Statistic Multivariate

Pendahuluan

Statistika
Statistika adalah ilmu yang mempelajari
bagaimana
merencanakan,mengumpulkan,Menganalisis
menginterpretasi dan mempresentasikan data.
Istilah Statistika berbeda dengan statistik .
Statistika adalah ilmu yang berkenaan dengan
data, sedangkan statistic adalah data,
Informasi atau hasil penerapan algoritma
statistika pada suatu data
Pengertian
Analisis statistik multivariat merupakan metode
statistik yang memungkinkan kita melakukan
penelitian terhadap lebih dari dua variable secara
bersamaan.

Statistika multivariat saat ini diterapkan di hampir

semua cabang ilmu, baik ilmu pengetahuan alam
maupun sosial. Teknik-tekniknya disukai karena
dianggap mampu memodelkan kerumitan sistem yang
nyata, meskipun sulit untuk diterapkan. Komputer
dengan kapasitas memori yang besar tidak
terhindarkan dalam analisis data yang menggunakan
statistika multivariat.
 Beberapa Teknik Multivariat

Teknik analisis multivariat secara dasar

diklasifikasi menjadi dua, yaitu analisis
dependensi dan analisis interdependensi.
Analisis dependensi berfungsi untuk
menerangkan atau memprediksi variable
(variable) tergantung dengan menggunakan
dua atau lebih variable bebas. Yang
termasuk dalam klasifikasi ini ialah Multiple
Regression Analysis, Discriminant analysis,
Analisis Variansi Multivariate (MANOVA), dan
Canonical correlation analysis.
Klasifikasi untuk metode dependensi oleh Zikmund (1997:
635) digambarkan sebagai berikut:
Metode Dependensi

Jumlah Variabel
Tergantung

Satu Variabel Beberapa Variabel Beberapa Variabel Bebas

Tergantung Tergantung dan Tergantung

Metrik Non Metrik Non Metrik atau Non

Metrik Metrik Metrik

Analisis Analisis Analisis Analisis Analisis

Regresi Diskriminan Varian Conjoint Korelasi
Berganda Multivariat Kanonikal
 1. Multiple Regression
Analysis
Untuk menganalisis secara
bersamaan pengaruh beberapa
variable bebas terhadap satu
variable tergantung.
Regresi dapat digunakan untuk
prediksi (termasuk peramalan
waktu-series data), kesimpulan,
hipotesa pengujian, dan
pemodelan dari hubungan sebab
akibat. Ini menggunakan regresi
yang sangat bergantung pada
asumsi yang tidak puas. Regresi
analisis telah dikritik sebagai
disalahgunakan untuk keperluan
dalam banyak kasus di mana yang
sesuai asumsi tidak dapat
diverifikasi untuk terus. Salah
satu faktor kontribusi terhadap
penyalahgunaan regresi adalah
bahwa ia dapat mengambil lebih
 2. Discriminant analysis

