ANALISIS

MULTIVARIATE

Kuliah-2_2022
Program Doktor Ilmu Pendidikan
 Metode
Multivariate
Model
Model Depedensi
Interdepedensi

Satu variable 2 Variabel Skala

Skala Nominal
Dependen Dependen Interval/Rasio

Analisis Faktor
Skala Nominal
Interval/Rasio

Interval/Rasio

Interval/Rasio

Dimensi Ganda
Dimensi Ganda
Komponen

Loglinier
Peskalaan
Peskalaan

Rumpun
Analisis
Utama

Model
Skala
Skala

Skala
Analisis Varian
Regresi Ganda

Analisis Logit

Multivariate
Diskriminan

Kanonikal
Analisis
Analisis

Sumber:
• https://www.google.co.id/books/edition/
Teori_Dan_Aplikasi_Analisis_Multivariat/iCsTEAAAQBAJ?
hl=id&gbpv=1&dq=aplikasi+analisis+multivariate&printsec=frontc
over
 VARIABEL PENELITIAN
• Variabel Bebas (Independent Variable)
Variabel independent/bebas disebut juga dengan variabel prediktor, stimulus, eksogen, atau variabel yang memengaruhi variabel lain
• Variabel Eksogen
Variabel eksogen adalah variabel independent yang mempengaruhi variabel dependen (Santoso, 2014:9)
• Variabel Endogen
Variabel endogen adalah variabel dependen yang dipengaruhi oleh variabel eksogen (Santoso, 2014:9)
• Variabel Terikat (DependentVariable)
Variabel dependen adalah variabel yang dipengaruhi atau menjadi akibat karena adanya variabel independen
• Variabel Moderat
Variabel moderat merupakan variabel yang faktornya diukur, dimanipulasi, atau dipilih oleh peneliti untuk mengetahui apakah variabel tersebut
mengubah hubungan antara variabel independen dan variabel dependen
• Variabel Intervening
Variabel intervening merupakan variabel antara atau penyela yang terletak di antara variabel independen dan dependen
• Variabel Kontrol
Variabel kontrol didefinisikan sebagai variabel yang faktornya dikontrol oleh peneliti untuk menetralisasi pengaruhnya, dan merupakan variabel
yang dikendalikan atau dibuat konstan
• Variabel Mediasi
Variabel mediasi adalah variabel yang secara teoritis mempengaruhi hubungan antara variabel eksogen dengan variabel endogen menjadi hubungan
yang tidak langsung dan tidak dapat diamati dan diukur
• Variabel Laten
Variabel Laten merupakan variabel yang tidak bisa diukur secara langsung (biasanya digunakan dengan PLS)
TERMS, NOMENCLATURE, SYMBOLS, AND VOCABULARY
• Experimental research
• independent and dependent variables.
• Non-experimental research
• predictor and criterion variables
• Observed (or manifest)

• Latent (or factors)

• Direct effects
• Reciprocal effects
• Correlation or
covariance
 MULTIPLE
REGRESSION
X1

X2

REGRESSION WITH
MEASUREMENT
ERROR
 PATH PERSAMAANNYA?
DIAGRAMS

A PATH MODEL
WITH
MEASUREMENT
ERROR
 CONTOH ANALISIS JALUR
1) Gambar 1 Hubungan antara lamanya Pendidikan (Educ) terhadap gaji akhir (salary) dan gaji awal
(Salbegin) sebagai variable mediasi
2) Gambar 2 Umur (Age) berpengaruh langsung terhadap kepuasan kerja p1 (satis1), dan umur
mempunya pengaruh tidak langsung terhadap kepuasan kerja, dengan hubungan tidak langsung
sebagai berikut:
(1) Age mempengaruhi income (p5) kemudian mempengaruhi satis (p6)
(2) Age mempengaruhi autonom (p2) kemudian autonom mempengaruhi satis (p3)
(3) Age mempengaruhi autonom (p2), kemudian mempengaruhi income (p4) dan kemudian
mempengaruhi satis (p6)

p1
e2 Age Satis e2

e1
p2 p3
Salbegin
p3 Autonom
p1 p5 p6

p4
p2
Educ Salary e2
Income e3

Gambar 1 Gambar 2
LATENT GROWTH MODEL
Latent Variable Models
FULL MEASUREMENT DIAGRAM
 A FACTOR e1 e2 e3 e4 e5
ANALYSIS MODEL
X1 X2 X3 X4 X5

