MULTIVARIAT

Memilih Teknik
Multivariat
 YES Apakah terdapat variabel NO
dependen?

NO Apakah lebih dari satu YES

variabel?
Apakah variabel metrik
atau non metrik?

Apakah variabel dependen Apakah variabel dependen

metric /nonmetrik? metric /nonmetrik?

non
non metrik
metrik metrik
metrik
metrik

Apakah variabel independen Apakah variabel independen

metric /nonmetrik? metric /nonmetrik? Analisis
Apakah variabel faktor Analisis
independen metric nonmetrik kelompok
/nonmetrik?
Analisis Analisis
kelompok faktor
nonmetrik

non non non non

metrik metrik metrik
metrik metrik metrik metrik

MCA w/
Analisis Refresi
variabel
diskriminan Regresi berganda Analisis
dummy
ganda berganda Analisis kanonik
Analisis MANOVA
Analisis w/variabel konjoin
klasifikasi
kanonik w/ Analisis logit dummy SEM
ganda
variabel dan probit
dummy
Teknik Dependen
 REGRESI BERGANDA

Regresi berganda merupakan alat dekriptif yang digunakan dalam tiga

jenis situasi.
1. Digunakan untuk mengembangkan persamaan penafsiran untuk
memprediksi nilai variabel kriteria (DV) dari nilai untuk beberapa
variabel prediktor (IV)
2. Menghadirkan variabel pembaur untuk lebih mengevaluasi
kontribusi variabel lain
3. Untuk menguji dan menjelaskan teori kausal
 Persamaan umum :

METODE
β0 = konstanta
βi = merepresentasikan koefisien regresi yang
dikaitkan dengan masing-masing X
ε = eror, (diasumsikan 0)
Contoh
Mendeskripsikan e-business yang menggunakan pendekatan
multivariat untuk memahami target pasarnya dalam bisnis "hybrid-
mail" secara global.

Layanan dasar superlatter memungkinkan pengguna untuk

membuat dokumen di PC mana pun dan mengirimkannya
dalam mode aman yang dienkripsi melalui Internet ke
terminal internasional yang jauh, di mana akan dicetak
diproses, dan dikirimkan melalui layanan pos lokal.
 Contoh
Regresi mengevaluasi pendorong
Berganda utama penggunaan
pelanggan untuk email
hibrida.
Variabel independen

penilaian biaya
/ kecepatan dampak / nilai
realibilitas
emosional
keamanan teknologi
penerima
 Contoh
 Memilih tiga variabel pertama, semuanya diukur pada skala 5 poin,
untuk persamaan ini:

 Y = penggunaan pelanggan
X₁ = valuasi biaya / kecepatan
X₂ = keamanan
X₃ = keandalan

Eliminasi mundur dimulai

Seleksi ke depan dimulai
dengan midel yang Seleksi bertahap, metode
dengan konstanta dan
mengandung semua variabel yang paling populer,
menambahkan variabel yang
independen dan menghapus menggabungkan pendekatan
menghasilkan peningkatan
variabel yang mengubah R² maju dan mundur.
R² terbesar.
paling sedikit.
 Model Summary
Change Statistics
Model R R² Adjusted Std. R² F d.f. 1 d.f.2 Sig. F
R² Eror of Change Change Change
the
estimat
e
1 .879 .772 .771 .6589 .772 612.69 1 181 .000
6
2 .925
Coefficients .855 .854 .5263 .083 103.67 2 180 .000
7
3 .935 .873 .871 .4937 .018 25.597 3 179 .000
Understandardized Standardized t Sig. Collinearity
coefficients statistics
Model B Std. Error Beta VIF
1 (Constant) .579 .151 3.834 .000

Cost/spee .857 .035 .879 24.753 .000 1.000

d
2 (Constant) 9.501E-02 .130 .733 .464

Cost/spee .537 .042 .551 12.842 .000 2.289

d
Security .428 .042 .437 10.182 .000 2.289
3 (Constant) -9.326E—02 .127 -.734 .464

