STATISTIKA MULTIVARIAT

MANOVA

Pendahuluan
ANOVA (Analysis of Variance) adalah bagian
dari prosedur satistika yang digunakan untuk
menganalisis perbedaan rataan dari beberapa
populasi dengan menggunakan data yang
diperoleh yang diambil dari populasi yang
diamati.
Ada banyak jenis ANOVA yang telah dipelajari
sebelumnya, namun hampir semua hanya
melibatkan satu variabel tak bebas.

MANOVA
Manova adalah perluasan dari konsep dan
teknik ANOVA pada situasi ada beberapa
variabel dependen (variabel tak bebas).
Penggunaan lebih dari satu variabel tak bebas
ini sering dijumpai pada kasus-kasus yang
ingin mengamati atau melihat karakteristik
suatu objek yang dalam hal ini tidak cukup
hanya menggunakan sebuah variabel tak
bebas.

 MANOVA satu arah dengan pengaruh

tetap dapat digunakan untuk menguji
hipotesis apakah ke-n objek (dari 1
faktor yang sama) menghasilkan
rataan yang sama untuk k variabel
respon yang diamati dalam penelitian.
Rancangan satu arah disebut pula
rancangan satu faktor, yaitu responrespon yang dihasilkan oleh satuan
percobaan berbeda atau beragam
karena hanya ada satu faktor.
Tujuan analisis adalah menduga
rataan variabel respon untuk setiap
populasi, dan menguji tentang ketiga
rataan tersebut.

STATISTIKA MULTIVARIAT

ANALISIS
FAKTOR

Pengantar Analisis Faktor

Analisis faktor merupakan suatu cabang
dari analisis variabel ganda yang
memperhatikan hubungan internal dari
sebuah himpunan variabel-variabel
dimana hubungan tersebut dapat diartikan
sebagai hubungan linier atau mendekati.

Dalam analisis faktor ini seluruh yang

ada akan dilihat hubungan-nya (interdependent antar variabel), sehingga akan
menghasilkan pengelompokan atau
tepatnya abstraction dari banyak variabel
menjadi hanya beberapa variabel baru
atau faktor.
Dengan sedikit faktor ini akan menjadi
lebih mudah untuk dikelola.

 Tujuan utama dari analisis faktor adalah untuk

menggambarkan keragaman diantara banyak
variabel-variabel yang sebenarnya dapat
dibedakan dalam beberapa sifat yang
mendasar namun tidak dapat terobservasi
kuantitasnya.
Sifat yang mendasar namun tak dapat
terobservasi kuantitasnya ini yang disebut
faktor

KONSEP DASAR ANALISIS FAKTOR

1. Bukan mengkaitkan antara dependen variabel dengan independen
variabel,
TAPI membuat REDUKSI atau ABSTRAKSI atau MERINGKAS dari
BANYAK variabel menjadi SEDIKIT variabel.
2. Teknik yang digunakan adalah TEKNIK INTERDEPENSI, yakni SELURUH
set HUBUNGAN yang interdependen diteliti. Prinsipnya menggunakan
KORELASI r = 1 dan r = 0. Dipergunakan dalam hal mengidentifikasi
variabel yang berKORELASI dan yang tidak/kecil KORELASI-nya.
3. Analisis Faktor menekankan adanya COMMUNALITY= jumlah varian yang
disumbangkan oleh suatu variabel pada variabel lainnya.
4. Kovariasi antar-variabel yang diuraikan akan memunculkan COMMON
FACTORS (jumlahnya sedikit) dan UNIQUE FACTORS setiap variabel.
(FAKTOR-FAKTOR tidak secara jelas terlihat).
5. Adanya koefisien nilai faktor (factor score coefficient), sehingga faktor 1
menyerab sebagian besar seluruh variabel, faktor 2 menyerab sebagian
besar sisa varian setelah diambil untuk faktor 1. Faktor 2 TIDAK
berkorelasi
dengan faktor 1.

TEKNIK STATISTIK Untuk

ANALISIS FAKTOR
1. Bartletts test of sphericity: uji statistik untuk menguji
hipotesis bahwa variabel tidak saling berkorelasi dalam
populasi.
2. Matriks korelasi.
3. Communality: jumlah varian yang disumbangkan oleh
variabel
terhadap seluruh variabel lain.
4. Eigenvalue: jumlah varian yang dijelaskan oleh setiap
faktor. Hanya
eigenvalue >1 yang dimasukkan dalam model.
5. Scree plot: plot dari eigenvalue sebagai sumbu vertikal
dan banyaknya faktor sebagai sumbu datar; untuk
menentukan banyaknya faktor yang bisa ditarik (factor
extraction).
Catatan:
Jenis variabelnya interval atau rasio.
Jumlah sampel = 4 kali jumlah variabel.
Misal jumlah variabel =10, maka n-nya = 40 unit.
Adapula beberapa referensi yang memberikan informasi
berbeda mengenai jumlah sampel yang digunakan.

