Tampilkan postingan dengan label Analisis Data. Tampilkan semua postingan
Tampilkan postingan dengan label Analisis Data. Tampilkan semua postingan

Rabu, 19 Februari 2020

Realibilitas (skripsi dan tesis)


Uji reliabilitas adalah pengukuran untuk suatu gejala. Semakin tinggi realibilitas suatu alat ukur, maka semakin stabil alat tersebut untuk digunakan. Tingkat realibilitas suatu konstruk atau variabel penelitian dapat dilihat dari hasil statistik Cronbach Alpha (Ξ±) Suatu variabel dikatakan reliable jika memberikan nilai cronbach alpha > 0,60. Semakin nilai alphanya mendekati 21 satu maka nilai realibilitas datanya semakin terpercaya.Dengan kata lain, realibilitas menunjukkan konsistensi suatu alat pengukur di dalam pengukur gejala yang sama. Uji realibilitas dilakukan dengan rumus Croansbach’s Alpha

Uji Validitas (skripsi dan tesis)


 Pengujian validitas data digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dianggap valid jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang diukur oleh kuesioner tersebut. Pengujian validitas dilakukan dengan bantuan program SPSS for windows. Pengambilan keputusan berdasarkan nilai p value atau nilai signifikasi kurang dari 0,05, maka item pertanyaan tersebut dinyatakan valid dan sebaliknya jika nilai p value atau signifikasi sama dengan atau lebih dari 20 0,05 dinilai tidak valid. Cara analisisnya dengan cara menghitung koefisien korelasi antara masing-masing nilai pada nomor pertanyaan dengan nilai total dari nomor pertanyaan tersebut. Selanjutnya koefisien korelasi yang diperoleh r masih harus diuji signifikansinya bisa menggunakan uji t atau membandingkannya dengan r tabel.Bila t hitung > dari t tabel atau r hitung >dari r tabel, maka nomor pertanyaan tersebut valid. Bila menggunakan program komputer, asalkan r yang diperoleh diikuti harga p< 0,05 berarti nomor pertanyaan itu valid

Ekstraksi Faktor (skripsi dan tesis)


 Ekstraksi faktor yang bertujuan untuk mengetahui jumlah faktor yang terbentuk dari data yang ada.Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang 17 adaKMO>0,5, sehingga terbentuk satu atau lebih faktor.Metode ekstrasi yang digunakan adalah Analisis Komponen Utama (Principal Components Analysis). Analisis komponen utama merupakan teknik statistik yang digunakan untuk menjelaskan struktur variansi-kovariansi dari sekumpulan variabel melalui beberapa variabel baru dimana variabel baru ini saling bebas, dan merupakan kombinasi linier dari variabel asal. Selanjutnya, variabel baru ini dinamakan komponen utama. Secara umum tujuan dari analisis komponen utama adalah mereduksi dimensi data sehingga lebih muda untuk menginterpretasikan data-data tersebut. Analisis komponen utama bertujuan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan dimensinya. Hal ini dilakukan dengan menghilangkan korelasi variabel melalui transformasi variabel asal ke variabel baru yang tidak berkorelasi.Variabel baru (π‘Œ)disebut komponen utama yang merupakan hasil transformasi dari variabel asal X yang modelnya dalam bentuk catatan matriks

Kegunaan Analisis Faktor (skripsi dan tesis)


Analisis faktor mempunyai beberapa kegunaan adalah sebagai berikut : a) Untuk mengidentifikasi underlying dimensions (factors) yang dapat menjelaskan korelasi sekumpulan variabel.Untuk mengidentifikasi variabel baru, yang dapat digunakan untuk analisis l lainnya c) Untuk mengedintifikasi satu atau beberapa variabel dari variabel yang banyak jumlahnya. d) Mengkonfirmasi kontruksi suatu variabel latin

Analisis faktor (skripsi dan tesis)