Cost/Spee .448 .043 .460 10.428 .000 2.748

d
Security .315 .045 .321 6.948 .000 3.025
Reliability .254 .050 .236 5.059 .000 3.067
Kolinearitas
 Dua variabel independen sangat berkorelasi atau
multikolinieritas, di mana lebih dari dua variabel
independen sangat berkorelasi dapat memiliki efek
merusak pada regresi berganda.
 Seberapa tinggi korelasi yang dapat diterima antara
variabel independen? Tidak ada jawaban pasti, tetapi
korelasi pada level 0,80 atau lebih tinggi harus ditangani
dengan salah satu dari dua cara:
membuat variabel baru
yang dalam komposit
memilih salah satu variabel yang sangat
variabel dan menghapus interkorelasi dan
yang lain menggunakan variabel
baru ini sebagai pengganti
komponen
ANALISIS DISKRIMINAN
Analisis Diskriminan adalah teknik Multivariat yang
termasuk pada Dependence Method, dengan ciri
adanya variabel dependen dan independen.

Ada variabel yang hasilnya tergantung pada data

variabel independen.

Ciri khusus analisis diskriminan adalah data

variabel dependen harus berupa data kategori,
sedangkan data untuk variabel independen justru
berupa data rasio.
 Secara teknis, analisis diskriminan mirip
dengan analisis regresi, karena keduanya
mempunyai variabel dependen dan variabel
independen dalam modelnya. Hanya pada
analisis regresi (sederhana maupun
berganda), variabel dependen harus data
rasio; sedangkan pada analisis diskriminan,
jenis data untuk variabel dependen harus
kategori.
Tujuan Analisis Diskriminan

Karena bentuk multivariat dari Analisis

Diskriminan adalah Dependence, maka variabel
Dependen adalah variabel yang menjadi dasar
analisis diskriminan. Variabel Dependen bisa
berupa kode grup 1 atau grup 2 atau lainnya,
dengan tujuan diskriminan secara umum adalah:

Ingin mengetahui
apakah ada
jika ada
perbedaan yang Melakukan
perbedaan, Membuat Fungsi
jelas antar-grup klasifikasi
variabel atau Model
pada variabel terhadap objek,
independen Diskriminan, yang
dependen? Atau apakah suatu
manakah pada pada dasarnya
bisa dikatakan objek termasuk
fungsi diskriminan mirip dengan
apakah ada pada grup 1 atau
yang membuat persamaan
perbedaan antara grup 2, atau
perbedaan regresi.
anggota Grup 1 lainnya.
tersebut?
dengan anggota
Grup 2?
Proses dasar dari analisis
diskriminan

Menguji
Menguji ketepatan
Memisah signifikansi dari klasifikasi dari
variabel- Fungsi fungsi
Melakukan
Menentukan interpretasi Melakukan
variabel Diskriminan diskriminan,
metode untuk terhadap uji validasi
menjadi yang telah termasuk
membuat
Variabel
Fungsi
terbentuk, mengetahui Fungsi Fungsi
Dependen dan menggunakan ketepatan
Diskriminan. klasifikasi secara
Diskriminan Diskriminan.
Variabel Wilk's Lambda, tersebut.
Independen. Pilai, F test individual
dan lainnya. dengan Casewise
Diagnostics.
Model Analisis Diskriminan

 Y1 = X1+X2+…+Xn
 Variabel Independen (X1 dan seterusnya) adalah data metrik, yakni
data berjenis interval atau rasio, seperti Usia seseorang, tinggi
sebuah pohon, kandungan zat besi dalam tubuh, dan sebagainya.
 Variabel Dependen (Y1) adalah Data Kategorikal atau Nominal,
seperti Golongan Miskin (kode 1), Golongan Menengah (kode 2),
Golongan Kaya (kode 3) dan sebagainya. Jika data kategorikal
tersebut hanya terdiri atas dua kode saja (misal kode 1 untuk
Daerah Banjir dan kode 2 Daerah Non-Banjir), maka model bisa
disebut Two-Group Discriminant Analysis. Sedang jika kode lebih
dari dua kategori, disebut dengan Multiple Discriminant Analysis.
Calaudio – mp3 player
Structural Equation Modeling
(SEM)
Definisi
• sebuah evolusi dari model persamaan berganda
yang dikembangkan dari prinsip ekonometri dan
digabungkan dengan prinsip pengaturan dari
psikologi dan sosiologi (Ghozali,2008)
Terdiri dari :
• Variabel Laten
• Model Pengukuran
Keuntungan
• hubungan ketergantungan ganda dan saling
terkait dapat diestimasikan secara simultan dan
• yang dapat mewakili konsep yang tidak
teramati, atau variabel laten, dalam hubungan
ini dan akun untuk teror measuremen dalam
proses estimasi
METODE