Syarat untuk membangun Analisis Faktor:

1. Hubungan antar variabel terobservasi harus

linear dan nilai korelasi tidak boleh NOL
(artinya harus benar-benar ada
hubungannya).
2. Variabel komponen hipotetis yang disebut
FAKTOR ada dua Common Factors dan Unique
factors
3. Common factors selalu dianggap TIDAK
berkorelasi dengan faktor unik.
Common factors lebih sedikit daripada
variabel asli. Unique factors biasanya
dianggap sama dengan jumlah variabelnya.

TUGAS
Selesaikan Latihan Soal mengenai data
Analisis Faktor (data terlampir)
Gunakan analisis lengkap sesuai dengan
tahapan dan asumsi yang harus dipenuhi
pada Analisis Faktor
Referensi latihan kasus
Buku latihan SPSS Statistika Multivariat,
Singgih Santoso

STATISTIKA MULTIVARIAT

ANALISIS
DISKRIMINAN

 Analisis diskriminan adalah teknik

statistika untuk mengelompokkan
individu-individu ke dalam kelompokkelompok yang saling bebas dengan
tegas berdasarkan sekelompok
variabel bebas.

Pengklasifikasian adalah salah satu analisis

statistika yang diperlukan jika ada beberapa
kelompok kemudian ingin diketahui apakah
kelompok-kelompok tersebut memang berbeda
secara statsitika. Kelompok-kelompok ini terjadi
karena ada pengaruh satu atau lebih variabel lain
yang merupakan variabel independen. Kombinasi
linier dari variabel-variabel ini akan membentuk
suatu fungsi diskriminan (Tatham et. al., 1998).

Asumsi analisis diskriminan

p variabel bebas menyebar
mengikuti sebaran normal ganda
Matrik peragam berdimensi pxp dari
variabel-variabel bebas dalam setiap
kelompok harus sama (homogen)

Sebelum dilakukan analisis

diskriminan, perlu dilakukan
pengujian kesamaan vektor-vektor
nilai tengah.
Beberapa statistik uji yang
digunakan untuk menguji kesamaan
vektor-vektor nilai tengah, adalah:
1. Lambda Wilk
2. Teras lawley-Hotelling
3. Teras Pillai

Persamaan Diskriminan
Persamaan Diskriminan
Di = d0 + d1X1 + d2X2, . + dnXn
dengan
Di = skor fungsi diskriminan i
di = koefisien yang bersesuaian
Contoh:
D = 0.659X1 + 0.583X2 + 0.975X3

Zjk = a+W1X1k+W2X2k+ . . +
WnXnk
Zjk
a
Wi
Xik

: Nilai diskrimanan Z dari fungsi

diskriminan j untuk obyek k
: intersep
: Koefisien diskriminan untuk
variabel independen ke-i
: Nilai variabel ke-i untuk obyek ke-k

Fungsi diskriminan lain yang dapat

digunakan antara lain fungsi diskriminan
linier Fisher. Secara detail fungsi ini
dijelaskan dalam Johson dan Winchern
(1992).
Nilai diskriminan Z merupakan dasar
untuk menentukan suatu obyek masuk
kelompok yang mana dengan
membandingkannya dengan rata-rata
(centroid) dari nilai Z masing-masing
kelompok.

Jika ada dua kelompok, misalkan A dan B,

maka

Z cu

N AZB NB Z A

NA NB

Zcu : Nilai Z kritis

NA
: Jumlah obyek di dalam A
NB
: Jumlah obyek di dalam B
ZA
: centroid untuk A
ZB
: centroid untuk B
Kelompokkan ke dalam A jika Zn < Zct
Kelompokkan ke dalam B jika Zn > Zct

Bahan diperoleh dari berbagai sumber

STATISTIKA MULTIVARIAT
ANALISIS CLUSTER

Pengertian
Disebut pula analisis gerombol.
Analisis Cluster merupakan suatu metode
dalam analisis peubah ganda yang
bertujuan untuk mengelompokkan n
satuan pengamatan kedalam k gerombol
dengan (k<n) berdasar p variabel,
sehingga unit-unit pengamatan dalam
satu kelompok memiliki ciri-ciri yang lebih
homogen dibandingkan unit pengamatan
dalam kelompok lain.

