Anda di halaman 1dari 10

KELOMPOK VI

TUGAS MATA KULIAH STATISTIKA

Oleh :

1. Putu Mega Saraswati (05)


2. I Komang Oka Diputra (18)
3. I Putu Ryan Saputra (23)

PROGRAM STUDY DIPLOMA III PERHOTELAN C


SEKOLAH TINGGI PARIWISATA BALI INTERNASIONAL
DENPASAR 2019

i
DAFTAR ISI

HALAMAN JUDUL

DAFTAR ISI ................................................................................................. ii

KATA PENGANTAR ...................................................................................iii

BAB 1 PENDAHULUAN

1.1 LATAR BELAKANG ............................................................................. 1


1.2 RUMUSAN MASALAH ......................................................................... 1
1.3 MANFAAT PENULISAN ....................................................................... 1

BAB II

STATISTIKA MULTIVARIAT .................................................................... 2

1.1 ANALISIS REGRESI .............................................................................. 3


1.2 PATH ANALYSIS .................................................................................. 4
1.3 PLS ........................................................................................................... 5
1.4 SEM ......................................................................................................... 6

DAFTAR PUSTAKA .................................................................................... 7

ii
Kata Pengantar

Puji syukur atas kehadirat Tuhan Yang Maha Esa karena atas limpahan rahmat-
Nya kami diberi kesehatan Sehingga kami dapat menyelesaikan makalah yang menjadi
tugas matakuliah Statitiska
Terlepas dari semua itu, Kami menyadari sepenuhnya bahwa masih ada
kekurangan baik dari segi susunan kalimat maupun tata bahasanya. Oleh karena itu
dengan tangan terbuka kami menerima segala saran dan kritik dari pembaca agar kami
dapat memperbaiki makalah ini.
Akhir kata kami berharap semoga makalah ini dapat memberikan manfaat maupun
inpirasi terhadap teman-teman.

Denpasar, 28 January2019

Tim Penuyusun/Penulis

iii
BAB 1

PENDAHULUAN

1.1 Latar Belakang

Statistika adalah ilmu yang mempelajar ibagaimana merencanakan,


mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.
Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Istilah
'statistika' (bahasaInggris: statistics) berbeda dengan 'statistik' (statistic).
Statistika merupakan ilmu yang berkenaan dengan data, sedang statistic adalah
data, informasi, atau hasil penerapan algoritme statistika pada suatu data. Dari
kumpulan data, statistika dapat digunakan untuk menyimpulkan atau
mendeskripsikan data; ini dinamakan statistika deskriptif.

1.2 Rumusan Masalah


1. Apakah yang dimaksud Statistika Multivariat ?
2. Apakah bagian – bagian dari Statistika Multivariat ?
3. Apa itu PLS dan SEM ?

1.3 Tujuan Penulisan


Berdasarkan pada rumusan masalah di atas, maka tujuan penulisan yang ingin dicapai
adalah sebagai berikut :
1. Mahasiswa mengetahui tentang Statistika Multivariat
2. Mahasiswa mengetahui tentang bagian – bagian dari Statistika Multivariat

1
BAB II
STATISTIKA MULTIVARIAT

Statistika multivariat merupakan objek kajian pada statistika yang mempelajari perilaku
dan hubungan antara dua atau lebih variabel. Dasar dari kajian ini adalah analisis
korelasidan analisis regresi untuk dua variabel.

analisis dapat dibagi menjadi tiga tingkatan berdasarkan banyaknya variabel yang dilibatkan.
Apabila hanya ada satu variabel yang dilibatkan disebut analisis univariate.Contohnya adalah
analisis tingkat kepuasan konsumen Terhadap Indumie, Kalau dua variabel dinamakan analisis
bivariat.
Misalnya adalah analisis pengaruh antara jumlah anggota keluarga (variable 1) dan tempat
berlibur yang dipilih (variable 2). Kalau lebih dari dua variabel, analisis yang dilakukan
dinamakan analisis multivariat. Pada analisis diatas, jika kita tambahkan variabel baru
misalnya pendapatan dan rata-rata usia anak, Analisis yang kita lakukan menjadi: Analisis
pengaruh jumlah anggota keluarga, pendapatan keluarga, dan rata-rata usia anak terhadap
pilihan tempat berlibur. Itulah contoh analisis multivariate

2
1.1 ANALISI REGRESI

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan
sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain. Variabel "penyebab"
disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel
independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik
sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang
dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat
merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel
acak.
Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya.
Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan, dengan
penggunaan yang saling melengkapi dengan bidang pembelajaran mesin. Analisis ini juga
digunakan untuk memahami variabel bebas mana saja yang berhubungan dengan variabel
terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut.
Analisis Regresi atau biasa disingkat sebagai anareg adalah metode yang digunakan untuk
mengukur pengaruh variabel bebas terhadap variabel tergantung. Variabel pertama disebut
juga sebagai variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika
variabel bebas lebih dari satu, maka analisis regresi disebut regresi linear berganda. Disebut
berganda karena pengaruh beberapa variabel bebas akan dikenakan kepada variabel
tergantung.
Tujuan Penggunaan Analisis Regresi antara lain:
Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai
variabel bebas.
Untuk menguji hipotesis karakteristik dependensi.
Meramalkan nilai rata-rata variabel bebas yang didasari nilai variabel bebas diluar jangkauan
sample.
Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi antara lain :
Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan
Hubungan Jumlah Pekerja dengan Output yang diproduksi
Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.

