Diklat/Workshop “How to Write Good Research Proposal”

Program Doktor Ilmu Manajemen FEB-UNIB

Alat Analisis dalam Penelitian:

Statistika Multivariat
Perhatikan Judul Penelitian, Kita Tahu Metode Analisis Datanya
Oleh: Rini Indriani Djamaan
 Metode pengolahan variabel dalam

Analisis jumlah yang banyak, dimana

tujuannya adalah untuk mencari

Multivariat
pengaruh variabel-variabel tersebut
terhadap suatu obyek secara simultan
atau serentak.
Analisis Multivariat
Analisis Multivariat adalah salah satu bentuk dari analisis inferensial.
 Analisis inferensial artinya analisis yang melibatkan sejumlah sampel
saja. Dan dimana hasilnya nanti digunakan sebagai alat generalisasi
untuk keseluruhan populasi.
 Sehingga Analisis Multivariat tidak akan lepas dari istilah-istilah
signifikansi dan juga tingkat kesalahan dan derajat kepercayaan.
Analisis Multivariat vs Analisis Multivariabel
 Analisis Multivariat dan analisis multivariabel, yaitu: Analisis Multivariat pastilah
analisis multivariabel, sedangkan analisis multivariabel belum tentu Analisis
Multivariat.
 Analisis Multivariat tidak pernah bisa lepas dari variate. Maka, pertanyaannya:
apakah yang disebut dengan variate?
 Variat adalah suatu kombinasi linear dari variabel-variabel yang memiliki bobot
empiris yang telah ditentukan.
 Variabel-variabel itu saling terkait satu sama lain. Disinilah letak perbedaan
antara multivariabel dan multivariat.
 Multivariabel yang saling berkorelasilah yang dikatakan multivariat.
Jenis Data Dalam Analisis Multivariat
Data metrik
• Data yang bersifat numerik atau
berisi angka-angka dan dapat
dilakukan perhitungan matematis
di dalamnya, misal nilai ujian,
tingkat IQ, berat badan, dll. Data
metrik disebut juga dengan data
numerik atau data kuantitatif.
• Data metrik ada 2 macam, yaitu
data interval dan data rasio
Data nonmetrik
• Data non numerik atau disebut
juga data kualitatif atau data
kategorik.
• 2 macam jenis data non metrik ini,
yaitu data nominal dan data
ordinal.
Tipe Variabel Dikaitkan dengan Data
Tanpa Peringkat
1) Etnik
2) Jenis Kelamin
Kualitatif
Dengan Peringkat
1) Kecantikan
2) Kelas
Bentuk Diskrit
Bilangan bulat; jumlah penduduk,
dll
Kuantitatif Kontinu
Bisa bilangan bulat bias juga
bilangan penahan: tinggi badan
dll.
  teknik dependensi atau istilah english
Klasifikasi versionnya adalah dependent technique.
 teknik interdependensi atau english
Analisis versionnya adalah interdependent
technique.
Multivariat  model struktural atau english versionnya
disebut dengan istilah structural model.

Model Struktural atau struktural equation modelling

sebagai bagian dari klasifikasi analisis dependensi.
Klasifikasi Teknik-Teknik Analisis Multivariat
Analisis dependensi
• Dimana antar-variabel ada saling
ketergantungan sehingga terdiri atas
dua jenis variabel yaitu variabel
dependen dan variabel independen.
• Berfungsi untuk menerangkan atau
memprediski variable (variable)
tergantung dengan menggunakan
dua atau lebih variable bebas.
• Yang termasuk dalam klasifikasi ini
ialah analisis regresi linear berganda,
analisis diskriminan, analisis varian
multivariate (MANOVA), dan analisis
korelasi kanonikal
Analisis interdependensi.
• Dimana variabel-variabel tidak saling
bergantung satu dengan yang lain
dan semua variabel bersifat
independen.
• Berfungsi untuk memberikan makna
terhadap seperangkat variable atau
membuat kelompok-kelompok secara
bersama-sama.
• Yang termasuk dalam klasifikasi ini
ialah analsis faktor, analisis kluster,
dan multidimensional scaling. Contoh
membuat klasifikasi terhadap
kelompok pengunjung supermarket
tertentu.
Jenis Teknik Dependensi
Perbedaan Analisis Konjoin dengan Regresi Logistik

Sedangkan 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.

Agar anda lebih paham lagi, kami jelaskan beberapa pengertian tentang analisis dependensi
yang sudah disebutkan di atas.
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.
Silahkan pelajari lebih jauh tentang Analisis Regresi Korelasi.
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. Silahkan pelajari
lebih jauh tentang Analisis Diskriminan.
Multiple Logit Regression atau Multiple Logistic
Regression atau Regresi logistik Berganda

Regresi logistik Berganda adalah model 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.
Silahkan pelajari lebih jauh tentang regresi logistik.
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. Silahkan pelajari lebih jauh tentang MANOVA.
Conjoint Analysis atau Analisis Konjoin

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

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 Model Struktural Atau Structural Model Analisis Multivariat

 Teknik yang terakhir ini, yaitu 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.
Jenis Teknik 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. Silahkan pelajari lebih detail
di artikel kami: Analisis Faktor.
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, yaitu analisis kluster
hirarki dan analisis kluster non hirarki. Silahkan pelajari lebih detail di artikel
kami: Analisis Kluster.
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.
Correspondence Analysis atau Analisis Korespondensi

Analisis Korespondensi adalah suatu teknik statistika yang

menggunakan data-data 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.
Model dg Variabel Mediator

