3 Analisis Multivariate [PDF]

Citation preview

ANALISIS



MULTIVARIATE



ANALISIS



MULTIVARIATE



””””””



Analisis Multivariat adalah metode pengolahan variabel dalam jumlah yang banyak, dimana tujuannya adalah untuk mencari pengaruh variabel-variabel tersebut terhadap suatu obyek secara simultan atau serentak



””””””



Metode analisis multivariat adalah suatu metode statistika yang tujuan digunakannya adalah untuk menganalisis data yang terdiri dari banyak variabel serta diduga antar variabel tersebut saling berhubungan satu sama lain.



Perbedaan Dengan Analisis Multivariabel Analisis multivariabel adalah analisis yang melibatkan lebih dari satu variabel bebas. Dalam pengertian tersebut, kita tidak perlu mengetahui apakah di antara beberapa variabel tersebut, baik variabel bebas maupun variabel terikat terdapat keterikatan atau korelasi satu sama lain. Maka statistikian dapat menyimpulkan perbedaan antara Analisis Multivariat dan analisis multivariabel, yaitu: Analisis Multivariat pastilah analisis multivariabel, sedangkan analisis multivariabel belum tentu Analisis Multivariat



Pengertian Variat Titik penyusun bangunan atau pondasi dari Analisis Multivariat adalah variat itu sendiri Variat adalah suatu kombinasi linear dari variabelvariabel yang memiliki bobot empiris yang telah ditentukan Suatu variate dari sejumlah n variabel yang terbobot (X1 sampai dengan Xn) dapat dinyatakan secara matematis adalah sebagai berikut: nilai variate = w1X1+ w2X2+ w3X3+…+wnXn.



Klasifikasi Analisis Multivariat



1



Teknik dependensi atau istilah english versionnya adalah dependent technique



3



Model struktural atau english versionnya disebut dengan istilah structural model



Teknik interdependensi atau english versionnya adalah interdependent technique



2



Teknik Dependensi Analisis Multivariat Teknik Dependensi Analisis Multivariat adalah suatu metode Analisis Multivariat dimana variabel atau kumpulan variabel yang diidentifikasi sebagai variabel dependen atau variabel terikat dapat diprediksi atau dijelaskan oleh variabel lain yang merupakan variabel independen atau variabel bebas.



Analisis dependensi berfungsi untuk menerangkan atau memprediksi variabel terikat dengan menggunakan dua atau lebih variabel bebas. Sehingga berdasarkan pengertian di atas, maka analisis yang termasuk di dalam klasifikasi analisis dependensi antara lain:



1. analisis regresi linear berganda atau multiple linear regression



2. analisis diskriminan atau discriminant analysis



3. analisis varian multivariate (MANOVA), dan



4. analisis korelasi kanonikal atau canonical correlations



JENIS ANALISIS MULTIVARIATE?



JENIS ANALISIS MULTIVARIATE Regresi linear dan regresi logistik digunakan jika jumlah variabel dependen ada 1. Perbedaannya adalah, regresi linear digunakan jika skala data variabel terikat adalah metrik. Sedangkan regresi logistik, skala data variabel terikat adalah non metrik



Analisis diskriminan juga melibatkan satu variabel terikat, namun sama halnya dengan regresi logistik, skala data variabel terikat adalah data non metrik. Analisis diskriminan lebih dekat dengan regresi linear dari pada regresi logistik, sebab analisis diskriminan mewajibkan variabel bebas yang berskala data numerik haruslah berdistribusi normal



Perbedaan Analisis Konjoin dengan Regresi Logistik Regresi logistik tidak mewajibkan asumsi tersebut. Analisis konjoin hampir sama dengan analisis diskriminan, namun pada analisis konjoin, semua data yang digunakan adalah data non metrik. Analisis Kanonikal lebih mirip dengan analisis diskriminan, hanya saja jumlah variabel terikat yang digunakan lebih dari satu. Sedangkan MANOVA lebih mirip dengan analisis kanonikal, dimana perbedannya adalah pada MANOVA atau yang biasa disebut dengan Multivariate Analysis of Variance menggunakan data non metrik pada variabel bebas.



Multiple Linear Regression atau Regresi Linear Berganda Regresi Linear Berganda adalah metode analisis ini bertujuan menguji hubungan antara dua variabel bebas atau lebih dan satu variabel terikat



Multiple Discriminant Analysis atau Analisis Diskriminan Berganda Analisis Diskriminan Berganda adalah suatu teknik statistika yang bertujuan untuk memprediksi atau meramalkan probabilitas dari objek yang termasuk ke dalam dua atau lebih kategori mutual yang eksklusif pada variabel terikat yang berdasarkan pada beberapa variabel bebas. Asumsi dari analisis Diskriminan Berganda adalah adalah variabel bebas harus berupa data metrik dan berdistribusi normal.