3
1.2 PATH ANALYSIS

Analisis jalur (path analysis) merupakan suatu teknik analisis statistika yang
dikembangkan dari analisis regresi berganda. Dalam literatur berbahasa Indonesia, teknik ini
dikenal juga sebagai analisis lintas atau analisis lintasan. Teknik ini pertama kali
diperkenalkan oleh Sewall Wright pada tahun 1934 sebagai alat untuk mengkaji hubungan
antarvariabeldalam produksi ternak, namun penerapannya sekarang meluas ke bidang-bidang
lain, seperti genetika terapan dan ekonomi.
Secara matematis, analisis ini tidak lain adalah analisis regresi berganda terhadap data yang
dibakukan. Dengan demikian, perangkat lunak statistika yang mampu melakukan analisis
regresi berganda dapat pula dipakai untuk analisis jalur. Subjek utama analisis ini adalah
variabel-variabel yang saling berkorelasi. Analisis ini mendasarkan diri pada model hubungan
antarvariabel yang ditentukan sebelumnya oleh peneliti. Penentuan model didasarkan
pada hipotesis mengenai berbagai variabel yang diamati. Dalam perkembangan saat ini teknik
analisis jalur dapat dilakukan dalam kerangka pemodelan persamaan struktur (Structural
Equation Modeling atau SEM), suatu teknik analisis yang menggabungkan analisis faktor dan
analisis regresi, selain analisis jalur.

4
1.3 PLS

Partial least square atau yang biasa disingkat PLS adalah jenis analisis statistik yang
kegunaannya mirip dengan SEM di dalam analisis covariance. Oleh karena mirip SEM maka
kerangka dasar dalam PLS yang digunakan adalah berbasis regresi linear.
Partial least square adalah suatu teknik statistik multivariat yang bisa untuk menangani
banyak variabel respon serta variabel eksplanatori sekaligus. Analisis ini merupakan alternatif
yang baik untuk metode analisis regresi berganda dan regresi komponen utama, karena
metode ini bersifat lebih robust atau kebal. Robust artinya parameter model tidak banyak
berubah ketika sampel baru diambil dari total populasi
PLS pertama kali dikembangkan oleh Herman O. A. Wold dalam bidang ekonometrik pada
tahun 1960-an. Kelebihan dari Partial Least Square yang penting adalah dapat menangani
banyak variabel independen

Fungsi Partial Least Square


Partial Least Square adalah analisis yang fungsi utamanya untuk perancangan model, tetapi
juga dapat digunakan untuk konfirmasi teori.
Fungsi Partial Least Square kalau dikelompokkan secara awam ada 2, yaitu inner model dan
outer model. Outer model itu lebih kearah uji validitas dan reliabilitas. Sedangkan inner model
itu lebih kearah regresi yaitu untuk menilai pengaruh satu variabel terhadap variabel lainnya.

5
1.4 SEM

Structural Equation Modelling (SEM) adalah suatu teknik modeling statistik yang
bersifat sangat cross-sectional, linear dan umum. Termasuk dalam SEM ini ialah analisis
faktor (factor analysis), analisis jalur (path analysis) dan regresi (regression ).
Definisi lain menyebutkan structural equation modeling (SEM) adalah teknik analisis
multivariat yang umum dan sangat bermanfaat yang meliputi versi-versi khusus dalam jumlah
metode analisis lainnya sebagai kasus-kasus khusus.
SEM sebenarnya merupakan teknik hibrida yang meliputi aspek-aspek penegasan
(confirmatory) dari analisis faktor, analisis jalur dan regresi yang dapat dianggap sebagai
kasus khusus dalam SEM.

Kenggulan-keunggulan SEM lainnya dibandingkan dengan regresi berganda diantaranya ialah


1. Pertama, memungkinkan adanya asumsi-asumsi yang lebih fleksibel;
2. Kedua, penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk
mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel
laten;
3. Ketiga, daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca
keluaran hasil analisis;
4. Keempat, kemungkinan adanya pengujian model secara keseluruhan dari pada
koefesien-koefesien secara sendiri-sendiri;
5. Kelima, kemampuan untuk menguji model – model dengan menggunakan beberapa
variabel tergantung;
6. Keenam, kemampuan untuk membuat model terhadap variabel-variabel perantara;
7. Ketujuh, kemampuan untuk membuat model gangguan kesalahan (error term);
8. Kedelapan, kemampuan untuk menguji koefesien-koefesien diluar antara beberapa
kelompok subyek;
9. Kesembilan kemampuan untuk mengatasi data yang sulit, seperti data time
series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.

6
DAFTAR PUSTAKA

(Buku karya : Simamora Bilson. (2005). Analisis Multivariat Pemasaran. Jakarta: PT


Gtamedia Pustaka Utama.)

(17/1 https://id.wikipedia.org/wiki/Statistika_multivariat)

(17/1 https://id.wikipedia.org/wiki/Analisis_regresi)

(18/1 http://datariset.com/analisis/detail/olah-data-jogja-analisis-regresi)

(18/1https://teknikelektronika.com/analisis-regresi-linear-sederhana-simple-linear-
regression/)

(18/1 https://id.wikipedia.org/wiki/Analisis_jalur)

(18/1 https://www.statistikian.com/2018/08/pengertian-partial-least-square-pls.html)

(Jurnal karya : Sarwono Jonathan. (2010). Pengrtian Dasar Structural Equation


Modeling (SEM): Jurnal Ilmiah Manajemen Bisnis Vol 10 (hlm. 173-182).