Analisis Univariat: Pengertian, Manfaat, Hingga Contoh Lengkap

Analisis univariat merupakan analisis yang digunakan pada satu variabel dengan tujuan untuk mengetahui dan mengidentifikasi karakteristik dari variabel tersebut.

Selain itu, kita juga bisa mengguankan analisis univariat untuk tujuan mengambil kesimpulan dengan menggunakan beragam analisis inferensial yang mungkin digunakan.

Analisis ini merupakan teknik analisis paling dasar yang sering digunakan dalam berbagai jenis penelitian.

Karena yang dianalisis hanya satu variabel, maka hasil dari analisis univariat tidak bisa dan tidak boleh disimpulkan dengan variabel lain.

Analisis ini memang kerap disamakan dengan analisis deskriptif karena hanya memberikan gambaran terhadap satu variabel saja tanpa adanya intervensi dari variabel lain.

Namun, analisis ini juga bisa digunakan untuk tujuan inferensial atau mengambil kesimpulan dari satu kelompok variabel.

Tujuan Analisis Univariat

Secara umum, tujuan dari analisis univariat:

1. Mengetahui karakteristik data

Berbicara karakteristik, kita bisa melihat apakah data yang kita gunakan sekilas berdistribusi normal, menceng kiri, menceng kanan, terdapat outlier, dll.

2. Mengetahui ukuran pemusatan, ukuran penyebaran, dan statistik deskriptif lain dari sebuah data data

Ukuran pemusatan, penyaberan, dll merupakan identifikasi awal untuk melakukan analisis lebih lanjut seperti analisis varianas, regresi, dll.

3. Menghasilkan distribusi frekuensi dari suatu data

Dengan mengelompokkan data berdasarkan distribusinya, anda akan mendapatkan berbagai informasi menarik seperti berapa jumlah anak yang memiliki tinggi badan lebih dari 160 cm, kurang dari 170cm, dll.

4. Melakukan pengambilan kesimpulan

Meskipun hanya menggunakan satu variabel, anda tetap bisa melakukan analisis inferensial.

Dalam penelitian, sebelum kita melakukan berbagai pengujian, pemodelan, estimasi, dll, ada baiknya kita melakukan analisis terhadap masing-masing data atau variabel yang kita gunakan.

Hal ini nantinya akan memengaruhi bagaimana kualitas dari hasil penelitian anda sendiri.

Yang perlu dipahami dalam analisis univariat

1. Pahami jenis data terlebih dahulu

Ada banyak sekali jenis data dan skala pengukurannya. Hal ini akan memengaruhi arah dari penggunaan analisis univariate itu sendiri. Ada baiknya, jenis data ini diidentifikasi terlebih dahulu untuk memudahkan proses analisis nantinya.

2. Pada umumnya, analisis univariat cukup terbatas

Dalam praktiknya, penggunanaan analisis statistik inferensial untuk kasus satu variabel tergolong terbatas.

Analisis Univariat Untuk Tujuan Inferensial

Beberapa contoh jenis analisis inferensial yang bisa anda lakukan dengan menggunakan analisis univariat antara lain:

1. Analisis runtun waktu

Dengan satu variabel, anda bisa melakukan analisis runtun waktu dan melakukan pemodelan serta prediksi untuk masa depan.

Analisis ini sering digunakan dalam banyak hal seperti ekonomi dan sosial.

Uji ini dilakukan ketika jenis data yang digunakan adalah data nominal.

Sebagai contoh, anda seorang trader saham. Dengan pola pergerakan dan volatilitas yang terjadi, dengan jumlah data yang sangat besar, anda bisa memperkirakan harga saham beberapa waktu ke depan menggunakan metode ARCH atau GARCH sehingga bisa melakukan pengambilan keputusan dengan tepat.

2. Uji Binomial

Uji Binomial menguji hipotesis tentang suatu proporsi populasi.

Ciri-ciri uji binomial adalah data berupa dua kondisi(bi) seperti ‘gagal’ atau ‘sukses’ yang diulang sebanyak n kali.

Dalam hal ini pemakai bebas untuk mendefinisikan apa yang dimaksud ‘sukses’ dan apa yang dikategorikan ‘gagal’.

Skala data yang digunakan dalam uji ini adalah nominal.