Discriminant analisis adalah

teknik untuk mengklasifikasi
sekumpulan pengamatan ke
dalam kelas standar. Tujuannya
adalah untuk menentukan kelas
yang berdasarkan pengamatan
sejumlah variabel yang dikenal
sebagai predictors atau input
variabel. Model yang dibangun
berdasarkan satu set observasi
kelas yang dikenal. Dan juga
berguna untuk memprediksi
probabilitas suatu obyek-obyek
atau individu-individu yang
dimiliki oleh beberapa kategori
yang berbeda didasarkan pada
beberapa variable bebas
3. Analisis Variansi Multivariate
Analisis Variansi Multivariate
(MANOVA)
mempunyai pengertian sebagai
suatu teknik statistik yang
digunakan untuk menghitung
pengujian signifikansi
perbedaan rata-rata secara
bersamaan antara kelompok
untuk dua atau lebih variable
tergantung. Teknik ini
bermanfaat untuk menganalisis
variable-variabel tergantung
lebih dari dua yang berskala
interval atau rasio, Untuk
menentukan apakah terdapat
perbedaan signifikan secara
statistik pada beberapa
variable yang terjadi secara
serentak antara dua tingkatan
dalam satu variabel
4. Conjoint Analysis
Conjoint Analysis, yang disebut
juga multi-atribut
compositional model atau
dinyatakan analisis preferensi,
adalah teknik statistik yang
berasal dari matematika
psikologi. Hari ini digunakan
dalam banyak ilmu sosial dan
menerapkan ilmu termasuk
pemasaran, manajemen
produk, dan riset operasi. Hal
ini tidak akan bingung dengan
teori umum pengukuran
 Analisis korelasi kanonik
5.adalah
Canonical
salahcorrelation
satu cara untuk
analysis panjang hubungan
mengukur
antara dua variabel
multidimensi. Ia menemukan
dua basis, satu untuk setiap
variabel, yang optimal
sehubungan dengan
correlations, dan pada saat
yang sama, ia menemukan
yang sesuai correlations.
Dengan kata lain, ia
menemukan dua basis dimana
matriks korelasi antara
variabel-variabel tersebut dan
diagonal correlations pada
diagonal yang maksimal.
Kematraan yang baru ini
berbasis sama dengan atau
kurang dari kematraan terkecil
dari dua variabel.
Analisis interdependensi
berfungsi untuk
memberikan makna
terhadap seperangkat
variable atau membuat
kelompok-kelompok
secara bersama-sama.
Yang termasuk dalam
klasifikasi ini ialah
analsis faktor, analisis
kluster, dan
multidimensional
scaling.
Klasifikasi untuk metode interdependensi oleh Zikmund
(1997: 635) digambarkan sebagai berikut:

Metode Interdependensi

Jenis
Masukan

Metrik Non
Metrik

Analisis Analisis Multidimensional Multidimensional

Faktor Kluster Scaling Metrik Scaling Non Metrik
1. Factor Analysis (FA)

Kegunaan utama analisis

faktor ialah untuk melakukan
pengurangan data atau dengan
kata lain melakukan
peringkasan sejumlah variabel
menjadi lebih kecil jumlahnya.
Pengurangan dilakukan
dengan melihat
interdependensi beberapa
variabel yang dapat dijadikan
satu yang disebut dengan
faktor, sehingga ditemukan
variabel-variabel atau faktor-
faktor yang dominan atau
penting untuk dianalisa lebih
lanjut.
Analisis faktor juga berguna
untuk membuat ringkasan
informasi yang berisi jumlah
variable yang banyak menjadi
 Cluster analisis, juga
2. Cluster
disebut Analysis
segmentasi atau
analisis analisis taxonomy,
berusaha untuk
mengidentifikasi homogen
subgroups kasus dalam
populasi. Artinya, analisis
cluster digunakan apabila
peneliti tidak mengetahui
jumlah kelompok di muka,
tetapi keinginan untuk
membentuk kelompok dan
kemudian menganalisa
anggota grup.
Berguna membuat
klasifikasi individu-individu
atau obyek-obyek ke dalam
jumlah yang lebih kecil
kelompok yang berbeda
dengan tujuan untuk
meyakinkan bahwa akan
terdapat kesamaan yang
besar dalam kelompok-
kelompok tersebut dan
 Cluster analisis adalah
suatu alat analisis
penyelidikan data untuk
memecahkan klasifikasi
masalah. Obyeknya adalah
untuk mengurutkan kasus
(orang, hal, kejadian, dll) ke
dalam kelompok, atau
kelompok, sehingga sudut
ikatan yang kuat antara
anggota cluster yang sama
dan lemah di antara anggota
kelompok yang berbeda.
Setiap klaster sehingga
menjelaskan, dari segi data
yang dikumpulkan, kelas
yang dimiliki para
anggotanya, dan penjelasan
ini dapat digunakan melalui
abstracted dari khusus ke
umum kelas atau jenis.
3. Multidimensional Scaling
Multidimensional scaling
(MDS) adalah kumpulan teknik
statistik terkait yang sering
digunakan dalam visualisasi untuk
menjelajahi informasi atau
kesamaan dissimilarities dalam
data. MDS adalah hal khusus dari
pentahbisan. MDS algoritma yang
dimulai dengan matriks barang-
barang kesamaan, kemudian
memberikan lokasi untuk setiap
item dalam ruang N-dimensi,
dimana N adalah sebuah priori
yang ditentukan. Cukup kecil
untuk N, lokasi yang dihasilkan
dapat ditampilkan dalam grafik
atau visualisasi 3D.
 Principal component analysis
bertujuan untuk menyederhanakan
variabel yangcomponent
4. Principal diamati dengan cara
analysis
menyusutkan (mereduksi)
dimensinya. Hal ini dilakukan
dengan cara menghilangkan
korelasi diantara variabel bebas
melalui transformasi variabel
bebas asal ke variabel baru yang
tidak berkorelasi sama sekali atau
yang biasa disebut dengan
principal component. Setelah
beberapa komponen hasil PCA
yang bebas multikolinearitas
diperoleh, maka komponen-
komponen tersebut menjadi
variabel bebas baru yang akan
diregresikan atau dianalisa
pengaruhnya terhadap variabel tak
bebas (Y) dengan menggunakan
analisis regresi.
Walaupun metode Regresi
dengan PCA ini memiliki tingkat
kesulitan yang tinggi akan tetapi
kesimpulan yang diberikan lebih
 Keuntungan penggunaan
Principal Component
Analysis dibandingkan
metode lain :