Multiple Logit Regression atau Multiple Logistic Regression atau Regresi logistik Regresi logistik Berganda adalah model Berganda



regresi dimana satu variabel terikat non metrik yang diprediksi atau diramalkan oleh beberapa variabel bebas berskala data metrik atau non metrik. Teknik ini hampir sama dengan analisis diksriminan, hanya saja dalam perhitungannya menggunakan prinsip perhitungan regresi seperti halnya regresi linear.



Multivariate Analysis of Variance (MANOVA) Suatu teknik statistik yang menyediakan suatu uji signifikansi simultan perbedaan rata-rata antara kelompok-kelompok untuk dua atau lebih variabel dependen.



Analisis Konjoin adalah sebuah teknik statistik yang bertujuan untuk memahami preferensi responden terhadap suatu produk atau jasa. Analisis ini juga dikenal dengan istilah english versionnya sebagai trade off analysis.



Canonical Correlation atau Korelasi Kanonikal



Conjoint Analysis atau Analisis Konjoin



Korelasi Kanonikal adalah bentuk pengembangan dari analisis regresi linear berganda. Tujuan dari analisis korelasi kanonikal adalah untuk mengkorelasikan secara simultan beberapa variabel terikat dengan beberapa variabel bebas. Perbedaannya dengan regresi linear berganda adalah: regresi linear berganda hanya menggunakan satu variabel terikat dengan beberapa variabel bebas. Sedangkan pada korelasi kanonikal ini menggunakan beberapa variabel terikat yang akan dikorelasikan dengan variabel bebas.



TEKNIK INTERDEPENDENSI ANALISIS MULTIVARIAT Teknik Interdependensi Analisis Multivariat adalah Analisis Multivariat yang melibatkan analisis secara serentak dari semua variabel dalam satu kumpulan, tanpa membedakan antara variabel yang terikat ataupun variabel yang bebas. Teknik analisis interdependensi berguna dalam memberikan makna terhadap sekelompok variabel atau membuat kelompok kelompok secara bersama-sama



Jenis Analisis Interdependensi



Factor Analysis atau Analisis Faktor Analisis faktor adalah sebuah teknik statistika untuk menganalisis struktur dari hubungan timbal balik diantara sejumlah besar variabel yang bertujuan untuk menentukan kumpulan faktor dari common underlying dimensions. Dalam analisis faktor ada dua jenis analisis, yaitu Principal Components Analysis atau PCA dan Common Factor Analysis.



Cluster Analysis atau Analisis Kluster Analisis Kluster adalah sebuah teknik statistika yang bertujuan untuk mengelompokkan sekumpulan objek sehingga setiap objek tersebut mirip dengan objek yang lainnya dalam suatu gugusan atau kluster dan berbeda dari objek yang berada pada semua gugusan lainnya. Dalam analisis kluster, ada dua jenis analisis 1



analisis kluster hirarki



analisis kluster non hirarki. 2



Multidimensional Scaling atau Penskalaan Multi Dimensi Multidimensional Scaling adalah sebuah teknik statistika yang bertujuan dalam mengukur objek pada skala multidimensi yang berdasarkan pada keputusan dari responden terhadap kesamaan objek.



Analisis Korespondensi adalah suatu teknik statistika yang menggunakan datadata non metrik dan bertujuan untuk melakukan evaluasi terhadap hubungan linear atau hubungan non linear. Dimana langkah tersebut sebagai bentuk usaha dalam mengembangkan perceptual map yang menggambarkan asosiasi atau hubungan antara objek dengan seperangkat karakteristik deskriptif dari objek tersebut



04



Correspondence Analysis atau Analisis Korespondensi



Teknik Model Struktural Atau Structural Model Analisis Multivariat



Teknik Model Struktural adalah sebuah teknik yang yang mencoba menganalisis hubungan secara simultan variabel dependen dan independen secara bersamaan. Model seperti ini dikenal dengan istlah model persamaan struktural atau english versionnya adalah Structural Equation Model dan biasa disingkat dengan SEM.



Kelebihan SEM adalah dapat meneliti hubungan antara beberapa kelompok variabel secara bersamaan atau serentak. Baik variabel bebas maupun variabel terikat. Bahkan metode ini juga dapat menggabungkan adanya variabel laten. Variabel laten dalam hal ini adalah variabel yang sebenarnya keberadaannya tidak dapat diukur secara langsung ke dalam analisis.