T I K

TI S
TA E
S

S
.K
M

O
,
T.

I
S
S
I,

BS
R
I
M
A
R
Y AT
PENGANTAR ANALISIS
MULTIVARIAT
 Tahap Analisis Data

Deskriptif
Deskriptif berbicara tentang gambaran suatu variabel.

Analisis bivariat
Analisis bivariat berbicara tentang hubungan antara dua variabel.

Analisis multivariat
Multivariat berbicara tentang hubungan antara banyak variabel bebas dengan suatu variabel
terikat contoh penelitian analisis observasional seperti kasus kontrol dan kohort
 Jenis analisis multivariat

Analisis Multivariat
(bergantung pada
skala pengukuran
variable terikatnya)
Regresi logistik:
bila variabel
terikatnya berupa
variabel kategorik
Regresi linier: bila
variabel terikatnya
berupa variabel
numerik
Langkah-langkah analisis multivariat

Menyeleksi variabel yang akan dimasukkan dalam analisis multivariate.

Variabel yang dimasukkan dalam analisis multivariate adalah variabel
yang pada analisis bivariate mempunyai nilai p < 0,25.

Melakukan analisis multivariate. Analisis multivariate baik regresi

logistic maupun regresi linier dibagi menjadi 3 metode, yaitu enter,
forward dan backward. Ketiga metode ini akan memberikan hasil
yang sama namun prosesnya berbeda.
Perbedaan Metode dalam Analisis Univariat

Metode Enter Metode Forward Metode Backward

• Dilakukan secara manual • Dilakukan secara otomatis • Dilakukan secara otomatis

• Prosesnya menyerupai • Software akan • Software secara otomatis
metode forward dan memasukan variabel yang akan memasukan semua
backward paling berpengaruh variabel yang terseleksi
• Memasukan variabel lain untuk dimasukan ke
yang berpengaruh namun dalam analisis multivariat
ukuran kekuatannya lebih • Secara bertahap, variabrl
rendah disbanding yang tidak berpengaruh
variabel pertama akan dikeluarkan dari
• Proses akan berhenti analisis
Ketika tidak ada lagi
variabel yang dapat
dimasukan ke dalam
analisis
Contoh:
Variabel terikat suatu penelitian adalah variabel Z. sedangkan variabel bebasnya adalah
variabel A,B,C,D,E,F,G dan H. Pada analisis bivariate, variabel yang mempunyai nilai p < 0,25
adalah variabel A,B,C,D dan E. Dengan demikian, kelima variabel inilah yang akan
dimasukkan ke dalam analisis multivariate. Setelah dilakukan analisis multivariate, variabel
yang berpengaruh terhadap variabel Z adalah variabel A, B dan C dengan urutan kekuatan
A,B lalu C. Variabel yang paling tidak berpengaruh terhadap variabel Z adalah variabel D,E.
Dengan metode forward, analisis multivariat, secara otomatis
akan memasukkan variabel A, kemudian variabel B, dan diakhiri
variabel C. analisis berhenti sampai disini. Dengan metode
backward, analisis multivariate, secara otomatis akan
memasukkan variabel A,B,C, D dan E. Kemudian variabel E
dikeluarkan dari analisis diikuti oleh variabel D. Analisis berhenti
sampai disini.

Dengan metode enter, peneliti memasukkan variabel A,B,C, dan E. Peneliti

melihat hasil bahwa variabel E adalah variabel yang paling tidak bermakna. Oleh
karena itu, pada analisis berikutnya peneliti memasukan variable A, B, C, D saja.
Hasil analisis, variable D adalah variabel yang paling tidak bermakna. Selanjutnya
peneliti melakukan analisis pada variable A, B, C dengan hasil analisi adalah
variable A,B,C berpengaruh pada variable A dengan kekuatan pengaruh dari yang
paling besar adalah A, B, lalu C. Analisis berhenti sampai disini.
3. Melakukan interpretasi hasil. Beberapa hal yang dapat diperoleh dari analisis
multivariate adalah sebagai berikut.
a. Variabel yang berpengaruh terhadap variabel terikat diketahui dari nilai p masing-
masing variabel.
b. Urutan kekuatan hubungan dari variabel-variabel yang berpegaruh terhadap
variabel terikat. Pada regresi logistic, urutan korelasi diketahui dari besarnya nilai
OR. Sedangkan untuk regresi linier, urutan kekuatan hubungannya diketahui dari
besarnya nilai r (koefisien korelasi).
c. Model atau rumus untuk memprediksikan variabel terikat. Pada regresi logistic, rumus
umum yang diperoleh adalah:
p = 1/(1+e-y)
Dimana:
p = probabilitas untuk terjadinya suatu kejadian (misalnya penyakit)
e = bilangan natural 2,7
y = konstanta + a1X1 + a2X2 + ……… + aiXi
a = nilai koefisien tiap variabel
x = nilai variabel bebas
Sedangkan pada regresi linier, rumus umum yang diperoleh adalah:

y = konstanta + a1X1 + a2X2 + ……… + aiXi

y = nilai dari variabel terikat

a = nilai koefisien tiap variabel
x = nilai variabel bebas.
4. Menilai kualitas dari rumus yang diperoleh dari analisis multivariate. Pada analisis regresi
logistic, kualitas rumus yang diperoleh dinilai dengan melihat kemampuan diskriminasi dan
kalibrasi. Diskriminasi dinilai dengan melihat nilai Area Under Curve (AUC) dengan metode
Receiver Operating Curve (ROC). Sementara kalibrasi dengan Hosmer and Lameshow.
Suatu rumus dikatakan mempunyai diskriminasi yang baik jika nilai AUC semakin mendekati
angka 1. suatu rumus dikatakan mempunyai kalibrasi yang baik jika mempunyai nilai p >
0,05 pada uji Hosmer and Lameshow.

Kualitas dari rumus yang diperoleh pada regresi linier dinilai dengan melihat nilai diskriminasi
dengan melihat nilai R2 dan kalibrasinya dengan melihat hasil uji ANOVA. Suatu rumus
dikatakan mempunyai diskriminasi yang baik jika nilai R2 semakin mendekati angka 1. Suatu
rumus dikatakan mempunyai kalibrasi yang baik apabila nilai p pada uji ANOVA < 0,05.

5. Menilai syarat atau asumsi. Pada regresi linier terdapat asumsi linieritas, normalitas,
indepedensi, homogenitas dan multikolinieriti.
Menilai Syarat dan Asumsi Regresi Linier

■ Asumsi linieritas : Scatter plot berada pada garis diagonal

■ Normalitas : Residu berdistribusi normal dan Mean residu 0
■ Indepedensi : Korelasi residu dengan variabel independen lemah
■ Homogenitas : scatter plot pada residu variable independent tidak
mempunyai pola tertentu
■ Multikolinieriti : : Nilai korelasi antar variabel independen lemah
TERIMA KASIH