ANALISIS MULTIVARIAT
Disusun Oleh:
DAFTAR ISI
V. ANALISIS KONJOIN................................................................................................ 16
I. ANALISIS DESKRIPTIF
Analisis deskriptif merupakan bagian dari statistik yang mengacu pada transformasi
dari data mentah kedalam penyajian data yang mudah di pahami. Pendeskripsian data
hasil observasi merupakan langkah awal dalam analisis. Analisis deskriptif berhubungan
dengan memberikan keterangan-keterangan mengenai suatu data. Penyajian data yang
paling umum dalam analisis deskriptif dapat dilakukan dengan perhitungan rata-rata,
distribusi frekuensi, dan distribusi persentase.
Data mempunyai kedudukan yang paling tinggi dalam penelitian, karena data
merupakan penggambaran variabel yang diteliti dan berfungsi sebagai alat pembuktian
hipotesis. Benar tidaknya data, sangat menentukan bermutu tidaknya hasil penelitian.
Sedang benar tidaknya data, tergantung dari baik tidaknya instrumen pengumpulan data.
Pengujian instumen biasanya terdiri dari uji validitas dan reliabilitas.
A. Uji Validitas
Validitas instrumen berhubungan dengan kesesuaian dan ketepatan fungsi alat ukur
yang digunakannya. Maka dari itu sebelum instrumen tersebut digunakan di lapangan
perlu adanya pengujian validitas terhadap instrument tersebut. Uji Validitas adalah
prosedur untuk memastikan apakah kuesioner yang akan dipakai untuk mengukur
variabel penelitian valid atau tidak. Tinggi rendahnya validitas instrumen akan
menunjukkan sejauh mana data yang terkumpul tidak menyimpang dari gambaran tentang
variabel yang dimaksud.
Kuesioner dikatakan valid apabila dapat mempresentasikan atau mengukur apa yang
hendak diukur (variabel penelitian). Dengan kata lain validitas adalah ukuran yang
menunjukkan kevalidan dari suatu instrumen yang telah ditetapkan. Kuesioner yang valid
harus mempunyai validitas internal dan eksternal. Validitas internal atau rasional, bila
kriteria yang ada dalam kuesioner secara rasional (teoritis) telah mencerminkan apa yang
diukur, sedangkan validitas eksternal bila kriteria didalam kuesioner disusun berdasarkan
fakta-fakta empiris yang telah ada (eksternal). Uji validitas dapat dilakukan menggunakan
software SPSS dengan melihat nilai Pearson Correlation Coeficient. Instrumen penelitian
dikatakan valid jika koefisien korelasi > r tabel. Nilai korelasi dapat pula dihitung dengan
menggunakan rumus perhitungan sebagai berikut:
Keterangan:
3. Pada kotak dialog Bivariate Correlation, masukkan seluruh item variabel dan Total
ke kotak Variables.
4. Pada Correlation Coefficients klik Pearson; pada Test of Significance klik Two
Tailed; dan klik Flag significant correlation.
5. Klik OK.
B. Uji Reliabilitas
Reliabilitas merupakan tingkat ketepatan, ketelitian, keakuratan atau konsistensi
sebuah instrumen. Reliabilitas data adalah indeks yang menunjukkan sejauh mana suatu
alat pengukur dipakai dua kali untuk mengukur gejala yang sama dan hasil pengukuran
yang diperoleh relatif sama dan hasil pengukuran yang diperoleh relatif konsisten, maka
alat ukur tersebut reliabel. Reliabilitas digunakan untuk mengukur aspek yang di ukur
beberapa kali hasilnya sama atau relatif sama.
Uji reliabilitas dapat dilakukan menggunakan software SPSS dengan melihat nilai
koefisien reliabilitas (Cronbachs Alpha). Jika nilai Cronbachs Alpha > 0,6 maka
instrumen memiliki reliabilitas yang baik. Nilai Cronbachs Alpha berada pada rentang 0-
1, semakin tinggi nilai koefisien reliabilitas, maka instrumen semakin dapat diandalkan.