Analisis faktor merupakan salah satu metode statistika multivariate yang digunakan untuk menemukan beberapa faktor yang mendasari dan mampu menjelaskan hubungan atau korelasi antara berbagai indikator independen yang diobservasi  . Metode analisis faktor pertama kali digunakan oleh Charles Spearman untuk memecahkan persoalan psikologi dalam tulisannya pada American Journal of Psychology pada tahun 1904 mengenai dan pengukuran intelektual.Analisis faktor menganalisis sejumlah variabel dari suatu pengukuran atau pengamatan yang dititikberatkan pada teori dan kenyataan yang sebenarnya dan menganalisis interkolerasi (hubungan) antara variabel untuk menetapkan apakah variasi-variasi yang tampak dalam variabel-variabel tersebut berdasarkan sejumlah faktor dasar yang jumlahnya lebih sedikit dari jumlah variasi yang ada variabel. Selain itu analisis faktor merupakan metode yang dapat digunakan untuk mereduksi data yaitu suatu proses untuk meringkas sejumlah variabel independen yang saling berkorelasi untuk dikelompokan menjadi sebuah variabel baru yang diberi nama faktor. Prinsip dasar analisis faktor adalah mengekstrasi sejumlah faktor (common factor) dari gugusan variabel asal𝑋1, 𝑋2, 𝑋3, …., 𝑋𝑝, sehingga banyaknya faktor lebih sedikit dari banyaknya variabel asal x yang tersimpan dalam sejumlah faktor 

Faktor Rotasi (Rotated Factor Loading) (skripsi dan tesis)


 Faktor rotasi menunjukkan korelasi antara variabel yang diperkirakan dari matriks faktor.Dalam rotasi faktor dikenal dua jenis rotasi, yaitu rotasi orthogonal dan rotasi oblique. Dalam rotasi orthogonal variabel – variabel diekstraksi sedemikian rupa, sehingga variabel – variabel tersebut independent satu sama lain, dengan melakukan rotasi tegak lurus. Sedangkan pada oblique tidak perlu melakukan rotasi tegak lurus.(Santoso,2010) Metode rotasi dengan orthogonal yang banyak dipergunakan yaitu varimaxrotation.Prosedur ini digunakan untuk meminumkan (membuat sedikit  mungkin) banyaknya variabel dengan muatan tinggi (high loading) pada satu faktor. (Supranto,2010)

Selasa, 18 Februari 2020

Faktor Rotasi (Rotated Factor Loading) (skripsi dan tesis)

Faktor rotasi menunjukkan korelasi antara variabel yang diperkirakan dari matriks faktor.Dalam rotasi faktor dikenal dua jenis rotasi, yaitu rotasi orthogonal dan rotasi oblique. Dalam rotasi orthogonal variabel – variabel diekstraksi sedemikian rupa, sehingga variabel – variabel tersebut independent satu sama lain, dengan melakukan rotasi tegak lurus. Sedangkan pada oblique tidak perlu melakukan rotasi tegak lurus.(Santoso,2010) Metode rotasi dengan orthogonal yang banyak dipergunakan yaitu varimaxrotation.Prosedur ini digunakan untuk meminumkan (membuat sedikit mungkin) banyaknya variabel dengan muatan tinggi (high loading) pada satu faktor. (Supranto,2010)

Asumsi Pada Analisis Faktor (skripsi dan tesis)

 
Karena prinsip utama analisis faktor adalah korelasi, maka asumsi – asumsi terkait dengan korelasi akan digunakan, yakni : (Santoso,2010) a. Besar korelasi atau korelasi antar variabel independen harus cukup kuat, misalkan diatas 0,5 b. Besar korelasi parsial, korelasi antara dua variabel dengan menganggap tetap variabel yang lain, justru harus kecil c. Pengujian seluruh matriks korelasi (korelasi antar variabel) yang diukur dengan besaran Bartlett Test Of Sphericity atau Measure Sampling Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel d. Pada beberapa kasus, asumsi normalitas dari variabel – variabel atau faktor yang terjadi sebaiknya terpenuhi.

Tujuan Analisis Faktor (Skripsi dan tesis)

 Pada dasarnya tujuan analisis faktor adalah (Santoso,2010) a. Data summarizationyakni mengidenfikasi adanya hubungan antara variabel dengan melakukan uji korelasi. b. Data reduction yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu.

Kegunaan Analisis Faktor (skripsi dan tesis)

 Analisis faktor dipergunakan didalam situasi sebagai berikut : (Supranto,2010) a. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor, yang menjelaskan korelasi antara suatu set variabel. b. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel yang saling berkorelasi didalam analisis multivariat selanjutnya, misalnya analisis regresi berganda dan analisis diskriminan. c. Mengenali atau mengidentifikasi suatu set yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan didalam analisis multivariat selanjutnya.

