BAB I
PENDAHULUAN
Analisis multivariat merupakan salah satu teknik statistik yang digunakan untuk memahami struktur data
dalam dimensi tinggi. Variabel-variabel itu saling terkait satu sama lain. Disinilah letak perbedaan antara
multivariabel dan multivariat. Multivariat pasti melibatkan multivariabel tetapi tidak sebaliknya.
Multivariabel yang saling berkorelasilah yang dikatakan multivariat.
Analisis multivariat merupakan analisis lanjutan dari analisis univariat maupun bivariat. Secara ilmiah,
untuk menjelaskan penomena sosial perlu dilakukan percobaan dengan pengumpulan dan analisis data.
Analisis data yang dikumpulkan dari pengamatan atau percobaan akan menghasilkan modifikasi
penjelasan dari penomena tersebut. Selama dalam masa percobaan tersebut, sering kali akan terjadi
penambahan dan pengurangan variabel. Dengan demikian, maka akan timbullah masalah yang semakin
komplek sehingga dibutuhkan lebih banyak variabel yang berbeda. Karena dalam data akan terdapat
pengaruh beberapa variabel terhadap variabel lainnya dalam waktu yang bersamaan.
Adapun masalah yang akan dibahas dalam penelitian ini adalah bagaimana menetapkan rancangan
percobaan dalam suatu penelitian dan menjelaskan prosedur penggunaan multivariat analisis varians
untuk mengeksplor hubungan antara variabel dependen dan variabel independen.
BAB II
PEMBAHASAN
Analisis multivariat merupakan salah satu analisis statistika yang berkaitan dengan analisis banyak
variabel. Dalam analisis statistika, terdapat pengelompokkan terhadap jumlah variabel yang dianalisis.
Melalui pengelompokkan tersebut, terbagi menjadi univariat (univariate), bivariat (bivariate), dan
multivariat (multivariate). Analisis univariat berasal dari kata uni dan variate, yang artinya analisis satu
variabel. Contohnya, pengukuran rata-rata (mean) sebagai ukuran pusat dari sekelompok data. Analisis
bivariat berasal dari kata bi dan variate, yang artinya analisis statistika yang berkaitan dengan dua
variabel. Contohnya, analisis korelasi (correlation) yang mencari hubungan keeratan antara dua variabel.
Analisis statistik multivariat merupakan metode statistik yang memungkinkan kita melakukan penelitian
terhadap lebih dari dua variable secara bersamaan. Dengan menggunakan teknik analisis ini maka kita
dapat menganalisis pengaruh beberapa variable terhadap variabel – (variable) lainnya dalam waktu yang
bersamaan. Contoh kita dapat menganalisis pengaruh variable kualitas produk, harga dan saluran
distribusi terhadap kepuasan pelanggan. Contoh yang lain, misalnya pengaruh kecepatan layanan,
keramahan petugas dan kejelasan memberikan informasi terhadap kepuasan dan loyalitas pelanggan.
Analisis multivariat digunakan karena pada kenyataannnya masalah yang terjadi tidak dapat diselesaikan
dengan hanya menghubung-hubungkan dua variable atau melihat pengaruh satu variable terhadap
variable lainnya.
Analisis multivariat merupakan pengembangan lanjutan dari analisis univariat maupun bivariat. Analisis
multivariat berasal dari kata multi dan variate, yang artinya analisis lebih dari dua variabel. Dengan
demikian, analisis multivariat merujuk kepada teknik statistika tertentu yang menganalisis banyak
variabel secara simultan. Contoh dari analisis multivariat adalah Structural Equation Model (SEM). SEM
merupakan pengembangan lanjut dari analisis regresi. SEM dikembangkan untuk menjelaskan hubungan
yang komplek antar variabel. Sedangkan regresi bertujuan hanya untuk menjelaskan hubungan tunggal
antar variabel.Variabel di dalam analisis multivariat dapat diklasifikasikan sebagai variabel dependen
(dependent variable) dan variabel independen (independent variable). Variabel dependen adalah
variabel yang nilainya ditentukan oleh variabel lain yaitu variabel independen. Sedangkan variabel
independen adalah variabel yang digunakan untuk mengestimasi atau memprediksi nilai variabel lain
yaitu variabel dependen.
multivariat berdasarkan pada data sampel daripada data populasi. Karakteristik populasi yang diteliti
hanya didasarkan pada karakteristik sampel yang diambil secara random atau acak dari populasi. Untuk
itu, kesimpulan di dalam analisis multivariat didasarkan pada statistika inferensi. Seorang peneliti yang
menggunakan statistika inferensi sebagai alat pembuat keputusan harus menentukan tingkat kesalahan
yang bisa diterima atau derajat kepercayaan karena adanya kesalahan sampling atau pengambilan
sampel (sampling error).