Intrepe
Represifi
Spesifi Identifi tasi
Estimas kasi/Mod
kasi kasi dan
i ifikasi
Model model Komun
Model
ikasi
Konsultan peneliti
 Analisis Konjoin

1. Metode analisis multivariat yang dikembangkan secara khusus

untuk mengetahui preferensi responden pada suatu objek
berdasarakan penilaian terhadap masing-masing objek
tersebut.
2. Analisis konjoin pada prinsipnya bertujuan untuk
memperkirakan pola pendapat responden, dan
membandingkannya dengan pendapat responden yang
sebenarnya.
 Kegunaan analisis conjoin bagi perusahaan

1. Menentukan kepentingan relatif setiap atribut produk

sesuai pilihan konsumen
2. Menentukan produk dengan sejumlah atribut yang
optimum
3. Memperkirakan market share produk sejenis
4. Mengidentifikasi segmentasi pasar dari produk
5. Mengevaluasi implikasi perubahan keputusan marketing-
mix.
Analisis konjoin termasuk dalam metode multivariat dependen.
Adapun model analisis konjoin adalah sebagai berikut:
Y1 = X1 + X2 + … + Xn
Dimana: X = metrik/non-metrik dan Y=metrik

• Variabel independen ( X1 dan seterusnya) adalah faktor, yang

berupa data non-metrik (misal: rasa minuman sari buah,
model ponsel dan sebagainya).\
• Variabel dependen (Y1 ) adalah pendapat keseluruhan (overall
preference) dari responden terhadap sejumlah faktor dan
level dari sebuah produk. variabel ini juga mencakup sejumlah
tingkat kepentingan faktor seorang responden terhadap atribut
suatu produk. Misal: seorang konsumen menganggap bahwa
faktor rasa adalah hal terpenting dalam memilih produk
minuman sari buah.
 Proses dasar analisis conjoin

1. Menentukan faktor dan level sebagai atribut spesifik sebuah objek. 2

2. Mendesain stimuli
3. Mengumpulkan pendapat responden
4. Melakukan proses konjoin dengan memasukkan sejumlah data untuk
mengetahui dan memprediksi keinginan/preferensi responden terhadap
produk yang diteliti.
5. Menentukan ketepatan prediksi (predictive accurancy) dari hasil analisis
konjoin.
 Teknik
Interdependensi
Merupakan 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
secara bersama-sama.
 Analisis faktor menjadi istilah yang umum
dalam beberapa teknik komputasi spesifik.

Sebuah teknik statistika untuk menganalisis

struktur dari hubungan timbal balik diantara
Analisis Faktor sejumlah besar variabel yang bertujuan untuk
menentukan kumpulan faktor dari common
underlying dimensions.

Jumlah sampel dalam analisis faktor

minimal 50 pengamatan. Bahkan
seharusnya ukuran sampel sebanyak 100
atau lebih besar.
Metode Analisis
Faktor
Analisis faktor dipergunakan untuk mereduksi data atau
meringkas, dari variabel lama yang banyak diubah menjadi
sedikit variabel baru yang disebut faktor, dan masih memuat
sebagian besar informasi yang terkandung dalam variabel
asli.
Dalam analisis ini dimana seluruh set hubungan yang
interdependen diteliti. Variabel yang berada dalam satu
kelompok akan memiliki korelasi yang tinggi sedangkan
variabel yang berbeda kelompok akan memiliki korelasi
yang rendah.

Proses analisis faktor didasarkan pada matriks korelasi antara

variabel yang satu dengan variabel-variabel lain, untuk
memperoleh analisis faktor yang semua varaibel-variabelnya
harus berkorelasi.
Analisis faktor dipergunakan dalam kondisi sebagai berikut :

 Mengenali atau mengidentifikasi dimensi yang mendasari (underlying

dimensions) atau faktor, yang menjelaskan korelasi antara suatu set
variabel.

 Mengenali atau mengidentifikasi suatu set variabel baru yang tidak

berkorelasi (independent) yang lebih sedikit jumlahnya untuk
menggantikan suatu set variabel asli yang saling berkorelasi di dalam
analisis multivariat selanjutnya.

 Mengenali atau mengidentifikasi suatu set variabel yang penting dari

suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan
dalam analisis multivariat selanjutnya.
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.