General Intelligence

Observed or manifest variables

MEASUREMENT MODEL: Hostility e1

CONFIRMATORY FACTOR ANALYSIS D1
Hopelessness e2
Psychosocial
health GHQ e3

Self-rated health e4

Latent construct or factor

CAUSAL MODELING OR PATH ANALYSIS AND CONFIRMATORY FACTOR ANALYSIS

Education
Hostility e1
a= direct effect
b+c=indirect
Hopelessness e2
c Psychosocial
Income health
GHQ e3
D1
D3
Self-rated health e4
Occupation

D2

Singh-Manoux, Clark and Marmot. 2002. Multiple measures of socio-

economic position and psychosocial health: proximal and distal measures.
STRUCTURAL MODEL WITH ADDITIONAL VARIABLES

Observed or manifest variables

Hostility e1
Education D1

Hopelessness e2

Occupation Psychosocial
health GHQ e3

Income Self-rated health e4

Latent construct or factor

Singh-Manoux, Clark and Marmot. 2002. Multiple measures of socio-economic
position and psychosocial health: proximal and distal measures.
 Visioner

Kepemimpinan Efisiensi Adaptabilitas Pengembangan

Inspiring

Kompetensi

Transparan
Tata Efektivitas
Kesejahteraan
Pemerintahan Pemberdayaan
Supremasi Hukum Masyarakat

Pluralis

Pro Rakyat
Mandiri Pendidikan Kesehatan Agama

Disiplin Etika
Aparatur
Responsif

Kejujuran

Penyalahgunaan wewenang
 Measurement model
δ1 X1 λx11
Structural model
λx21 ξ1
δ2 X2 γ11
λy11
ϕ21 y1 ε1

η1 λy21
δ1 X3 λx32 γ12 y2 ε2
ϕ31 ξ2 β21
λx42
δ2 X4 γ22
λy32
y3 ε3
ϕ32
η2 λy42
δ1 X5 λx53 γ23 y4 ε4

λx63 ξ3
δ2 X6
Endogenous latent variables
Exogenous latent variables
A LONGITUDINAL MODEL

M1 M2 M3 M4

P1 P2 P3 P4
 METODE DEPEDENSI:
SATU VARIABLE DEPENDEN

Regresi Ganda
MACAM-MACAM MODEL REGRESI
Model Regresi

1 Peubah penjelas >1 Peubah penjelas

Sederhana Berganda

Linier Non-Linier Linier Non-Linier

Polinom Multiplikatif Reciprocal Log Eksponensial

 REGRESI
• Regres Linear
o Regresi Linier adalah suatu model statistik yang umum dan paling sederhana yang
digunakan untuk Machine Learning, untuk melakukan prediksi dengan cara supervised
learning
o Regresi Linier hanya bisa digunakan untuk data yang bersifat interval dan ratio yang
biasanya bersifat diskrit dan kontinu, dan merupakan analisis bivariate dan
multivariate
• Regresi Non-Linear
o Regresi non-linier adalah suatu metode untuk mendapatkan model non linier yang
menyatakan hubungan variabel dependen dan variabel independen
o Regresi non-linier dapat mengestimasi model hubungan variabel dependen dan
independen dalam bentuk non linier dengan keakuratan yang lebih baik daripada
regresi linier, karena dalam mengestimasi model dipakai iterasi algoritma
 REGRESI LINEAR: REGRESI BERGANDA (MULTIPLE