 Tujuan pokok digunakan analisis cluster

adalah untuk mengelompokkan data
menjadi kelompok-kelompok berdasarkan
pada kesamaan atau ketidaksamaan
objek.
Metode analisis ini paling banyak
digunakan apabila tidak ada hipotesis
yang akan diuji, karena pengelompokkan
hanya didasarkan pada fakta data dan
pengelompokkan secara alami.

Metode Analisis Cluster

Metode Hierarki
digunakan untuk mengelompokkan
pengamatan secara terstruktur
berdasarkan kemiripan sifatnya dan
kelompok yang diingiinkan belum
diketahui banyaknya.
Metode Non-Hierarki

 Ada dua cara memperoleh kelompok dengan

metode Hierarki, yaitu:
Cara penggabungan, diperoleh dengan
menggabungkan pengamatan atau kelompok
secara bertahap, sehingga pada akhir proses
diperoleh hanya satu kelompok saja.
Cara pemisahan, dimilai dengan membentuk
satu kelompok besar dengan anggota seluruh
objek pengamatan, kelompok besar tersebut
kemudian dipisah menjadi kelompokmyang
lebih kecil, sampai satu kelompok hanya
beranggotakan satu objek pengamatan saja.
Kedua cara ini tidak berbeda dalam
pembentukkan kelompok, namun hanya
berbeda dalam tahapan pembentukan
kelompok.

STATISTIKA MULTIVARIAT
ANALISIS KONJOIN

ANALISIS CONJOIN
Conjoint analysis, considered jointly:
membantu produsen mencari solusi
kompromi yang optimal dalam merancang
produk dengan suatu pertimbangan
pertukaran (trade off judgement) atribut
memberikan ukuran kuantitatif terhadap
tingkat kegunaan dan tingkat kepentingan
relatif
Menurut Green & Krieger(1991):

Merancang harga
Memprediksi tingkat penjualan (market share)
Segmnentasi preferensi
Merancang strategi promosi

Tujuan

Mengetahui bagaimana sebenarnya persepsi konsumen

terhadap suatu produk atau jasa yang diminati oleh
konsumen
Menentukan kepentingan relatif dari atribut di dalam
pemilihan oleh pelanggan.
Mengestimasi pangsa pasar merek yang berbeda dalam
tingkatan level atrribut.
Menentukan komposisi merek yang paling disenangi,
features dari merek dapat dibuat bervariasi dinyatakan
dalam tingkatan/level atribut dan utilities yang
bersangkutan.
Membuat segmen pasar berdasarkan pada kemiripan
preferensi untuk tingkatan/level atribut.

TAHAPAN ANALISIS CONJOIN

Perumusan masalah
Merancang kombinasi atribut (stimuli)
Penentuan metode pengumpulan data
Memilih prosedur analisis konjoin
Interpretasi hasil
Uji reliabilitas dan validitas hasil

Perumusan Masalah
Identifikasi atribut dan tarafnya
Pemilihan atribut adalah untuk atribut yang
punya peran untuk mempengaruhi preferensi
konsumen, melalui diskusi pakar, eksplorasi data
sekunder dan penelitian pendahuluan
Skala atribut dan model preferensi
Skala berdasarkan skala pengukuran:
Kualitatif: nominal atau ordinal
Kuantitatif: interval atau rasio

Merancang Kombinasi Atribut

(Stimuli)
Kombinasi berpasangan (pairwise combination),
responden diminta untuk mengevaluasi pasangan
atribut secara bersamaan, bila ada p atribut
maka jumlah yang akan dievaluasi adalah p(p1)/2 pasangan kombinasi.
Kombinasi lengkap; semua kombinasi dapat
dievaluasi, bila terdapat banyak sekali atribut
maka digunakan metode orthogonal array yang
merupakan yakni rancangan faktorial sebagian
(fractional factorial design)

Penentuan Jenis Data Yang

diperlukan
Nonmetrik (nominal atau ordinal atau kategori) Untuk
data berjenis nonmetrik, responden diminta untuk
membuat ranking atau mengurutkan stimuli yang telah
dibuat pada tahap sebelumnya. Secara teori
perangkingan dapat dipandang sebagai evaluasi secara
relatif terhadap taraf-taraf atribut. Nilai rangking ini
dipercaya akan mencerminkan perilaku konsumen dalam
situasi nyata.
Metrik (data berskala interval atau rasio) Untuk
memperoleh data dalam bentuk metrik, responden
diminta untuk memberikan rating atau nilai terhadap
masing-masing stimuli. Melalui cara ini responden akan
dapat memberikan penilaian terhadap masing-masing
stimuli secara terpisah