Contoh penggunaan uji binomial adalah saat pengujian pelemparan koin. Dalam hal ini, sukses dikelompokkan sebagai “bagian muka yang muncul” sedangkan gagal dikelompokkan sebagai “bagian ekor yang muncul”.

3. Uji Chi-Square Satu Sampel

Uji Chi-Square satu sampel merupakan pengujian hipotesis untuk mengetahui perbandingan antara frekuensi sampel yang benar-benar terjadi (frekuensi sampel disimbolkan dengan observasi atau O) dengan frekuensi harapan berdasarkan hipotesis tertentu pada setiap pengujian (frekuensi harapan disimbolkan dengan E).

Contoh: Pemerintah akan melakukan distribusi bantuan gerobak untuk pengusaha di 5 desa (Desa A, Desa B, Desa C, dan Desa D).

Jumlah gerobak bantuan yang akan dibagikan berbeda-beda untuk setiap desa. Untuk membuktikan apakah pembagian tersebut merata kepada setiap desa, diagunakan 80 sampel yang tersebar di 4 desa tersebut sebagai sampel

4. Uji Run (Run Test)

Uji run merupakan pengujian non-parametrik yang digunakan untuk mengetahui apakah suatu sampel diambil secara acak (random) atau tidak.

Skala data yang digunakan dalam uji ran adalah ordinal.

Contoh, dalam sebuah survei kepuasan publik, diambil 30 pengunjung kantor. Jawaban pengunjung tersebut dikelompokkan menjadi dua, puas atau tidak puas. Berdasarkan soal ini, kita bisa menentukan apakah sampel yang digunakan diambil secara acak atau tidak.

5. Uji-t satu sampel

Uji t-satu sampel merupakan pengujian yang dilakukan untuk mengetahui apakah rata-rata dari sebuah data secara statistik berbeda dari nilai rata-rata yang sudah diketahui atau berdasarkan hipotesa rata-rata populasi berdasarkan informasi yang sudah ada sebelumnya.

Skala data yang digunakan dalam uji-t satu sampel adalah interval.

Contoh, kita ingin mengetahui apakah rata-rata berat badan siswa SD kelas 1 di suatu kelurahan sudah mengikuti standar anak sehat atau belum. Berdasarkan hipotesa yang ada, berat badan siswa kelas 1 SD yang tergolong sehat adalah 30kg.

6. Uji Kolmogorov-Smirnov Satu Sampel

Uji Kolmogorov-Smirnov satu sampel merupakan salah satu pengujian yang bertujuan untuk mengetahui apakah suatu kelompok variabel berasal dari kelompok sampel yang sama atau tidak.

Biasanya, uji ini digunakan dalam membuktikan asumsi normalitas dari sampel yang digunakan.

Namun, anda juga bisa menggunakan uji ini pada distribusi sampling lainnya.

Contoh analisis univariat

Anggaplah anda memiliki sekelompok data tinggi badan dari 30 orang. Mari kita coba lihat analisis univariate apa yang munggkin kita lakukan dengan data tersebut

Contoh Analisis Univariat dengan Microsoft Excel

Bila anda menggunakan Microsoft excel, berikut tahapan dalam analisis ini:

1. Siapkan data anda, buka Microsoft Excel. Aktifkan dulu analysis toolpak pada menu File > Options > Add Ins > Analysis ToolPak > Ok

aktifkan-add-in-analysis-microsoft-excel

2. Add in analysis toolpak telah aktif pada bagian pojok kanan atas, pilih menu tersebut.

add-in-analysys-tool-pack-excel

3. Pada bagian input range, pilih kelompok data yang akan dianalisis. Pada bagian output range, pilih di mana hasil analisis akan muncul. Anda bisa menambahkan pilihan lain dengan menambahkan centang pada analisis yang disediakan.

pengaturan-analisis-statistik-deskriptif

4. Berikut hasil analisis univariat yang bisa anda dapatkan dari microsoft excel berdasarkan data di atas.

hasil-analisis-univariat-dengan-microsoft-excel

Contoh Analisis Univariat dengan SPSS

Untuk analisis univariate, saya lebih cenderung menggunakan SPSS. Hal ini dikarenakan banyaknya fitur analisis serta proses penggunaan yang sangat mudah tanpa perlu mengetahui formula atau berbagai jenis syntax.