REGRESSION)
• Independent variable yang dianalisis lebih dari dua.
• Kegunaan:
 Untuk melihat ‘pengaruh’ lebih dari satu variabel independen terhadap variable
dependen sekaligus dalam satu metode analisis.
 Untuk melihat variabel independen yang lebih berpengaruh terhadap variabel dependen .
 Memprediksi nilai ‘variabel dependen’ bila diketahui nilai-nilai ‘variabel independen’.
• Asumsi antara lain:
 Y (variabel dependen) atau e (residuals) mengikuti sebaran normal.
 Nilai antar variabel dependen saling tidak berkorelasi (tidak terjadi ‘auto correlation’).
 Keragaman (variation) nilai residual haruslah sama untuk semua nilai Y
(homoscedasticity variance).
 Antar variabel independen tidak berkorelasi (tidak terjadi multi-collinearity).
 JENIS ANALISIS REGRESI
• Regresi Linier Sederhana
Hubungan antara dua variable, yaitu x (var bebas) dan y (variabel tak bebas). Kedua variabel
datanya kuantitatif

• Regresi Linier Berganda

Hubungan antara variabel y dengan dua atau lebih variabel x, semua variabel datanya
kuantitatif

• Regresi Nonlinier
Hubungan antara variabel y dan x yang tidak linier. Tidak linier maksudnya laju perubahan
y akibat laju perubahan x tidak konstan untuk nilai-nilai x tertentu

• Regresi Dummy
Hubungan antara variabel y (data kuantitatif) dan variabel x (data kualitatif)

• Regresi Logistik
Hubungan antara variabel y (data kualitatif) dan variabel x (data kuantitatif)
 ALAT ANALISIS KETERKAITAN
• Ditentukan oleh:
1.Skala pengukuran data/variabel
2.Jenis hubungan antar variabel
Relationship Numerik Kategorik
Numerik Korelasi Pearson, Spearman Tabel Ringkasan

Kategorik Tabel Ringkasan Spearman (ordinal), Chi Square

Causal relationship
X
Numerik Kategorik
Y
Numerik Regresi Linier ANOVA
Kategorik Regresi Logistik Regresi Logistik
Analisis Regresi Multipel

(metric) (metric)

Analysis of Variance (Anova)

(metric) (nometric)

Multivariate Analysis of Variance (Manova)

(metric) (nometric)
ANOVA
Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak
statistika modern
Analisis varians [analysis of variance (ANOVA)] adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensi
Anova merupakan salah satu alat statistika yang digunakan untuk mengetahui
relasi atau hubungan antar satu atau lebih variable independent terhadap
variable dependent
Anova digunakan untuk menyelidiki pengaruh atau efek utama dan interaksi
dari variable independent (yang disebut dengan Faktor)
Pengaruh interaksi merupakan efek Bersama antar satu atau lebih variable
independent terhadap variable dependent (Anova 2 factor)
Anova dapat digunakan pada data yang diperoleh hasil eksperimen dan
observasi
• Sederhana
Hubungannya linier :
Univariatet
Multivariate
• Non-linier
• Polinom :

• Multipliklatif :

• Eksponensial : atau

• Reciprocal :
Sederhana, Non-Linier dalam Parameter

Berganda, Linier dalam Parameter

• Hubungannya Linier

• Ada Interaksi
Persamaan Garis Regresi:
dalam populasi.

dalam sample.

persamaan yang diduga.

ei adalah error atau residual

b0 disebut intercept, titik potong terhadap sumbu Y, dugaan Y bila X=0.

b1 disebut ‘slope’, koefisien regresi dari X, koefisien kemiringan.
Metode Kuadrat terkecil biasa (Ordinary least squares, OLS) digunakan untuk
menduga ‘slope’ (b1) dan ‘intercept’ (b0).

diminimalkan.
MODEL REGRESI LINEAR: REGRESI LINEAR BERGANDA
Tabel Data
Sampel yi

1 4 2 14
2 6 2 16
3 6 4 14
4 7 4 17
5 8 5 18
6 7 5 21
7 8 6 17
8 10 6 25
 TABEL HASIL ANALISIS

Sampel
Actual Regression Error Errors
Estimate (Residual) Squared

1 4 2 14 4.77 -.77 .59

2 6 2 16 5.20 .80 .64
3 6 4 14 6.03 -.03 .00
4 7 4 17 6.68 .32 .10
5 8 5 18 7.53 .47 .22
6 7 5 21 8.18 -1.18 1.39
7 8 6 17 7.95 .05 .00
8 10 6 25 9.67 .33 .11

