ANALISIS

MULTIVARIATE
ANALISIS MULTIVARIATE
””””””
Analisis Multivariat
adalah metode pengolahan variabel
dalam jumlah yang banyak, dimana
tujuannya adalah untuk mencari
pengaruh variabel-variabel tersebut
terhadap suatu obyek secara simultan
atau serentak
””””””
Metode analisis multivariat
adalah suatu metode statistika yang
tujuan digunakannya adalah untuk
menganalisis data yang terdiri dari
banyak variabel serta diduga
antar variabel tersebut saling
berhubungan satu sama lain.
 Perbedaan Dengan Analisis
Multivariabel
Analisis multivariabel adalah analisis yang melibatkan lebih
dari satu variabel bebas. Dalam pengertian tersebut, kita tidak
perlu mengetahui apakah di antara beberapa variabel tersebut,
baik variabel bebas maupun variabel terikat terdapat
keterikatan atau korelasi satu sama lain.

Maka statistikian dapat menyimpulkan perbedaan antara

Analisis Multivariat dan analisis multivariabel, yaitu: Analisis
Multivariat pastilah analisis multivariabel, sedangkan analisis
multivariabel belum tentu Analisis Multivariat
 Pengertian Variat

Titik penyusun bangunan atau pondasi dari Analisis

Multivariat adalah variat itu sendiri

Variat adalah suatu kombinasi linear dari variabel-

variabel yang memiliki bobot empiris yang telah
ditentukan

Suatu variate dari sejumlah n variabel yang terbobot

(X1 sampai dengan Xn) dapat dinyatakan secara
matematis adalah sebagai berikut:
nilai variate = w1X1+ w2X2+ w3X3+…+wnXn.
 Klasifikasi Analisis Multivariat

Teknik dependensi atau

istilah english versionnya
adalah dependent Teknik interdependensi
technique
1 atau english versionnya
adalah interdependent
technique
Model struktural atau
2
english versionnya
disebut dengan istilah
structural model
3
 Teknik
Dependensi
Analisis
Multivariat
Teknik Dependensi Analisis Multivariat adalah suatu
metode Analisis Multivariat dimana variabel atau
kumpulan variabel yang diidentifikasi sebagai variabel
dependen atau variabel terikat dapat diprediksi atau
dijelaskan oleh variabel lain yang merupakan variabel
independen atau variabel bebas.
 Analisis dependensi berfungsi untuk menerangkan atau
memprediksi variabel terikat dengan menggunakan dua atau
lebih variabel bebas. Sehingga berdasarkan pengertian di atas,
maka analisis yang termasuk di dalam klasifikasi analisis
dependensi antara lain:

1. analisis 2. analisis 3. analisis 4. analisis

regresi linear diskriminan varian korelasi
berganda atau atau multivariate kanonikal atau
multiple linear discriminant (MANOVA), canonical
regression analysis dan correlations
JENIS ANALISIS MULTIVARIATE?
 JENIS ANALISIS
MULTIVARIATE
Regresi linear dan regresi logistik
digunakan jika jumlah variabel
dependen ada 1.
Perbedaannya adalah, regresi
linear digunakan jika skala data
variabel terikat adalah metrik.
Sedangkan regresi logistik, skala
data variabel terikat adalah non
metrik
Analisis diskriminan juga
melibatkan satu variabel terikat,
namun sama halnya dengan
regresi logistik, skala data variabel
terikat adalah data non metrik.
Analisis diskriminan lebih dekat
dengan regresi linear dari pada
regresi logistik, sebab analisis
diskriminan mewajibkan variabel
bebas yang berskala data numerik
haruslah berdistribusi normal
 Perbedaan Analisis Konjoin dengan
Regresi Logistik
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.

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
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.
 Multiple Logit
Regression atau Multivariate Analysis
Multiple Logistic
of Variance
Regression atau
Regresi logistik (MANOVA)
Regresi logistik Berganda adalah model
Berganda Suatu teknik statistik yang menyediakan
regresi dimana satu variabel terikat non
suatu uji signifikansi simultan perbedaan
metrik yang diprediksi atau diramalkan
rata-rata antara kelompok-kelompok untuk
oleh beberapa variabel bebas berskala
dua atau lebih variabel dependen.
data metrik atau non metrik. Teknik ini
hampir sama dengan analisis diksriminan,
hanya saja dalam perhitungannya
menggunakan prinsip perhitungan regresi
seperti halnya regresi linear.
 Analisis Konjoin adalah sebuah teknik statistik yang
Conjoint
bertujuan untuk memahami preferensi responden
terhadap suatu produk atau jasa. Analisis ini juga Analysis atau
dikenal dengan istilah english versionnya sebagai trade Analisis
off analysis. Konjoin

Korelasi Kanonikal adalah bentuk pengembangan

dari analisis regresi linear berganda. Tujuan dari analisis
korelasi kanonikal adalah untuk mengkorelasikan secara
Canonical simultan beberapa variabel terikat dengan beberapa
variabel bebas.
Correlation
Perbedaannya dengan regresi linear berganda
atau Korelasi adalah: regresi linear berganda hanya menggunakan satu
Kanonikal variabel terikat dengan beberapa variabel bebas. Sedangkan
pada korelasi kanonikal ini menggunakan beberapa
variabel terikat yang akan dikorelasikan dengan variabel
bebas.
TEKNIK INTERDEPENDENSI
ANALISIS MULTIVARIAT
Teknik Interdependensi Analisis Multivariat adalah Analisis
Multivariat yang melibatkan analisis secara serentak dari semua
variabel dalam satu kumpulan, tanpa membedakan antara variabel
yang terikat ataupun variabel yang bebas.

Teknik analisis interdependensi berguna dalam memberikan

makna terhadap sekelompok variabel atau membuat kelompok
kelompok secara bersama-sama
Jenis Analisis
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.
 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

1
analisis kluster hirarki analisis kluster non hirarki.
2

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.
04
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
Correspondence Analysis atau
Analisis Korespondensi
 Teknik Model Struktural Atau
Structural Model Analisis
Multivariat
Teknik Model Struktural adalah Kelebihan SEM adalah dapat
sebuah teknik yang yang mencoba meneliti hubungan antara
menganalisis hubungan secara beberapa kelompok variabel secara
simultan variabel dependen dan bersamaan atau serentak. Baik
independen secara bersamaan. variabel bebas maupun variabel
Model seperti ini dikenal dengan terikat. Bahkan metode ini juga
istlah model persamaan struktural dapat menggabungkan adanya
atau english versionnya adalah variabel laten. Variabel laten dalam
Structural Equation Model dan biasa hal ini adalah variabel yang
disingkat dengan SEM. sebenarnya keberadaannya tidak
dapat diukur secara langsung ke
dalam analisis.