Nilai reliabilitas dapat pula dihitung dengan menggunakan rumus perhitungan sebagai
berikut:
Keterangan:
= koefisien reliabilitas
k = jumlah butir pertanyaan
= varian butir pertanyaan
4. Klik OK.
TUGAS :
1. Buatlah studi kasus analisis deslriptif pada suatu perusahaan !
2. Tulislah variabel operasinal yang ada pada variabel tersebut !
3. Tuliskan langkah-langkah uji validitas dan reliabilitas pada analisis deskriptif
dengan SPSS!
4. Tentukan karakteristik responden dari masing-masing karakteristik !
5. Buatlah uji validitas dan realibilitas untung analisis klaster dan faktor !
6. Buatlah uji validitas dan reliabilitas masing-masing produk pada analisis MDS !
7. Buatlah uji validitas dan reliabilitamasing-masing produk pada analisis konjoin !
Analisis faktor adalah salah satu teknik statistika multivariat yang digunakan
untuk meringkas (data summarization) dan mereduksi data (data reduction) sejumlah
besar variable ke dalam jumlah yang lebih kecil atau disebut faktor (Hidayat dan Istiadah,
2011). Data summarization yaitu mengidentifikasi adanya hubungan antar variabel
dengan melakukan uji korelasi, sedangkan data reduction adalah setelah melakukan
korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor
untuk menggantikan sejumlah variabel tertentu (Santoso, 2010). Menurut Supranto dalam
Dwipurwani dkk (2009), analisis faktor adalah prosedur yang digunakan untuk mereduksi
data atau peubah yang masih memuat sebagian informasi yang terkandung di dalam
peubah asli. Analisis faktor adalah salah satu metode statistic multivariate yang mencoba
menerangkan hubungan antar sejumlah peubah-peubah yang saling independen antara
satu dengan yang lain sehingga bisa dibuat satu atau lebih kumpulan peubah yang lebih
sedikit dari jumlah peubah awal.
Analisis faktor memiliki fungsi penting dalam pengembangan alat ukur. Beberapa
fungsi tersebut antara lain sebagai berikut (Tenaya, 2012):
a) Pengujian Dimensionalitas Pengukuran
Dimensionalitas pengukuran adalah banyaknya atribut yang diukur oleh sebuah
alat ukur. Alat ukur yang unidimensi mengukur satu atribut psikologis saja sedangkan
alat ukur yang multidimensi mengukur lebih dari satu atribut ukur. Untuk mengetahui
apakah alat ukur yang dikembangkan oleh peneliti mengukur satu atribut atau banyak
atribut diperlukan analisis faktor.
b) Pengujian Komponen atau Aspek dalam Alat Ukur
Untuk mengidentifikasi apakah aitem-aitem yang diturunkan dari komponen alat
ukur mewakili komponen tersebut maka diperlukan analisis faktor. Analisis faktor juga
dapat menunjukkan apakah antar komponen memiliki keterkaitan ataukah tidak
(independen).
tidak dapat diamati atau diukur atau ditentukan secara langsung. Selain tujuan utama
analisis faktor, terdapat tujuan lainnya adalah (Widhiarso, 2009):
1. Tujuan pertama untuk mereduksi sejumlah variabel asal yang jumlahnya banyak
menjadi sejumlah variabel baru yang jumlahnya lebih sedikit dari variabel asal, dan
variabel baru tersebut dinamakan faktor atau variabel laten atau konstruk atau variabel
bentukan..
2. Tujuan kedua adalah untuk mengidentifikasi adanya hubungan antarvariabel penyusun
faktor atau dimensi dengan faktor yang terbentuk, dengan menggunakan pengujian
koefisien korelasi antarfaktor dengan komponen pembentuknya. Analisis faktor ini
disebut analisis faktor kofirmatori.
