PERTEMUAN 13
Chapter 2
OLEH:
KELOMPOK 5
PENDAHULUAN
Pertanyaan manajemen sering kali berkutat di sekitar kajian hubungan antara dua
variabel atau lebih. Oleh karena itu, diperlukan adanya sebuah hipotesis relasional (relational
hypothesis). Berbagai tujuan disediakan dalam analisis korelasi. Kekuatan, arah, bentuk, dan
fitur-fitur lain dari hubungan bisa ditemukan. Atau pertanyaan-pertanyaan strategis dan taktis
bisa dijawab dengan memrediksi nilai-nilai dari satu variabel dari nilai variabel lainnya.
Ukuran Koefisien Komentar dan Penggunaan
Interval Korelasi koefisien Pearson Untuk variabel-variabel yang terus-menerus
(momen produk). terkait secara linear.
dan Rasio
Rasio korelasi (eta) Untuk data nonlinear atau terkait dengan
sebuah dampak utama dari variabel tergantung
yang kontinyu.
Kendall’s tau c
Berdasarkan P–Q; penyesuaian untuk dimensi-
dimensi tabel.
Somers’s d
Berdasarkan P–Q; perluasan ekstensi gamma
asimetris.
1
Cramer’s V Berdasarkan CS; penyesuaian apabila terdapat
tabel berdimensi >2.
2
yamg tidak disediakan oleh sebuah daftar nilai dari dua variabel. Baik arah maupun bentuk
dari sebuah hubungan disampaikan dalam sebuah plot. Apabila muncul hubungan yang lebih
kuat (misalnya, korelaso + 0,90), maka sebaran titik-titik mendekati sebuah garis lurus
imajiner melintang sepanjang data. Hubungan yang lebih lemah (+ 0,40) menggambarkan
sebuah kumpulan data yang lebih menyebar dengan titik-titik yang menjauhi garis.
Asumsi dari r
Terdapat asumsi tertentu dalam analisis korelasi, asumsi-asumsi ini diperlukan untuk
menguji hipotesis tentang koefisien.
a. Persyaratan pertama adalah linearitas.
b. Asumsi kedua dari korelasi adalah distribusi normal dua variabel (bivariate normal
distribution) yaitu data berasal dari sampel random sebuah populasi dengan dua variabel
yang terdistribusi secara normal bersama-sama.
3
berdasarkan pengambilan nilai Y yang diobeservasi.
data sampel.
Koefisien determinasi Menjelaskan varians umum Proporsi variabilitas Y
dari X dan Y. terhadap X dijelaskan dengan
regresi kuadrat terkecil.
Model Dasar
Regresi linear dua variabel bisa dinyatakan sebagai berikut:
Y = Bo + B1Xi
Lereng dan interpretasi Y dikenal sebagai koefisien regresi. Lereng, B1, merupakan
perubahan Y untuk 1 unit dalam X. Lereng kadang-kadang disebut kenaikan berdasarkan
jarak. Lereng didefinisikan dengan rumus:
B1 = 𝜟Y
𝜟X
Intersepsi, Bo, adalah nilai untuk fungsi regresi apabila ia memotong sumbu Y, intersepsi
merupakan estimasi Y jika X = 0.
Koefisien Determinasi
Koefisien determinasi mempunyai banyak tujuan. Sebagai sebuah indeks yang sesuai,
koefisien ini diinterpretasikan sebagai proporsi total dari varians dalam Y yang dijelaskan
oleh X. Sebagai ukuran hubungan linear, koefisien ini menunjukkan seberapa baik garis
4
linear sesuai dengan data. Koefisien determinasi juga merupakan indikator penting bagi
akurasi positif dari persamaan yang dihasilkan.
5
Kendall Tau c adalah penyesuaian gamma yang lain untuk hubungan dasar P-Q.
Pendekatan asosiasi ordinal ini cocok untuk tabel dengan ukuran berapapun.
Somer’s d mewakili cakupan statistik kita yang menerapkan konsep pasangan
konkordansi-diskonkordansi. Fungsi statistik ini berasal dari kemampuannya untuk
mengganti pemeringkatan dan melakukan penyesuaian untuk arah variabel tergantung.
Korelasi Spearman’rho adalah ukuran ordinal yang lain. Bersama-sama dengan
Kendall’s tau. Spearman’rho sering digunakan pada data ordinal. Rho menghubungkan
peringkat antara dua variabel yang berurutan. Kadang-kadang periset menemukan variabel-
variabel kontiyu dengan banyak ketidaknormalan untuk diperbaiki. Lalu skor-skor bisa
diturunkan menjadi peringkat-peringkat dan dihitung menggunakan Spearman’s rho.
6
ANALISIS MULTI VARIABEL: SEBUAH TINJAUAN
Analisis multi variabel sebagai teknik statistik yang berfokus pada, dan menghasilkan
bantuan yang jelas, atas struktur hubungan simultan antara tiga fenomena atau lebih.