Menentukan Metode Analisis

Secara umum model dasar analisis Conjoin dapat ditulskan

dalam bentuk diatas, dimana:

U(X)
= Utility total
ij = Part worth atau nilai kegunaan dari atribut ke-i taraf ke-j.
kI
= Taraf ke-j dari atribut ke-i
m = Jumlah atribut
xij = Dummy variable atribut ke-i taraf ke-j. (bernilai 1 bila taraf yang
berkaitan muncul dan 0 bila tidak)

Untuk menentukan tingkat kepentingan atribut ke-i (Ai) ditentukan

melalui formula berikut:
dimana:
Ii = (max(ij) min(ij)), untuk setiap i.

Contoh kasus:
Sebuah pabrik sepatu sedang mengembangkan produk
sepatu baru. Sebelum meluncurkan produk baru tersebut,
divisi pemasaran melakukan riset untuk mengetahui seperti
apakah desain dan warna produk yang diminati oleh
konsumen, dimana target pasar yang dibidik adalah kelas
menengah.
Awalnya bagian Promosi melakukan riset kecil berupa
penyebaran kuisioner kepada pelanggan untuk mengetahui
penting tidaknya suatu atribut beserta tarafnya. Kemudian
diketahui ada 2 atibut yang dinilai berperan mempengaruhi
responden (konsumen). Penelitian dilakukan terhadap 2
responden.
setelah dibuat stimuli, ke-2 responden tersebut
melakukan ranking terhadap stimuli yang ada. Dimana
angka 1 adalah model sepatu yang paling tidak disukai, dan
angka terakhir adalah model sepatu yang paling disukai.
buatlah dengan analisis konjoin untuk menyimpulkan
seperti apa model sepatu yang disukai konsumen?

Contoh: Penentuan Atribut dan taraf produk Sepatu

Atribut

Taraf

Keterangan

Desain

1
2

Bertali
Tanpa tali

Warna

1
2
3

Hitam
Putih
Lainnya
(selain hitam
dan putih)

TAHAPAN MEMBUAT ANALISIS KONJOIN DENGAN

SPSS
1. MERANCANG KARTU STIMULI

Perancangan kartu stimuli dibuat dalam SPSS, maka perancangannya

dilakukan dengan cara membuat syntax.
Buka program SPSS, dan biarkan SPSS data dalam keadaan kosong (tidak
ada file yang dibuka)
Dari menu file, pilih submenu open, lalu pilihan syntax (buka file
syntax.sav)
Untuk kasus diatas ketik
ORTHOPLAN
/FACTORS=
DISAIN 'Disain Sepatu' (Bertali' Tanpa Tali')
WARNA Warna Sepatu' (Hitam' Putih' 'Lainnya')
/HOLDOUT=0.
SAVE OUTFILE='CONJOINT SOAL 1.SAV'.
Lakukan eksekusi syntax dengan cara dari tampilan SPSS syntax editor,
buka menu RUN, lalu pilih ALL
Setelah beberapa saat akan muncul tampak output yang tersimpan pada
CONJOINT SOAL 1. sav

2. Melakukan proses konjoin

Dari stimuli yang terbentuk, proses dilanjutkan dengan proses conjoint, yang
mengambil file syntax yaitu CONJOINT SOAL 1 PROSES.sps
Buka program SPSS, dan biarkan SPSS data dalam keadaan kosong(tidak ada file
yang dibuka)
Dari menu file, pilih submenu open, lalu pilihan syntax. Untuk proses konjoin pada
kasus diatas ketik:
DATA LIST FREE/ QN PROD1 TO PROD6.
BEGIN DATA.
101 1.00 3.00 2.00 5.00 4.00 6.00
102 2.00 4.00 6.00 1.00 3.00 5.00
END DATA.
CONJOINT PLAN='CONJOINT SOAL 1.SAV'
/FACTORS=
DISAIN 'Disain sepatu' (Bertali' Tanpa tali')
Warna Warna sepatu' (Hitam' Putih' 'Lainnya')
/SUBJECT=QN
/SCORE=PROD1 PROD2 PROD3 PROD4 PROD5 PROD6
/UTILITY='CONJOINT SOAL 1 UTILITY.SAV'.
Lakukan eksekusi syntax dengan cara dari tampilan SPSS syntax editor, buka menu
RUN, lalu pilih ALL
Setelah beberapa saat akan muncul output (lihat file CONJOINT SOAL 1 HASIL.spo)

Bahan diperoleh dari berbagai sumber