“ANALISIS MULTIVARIAT”
230002301015
PROGRAM PASCASARJANA
2023
DAFTAR ISI
DAFTAR ISI..................................................................................................................................2
BAB I.............................................................................................................................................3
PENDAHULUAN..........................................................................................................................3
1.1 Latar Belakang.....................................................................................................................3
1.2 Permasalahan........................................................................................................................5
1.3 Tujuan...................................................................................................................................5
BAB II............................................................................................................................................6
PEMBAHASAN............................................................................................................................6
2.1. Definisi Analisis Multivariat...............................................................................................6
2.2. Klasifikasi Analisis Multivariat..........................................................................................7
BAB III.........................................................................................................................................19
PENUTUP....................................................................................................................................19
DAFTAR PUSTAKA...................................................................................................................20
BAB I
PENDAHULUAN
1) Apa yang dimaksud dengan analisis multivariat dan jenis data yang digunakan
didalamnya?
2) Apa saja klasifikasi analisis multivariat?
1.3 Tujuan
Dalam melakukan penelitian, tahapan analisis data memiliki peran penting utuk
menggali informasi dari observasi yang telah dilakukan (Sekaran, 2003; Neuman, 2006;
Aaker et al.,1995). Pada penelitian – penelitian yang melibatkan variable majemuk salah
satu alat analisis yang sering digunakan adalah teknik analisis multivariat. Untuk
mendapatkan informasi yang tepat dan valid, pemilihan teknik analisis multivariat harus
memperhatikan tujuan penelitian yang dilakukan, asumsi dasar teknik analisis multivariat
yang akan dipilih, dan skala pengukuran yang digunakan pada saat pengumpulan data.
Secara umum data dapat dikelompokkan ke dalam dua kategori, yaitu data metrik
(kuantitatif) dan nonmetrik (kualitatif) (Hair et al.,2006). Selanjutnya, skala pengukuran
dapat dibagi ke dalam empat kelompok: (1) skala nominal, (2) skala ordinal, (3) skala
interval, dan (4) skala rasio (Sekaran, 2003). Data-data metrik diukur dengan skala interval
atau rasio sedangkan data nonmetrik diukur menggunakan skala nominal atau ordinal
(Singgih, 2002). 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.
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. Oleh karena itu,
nantinya dalam Analisis Multivariat tidak akan lepas dari istilah-istilah signifikansi dan juga
tingkat kesalahan dan derajat kepercayaan.
Seperti halnya analisis statistik lainnya, Analisis Multivariat juga tidak lepas dari
jenis data atau skala data. Skala data yang digunakan ada dua macam, yaitu data metrik dan
data non metrik. Data metrik adalah data yang bersifat numerik atau berisi angka-angka dan
dapat dilakukan perhitungan matematis di dalamnya, misal nilai ujian, tingkat IQ, berat
badan, dan lain sebagainya. Data metrik disebut juga dengan data numerik atau data
kuantitatif. Dalam hal ini data metrik ada 2 macam, yaitu data interval dan data rasio. Untuk
lebih jelasnya pelajari artikel kami tentang skala data. Sedangkan data non metrik adalah
data non numerik atau disebut juga data kualitatif atau data kategorik. Ada dua macam jenis
data non metrik ini, yaitu data nominal dan data ordinal.
Klasifikasi analisis multivariat ada tiga macam, yaitu yang pertama adalah teknik
dependensi atau istilah english versionnya adalah dependent technique. Yang kedua adalah
teknik interdependensi atau english versionnya adalah interdependent technique. Dan yang
ketiga atau yang terakhir adalah dan model struktural atau english versionnya disebut
dengan istilah structural model.
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. Regresi linear berganda adalah metode
analisis yang tepat diper- gunakan kalau masalah penelitian (research problem)
melibatkan satu variabel tak bebas Y yang metrik yang dipengaruhi atau terkait
dengan lebih dari satu variabel bebas X yang metrik atau non-metrik. Tujuan
analisis ini untuk memperkirakan/meramalkan nilai Y, kalau semua variabel X
sudah diketahui nilainya, dengan menggunakan persamaan regresi berganda yang
dibentuk dengan menggunakan metode kuadrat terkecil (least square method).