3. Tujuan ketiga adalah untuk menguji validitas dan reliabilitas instrumen dengan analisis
faktor konfirmatori.
4. Tujuan keempat salah satu tujuan analisis faktor adalah validasi data untuk mengetahui
apakah hasil analisis faktor tersebut dapat digeralisasi ke dalam populasinya, sehingga
setelah terbentuk faktor, maka peneliti sudah mempunyai suatu hipotesis baru
berdasarkan hasil analisis faktor.
Dalam analisis faktor pun demikian. Ada dua alternatif yang dapat kita pilih. Kita
menentukan sendiri berapa faktor didalam data kita (analisis faktor konfirmatori) atau
memilih menanyakan berapa faktor dari data kita sebenarnya (analisis faktor
eksploratori). Berikut ini akan diperjelas masing-masing jenis analisis faktor tersebut
yaitu (Widhiarso, 2009):
a) Analisis Faktor Eksploratori (Exploratory Factor Analysis)
Seorang peneliti membuat seperangkat aitem yang mengukur kualitas pelayanan bank.
Item tersebut merupakan operasionalisasi dari teori dan indikator mengenai kualitas
layanan. Peneliti hendak mengidentifikasi berapa faktor yang ada di dalam seperangkat
item tersebut. Dari analisis faktor kemudian didapatkan ada 4 faktor yang
menggambarkan kualitas layanan bank, antara lain faktor fitur layanan, fasilitas gedung,
keramahan karyawan, serta jaminan keamanan.
b) Analisis Faktor Konfirmatori (Confirmatory Factor Analysis).
Seorang peneliti merancang sebuah alat ukur mengenai dukungan sosial. Alat ukur
tersebut berisi seperangkat aitem yang diturunkan dari lima dimensi dukungan sosial.
Peneliti berusaha memastikan apakah alat ukur yang dibuatnya benar-benar menjelaskan
kelima dimensi tersebut. Ia kemudian melakukan analisis faktor konfirmatori. Hasil dari
analisis faktor menunjukkan bahwa pembagian kelima faktor akhirnya dibuktikan.
Adapun metode analisis faktor ini memiliki beberapa kelebihan diantaranya adalah
sebagai berikut :
Kelebihan
Berikut merupakan kelebihan dari analisis faktor (Wibisono, 2003):
1. Bisa mendiskripsikan hubungan pada data yang jumlahnya relatif besar
2. Bisa digunakan untuk melakukan validasi
3. Mampu menghitung korelasi antar variabel-variabel manifest yang akan
membentuk variabel laten yang lebih sedikit
4. Mampu menyederhanakan hubungan yang kompleks dan beragam di antara
sekumpulan variabel penelitian yang diamati.
TUGAS :
1. Buatlah studi kasus analisis faktor yang terjadi pada suatu perusahan !
2. Tulislah variabel operasional yang ada pada studi kasus tersebut !
Sitepu (2011) menyatakan bahwa hasil cluster yang terbentuk dapat diketahui baik
dengan menggunakan metode cluster hirarki maupun cluster non hirarki
TUGAS :