Analisis Faktor (skripsi dan tesis)

Proses analisis faktor mencoba menemukan hubungan (interrelationship) antara sejumlah variabel – variabel yang saling independen satu dengan yang lain, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah variabel awal. (Santoso, 2010) Analisis faktor didasarkan pada sebuah model dimana vektor hasil pengamatan dipartisi ke dalam suatu bagian sistematik yang tak teramati dan suatu bagian error yang tak teramati.Komponen dari vektor error dianggap bebas (independent) dari komponen vektor sistematik, dimana bagian sistematik merupakan kombinasi linier dari variabel faktor yang jumlahnya relatif lebih sedikit.Analisis faktor memisahkan pengaruh faktor yang menjadi perhatian dasar dari error (Anderson.T.W, 1984). Salah satu kelebihan dari analisis faktor adalah ketika bentuk persamaan tidak cocok dengan data, perkiraan korelasi antar faktor dengan variabel jelas mencerminkan kegagalan. Dalam sebuah kasus, ada dua permasalahan dalam perkiraan yaitu (1) tidak jelas banyaknnya faktor yang dibentuk dan (2) tidak jelas nama faktor yang di tentukan. Dalam prosedur statistik lain, kegagalan asumsi tidak mengakibatkan konsekuensi yang jelas seperti dalam perkiraan korelasi. Namun hal ini menjadi asumsi dasar analisis faktor. (Rencher A.C., 2002) 
 Teknik umum dalam analisis faktor adalah metode principal component analysis, yaitu metode yang digunakan untuk memperkirakan korelasi antara faktor yang akan dibentuk terhadap variabel.(Rencher A.C.,2002) Pada metode principal analysis factor bertujuan untuk mencari korelasi pada faktor terhadap variabel – variabel secara linier serta mengurangi (perkiraan) dimensi dari ruang vektor yang menggandung variabel – variabel dari satu set variabel acak yang intercorrelated. Dalam metode ini variabel yang diamati bergantung pada jumlah faktor yang lebih sedikit yang dapat dijelaskan dari varians atau kovarians yang sistematis atau benar dari penelitianuntuk memperkirakandan mengidentifikasi variabel yang nyata (tapi tidak teramati) yang berpengaruh pada variabel acak (Basilevsky .A., 1994) 

Analisis Faktor (skripsi dan tesis)

Menurut Hair, et al. (1995) analisis faktor adalah sebuah nama umum yang diberikan kepada sebuah kelas dari metode statistika multivariat yang tujuan utamanya adalah menentukan struktur yang mendasari keterkaitan (korelasi) antara sejumlah variabel. P Faktor merupakan variabel baru yang bersifat tidak bisa diukur atau tidak dapat diamati. Sedangkan X adalah variabel yang dapat diukur atau diamati. Faktor dalam analisis faktor dibentuk untuk memaksimalkan penjelasan dari sekelompok variabel, bukan digunakan untuk memprediksi suatu variabel tidak bebas. Dalam analisis faktor variabel-variabel dikelompokkan berdasarkan korelasinya, yaitu variabel yang mempunyai korelasi tinggi akan berada dalam kelompok tertentu membentuk suatu faktor dan variabel-variabel yang mempunyai korelasi rendah akan membentuk faktor lain. Secara umum dapat dikatakan bahwa analisis ini bertujuan untuk menganalisis hubungan sejumlah besar variabel dengan menentukan satu kelompok dimensi umum yang disebut faktor (Hair, et al. 1995). Dalam melakukan analisis faktor keputusan pertama yang harus diambil oleh peneliti adalah menganalisis apakah data yang ada cukup memenuhi syarat di dalam analisis faktor. Langkah ini dilakukan dengan mencari matriks korelasi 6 antara indikator-indikator yang diobservasi. Metode Kaiser-Mayer Olkin (KMO) paling banyak digunakan untuk melihat syarat kecukupan data untuk analisis faktor. Metode ini mengukur kecukupan sampel secara menyeluruh dan mengukur kecukupan sampel untuk setiap indikator