Disamping itu juga untuk mengetahui besarnya pengaruh setiap variabel bebas yang
terdapat dalam persamaan. Analisis regresi linear berganda merupakan suatu
analisis asosiasi yang digunakan secara bersamaan untuk meneliti pengaruh dua
atau lebih variabel bebas terhadap satu variabel tergantung dengan skala interval.
Pada dasarnya teknik analisis ini merupakan kepanjangan dari teknik analisis
regresi linear sederhana. Untuk menggunakan teknik analisis ini syarat-syarat yang
harus dipenuhi diantaranya ialah:
c. 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.
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. Dalam SPSS prosedur MANOVA
disebut juga GLM Multivariat yang digunakan untuk menghitung analisis regresi
dan varians untuk variabel tergantung lebih dari satu dengan menggunakan satu
atau lebih variabel faktor atau covariates. Variabel-variabel faktor digunakan untuk
membagi populasi kedalam kelompok- kelompok. Dengan menggunakan prosedur
general linear model, peneliti dapat melakukan uji mengenai pengaruh variabel-
variabel faktor terhadap rata-rata berbagai kelompok distribusi gabungan semua
variabel tergantung. Lebih lanjut, efek-efek covariates dan interaksi antar covariate
dengan semua faktor dapat dipertimbangkan dalam analisis. Dalam analisis regresi,
variabel bebas atau predictor dispesifikasi sebagai covariates. Untuk menggunakan
MANOVA beberapa persyaratan yang harus dipenuhi ialah:
g. Canonical Weight
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.
Prosedur analisis faktor juga dapat digunakan untuk membuat hipotesis yang
mempertimbangkan mekanisme sebab akibat atau menyaring sejumlah variabel
untuk kemudian dilakukan analisis selanjutnya, misalnya mengidentifikasi
kolinearitas sebelum melakukan analisis regresi linear. Dalam prosedur analisis
faktor, terdapat tingkatan fleksibilitas tinggi yaitu:
Data yang digunakan ialah data kuantitatif berskala interval atau rasio.
Data harus mempunyai distribusi normal bivariate untuk masing-masing
pasangan variabel
Model ini mengkhususkan bahwa semua variabel ditentukan oleh faktor-faktor
biasa (faktor-faktor yang diestimasikan oleh model) dan faktor-faktor unik
(yang tidak tumpang tindih antara variabel-variabel yang sedang diobservasi)
Estimasi yang dihitung didasarkan pada asumsi bahwa semua faktor unik tidak
saling berkorelasi satu dengan lainnya.
Persyaratan dasar untuk melakukan penggabungan ialah besar-nya korelasi
antar variabel independen setidak-tidaknya 0,5 karena prinsip analisis faktor
ialah adanya korelasi antar variabel.
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.
Selain metode interdependent, terdapat salah satu metode dependet yakni analisis
varian multivariat (MANOVA) yang sering digunakan untuk menghitung pengujian
signifikansi perbedaan rata-rata secara bersamaan antara kelompok untuk dua atau lebih
variable dependent. Teknik ini bermanfaat untuk menganalisis variabel-variabel dependent
lebih dari dua yang berskala interval atau rasio. Untuk menggunakan MANOVA beberapa
persyaratan yang harus dipenuhi ialah:
Untuk semua variabel tergantung, data diambil dengan cara random sample dari
vektor-vektor populasi normal multivariate dalam suatu populasi, dan untuk matrik-matrik
variance-covariance untuk semua sel sama.
Sig. ,000
3) Interpretasi output
BAB III
PENUTUP
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. Tipe Analisis Multivariat ada tiga yaitu analisis
dependensi, analisis interdependensi dan model struktural. Analisis dependensi: variabel
dikelompokkan menjadi variabel bebas (X) yang mempengaruhi dan variabel tidak bebas (Y)
yang dipengaruhi. Analisis interdependensi: variabel tidak dibedakan menjadi variabel bebas
(X) dan variabel tidak bebas (Y). Analisis Multivariat ini sering digunakan oleh para peneliti
karena kemudahan-kemudahan yang diberikan oleh aplikasi komputer dan banyaknya informasi
yang bisa didapat dari Analisis Multivariat.