1. Buatlah studi kasus analisis klaster yang terjadi pada suatu perusahan !
2. Tulislah variabel operasional yang ada pada studi kasus tersebut !
3. Tuliskan langkah langkah analisis faktor dengan SPSS !
4. Tulis hasil dari dendogram dan interpretasikan hasil tersebut !
5. Tulis hasil dari tabel Cluster Membership dan interpretasikan hasil tersebut !
6. Tulis hasil dari tabel Report dan interpretasikan hasil tersebut !
f. Penilaian kualitas dari hasil yang diperoleh melalui uji reliabilitas dan validitas yaitu
dengan melalui pengujian indeks kesesuaian (R-square) dan nilai stress. Nilai R-
square yang dapat diterima adalah lebih dari 0,6. Nilai stress dapat dievaluai dengan
rumus stress Kruskal. Rumus stress Kruskal dapat dilihat pada Tabel 3.1 (Malhotra,
2004):
Tabel 3.1 Panduan Evaluasi Nilai Stress
Stress (%) Goodness of fit
20 Rendah
10 Sedang
5 Bagus
2,5 Bagus sekali
0 Sempurna
3. Pada SPSS, variabel view diganti tiap variabel dengan nama merek.
4. Masukkan data rata-rata pada data view.
5. Klik Analyze Scale Multidimensional Scalling (ALSCAL).
6. Pada kotak dialog Multidimensional Scalling (ALSCAL), masukkan semua
merek ke dalam kotak Variable.
7. Pada Distance pilih menu Data are Distances. Pada Shape pilih Rectanguler.
8. Pada Model yang Level of Measurement pilih Ratio dan Conditionality pilih Row.
Pada Scalling Model pilih Euclidean Distance. Continue.
9. Klik Option, pada Display pilih Group Plot. Continue.
10. Ok.
TUGAS :
1. Buatlah studi kasus analisis MDS yang terjadi pada suatu perusahaan
2. Tulislah variabel operasional yang ada pada studi kasus tersebut !
3. Tuliskan langkah langkah analisis MDS dengan SPSS !
4. Tuliskan hasil dari iterasi dan interpretasikan hasil tersebut !
5. Tuliskan hasil dari Matrix dan interpretasikan hasil tersebut !
6. Tuliskan hasil dari Stimulus Coordinates dan interpretasikan hasil tersebut!
V. ANALISIS KONJOIN
Sejak kemunculannya pada pertengahan tahun 1970, penerimaan publik terhadap
Analisis Konjoin semakin baik. Kenyataan ini dikarenakan keunikan metode Konjoin
yang tidak dimiliki oleh metode analisis multivariat lainnya yaitu mampu membuat
taksiran model (profil produk) untuk memprediksi preferensi tiap-tiap responden. Sebagai
salah satu teknik Multivariate Dependence Method, Analisis Konjoin sengat cocok untuk
memehami reaksi konsumen serta membuat evaluasi terhadap kombinasi dari atribut-
atribut produk sehingga bisa ditentukan produk yang potensial untuk dikembangkan.
Analisis konjoin adalah suatu teknik analisis yang dapat digunakan untuk
menentukan tingkat kepentingan relatif berdasarkan persepsi pelanggan yang dibawa oleh
suatu produk tertentu dan nilai kegunaan yang muncul dari atribut atribut produk terkait.
Untuk menentukan strategi pemasaran, analisis conjoint ini tepat dan baik. Bahkan pada
tataran yang lebih tinggi bisa dipakai untuk segmentasi pasar berdasarkan preferensi
konsumen terhadap atribut produk yang dipilihnya. Filosofi dari teknik analisis ini ialah
setiap stimulus apa saja yang bisa berupa produk, merek atau barang yang dijual dipasar
akan dievaluasi oleh konsumen sebagai suatu kumpulan atribut-atribut tertentu. Oleh
karena itu, teknik ini sangat bermanfaat dalam pemasaran untuk mengetahui preferensi
konsumen terhadap suatu produk yang diluncurkan di pasar.
Kegunaan analisis konjoin bagi perusahaan adalah sebagai berikut :
1. Menentukan kepentingan relatif setiap atribut produk sesuai pilihan konsumen
2. Menentukan produk dengan sejumlah atribut yang optimum
3. Memperkirakan market share produk sejenis
4. Mengidentifikasi segmentasi pasar dari produk
5. Mengevaluasi implikasi perubahan keputusan marketing mix
Analisis konjoin termasuk dalam metode multivariat dependen. Adapun model
analisis konjoin adalah sebagai berikut
Y1= X1 + X2 + X3 + + Xn
Dimana: X = Metrik/non-metrik dan Y = metrik
Variabelin dependen (X1 dan seterusnya) adalah faktor, yang berupa data
non-metrik (misalkan rasa minuman sari buah, model ponsel dan
sebagainya)
Variabel dependen (Y1) adalah pendapat keseluruhan dari responden
terhadap sejumlah faktor dari level sebuah produk. Variabel ini juga
mancakup sejumlah tingkat kepentingan faktor seorang responden
terhadap atribut suatu produk.