Memilih Teknik Multi Variabel
Teknik-teknik multi variabel bisa diklasifikasikan menjadi teknik bergantung dan
teknik antarketergantungan (interdependency). Memilih teknik yang tepat berawal dari
pemahaman atas perbedaan ini. Jika terdapat variabel kriteria dan pemrediksi dalam
pertanyaan riset, maka data akan mempunyai sebuah asumsi atas ketergantungan. Regresi
berganda, analisis multi variabel dari varians (MANOVA), dan analisis diskriminan
merupakan teknik-teknik di mana terdapat variabel kriteria atau variabel bergantung dari
variabel pemrediksi atau variabel bebas.
Tidak Ya
Apakah lebih
dari satu? Apakah variabel-
variabel metrik
atau nonmetrik?
Apakah variabel
Apakah variabel Non-
bergantung metric Metrik
bergantung metric Metrik
atau atau
atau nonmetrik?
nonmetrik?
Non-
Metrik
Metrik Metrik
7
Regresi berganda
Regresi berganda merupakan perluasan dari regresi linear dua variabel. Apabila
seseorang periset tertarik untuk menjelaskan atau memrediksi sebuah variabel bergantung
metrik dari himpunan variabel bebas metrikn regresi berganda sering kali dipilih. Hasil-hasil
regresi memberikan informasi variabel bebas yang signifikan secara statistic, kekuatan
asosiasi di antara satu atau lebih predictor dan kriteria, serta sebuah persamaan prediktif
untuk penggunaan di masa depan.
Analisis Diskriminan
Analisis diskriminan digunakan untuk mengklasifikasikan orang-orang atau objek
menjadi kelompok-kelompok berdasarkan beberapa variabel pemrediksi. Kelompok-
kelompok didefinisikan oleh sebuah variabel kategori dengan dua nilai atau lebih, sementara
pamrediksi merupakan variabel metrik. Efektivitas dari persamaan diskriminan didasarkan
tidak hanya pada signifikansi statistiknya tetapi juga pada keberhasilannya dalam
mengklasifikasikan kasus-kasus secara benar dalam kelompok-kelompok.
Analisis Multivariable
Analisis multivariabel dari varians, atau MANOVA, adalah salah satu dari teknik
yang adiktif untuk data multi variabel. MANOVA menilai hubungan antara dua atau lebih
variabel bergantung metrik dan variabel-variabel klasifikasi atau faktor. MANOVA paling
umum digunakan untuk menguji perbedaan berupa orang atau objek. Berbeda dengan
ANOVA, MANOVA menangani variabel bergantung berganda, dengan demikian menguji
semua variabel dan hubungan timbal baliknya secara bersamaan.
Analisis Gabungan
Analisis gabungan merupakan teknik yang biasnya menangani variabel-variabel bebas
nonmetrik. Analisis gabungan memungkinkan periset menentukan pentingnya atribut produk
atau jasa dan tingkat fitur yang diinginkan. Repsonden memberikan data preferensi dengan
membuat rangking atau rating atas kartu-kartu yang menggambarkan produk tertentu. Data
ini menjadi pembobot kegunaan dari karakteristik produk dengan pengambilan skala optimal
dan alogaritma loglinear.
TEKNIK ANTARKETERGANTUNGAN
Analisis Faktor
Analisis komponen utama menyaring faktor-faktor yang tidak saling berkorelasi yang
menyebabkan porsi varians terbesar dari sebuah himpunan variabel awal. Analisis faktor juga
berupaya mengurangi banyaknya variabel dan menentuknan konstruk yang mendasari dan
menjelaskan varians. Sebuah matriks korelasi digunakan untuk mendapatkan sebuah matriks
faktor dimana kombinasi linear terbaik dari variabel dapat disaring. Dalam banyak
penerapannya, matriks faktor akan dirotasi untuk menyederhanakan struktur faktor.
Analisis Gugus
Analisis gugus adalah sekumpulan teknik untuk mengelompokkan objek atau orang
yang serupa. Prosedur penggugusan berawal dari sekelompok orang, kejadian, atau objek
yang belum dibedakan dan berupaya mengatur kembali kelompok tersebut mennjadi sub
kelompok yang homogen.
Skala Multidimensi
Pengambilan skala multi dimensi (MDS) sering kali digunakan bersama-sama dengan
analisis gugus atau analisis gabungan. Hal ini memungkinkan persepsi responden mengenai
sebuah produk, jasa, atau subjek sikap lainnya yang digambarkan dalam bentuk ruang. MDS
membantu periset memahami konstruk yang sulit diukur seperti kualitas produk atau
keinginan, yang dirasakan dan dipetakan secara kognitif dengan cara yang berbeda oleh
9
masing-masing individu. Item-item yang dinilai serupa akan mempunyai letak yang
berdekatan dalam ruang multidimensi dan akan diungkap secara numeric dan geometris oleh
peta ruang. Penggunaan MDS memungkinkan periset memahami konstruk yang tidak dapat
diukur secara langsung. Proses ini memberikan sebuah peta ruang yang memperlihatkan
kesamaan dalam jarak relatif.
10