1.Dapat menghilangkan
korelasi secara bersih
(korelasi=0) sehingga masalah
multikolinearitas dapat benar-
benar teratasi secara bersih.

2.Dapat digunakan untuk

segala kondisi data / penelitian.

3.Dapat dipergunakan tanpa

mengurangi jumlah variabel
asal.
5. Structural Equation Modelling

Struktural equation
modeling (SEM) merupakan
teknik statistik untuk pengujian
dan memperkirakan hubungan
kausal menggunakan kombinasi
data statistik dan kualitatif
asumsi kausal. Pandangan ini
telah disampaikan oleh genetika
Sewall Wright (1921), ekonom
yang Trygve Haavelmo (1943)
dan Herbert Simon (1953), dan
secara resmi ditetapkan oleh
JUDEA Pearl (2000)
menggunakan kalkulus dari
counterfactuals.
Univariate
Statistik
statistik univariat dapat
diklasifikasikan ke dalam
statistik parametrik dan
1. Statistik parametrik digunakan bila outcom
nonparametrik.
yang diamati bersifat kontinu.

2. Statistik nonparametrik tidak

membuat asumsi tentang bagaimana
data terdistribusi dan, oleh karena itu,
sering digunakan bila asumsi suatu uji
parametrik tidak terpenuhi.
Univariate
Statistik
Statistik univariat lebih sering
digunakan dan lebih mudah dihitung
daripada statistik multivariat.
Statistik univariat biasanya
membandingkan nilai mean dan
median pada dua kelompok atau
lebih atau membandingkan proporsi
subjek-subjek yang memiliki suatu
ciri tertentu atau yang tergolong
dalam berbagai kategori..
STATISTIKA ALAT UTAMA METODE
ILMIAH
1. Metode Ilmiah
Metode ilmiah adalah prosedur yang dipergunakan oleh
ilmuwan dalam pencarian sistematis terhadap
pengetahuan baru dan peninjauan kembali
pengetahuan yang telah ada (The Liang Gie, 1999).
Dalam Dictionary of Behavior dikemukakan bahwa,
metode ilmiah adalah teknik dan prosedur-prosedur
pengamatan dan percobaan yang menyelidiki ilmu dan
dipergunakan oleh ilmuwan-ilmuwan untuk mengolah
fakta-fakta, data, dan penafsirannya sesuai dengan
asas-asas dan aturan tertentu.
STATISTIKA ALAT UTAMA METODE
ILMIAH
2. Peran Statistika dalam Pengembangan Ilmu dan
Setiap jenis pengetahuan mempunyai ciri-ciri yang
Teknologi
spesifik mengenai apa (ontologi), bagaimana
(epistemologi), dan untuk apa (aksiologi) pengetahuan
tersebut disusun. Ketiga landasan ini saling berkaitan.
Ontologi ilmu terkait dengan epistemologi ilmu, dan
epistemologi ilmu terkait dengan aksiologi ilmu, dan
seterusnya. Jadi, kalau kita ingin membicarakan
epistemologi ilmu, maka hal ini harus dikaitkan dengan
ontologi dan aksiologi ilmu (Suriasumantri, 2003).
Metode ilmiah sebagai metode utama dalam
mendapatkan ilmu, melalui proses logico-hipotetico-
verifikasi menempatkan statistika sebagai alat
utamanya.