Dalam pemasaran,teknik analisis konjoin biasanya digunakan untuk hal-hal sebagai
berikut:
dimana:
U(X) = Utility total
ij = Part worth atau nilai kegunaan dari atribut ke-i taraf ke-j.
kI = Taraf ke-j dari atribut ke-i
m = Jumlah atribut
xij = Dummy variable atribut ke-i taraf ke-j. (bernilai 1 bila taraf yang berkaitan
muncul dan 0 bila tidak )
5. Menentukan ketepatan prediksi (Predictive Accurancy) dari hasil analisis konjoin
Tugas
1. Analisa kepentingan relatif dari produk sabun sesuai dengan atribut produk
berdasarkan persepsi pelanggan menggunakan software SPSS!
2. Bandingkan dengan analisa dengan cara manual!
3. Interpretasikan hasil analisa anda!
Persyaratan dasar Tidak mensyaratkan dasar teori Mensyaratkan dasar teori yang
teori yang kuat kuat
Selain dapat digunakan untuk mengembangkan hubungan antar variabel yang landasan
teorinya lemah, PLS juga dapat digunakan untuk konfirmasi teori (Solimun, 2011).
PLS juga dikembangkan untuk perancangan model statistik yang mempunyai
model lemah atau indikator yang tersedia memenuhi model pengukuran reflektif, formatif
dan rekursif (gabungan). Setelah memenuhi salah satu model pengukuran maka data
dapat diestimasi, estimasi parameter yang didapat dengan PLS dapat dikategorikan
menjadi tiga yaitu weight estimate, path estimate, dan berkaitan dengan means dan lokasi
parameter (nilai konstanta regresi) untuk indikator dan variabel laten. Didalam estimasi
juga terdapat blok-blok yang memisahkan variabel laten dan indikator-indikatornya
(Ghozali, 2008).
Dalam metode PLS terdapat kemungkinan penelitian menggunakan indikator
bersifat :
1. Indikator Formatif
Indikator formatif adalah konstruk yang dibentuk oleh indikator-indikatornya. Arah
indikatornya yaitu dari indikator ke konstruk seperti pada Gambar 2.1 (Latan dan
Ghozali, 2012). Ciri-ciri model indikator formatif adalah (Solimun, 2011) :
a. Arah hubungan kausalitas seolah-olah dari indikator ke variabel laten.
b. Antar indikator diasumsikan tidak berkorelasi (tidak diperlukan uji konsistensi
internal atau Alpha Cronbach).
c. Menghilangkan satu indikator berakibat merubah makna dari variabel laten.
d. Kesalahan pengukuran diletakkan pada tingkat variabel laten (zeta).
Perancangan model pengukuran (outer model) dalam PLS sangat penting karena terkait
dengan apakah indikator bersifat refleksif atau formatif.
y2 = y21 + 2
Untuk variabel latent endogen 2 (reflektif)
y3 = y32 + 3
y4 = y42 + 4
b) Inner model
Inner model, yaitu spesifikasi hubungan antar variabel laten (structural model), disebut
juga dengan inner relation, menggambarkan hubungan antar variabel laten berdasarkan
teori substansif penelitian. Tanpa kehilangan sifat umumnya, diasumsikan bahwa variabel
laten dan indikator atau variabel manifest diskala zero means dan unit varian sama
dengan satu, sehingga parameter lokasi (parameter konstanta) dapat dihilangkan dari
model.
