Nama : Sarah Dwirizonia Putri

NIM :

1. Dengan kata-kata Anda sendiri, definisikan analisis multivariat.

Analisis multi variabel dalam satu atau lebih hubungan. Analisis ini berhubungan
dengan semua teknik statistik yang secara simultan menganalisis sejumlah pengukuran
pada individu atau objek.
2. Sebutkan faktor terpenting yang berkontribusi pada peningkatan penerapan teknik untuk
analisis data multivariat dalam dekade terakhir.
 Rise of Big Data
 Model Versus Data Statisial
 Inference Casual
3. Implikasi apa sih kemunculan Big Data miliki untuk peneliti?
Kemunculan Big Data secara fundamental telah memengaruhi setidaknya tiga
aspek analitik. Aspek-aspek ini mencakup kelimpahan data (baik variabel maupun
observasi), perubahan dalam karakteristik dasar data yang sekarang tersedia, dan
peningkatan keinginan untuk keputusan berdasarkan data dalam semua jenis organisasi.
Akibatnya, para peneliti dihadapkan pada lanskap baru yang menuntut beberapa
perubahan mendasar dalam cara mereka meneliti dan melakukan analisis data. Seiring
dengan kemunculan Big Data, ada penggunaan model algoritme yang lebih luas di mana
penekanannya adalah pada prediksi daripada penjelasan. Meskipun model ini sering kali
memberikan sedikit wawasan tentang "penyebab" hasil, model ini dapat mengatasi
masalah rumit yang tidak siap ditangani dengan pendekatan model data yang lebih
konvensional. Akhirnya, banyaknya data dan penambahan set teknik yang sama sekali
baru telah memaksa para peneliti untuk mengupayakan lebih banyak inferensi kausal
dalam analisis mereka untuk menghindari menangkap korelasi palsu yang dapat
menghasilkan kesimpulan yang tidak valid.
4. Apa perbedaan antara model data dan model algoritmik? Bagaimana pengaruhnya
terhadap jenis analisis yang dilakukan?

5. Apa yang dimaksud dengan inferensi kausal? Bagaimana melakukannya melengkapi

eksperimen terkontrol secara acak?
Inference Casual adalah pergerakan di luar inferensi statistik ke pernyataan yang
lebih kuat tentang "sebab dan akibat" dalam situasi non-eksperimental. Sementara
pernyataan kausal telah terutama dipahami sebagai domain eksperimen terkontrol secara
acak, perkembangan terbaru telah memberikan peneliti dengan (a) kerangka teoritis untuk
memahami persyaratan untuk kesimpulan kausal dalam pengaturan non-eksperimental,
 dan (b) beberapa teknik yang berlaku untuk data tidak berkumpul dalam pengaturan
eksperimental yang masih memungkinkan beberapa kesimpulan kausal ditarik.
6. Apa dua aspek mengelola variate? Apa peran yang dimainkan masing-masing dalam
analisis multivariat yang khas?
 Spesifikasi variabel melibatkan pertanyaan sederhana: Apakah variabel yang
digunakan dalam bentuk aslinya atau beberapa bentuk reduksi dimensi dilakukan
untuk tujuan penyederhanaan dan sebagai solusi multikolinearitas. Jika reduksi
dimensi dipilih, peneliti seringkali dapat mengontrol proses melalui analisis faktor
eksplorasi atau menggunakan opsi perangkat lunak untuk melakukan prosedur
estimasi.
 Pemilihan variabel, peneliti kembali memiliki pilihan untuk mengontrol variabel
yang termasuk dalam analisis atau mengizinkan algoritma temukan variabel
"terbaik" untuk kecocokan model. Dalam kedua kasus kami merekomendasikan
bahwa penilaian peneliti digabungkan dengan kontrol perangkat lunak untuk
mengeksplorasi opsi dalam variasi yang sedang diuji. Peneliti juga memiliki,
selain model linier umum yang merupakan fondasi bagi sebagian besar teknik
statistik, bentuk model tambahan — model linier umum. Rumusan model ini
dapat dibandingkan dengan model linier umum, tetapi memungkinkan untuk
analisis variabel hasil yang tidak menunjukkan distribusi normal. Dengan bentuk
model ini peneliti dapat menganalisis hasil seperti persentase, hasil biner dan
jumlah dengan mengubahnya untuk mendekati distribusi normal.
7. Jenis pertanyaan penelitian apa yang bisa digeneralisasikan model linier (GLZ) lebih
langsung daripada model linier umum yang lebih tradisional (GLM)?
Yang dapat memperkirakan korelasi kanonik, regresi berganda, ANOVA,
MANOVA, dan analisis diskriminan, serta semua perbandingan kelompok univariat - uji
t dan semacamnya [40, 49, 12]. Mungkin tidak ada model tunggal yang lebih mendasar
untuk statistik inferensial daripada model linier umum. Tetapi satu karakteristik pembatas
dari GLM adalah asumsinya tentang distribusi kesalahan setelah distribusi normal.
Dengan demikian, banyak kali kita harus mengubah variabel dependen ketika diketahui
tidak mengikuti distribusi normal (misalnya, cacah, variabel biner, proporsi atau
probabilitas).
8. Mengapa validasi sangat penting?
Karna untuk menghindari hasil yang menyesatkan yang dapat diperoleh
overfitting - estimasi parameter model yang merepresentasikan karakteristik sampel
secara berlebihan dengan mengorbankan kemampuan generalisasi untuk populasi secara
luas.
9. Bagaimana cara kerja validasi silang? Apa sajakah jenis yang lebih populer?
Sampel asli dibagi menjadi sejumlah sub-sampel yang lebih kecil dan kesesuaian
validasinya adalah kecocokan "rata-rata" di semua sub-sampel.
Jenis Yang popoler :
  k- lipat, acak berulang
 Resampling atau tinggalkan-satu-keluar
 Pisau lipat
10. Buat daftar dan jelaskan teknik analisis data multivariat. niques yang dijelaskan dalam
bab ini. Sebutkan contoh-contoh yang cocok untuk setiap teknik.

11. Jelaskan mengapa dan bagaimana berbagai metode multivariat ods dapat dipandang
sebagai sekumpulan teknik.
Karena, Analisis multivariat memiliki kekuatankemampuan analitis dan prediktif
penuh. Kekuatan dari mengakomodasi banyak variabel dan hubungan menciptakan
kompleksitas yang substansial dalam hasil dan interpretasinya. Menghadapi kompleksitas
ini, peneliti diperingatkan untuk menggunakan metode multivariat hanya jika landasan
konseptual yang diperlukan untuk mendukung teknik yang dipilih telah dikembangkan.
12. Mengapa pengetahuan tentang skala pengukuran penting pemahaman tentang analisis
data multivariat?
Kerena, Analis data multivariat penerepannya yang tepat dalam dan ampuh dalam
melakukan penelitian, yang mana dari segi teknik-teknik yang dapat mengungkapkan
hubungan yang tidak akan terindentifikasi.
13. Apa perbedaan antara statistik dan praktik signifikansi tical? Apakah yang satu
merupakan prasyarat untuk yang lain

14. Apa implikasi dari kekuatan statistik yang rendah? Bagaimana dapatkah daya
ditingkatkan jika dianggap terlalu rendah?

15. Detail pendekatan pembangunan model untuk multivariat analisis, dengan fokus pada
masalah utama di setiap langkah.