atau ratio indeks hubungan antar variabel dinyatakan dalam Pearson Correlation yang didefinisikan : rxy = ( X  X )(Y  Y )  ( X  X )  (Y  Y ) 2 2   xy  x2  y2 . dimana : x =( X . untuk nilai N sd 10 dapat digunakan tabel Kendall (tabel Q. Sebagai contoh.̅ ) Pengujian significance dapat dilakukan dengan distribusi t melalui konversi : t= √( √( ) ) Atau dengan distribusi normal melalui konversi : z= √( ) [ ( ( ) ) ] .̅ ) dan y=( Y . selalu berasosiasi dengan nilai τ. besarnya nilai τ bervariasi dari -1 sd +1 dan membentuk distribusi frekuensi. 3. sampling distribution dari τ akan mengikuti distribusi normal dengan : dan √ ( ( ) ) dan pengujian significant dari nilai τhitung dapat dilakukan seperti biasa. Siegel). Tentu saja proses tersebut tidak praktis bila menyangkut N cukup besar. Untuk N 0 10. untuk N = 4 maka ada 4 ! = 24 kombinasi urutan ranking dan setiap kombinasi berkaitan dengan nilai τ tertentu dengan probability of occurrence tertentu.

Sign up to vote on this title
UsefulNot useful