Ketika seorang peneliti menggunakan sampel untuk menarik kesimpulan tentang karakteristik
(parameter) populasi, maka peneliti harus membuat sebuah hipotesis. Ada dua hipotesis yang diajukan
peneliti yaitu hipotesis nol (H0) dan hipotesis alternatif (Ha). Hipotesis nol ini dianggap benar sampai
akhirnya bisa dibuktkan salah berdasarkan data sampel. Di lain pihak hipotesis alternatif merupakan
lawan hipotesis nol. Hipotesis alternatif harus benar ketika hipotesis nol mampu dibuktikan salah.
Pendekatan yang paling umum digunakan di dalam menentukan besarnya tingkat kesalahan yang
diterima adalah tingkat tipe kesalahan I (Type I Error) yang dikenal dengan alpha (a). Tipe kesalahan I
atau a merupakan probabilitas menolak hipotesis nol (H0) yang benar. Ketika peneliti menentukan
besarnya a, maka peneliti juga secara otomatis menentukan besarnya kesalahan jenis lain yang terkait
yaitu tipe kesalahan II, dikenal dengan beta (b). Dengan demikian b merupakan probabilitas menerima
hipotesis nol (H0) yang salah. Berkaitan dengan b, probabilitas yang sering digunakan adalah
probabilitas 1 - b yang menunjukkan kekuatan statistik inferensi (statistical power). 1 - b merupakan
probabilitas menolak hipotesis nol yang salah. Hubungan antara kedua probablitas tersebut dapat
digambarkan di dalam tabel berikut ini.
Kondisi Populasi
Menerima H0
Menolak H0
a (Kesalahan tipe 1)
Dalam prosedur uji statistik, keputusan menolak atau menerima hipotesis nol tergantung dari besarnya
statistik hitung dari uji statistik yang digunakan dibandingkan dengan nilai statistik kritis pada alpha yang
dipilih. Jika nilai absolut statistik hitung lebih besar dari nilai kritisnya maka H0 ditolak atau menerima
Ha. Berarti secara statistik signifikan. Sebaliknya, jika nilai absolut statistik hitung lebih kecil dari nilai
kritisnya maka H0 dterima atau menolak Ha, sehingga secara statistik tidak signifikan. Menerima atau
menolak H0 bisa digunakan dengan menggunakan nilai p-value. P-value merupakan besarnya alpha yang
sebenarnya. Jika p-value lebih kecil dari alpha yang dipilih, maka Ho ditolak. Sebaliknya, jika p-value
lebih besar dari alpha maka Ho diterima.
Sebagai alat analisis statistika yang bersifat general, analisis multivariat terdiri dari beberapa jenis. Jenis
analisis multivariat dapat dikelompokkan ke dalam teknik dependen (dependent technique), teknik
interdependen (interdependent technique), dan model struktural (structural model).
Teknik dependen adalah teknik yang digunakan ketika variabel dependen dipengaruhi oleh variabel
independen. Teknik interdependen adalah teknik yang digunakan ketika semua variabel saling
berpengaruh. Sedangkan teknik struktural adalah teknik yang digunakan untuk menganalisis variabel
dependen dan independen secara simultan.
Teknik Dependen
Bila di dalam analisis multivariat bisa dibedakan antara variabel dependen dan variabel independen
maka dapat digunakan teknik dependen. Ada beberapa jenis analisis metode dependen di dalam analisis
multivariat. Pengelompokkannya didasarkan oleh dua hal yaitu; 1. Jumlah variabel dependen, dan 2.
Jenis pengukuran data terhadap variabel baik dependen maupun independen. Berdasarkan jumlah
variabel dependen, maka analisis multivariat dikelompokkan apakah mempunyai satu variabel
dependen, dua variabel dependen, atau beberapa variabel dependen. Selanjutnya, setelah diketahui
jumlah variabel dependen maka dilihat jenis data variabel dependen maupun data variabel
independennya.
Variabel Dependen
Jumlah Variabel
1. Regresi
Metrik
Metrik/Non Metrik
2. Regresi Logistik
Non Metrik
Metrik/Non Metrik
3. Analisis Diskriminan
Non Metrik
Metrik/Non Metrik
4. Analisis Konjoin
Non Metrik
Non Metrik
5. Analisis Kanonikal
>1
Metrik
Metrik
6. MANOVA
>1
Metrik
Non Metrik
Jika jumlah variabel dependen adalah satu maka ada empat jenis analisis multivariat yaitu: 1. Regresi, 2.
