Nama : Yustika Rita Rahmani

NIM : 2019021200
Kelas : Manajemen B (Blended Learning)
Mata Kuliah : Analisis Multivariat
Dosen : Bambang Sutrisno, S.E., M.S.M.
Tugas Analisis Multivariat

1. Perbedaan Teknik Dependensi dan Teknik interdependensi dalam analisis multivariat

Analisis dependensi adalah variabel yang nilainya ditentukan oleh analisis lain yaitu
interdependensi. Sedangkan analisis interdependesi adalah analisis yang digunakan untuk
mengestimasi atau memprediksi nilai analisis lain yaitu dependensi. Contoh analisis dependensi,
yaitu: anova, ancova, analisis regresi berganda, dan analisis diskriman. Sedangkan analisis
interdependensi adalah analisis untuk mengetahui hubungan antar variabel independen. Contoh
analisis interdependensi, yaitu: analisis faktor, analisis cluster, penskalaan multidimensi, dan
analisis kategori.

Jenis-jenis analisis dependensi dan analisis interdependensi

Jenis - Jenis analisis Dependensi yaitu:

1. Regresi, 2. Regresi Logistik, 3. Analisis Diskriminan, dan 4. Analisis Konjoin. 5. Analisis

kanonikal, dan . Analisis MANOVA

Jenis – Jenis analisis Interdependensi yaitu :

1. Analisis Faktor, 2. Analisis Kluster, 3. Analisis Koresponden, 4. Analisis Skala

Multidimensional.

2. 1. Data interval atau rasi

Skala data semua variabel terutama variabel terikat adalah interval atau rasio. Asumsi ini tidak
perlu diuji, cukup kita pastikan bahwa data yang digunakan adalah data interval atau rasio
(numeric atau kuantitatif).
2. Linearitas
Variabel bebas berhubungan dengan variabel terikat. Asumsi linearitas diuji dengan uji linearitas
regresi, misalnya dengan kurva estimasi.

3. Normalitas residual
Residual adalah beda antara y dengan y prediksi. Dalam hal ini, y adalah variabel terikat,
sedangkan y prediksi adalah y hasil persamaan regresi yang dibuat. Asumsi normalitas pada
regresi linear adalah pada residualnya, bukan pada data per variabel.

4. Non outlier

Outlier disebut dengan data pencilan atau data yang nilainya extreme atau lain dari pada yang
lainnya.

5. Homoskedastisitas
Homoskedastisitas yaitu sebuah kondisi saat varians dari error bersifat konstan atau tetap.
Dengan kata lain, varians dari error bersifat identic untuk setiap pengamatan.

6. Non Multikolinearitas
Multikolinearitas yaitu keadaan saat terdapat interkorelasi atau korelasi kuat antarvariabel bebas
di dalam model.

7. Non Autokorelasi

Autokorelasi dapat diartikan bahwa terdapat korelasi antar waktu. Dapat diartikan bahwa
autokorelasi ini sering terjadi pada regresi linear berganda dengan data time series atau runtun
waktu dan jarang sekali terjadi pada data cross section.

3. Menurut Saudara, apa kegunaan dari analisis faktor? Berikan 2 (dua) contoh penerapan
analisis faktor dalam penelitian!

Kegunaan analisis faktor Malhotra Nurjannah, 2010 menjelaskan kegunaan factor analysis
adalah sebagai berikut: 1. Mengidentifikasi dimensi-dimensi atau faktor-faktor yang mendasari
yang menerangkan korelasi diantara satu set variabel. 2. Mengidentifikasi suatu variabelfaktor
baru yang lebih kecil, menetapkan variabel-variabel yang semula berkorelasi dengan analisis
multivariananalisis regresi atau diskriminan. 3. Mengidentifikasi tidak tepat kecil variabel
penting dari tidak tepat besar variabel untuk digunakan dalam analisis multivarian selanjutnya.

Contoh Penerapan analisis faktor dalam perusahaan :

Banyak digunakan perusahaan dalam bidang pemasaran produk barang yaitu bidang pemasaran,
perusahaan atau produsen secara langsung berhubungan dengan konsumen, agar perusahaan
mengetahui sejauh mana produknya dapat diterima oleh konsumen.

Contoh Penerapan analisis faktor dalam pembelajaran :

Media pembelajaran yaitu meliputi alat bantu guru dalam mengajar serta sarana pembawa pesan
dari sumber belajar ke penerima pesan belajar (siswa). Sebagai penyaji dan penyalur pesan,
manfaat media pembelajaran adalah memperlancar interaksi antara guru dengan siswa sehingga
kegiatan pembelajaran lebih afektif dan efisien.

4. Interpretasi Output SPSS dari Analisis Regresi Berganda

Y = Penjualan

X1 = Persediaan Modal

X2 = Biaya iklan

R2 = 0,946 = 94,6%

Model Summary
Mode R R Square Adjusted R Std. Error of
l Square the Estimate
a
1 .973 .946 .924 1.970
a. Predictors: (Constant), IKLAN, MDL

Artinya, Persediaan modal, biaya iklan dapat menjelaskan variasi penjualan sebesar 94,6%.
Sisanya 5,4% dijelaskan oleh variabel lain di luar model.
Uji T
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Error Beta
(Constant) 4.745 1.373 3.456 .018
1 MDL 2.533 .650 1.927 3.895 .011
IKLAN -1.650 .816 -1.000 -2.021 .099
a. Dependent Variable: PNJLN
Jika nilai Sig. di bawah 0,05 maka signifikan, dan sebaliknya
Persediaan modal pengaruh positif dan signifikan terhadap Penjualan.

Iklan berpengaruh negatif dan tidak signifikan terhadap Penjualan.

Uji F
ANOVAa
Model Sum of Df Mean F Sig.
Squares Square
Regression 339.479 2 169.740 43.756 .001b
1 Residual 19.396 5 3.879
Total 358.875 7
a. Dependent Variable: PNJLN
b. Predictors: (Constant), IKLAN, MDL
Uji F mengkonfirmasi bahwa ada satu variabel independen (yaitu Persediaan modal) yang
berpengaruh signifikan terhadap Penjualan.