SSE = Sum of Squares Error (Residual)

 Y = # of Credit Cards
12
11
Formulas are available for 10
computing values of
9
a, b1 and b2
8
MULTIPLE REGRESSION Family Income
7
MODEL FOR OUR EXAMPLE:
6
5
Let’s now see how
4
much error in
3
estimation we are
committing by 2 Actual
Regression Estimate
using this multiple 1
0 1
regression model. 0 2 3 4 5 6 7 8 X1 = Family Size
Model Regresi Linear: Multipel Regresi
TIGA VARIABEL INDEPENDEN
Intersep-Y Populasi Slope Populasi Random Error

Variabel independen untuk sampel

Variabel bebas (Explanatory) utk model sampel
 UJI PARAMETER REGRESI BERGANDA DENGAN UJI-T (1)

• Uji-t dimaksudkan untuk menguji pengaruh setiap variable independen

secara satu-persatu terhadap variable dependennya
• Model Regresi berganda dengan k variable independen

o Ho: βj = 0 Variabel independen Xj tidak berhubungan linear dengan Y

o H1: βj ≠ 0 Variabel independen Xj berhubungan linear dengan Y
Atau
o βj > 0 Variabel independen Xj berhubungan linear positif dengan Y
o βj < 0 Variabel independen Xj berhubungan linear negatif dengan Y
UJI PARAMETER REGRESI BERGANDA DENGAN UJI-T (2)
UJI PARAMETER REGRESI BERGANDA DENGAN UJI-T (3)
 UJI PARAMETER REGRESI BERGANDA
DENGAN UJI-T (4)

Tolak Ho Variabel independen Xi

berpengaruh nyata
Variabel independen Xi
berpengaruh nyata
Variabel independen Xi
berpengaruh nyata
terhadap variable dependen terhadap variable dependen
terhadap variable dependen
Y secara linear dan Y secara linear dan
Y secara linear
hubungannya negatif hubungannya positif

Terima Ho Variabel independen Xi Variabel independen Xi Variabel independen Xi

tidak berpengaruh negatif tidak berpengaruh positif tidak berpengaruh nyata
terhadap variable dependen terhadap variable dependen terhadap variable dependen
Y secara linear Y secara linear Y secara linear
UJI PARAMETER REGRESI BERGANDA DENGAN UJI-F
Uji-F dapat mengetahui:
• Variabel-varaibel independen yang berpengaruh atau tidak secara
serempak terhadap variable dependen
• Penambahan satu variable independen ke dalam model, variable
independen lainnya berpengaruh nyata atau tidak terhadap variable
dependen
• Penambahan sekelompok variable independen ke dalam model,
setelah variable independen lainnya berpengaruh nyata atau tidak
terhadap variable dependen
 UJI-F KESELURUHAN (1)
• Pada uji-F Sekuensial:
o Diuji variable independen (tertentu) yang berpengaruh nyata terhadap variable
independen
o Dari yang ada dalam model, ushakan yang dipakai hanya variable independen
yang menyumbangkan keragaman kepada regresi cukup besar
o Jika suatu variable independen sudah diwakili oleh variable lain, maka variable
tersebut tidak perlu lagi digunakan dalam model
• Uji-F Parsial dapat dilakukan terhadap semua koefisien regresi, dengan
menganggap semua variable independen masuk dalam model, kecuali variable
yang ingin diuji pengaruhnya
• Bila variable dimasukkan satu-persatu secara bertahap ke dalam suatu persamaan
regresi, maka dapat dikatakan sebagai uji-F Sekuensial
 UJI-F KESELURUHAN (2)
• Model terdiri dari k-variable independen X dan r-variabel penjelas Z