Jenis Dalam Regresi Logistik (skripsi dan tesis)

Sebagaimana metode regresi biasa, Regresi Logistik dapat dibedakan menjadi 2, yaitu: 
1. Binary Logistic Regression (Regresi Logistik Biner). Regresi Logistik biner digunakan ketika hanya ada 2 kemungkinan variabel respon (Y), misal membeli dan tidak membeli.
 2. Multinomial Logistic Regression (Regresi Logistik Multinomial). Regresi Logistik Multinomial digunakan ketika pada variabel respon (Y) terdapat lebih dari 2 kategorisasi

Asumsi Dalam Regresi Logistik (skripsi dan tesis)

Asumsi yang harus dipenuhi dalam Regresi Logistik antara lain: 1. Regresi logistik tidak membutuhkan hubungan linier antara variabel independen dengan variabel dependen. 2. Variabel independen tidak memerlukan asumsi multivariate normality. 3. Asumsi homokedastisitas tidak diperlukan 4. Variabel bebas tidak perlu diubah ke dalam bentuk metrik (interval atau skala ratio). 5. Variabel dependen harus bersifat dikotomi (2 kategori, misal: tinggi dan rendah atau baik dan buruk) 6. Variabel independen tidak harus memiliki keragaman yang sama antar kelompok variabel 7. Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat eksklusif 8. Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50 sampel data untuk sebuah variabel prediktor (independen). 9. Regresi logistik dapat menyeleksi hubungan karena menggunakan pendekatan non linier log transformasi untuk memprediksi odds ratio. Odd dalam regresi logistik sering dinyatakan sebagai probabilitas.

Pengertian regresi Logistik (skripsi dan tesis)

Dalam sebuah penelitian biasanya kita memodelkan hubungan antar 2 variabel, yaiitu variabel X (independent) dan Y (dependent). Metode yang biasa dipakai dalam penelitian seperti ini adalah regresi linier, baik sederhana maupun berganda. Namun, adakalanya regresi linier dengan metode OLS (Ordinary Least Square) yang dipakai tidak sesuai untuk digunakan. Regresi linier yang sering digunakan kadang terjadi pelanggaran asumsi Gauss-Markov. Misalnya pada kasus dimana variabel dependent (Y) bertipe data nominal, sedangkan variabel bebas/prediktornya (X) bertipe data interval atau rasio. Ingin diketahui apakah mahasiswa sudah melek keuangan berdasarkan jenis kelamin, fakultas yang dipilih dan indeks prestasi kumulatif. Dalam kasus ini hanya ada 2 kemungkinan respon mahasiswa, yaitu mahasiswa melek keuangan dan mahasiswa tidak melek keuangan. 
Dari contoh kasus di atas, dapat diketahui bahwa tipe data variabel respon (Y) adalah nominal, yaitu kategorisasi keputusan mahasiswa melek keuangan atau tidak (misal melek keuangan angka 1, sedangkan tidak melek keuangan angka 0), sedangkan tipe data untuk variabel bebas (X) setidaktidaknya interval (skala likert). Bila metode regresi linier biasa diterapkan pada kasus semacam ini, menurut Kutner, dkk. (2004), akan terdapat 2 pelanggaran asumsi Gauss-Markov dan 1 buah pelanggaran terhadap batasan dari nilai duga (fitted value) dari variabel respon (Y), yaitu: 1. Error dari model regresi yang didapat tidak menyebar normal. 2. Ragam (variance) dari error tidak homogen (terjadi heteroskedastisitas pada ragam error). 3. Sedangkan, pelanggaran bagi batasan nilai duga Y (fitted value) adalah bahwa nilai duga yang dihasilkan dari model regresi linier biasa melebihi rentang antara 0 s.d. 1. Hal ini jelas tidak masuk akal , karena batasan nilai pada variabel Y (dalam kasus ini adalah Pemahaman literasi keuangan tinggi =1 dan Pemahaman literasi keuangan rendah =0). Untuk mengatasi masalah ini, diperkenalkan metode Regresi Logistik. Regresi logistik (kadang disebut model logistik atau model logit), dalam statistika digunakan untuk prediksi  probabilitas kejadian suatu peristiwa dengan mencocokkan data pada fungsi logit kurva logistik. Regresi logistik adalah sebuah pendekatan untuk membuat model prediksi seperti halnya regresi linear atau yang biasa disebut dengan istilah Ordinary Least Squares (OLS) regression. Perbedaannya adalah pada regresi logistik, peneliti memprediksi variabel terikat yang berskala dikotomi. Skala dikotomi yang dimaksud adalah skala data nominal dengan dua kategori, misalnya: Ya dan Tidak, Baik dan Buruk atau Tinggi dan Rendah. Apabila pada OLS mewajibkan syarat atau asumsi bahwa error varians (residual) terdistribusi secara normal. Sebaliknya, pada regresi logistik tidak dibutuhkan asumsi tersebut sebab pada regresi logistik mengikuti distribusi logistik