Sebagai gambaran kasar, peranan variabel terbukti sebagai

mediator ketika jalur A dan B signifikan dan jalur C tidak
signifikan.
Judul Artikel
KUALITAS LABA: IMPLIKASI
DARI PENGARUH
TENURE TERHADAP KUALITAS
AUDIT Judul Laporan Akhir
PENGARUH TENURE TERHADAP
Y1 = Py2x1X1+ Py2y1Y1 + Py1e1 + Py2e2
KUALITAS LABA DENGAN
KUALITAS AUDIT SEBAGAI
VARIABEL INTERVENING
KUALITAS LABA: IMPLIKASI DARI PENGARUH
TENURE TERHADAP KUALITAS AUDIT

Tahap olah data menggunakan SPSS:

1) H1  Y1 = Py1x1X1+ Py1e1

2) H2  Y2 = Py2x1X1+ Py2e2

3) H3  Y1 = Py2x1X1+ Py2y1Y1 + Py2e2

KUALITAS LABA: IMPLIKASI DARI PENGARUH
TENURE TERHADAP KUALITAS AUDIT
 Uji Intervening

 Untuk menguji apakah kualitas audit

merupakan variabel intervening dapat
 dilakukan dengan melihat nilai pengaruh
secara langsung dan tidak langsung.
 Tenure mempunyai hubungan langsung
dengan kualitas laba.
 Namun tenure juga mempunyai hubungan
tidak langsung ke kualitas laba yaitu tenure
melalui kualitas audit baru ke kualitas laba.
 Total pengaruh hubungan dari tenure ke
kualitas laba sama dengan pengaruh langsung
tenure ke kualitas laba di tambah dengan
pengaruh tidak langsung yaitu koefisien path
dari tenure ke kualitas audit dikalikan dengan
koefisien path kualitas audit ke kualitas laba.
KUALITAS LABA: IMPLIKASI DARI PENGARUH
TENURE TERHADAP KUALITAS AUDIT
Analisis Structural Equation Modeling (SEM)
 Structural Equation Modeling (SEM) adalah alat analisis statistik yang dipergunakan
untuk menyelesaikan model bertingkat secara serempak yang tidak dapat diselesaikan
oleh persamaan regresi linear.
 SEM dianggap sebagai gabungan dari analisis regresi dan analisis faktor. SEM dapat
dipergunakan untuk menyelesaikan model persamaan dengan variabel terikat lebih dari
satu dan juga pengaruh timbal balik (recursive).
 Analisis SEM berbasis pada analisis covarians sehingga memberikan matriks covarians
yang lebih akurat dari pada analisis regresi linear.
Alasan Menggunakan Analisis SEM
 Model yang dianalisis bertingkat dan relatif rumit, sehingga akan sangat sulit untuk
diselesaikan dengan metode jalur analisis pada regresi linear.
 Mampu menguji hipotesis-hipotesis yang rumit dan bertingkat secara serempak atau
simultan.
 Kesalahan (error) pada masing-masing observasi tidak diabaikan tetapi tetap dianalisis,
sehingga SEM lebih akurat untuk menganalisis data kuesioner yang melibatkan persepsi.
 Mampu menganalisis model hubungan timbal balik (recursive) secara serempak, di mana
model ini tidak dapat diselesaikan dengan analisis regresi linear secara serempak.
 Terdapat fasilitas bootstrapping, di mana hal tersebut tidak dapat dilakukan dengan
analisis regresi linear.
 Untuk jumlah sampel yang relatif besar (di atas 2000) terdapat metode Asymtot
Distribution Free (ADF) yang tidak memerlukan asumsi normalitas pada data.
 Peneliti dapat dengan mudah memodifikasi model dengan second order untuk
memperbaiki model yang telah disusun agar lebih layak secara statistik.
Tahapan dan Kreteria SEM

 Langkah pertama: Pengembangan Model Teoritis.

 Langkah kedua: Pengembangan Diagram Alur (Path Diagram).
 Langkah ketiga: Konversi Diagram Alur ke dalam Persamaan Struktural
dan Model Pengukuran.
 Langkah keempat: Memilih Jenis Matrik Input dan Estimasi Model yang
diusulkan.
 Langkah kelima: kemungkinan munculnya masalah identifikasi
 Langkah keenam: evaluasi kriteria Goodness of Fit
 Langkah ketujuh: menginterpretasikan hasil pengujian dan modifikasi
model.
Kreteria Kelayakan Model
Derajat Kecocokan SEM-AMOS
Derajat Kecocokan SEM-AMOS
Derajat Kecocokan SEM-AMOS
Referensi

Bagus, Rai Utama I Gusti. 2016. Kapan Memilih Analisis SEM-AMOS.

https://www.researchgate.net/ publication/289659706_Kapan_memilih_analisis_SEM-
AMOS
Hidayat, Anwar. 2016. Penjelasan Tentang Analisis Multivariat Dan Jenisnya.
https://www.statistikian.com/2016/11/ analisis-multivariat.html
Huang, Hidayat. Perhatikan Judul Penelitian, Kita Tahu Metode Analisis Datanya.
http://www.globalstatistik.com/mengetahui-metode-analisis-data-dari-judul-
penelitian/
Indriani, Rini dan Kusumaputra, Afteriko Dwi. 2016. Kualitas Laba: Implikasi dari Pengaruh
Tenure terhadap Kualitas Audit. Journal or Economic Management Bisnis Vol 17 (1).
https://journal.unimal.ac.id › emabis › article › download
Sarwono, Jonathan. Teori Analisis Multivariat. http://www.jonathansarwono.info/mvariat/
multivariat.htm