BAB III SUBJEK DAN METODE PENELITIAN
3.7 Rancangan Analisis Data
Data yang sudah terkumpul diolah secara komputerisasi untuk mengubah data menjadi informasi. Adapun langkah-langkah dalam pengolahan data dimulai dari:
1. Editing, yaitu memeriksa kebenaran data yang diperlukan
2. Coding, yaitu mengubah data berbentuk kalimat atau huruf menjadi data angka atau bilangan.
3. Data entry yaitu memasukkan data, yakni hasil pemeriksaan dan pengukuran subjek penelitian yang telah di-coding, dimasukan ke dalam program komputer.
4. Cleaning, yaitu apabila semua data dari responden telah selesai dimasukkan, maka perlu dicek kembali untuk melihat kemungkinan-kemungkinan adanya kesalahan-kesalahan kode, ketidaklengkapan, dan sebagainya, kemudian dilakukan koreksi. Analisis yang dilakukan harus sesuai dengan jenis masalah penelitian dan data yang digunakan.
Analisis yang dilakukan selanjutnya bertujuan untuk mendiskripsikan variabel- variabel dependen dan independen sehingga dapat membantu analisis selanjutnya secara lebih mendalam. Selain itu, analisis secara deskriptif ini juga digunakan
untuk mengetahui karakteristik subjek penelitian yang menjadi sampel penelitian.
Analisis data untuk melihat gambaran proporsi masing- masing variabel yang akan disajikan secara deskriptif dapat diuraikan menjadi analisis deskriptif dan uji hipotesis. Data yang berskala numerik seperti umur pasien dipresentasikan dengan rerata, standard deviasi, median dan range. Kemudian untuk data karakteristik sampel berupa data kategorik seperti jenis kelamin pasien maka diberikan koding dan dipresentasikan sebagai distribusi frekuensi dan persentase.
Analisis yang dilakukan harus sesuai dengan jenis masalah penelitian dan data yang digunakan. Kemudian untuk data numerik, sebelum dilakukan uji statistika data numerik tersebut dinilai dengan uji normalitas dengan menggunakan Shapiro- Wilk test apabila data kurang dari 50, alternatifnya adalah Kolmogorov Smirnov apabila data lebih dari 50, dimana uji ini digunakan untuk menguji apakah data berdistribusi normal atau berdistribusi tidak normal. Selanjutnya analisis statistik sesuai tujuan penelitian dan hipotesis. Uji kemaknaan untuk membandingkan karakteristik dua kelompok penelitian digunakan uji t tidak berpasangan jika data berdistribusi normal dan uji Mann Whitney sebagai alternatifnya jika data tidak berdistribusi normal. Sedangkan analisis statistik untuk data kategorik diuji dengan uji Chi-square apabila syarat Chi-Square terpenuhi, apabila tidak terpenuhi maka digunakan uji Exact Fisher untuk tabel 2 x 2 dan Kolmogorov Smirnov untuk tabel selain 2 x 2. Syarat Chi Square adalah tidak ada nilai expected value yang kurang dari 5 sebanyak 20% dari tabel.
Adapun kriteria kemaknaan yang digunakan adalah nilai p, apabila p≤0,05 signifikan atau bermakna secara statistika, dan p>0,05 tidak signifikan atau tidak
30
bermakna secara statistik. Data yang diperoleh dicatat dalam formulir khusus kemudian diolah melalui program SPSS versi 24.0 for Windows.
3.7.1 Analisis Pemodelan Regresi 3.7.1.1 Uji Asumsi Klasik
Adapun syarat asumsi klasik yang harus dipenuhi model regresi sederhana sebelum data tersebut dianalisis sebagai berikut:
1. Uji Normalitas
Pengujian data diperlukan karena hasil uji statistik (uji T atau uji F) akan diinterpretasikan ke dalam parameter dalam populasi. Karena data dalam populasi memiliki distribusi normal, maka data dalam sampel (terutama sampel kecil) harus memiliki distribusi normal juga. Sehingga dalam uji t dan uji F diasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid, Untuk melakukan uji normalitas, peneliti dapat melakukannya melalui uji grafik .
2. Uji Heterokedastisitas
Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain.
Jika varian dari residual suatu pengamatan ke pengamatan lain tetap, makan disebut homoskedastisitas, dan jika berbeda disebut heterkedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas artinya asumsi homoskedastisitas
terpenuhi. Pengujian menggunakan grafik scatterplot dengan kriteria sebagai berikut:
1. Jika data membentuk suatu pola tertentu, seperti titik – titik yang membentuk pola yang teratur, maka dapat dikatakan terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas atau titik – titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka dapat dikatakan tidak terjadi heteroskedastisitas atau terjadi homokedastisitas.
3.7.2 Analisis Regresi Linier Sederhana
Analisis regresi linier sederhana adalah hubungan secara linier antara satu variabel independen (X) dengan variabel dependen (Y). Analisis ini digunakan untuk mengetahui seberapa kuatnya arah hubungan antara variabel independen dengan variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Bentuk umum persamaan regresi linier sederhana adalah:
Ŷ= a + bX Keterangan:
Y = Variabel dependen (nilai yang dipresisikan) X = Variabel independen
a = Konstanta (nilai Y apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
32
3.7.3 Pengujian Hipotesis
Hipotesis merupakan jawaban sementara terhadap rumusan masalah penelitian, dimana rumusan masalah penelitian telah dinyatakan dalam bentuk kalimat pernyataan. Adanya pengujian hipotesis guna untuk menentukan/memastikan apakah variabel X berhubungan/berinteraksi secara signifikan dengan variabel Y. Hipotesis yang diajukan dalam penelitian ini diuji menggunakan uji signifikan parsial (uji statistik t). Data tambahan diuji dengan menggunakan analisis regresi linear sederhana.
Uji hipotesis t – test digunakan untuk mengetahui apakah variabel independen memiliki hubungan signifikan atau tidak dengan variabel dependen secara individual untuk setiap variabel. Bentuk umum persamaan t – test sebagai berikut:
Keterangan :
"p = Korelasi parsial yang ditemukan n = Jumlah sampel
t = thitung yang selanjutnya dikonsultasikan dengan ttabel
Adapun kriteria kemaknaan hasil uji statistik yang digunakan adalah nilai p.
Apabila p≤0,05 maka signifikan atau bermakna secara statistika, dan p>0,05 tidak signifikan atau tidak bermakna secara statistik. Data yang diperoleh dicatat dalam formulir khusus kemudian diolah melalui program SPSS versi 24.0 for Windows.
3.7.4 Koefisien Determinasi
Koefisien determinasi dilambangkan dengan r2. Nilai ini menyatakan proporsi variasi keseluruhan dalam nilai variabel dependen yang dapat diterangkan atau diakibatkan oleh hubungan linear dengan variabel independen, selain itu sisanya diterangkan oleh variabel lain. Berikut adalah rumus koefisien determinasi:
#$ = "! ' 100%
Keterangan:
KD = Koefisien Determinasi r = Koefisien Korelasi