DAFTAR PUSTAKA
Aaker, D.A., Kumar, V., Day, G.S., 1995, Marketing Research, 5th Edition, John Wiley &
Sons, New York
Anggita, M., & Trenggana, A. F. M. (2020). Pengaruh Customer engagement Dan E-Service
Quality Terhadap Niat Beli Ulang Dengan Kepuasan Pelanggan Sebagai Variabel
Mediator Tiket.Com. ProBank, 5(1).
Bening, B., & Kurniawati, L. (2019). The Influence of Content marketing toward the Customer
engagement of Tokopedia Users in Yogyakarta. International Conference on
Technology, Education and Sciences, 138–148.
http://jurnal.ustjogja.ac.id/index.php/incotes/index
Dillon, W.R., Goldstein M., 1984, Multivariate Analysis: Methods and Applications, JohnWiley
& Sonsm New York.
Johnson, R. A., & Wichern, D. W. (2007). Applied multivariate statistical analysis (6th Ed).
New Jersey: Prentice International Inc.
Ghozali, I. 2015.Aplikasi Analisis Multivariate dengan Program SPSS.Semarang: Badan
Penerbit Universitas Diponegoro.
Gudono. (2011). Analisis data multivariat (edisi pertama). Yogyakarta: BPEE
Hair, J.R., Anderson, R.E., Tatham, R,L., Black W.C., 2006, Multivariate Data Analysiswith
Readings, 3th Edition, Macmillan Publishing Company, New York.
Hamid, M., Sufi, I., Konadi, W., Akmal, Y., & Iddris, J. (2019). Analisis Jalur dan Aplikasi
SPSS Versi 25. Sefa Bumi Persada.
Hermawan, H. (2018). Metode Kuantitatif Untuk Riset Bidang Kepariwisataan. Open Science
Framework.
Hidayat, A. (2012, Juli 1). Uji pearson product moment dan asumsi klasik. Dipetik Nov 2023,
11, dari https://www.statistikian.com/2012/07/pearson- dan-asumsi-klasik.html
Indriani, Y., & Abadyo. (2013). Perbandingan jumlah kelompok optimal pada metode single
linkage dan complete linkage dengan indeks validitas silhoutte. Diambil dari
http://jurnal-online.um.ac.id pada tanggal 21 Nov 2023.
Minto Waluyo, 2018, Panduan dan Aplikasi Struktural Equation Modelling (SEM) Jilid
II,Yayasan Humaniora, Surabaya .
Neuman, W.L., 1994, Social Research Methods, 2nd Edition, Allyn and Bacon, Boston.
Santoso, S. (2010). Statistika multivariat. Jakarta: PT Alex Media Komputindo
Sekaran, U., 2003, Research Methods for Business, 2nd Edition, Jon Wiley & Sons, New York.
Singgih Santoso, 2002, SPSS Statistik Parametrik, PT Alex Media Komputindo, Jakarta
Sinurat, B. (2014). Pengelompokan sekuens DNA menggunakan metode k-means dan fitur n-
mers frequency. Diambil dari http://repository.ipb.ac.id/handle/123456789/69384 pada
tanggal 21 November 2023.
Yulianto, S., & Hidayatullah, K. H. (2014). Analisis klaster untuk pengelompokan
kabupaten/kota di Provinsi Jawa Tengah Berdasarkan indikator kesejahteraan rakyat.
Statistika, 2, 56-63.
Yulianto, S., & Putriana, U. (Mei 2013). Analisis komponen utama (AKU) untuk
pengelompokan area pelayanan dan jaringan (APJ) Daerah Jawa Tengah dan D. I.
Yogyakarta. Buletin Median, 5:30-39.