Regresi Logistik, 3. Analisis Diskriminan, dan 4. Analisis Konjoin. Analisis regresi adalah analisis jika
jumlah variabel dependennya satu bersifat metrik dan variabel independennya dalam bentuk metrik
ataupun non metrik. Analisis regresi logistik (logit) merupakan analisis dengan jumlah variabel dependen
satu bersifat non metrik dan variabel independennya bersifat baik metrik ataupun non metrik. Analisis
diskriminan adalah analisis dengan jumlah variabel dependen satu bersifat non metrik dan varaiabel
independennya bersifat metrik ataupun non metrik.
Jika jumlah variabel dependennya lebih dari satu maka ada 2 jenis analisis multivariat yaitu: 1. Analisis
kanonikal, dan 2. Analisis MANOVA. Analisis kanonikal merupakan analisis dengan lebih dari dua variabel
dependen bersifat metrik dan variabelnya bersifat metrik juga. Sedangkan MANOVA adalah analisis
dengan variabel dependen lebih dari satu bersifat metrik dan variabel independennya bersifat non
metrik.
Teknik Interdependen
Dalam banyak kasus, seringkali dialami kesulitan dalam memisahkan antara variabel dependen dan
independennya. Dengan kata lain, semua variabel adalah independen. Tujuan dari analisis
interdependen adalah menganalisis mengapa dan bagaimana variabel-variabel yang ada saling
berhubungan. Karena tidak bisa dipisahkan mana variabel dependen dan mana variabel independen,
maka pembagian metode interdependen didasarkan pada jenis variabel yang ada yaitu apakah metrik
atau non metrik.
Jika jenis variabel adalah metrik maka ada tiga jenis analisis yaitu: 1. Analisis faktor, 2. Analisis kluster,
dan 3. Skala multidimensi. Sedangkan bila jenis variabel adalah variabel non metrik maka ada satu
analisis yaitu analisis koresponden. Lebih jelasnya dapat dilihat pada tabel di bawah ini.
Jenis Analisis
Jenis Variabel
1. Analisis Faktor
Metrik
2. Analisis Kluster
Metrik
3. Analisis Koresponden
Metrik
Non Metrik
Korelasi ganda ialah hubungan antara dua variable bebas atau lebih yang secara bersama-sama
dihubungkan dengan variable terikatnya
X2
Oval: Y
X1
X2
X3
Xn
Y
2.4.2 Guna korelasi ganda
Korelasi digunakan untuk mencari hubungan antara dua variable bebas atau lebih yang secara
bersama-sama dihubungkan dengan variable terikatnya (Y), sehingga akhirnya dapat diketahui besarnya
sumbangan seluruh variable bebas yang menjadi objek penelitian terhadap variable terikatnya.
Seperti halnya dengan korelasi tunggal, maka sebelum korelasi ganda dihitung perlu dibuktikan atau
dipenuhi asumsi yang berlaku yaitu seperti halnya pada korelasi tunggal. Dalam penelitian, korelasi
ganda biasanya dilakukan setelah korelasi tunggal dianalisis terlebih dahulu sehingga ditemukan nilai-
nilai r. karena korelasi ganda merupakan kelanjutan dari analisis korelasi tunggal, maka semua asumsi
yang diperlukan pada analisis korelasi ganda tidak perlu lagi disebutkan atau diulang-ulang lagi.
1. Jika harga rata-rata r belum diketahui, maka hitunglah harga r. biasanya sudah ada karena
kelanjutan korelasi tunggal.
2. Hitung r hitung dengan menggunakan rumus sebagai berikut: untuk dua variable bebas (X1 dan X2)
rumusnya :
1-r2x1x2
Di mana :
RY.x1x2 = koefisien korelasi ganda antara variable X1 dan X2 secara bersama-sama dengan variable
Y.
H0: Signifikan
Ha: Ry.x1.x2=0
H0: Ry.x1.x2≠0
R2
F = K
(1-R2)
n-k-1
Dkpenyebut= n-k-1,
7. Bandingkan Fhitung dengan Ftabel dan konsultasikan dengan criteria pada langkah 4 diatas.
8. Buatlah kesimpulannya.
Korelasi jenjang pertama artinya dalam korelasi itu terdapat satu variabel yang dikontrol. Korelasi
jenjang kedua artinya dalam korelasi itu terdapat dua variabel yang dikontrol.
Guna korelasi parsial ialah untuk menemukan nilai korelasi murni yang terlepas dari pengaruh-pengaruh
variabel lainnya. Sebagai contoh : apabila kita bermaksud untuk meneliti hubungan antara dua variabel
yang diasumsikan bahwa seluruh atau sebagian dipengaruhi oleh variabel ketiga, maka dengan
menggunakan korelasi parsial ini kita dapat mengontrol pengaruh variabel ketiga tadi yaitu dengan
menjadikan variabel ketiga menjadi tetap (constant).