Model persamaannya dapat ditulis seperti di bawah ini:
= + +
Dimana menggambarkan vektor variabel endogen (dependen), adalah vektor variabel
laten eksogen dan adalah vektor residual (unexplained variance). Oleh karena PLS
didesain untuk model rekursif, maka hubungan antar variabel laten, berlaku bahwa setiap
variabel laten dependen , atau sering disebut causal chain system dari variabel laten dapat
dispesifikasikan sebagai berikut:
j = ijii + i jbb + j
Dimana jb (dalam bentuk matriks dilambangkan dengan ) adalah koefisien jalur yang
menghubungkan variabel laten endogen () dengan eksogen (). Sedangkan ji (dalam
bentuk matriks dilambangkan dengan ) adalah koefisien jalur yang menghubungkan
variabel laten endogen () dengan endogen (); untuk range indeks i dan b. Parameter j
adalah variabel inner residual.
Pada model PLS Gambar 2.3 inner model dinyatakan dalam sistem persamaan sebagai
berikut:
1 = 11 + 22 + 1
2 = 11 + 31 + 42 + 2
c) Weight relation
Weight relation, estimasi nilai kasus variabel latent. Inner dan outer model memberikan
spesifikasi yang diikuti dengan estimasi weight relation dalam algoritma PLS:
b = kb wkb xkb
i = ki wki yki
Dimana wkb dan wki adalah k weight yang digunakan untuk membentuk estimasi variabel
laten b dan i. Estimasi variabel laten adalah linear agregat dari indikator yang nilai
weight-nya didapat dengan prosedur estimasi PLS.
H1 : i 0
Sedangkan hipotesis statistik untuk inner model: pengaruh variabel laten eksogen
terhadap endogen adalah
H0 : i = 0 lawan
H1 : i 0
Sedangkan hipotesis statistik untuk inner model: pengaruh variabel laten endogen
terhadap endogen adalah
H0 : i = 0 lawan
H1 : i 0
Penerapan metode resampling, memungkinkan berlakunya data terdistribusi bebas
(distribution free), tidak memerlukan asumsi distribusi normal, serta tidak memerlukan
sampel yang besar (direkomendasikan sampel meinimum 30). Pengujian dilakukan
dengan t-test, bilamana diperoleh p-value 0,05 (alpha 5 %), maka disimpulkan
signifikan, dan sebaliknya. Bilamana hasil pengujian hipotesis pada outter model
signifikan, hal ini menunjukkan bahwa indikator dipandang dapat digunakan sebagai
instrumen pengukur variabel laten. Sedangkan bilamana hasil pengujian pada inner
model adalah signifikan, maka dapat diartikan bahwa terdapat pengaruh yang bermakna
variabel laten terhadap variabel laten lainnya.
TUGAS :
ukuran suatu sampel dengan harapan sampel tersebut mewakili data populasi
sebenarnya.
Seperti dinyatakan oleh Word (1985), PLS dan GeSCA merupakan metode
analisisi yang powerfull karena tidak didasarkan banyak asumsi. Data tidak harus
berdistribusi normal multivariate dan sampel tidak harus besar. PLS dan GeSCA dapat
juga digunakan untuk mengkonfirmasi teori, tetapi dapat juga digunkan untuk
menjelaskan ada atau tidaknya hubungan anata variabel laten (Fornell and Bookstein,
1982). Berikut persamaan dan perbedaan antara SEM, PLS, dan GeSCA.
B. Software GeSCA
TUGAS :
1. Buatlah studi kasus analisis GeSCA yang terjadi pada suatu perusahan !
2. Tulislah variabel operasional yang ada pada studi kasus tersebut !
3. Lakukan evaluasi terhadap asumsi GeSCA !
4. Lakukan analisis Measurement Modelm (Model Pengukuran) !
5. Lakukan analisis Structural Model (Model Struktural) !
6. Konversi Nilai Koefisien Jalur Model Struktural !