1. Siapkan data anda terlebih dahulu

2. Pilih Analyze > Descriptive Statistics > Frequencies

analisis-univariat-statistik-deskriptif

3. Pilih Statistics, aktifkan output yang ingin anda tampilkan

analisis-univariat-statistik-deskriptif-dengan-spss

4. Pilih analisis apa saja yang ingin anda tampilkan

analisis-univariat-statistik-deskriptif-dengan-spss-2

5. Pilih tab Chart

analisis-univariat-statistik-deskriptif-dengan-spss-3

6. Pilih analisis yang ingin anda hasilkan

analisis-univariat-statistik-deskriptif-dengan-spss-4

7. Lakukan interpretasi hasil

distribusi-frekuensi
gambaran-distribusi-frekuensi

Berdasarkan hasil analisis univariate yang kita lakukan, berikut informasi yang bisa kita dapatkan:

1. Rata-rata tinggi badan dari 30 orang sampel tersebut adalah 169,87 cm

2. Standar deviasi dari tinggi badan 30 prang sampel tersebut adalah 5,87

3. Nilai modus atau tinggi badan yang paling banyak muncul pada kelompok data tersebut adalah 174 cm

4. Jarak tinggi badan tertinggi dan terendah berdasarkan data tersebut adalah 20 cm

5. Berdasarkan histogram, data tidak terlalu mengikuti distribusi normal. Hal ini bisa dijadikan identifikasi awal bahwa data yang kita gunakan tidak normal. Namun, hal ini tentunya belum bisa dijadikan kesimpulan mutlak. Perlu dilakukan pengujian statistik agar bisa mendapatkan kesimpulan yang lebih valid.

6. Nilai kurtosis dari data tersebut adalah -1,224. Hal ini berarti distribusi data yang menunjukkan menceng kiri.

7. Nilai skewness dari data tersebut adalah -0.42. Hal ini berarti distribusi data menunjukan sebaran yang lebih rata (platikurtik).

Contoh Analisis Univariat Uji Normalitas Data Dengan SPSS

Analisis univariat yang sering digunakan dalam pengambilan kesimpulan adalah uji normalitas.

Pada kasus ini, saya menggunakan uji kolmogorov-smirnov satu sampel untuk pengujian normalitas data.

Berdasarkan data tinggi badan 25 orang siswa SMP berikut, buktikan apakah kelompok data yang digunakan mengikuti distribusi normal atau tidak.

1. Penentuan Hipotesis

H0    : tinggi badan siswa SMP berdistribusi normal

H1    : tinggi badan siswa SMP tidak berdistribusi normal

2. Penentuan taraf signifikansi (α)

Taraf signifikansi atau α yang digunakan adalah 0,05

3. Tentukan kriteria pengujian

– Berhasil menolak H0 ditolak apabila nilai Asymp Sig. (p-value) < 0,05
– Gagal tolak H0 apabila Asymp Sig. (p-value) ≥ 0,05

4. Pengujian menggunakan SPSS

a. Input variabel yang digunakan pada variable view

uji-normalitas-analisis-univariat

b. Input data pada halaman data view

analisis-univariat-uji-kolmogorov-smirnov

c. Pilih Analyze > Nonparametric Tests > Legacy Dialogs > 1-Sample K–S.

pilih-nonparametric-tests-legacy-dialogs-1-sample-ks

d. Pindahkan variabel yang akan diuji pada kolom test variable list. Jangan lupa centang Normal pada bagian Test Distribution

uji-normalitas-dengan-uji-ks-satu-sampel

d. Lakukan interpretasi pada output

output-uji-ks-satu-sampel-spss

Berdasarkan hasil pengujian, terlihat nilai p-value > alpha (0.05). Artinya, kita gagal menolak H0.

5. Lakukan pengambilan kesimpulan

Berdasarkan hasil pengujian ,terlihat bahwa p-value > alpha (0.05). Artinya, kita gagal menolak H0.

Bisa disimpulkan dengan tingkat keyakinan 95 persen, data tinggi badan yang kita gunakan berdistribusi normal.

Penutup

Analisis univariat mungkin terlihat seperti analisis sederhana yang hanya menggunakan satu variabel.

Namun, anda tetap bisa menggunakan analisis univariat untuk mengetahui karakteristik data serta mengambil kesimpulan sesuai dengan jenis data beserta kondisi variabelnya.