Uji Model Persamaan Regresi Logistik (skripsi dan tesis)

 Uji ini sering disebut juga sebagai uji ketepatan model. Uji ini digunakan untuk mengatahui apakah model regresi logistik sudah sesuai dengan data observasi yang diperoleh. Untuk menilai ketepatan model regresi logistik dalam penelitian ini diukur dengan nilai chi square dengan uji Hosmer dan Lemeshow. Pengujian ini akan melihat nilai goodness of fit test yang diukur dengan nilai chi square pada tingkat signifikansi, dimana tingkat signifikansi pada penelitian ini adalah 5%. Uji Hosmer dan Lemeshow ini disebut juga uji t yaitu uji signifikansi konstanta dan setiap variabel independen. Kriteria Statistiknya dapat dilihat dari tabel Hosmer and Lemeshow dari hasil olah data. 
Uji hipotesis: : Model sesuai (Model mampu menjelaskan data empiris) : 
                        Model tidak sesuai (Model tidak mampu menjelaskan dataempiris)
 Kriteria Pengujian: : ditolak bila probabilitas ≤ 0,05 : diterima bila probabilitas > 0,05

Analisis Regresi Logistik (skripsi dan tesis)

Model regresi merupakan komponen penting dalam beberapa analisis data dengan menggambarkan hubungan antara variabel respon dan satu atau beberapa variabel penjelas. Pada umumnya analisis regresi digunakan untuk menganalisis data dengan variabel respon berupa data kuantitatif. Akan tetapi sering juga ditemui  kasus dengan variabel responnya bersifat kualitatif/kategori. Untuk mengatasi masalah tersebut maka dapat digunakan model regresi logistik. Pendekatan model persamaan regresi logistik digunakan karena dapat menjelaskan hubungan antara variabel bebas dan peluangnya yang bersifat tidak linear, ketidaknormalan sebaran dari variabel terikat, serta keragaman respon yang tidak konstan dan tidak dapat dijelaskan oleh model regresi linear biasa (Agresti, 1990). Menurut Hosmer (1989), metode regresi logistik adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval. Yang dimaksud dengan peubah kategorik yaitu peubah yang berupa data nominal dan ordinal. Pada dasarnya regresi logistik sama dengan analisis diskriminan, perbedaan ada pada jenis data dari variabel dependen. Jika pada analisis diskriminan variabel dependen adalah data rasio, maka pada regresi logistik variabel dependen adalah data nominal. Data nominal di sini lebih khusus adalah data binary. Dengan demikian, tujuan regresi logistik adalah pembuatan sebuah model regresi untuk memprediksi besar variabel dependen yang berupa variabel binary dengan menggunakan data variabel independen yang sudah diketahaui besarnya. Regresi logistik biner adalah salah satu metode statistika yang sering digunakan untuk mengklasifikasikan sejumlah pengamatan dengan respon biner ke dalam beberapa kelompok berdasarkan satu atau lebih variabel prediktor. Melalui metode ini akan dihasilkan peluang dari masing-masing kategori respon yang akan dijadikan sebagai pedoman pengklasifikasian dan suatu pengamatan akan masuk kedalam respon kategori tertentu berdasarkan nilai peluang yang terbesar. Pada Regresi logistik biner (dikotomus), variabel responnya mempunyai dua kategori. Fenomena dimana variabel responnya dua (bivariat) dan masingmasing berkategorikan biner, dapat dianalisis mengunakan regresi logistik biner bivariat, dengan asumsi antar peubah respon biner terdapat dependensi. 
Regresi logistik cukup baik dan sering digunakan.  Regresi logistik memiliki beberapa keuntungan dibandingkan regresi lainnya, yaitu: 1. Regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang digunakan dalam model. Artinya variabel penjelas tidak harus memiliki distribusi normal, linier, maupun memiliki varian yang sama dalam setiap group. 2. Variabel dalam regresi logistik dapat berupa campuran dari variabel kontinu, diskrit, dan dikotomis. 3. Regresi logistik amat bermanfaat digunakan apabila distribusi respon atas variabel terikat diharapkan non linier dengan satu atau lebih variabel bebas