Rumus untuk menghitung koefisien korelasi parsial untuk tiga variabel adalah sebagai berikut :
r12.3 =
r13.2 =
r23.1 =
Dimana :
Ketiga rumus diatas memberikan koefisien korelasi jenjang pertama. Karena hanya satu variabel
saja yang dikontrol.
r12.34 =
Dimana :
r14.3 =
r24.3 =
Asumsi, kelayakan nilai, dan interprestasi nilai r pada korelasi parsial ini pada dasarmya sama saja
seperti yang terdapat pada korelasi biasa terdahulu. Dan disebabkan perhitungan koefisien korelasi
parsial ini merupakan lanjutan setelah lorelasi biasa dilakukan.
1. Cocokkan notasi 1 untuk variabel apa, 2 untuk variabel apa, dan seterusnya.
2. Jika harga r masih dalam bentuk ryx1, ryx2, rx1, rx2, dan seterusnya, maka rubahlah secara hati-
hati kedalam bentuk , ,, dan seterusnya. Jangan lupa sesuaikan dengan langkah 4 di atas.
Ha : 1) Terdapat hubungan yang signifikan antara variabel X1 dengan variabel Y dimana X2 konstan.
2) Terdapat hubungan yang signifikan antara variabel X2 dengan variabel Y dimana X1 konstan.
3) Terdapat hubungan yang signifikan antara variabel X1 dengan variabel X2 dimana Y konstan.
H0: 1) Tidak terdapat hubungan yang signifikan antara variabel X1 dengan variabel Y dimana X2 konstan.
2) Tidak terdapat hubungan yang signifikan antara variabel X2 dengan variabel Y dimana X1 konstan.
3) Tidak terdapat hubungan yang signifikan antara variabel X1 dengan variabel X2 dimana Y konstan.
Ha :
r23.1
r23.1
H0 :
r23.1
r23.1
5. Cari , dengan menggunakan rumus yang sesuai dengan variabel mana yang dikontrol atau varibel
mana yang dibuat konstan.
6. Terdapat taraf signifikannya ().
Ha : tidak signifikan
H0 : signifikan
8. Hitung dk dengan rumus dk = n – 2 dan dengan seperti langkah 4 dari tabel r kritis Pearson didapat
nilai
PENUTUP
3.1 Kesimpulan
o Analisis multivariat merupakan salah satu analisis statistika yang berkaitan dengan analisis banyak
variabel. Dalam analisis statistika, terdapat pengelompokkan terhadap jumlah variabel yang dianalisis.
Melalui pengelompokkan tersebut, terbagi menjadi univariat (univariate), bivariat (bivariate), dan
multivariat (multivariate).
o Ada dua hipotesis yang diajukan peneliti yaitu hipotesis nol (H0) dan hipotesis alternatif (Ha).
Hipotesis nol ini dianggap benar sampai akhirnya bisa dibuktkan salah berdasarkan data sampel. Di lain
pihak hipotesis alternatif merupakan lawan hipotesis nol. Hipotesis alternatif harus benar ketika
hipotesis nol mampu dibuktikan salah.
o Sebagai alat analisis statistika yang bersifat general, analisis multivariat terdiri dari beberapa jenis.
Jenis analisis multivariat dapat dikelompokkan ke dalam teknik dependen (dependent technique), teknik
interdependen (interdependent technique), dan model struktural (structural model).
o Korelasi ganda atau (multiple atau jamak) berkenaan dengan hubungan antara tiga variable atau
lebih, dimana sekurang-kurangnya dua variable bebas secara bersama-sama dihubungkan dengan
variable terikatnya
o Korelasi digunakan untuk mencari hubungan antara dua variable bebas atau lebih yang secara
bersama-sama dihubungkan dengan variable terikatnya (Y), sehingga akhirnya dapat diketahui besarnya
sumbangan seluruh variable bebas yang menjadi objek penelitian terhadap variable terikatnya.
o Pada korelasi tunggal mencari kuatnya hubungan antara variabel X dan Y dapat juga disebut sebagai
korelasi jenjang nihil. Sebutan jenjang nihil memberikan pengertian bahwa dalam korelasi itu tidak ada
veriabel lain yang dikontrol.
o Guna korelasi parsial ialah untuk menemukan nilai korelasi murni yang terlepas dari pengaruh-
pengaruh variabel lainnya.
Nuraini at 9:29 AM
Share
No comments:
Post a Comment
‹
›
Home
About Me
My photo
Nuraini
Powered by Blogger.