Analisis Regresi (skripsi dan tesis)

 Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel. Analisis regresi dapat digunakan untuk dua hal pokok, yaitu: a. Untuk memperoleh suatu persamaan dari garis yang menunjukkan persamaan hubungan antara dua variabel. Persamaan dan garis yang dihasilkan bisa berupa persamaan garis bentuk linier maupun nonlinier. b. Untuk menaksir suatu variabel yang disebut variabel tak bebas (terikat) dengan variabel lain yang disebut variabel bebas berdasarkan hubungan yang ditunjukkan persamaan regresi tersebut. Berdasarkan amatan dan analisis data, penyelesaian regresi ini dapat berupa persamaan linier maupun nonlinier. Oleh karena itu analisis regresi ini terbagi atas regresi linier dan regresi nonlinier. Yang termasuk ke dalam regresi linier adalah regresi linier sederhana, regresi linier berganda, dan sebagainya. Ssedangkan yang termasuk regresi nonlinier adalah regresi model parabola kuadratik, model parabola kubik, model eksponen, model geometrik, regresi logistik, dan sebagainya.

Macam–macam Rancangan Penelitian dalam Bidang Kesehatan (skripsi dan tesis)

 Secara garis besar, penelitian dalam bidang kesehatan dapat dibagi berdasarkan beberapa aspek sebagai berikut: 1. Berdasarkan tujuan, penelitian kesehatan dapat dibagi menjadi penelitian eksploratif, penelitian deskriptif, penelitian analitik (prospektif dan retrospektif) dan penelitian eksperimental. 2. Berdasarkan pendekatan yang digunakan maka penelitian dapat dibagi menjadi penelitian cross sectional dan longitudinal. 3. Berdasarkan keterlibatan peneliti dapat dikelompokkan menjadi penelitian observasional dan penelitian intervensional.Konsep penelitian ini adalah penelitian Cross Sectional. Penelitian cross sectional mempelajari dinamika hubungan antara faktor resiko dengan efeknya. Faktor resiko dengan efeknya diobservasi pada saat yang sama. Artinya subjek penelitian diobservasi hanya satu kali saja dan faktor resiko dengan efeknya dicatat sesuai kondisi atau status pada saat observasi. Faktor resiko pada penelitian ini adalah Jenis Kelamin, Usia, Sex, Transfusi Darah, Jarum Suntik, Ibu ke anak dan efeknya adalah penyakit Hiv/Aids 

Pengertian Variabel (skripsi dan tesis)

 Variabel merupakan objek yang berbentuk apa saja yang ditentukan oleh peneliti dengan tujuan untuk memperoleh informasi agar bisa ditarik suatu kesimpulan. Secara teori, definisi variabel penelitian adalah merupakan suatu objek atau sifat atau atribut atau nilai dari orang atau kegiatan yang mempunyai bermacammacam variasi antara satu dengan yang lainnya yang ditetapkan oleh peneliti dengan tujuan untuk dicari dan ditarik kesimpulan. Adapun tipe-tipe variabel terbagi atas: 
1. Variabel Bebas Variabel bebas ataupun variabel independen merupakan variabel stimulus atau variabel yang memepengaruhi variabel lain. Variabel bebas merupakan yang variabilitasnya diukur atau dipilih oleh peneliti untuk menentukan hubungannya dengan suatu gejala yang diobservasi. 
2. Variabel Terikat Variabel terikat atau variabel dependen merupakan variabel yang memberikan reaksi atau respon jika dihubungkan dengan variabel bebas. Variabel dependen adalah variabel yang variabilitasnya diamati dan diukur untuk menentukan pengaruh yang disebabkan oleh variabel bebas.