• Untuk melihat pengaruh r-variable penjelas tambahan tersebut, dapat

dilakukan sebagai berikut:
o Model lengkap dengan k+r variable, dikeluarkan varaibel penjelas,
selanjutnya dicek perubahan pengaruhnya
o Model belum lengkap (baru k-varaiabel independen), ditambah r-
variable penjelas lainnya, selanjutnya dicek perubahan pengaruhnya
 UJI-F KESELURUHAN (3)
Cara Variabel berada dalam Model

Uji-F Parsial Uji-F Sekuensial

Model dibangun dengan mengeluarkan satu
Model dibangun dengan menambahkan satu-
variable independen yang akan diuji pengaruhnya
persatu variable penjelas baru ke dalam model
dari model lengkap
 UJI-F PARSIAL (1)
Model lengkap, terdiri dari k-variable independen X dan r-variabel penjelas Z

Tujuan: Membandingkan Jumlah Kuadrat sisa (JKs) model lengkap dengan Jumlah
Kuadrat sisa model tidak lengkap
 UJI-F PARSIAL (2)
Langkah-langkah Uji-F Parsial:
• Lakukan analisis regresi terhadap model lengkap dan hitung JK sisa (JKs)
• Lakukan analisis regresi terhadap model tidak lengkap (data tanpa variable
penjelas-Z, dengan banyaknya variable yang dikeluarkan sebanyak r, kemudian
hitung JK sisa-nya (JKs)
• Hitung nilai statistic F dan tentukan keputusannya berdasarkan α
 UJI-F PARSIAL (3)
Banyaknya Variabel Independen yang Dikeluarkan = 1
Model Lengkap Model tidak Lengkap Yang Keluar

F3 menguji pengaruh variable independen X3 terhadap Y

 UJI-F SEKUENSIAL (1)
Penambahan satu Variabel Baru (Penjelas) (r=1) ke Model secara Bertahap
UJI-F SEKUENSIAL (2)
F-Hitung dan Kaidah Keputusan
UJI-F SEKUENSIAL (3)
Menghitung JK Regresi Ekstra
Model Awal Model setelah Penambahan
REGRESI PADA KASUS TERJADI MULTIKOLINIER (1)

• Masalah Multikolonieritas terjadi pada regresi berganda:

o Jika variable-variable independen (X) saling berkorelasi
o Adanya hubungan linier yang kuat, antara variable independen
(X)
• Hal tersebut, mempengaruhi ragam dari dugaan koefisien regresi:
o Variabel X yang dianggap penting, kemungkinan akan tidak
nyata walaupun nilai R2 nya tinggi
o Pendugaan dari koefisien regresi menjadi tidak benar, misalnya
koefisien memiliki tanda negative, padahal dalam hubungan X
dan Y sebenarnya adalah positif
REGRESI PADA KASUS TERJADI MULTIKOLINIER (2)
• Cara mendeteksi Multikolonieritas:
• Periksa korelasi antar variable independen X
• Hitung nilai Variance Inflation Factor (VIF)

Dengan
Rj2 adalah R2 dari regresi, dengan Xj merupakan variable
respon dan X lainnya menjadi prediktor
• Jika VIF > 10, biasanya ada masalah multikolonieritas
REGRESI PADA KASUS TERJADI MULTIKOLINIER (3)

• Jika kita ingin memilih variable X, dimana hanya X yang nyata

yang akan memasuki model:
Gunakan prosedur penyeleksian variable, seperti: forward,
backward, stepwise
• Jika kita ingin mempertahankan konfigurasi variable X yang akan
memasuki model:
Gunakan metode estimasi diluar metode kuadrat terkecil, seperti:
Ridge Regression, Principal Component Regression, Partial Least
Square
Presentation title 55

Click icon to add picture Click icon to add picture Click icon to add picture
 56

“ BUSINESS OPPORTUNITIES ARE

LIKE BUSES. THERE'S ALWAYS

”
ANOTHER ONE COMING.
Richard Branson
Presentation title 57

PLAN FOR PRODUCT LAUNCH 

PLANNING MARKETING DESIGN STRATEGY LAUNCH

Deploy strategic
Disseminate Foster holistically
Synergize scalable Coordinate e- networks with
standardized superior
e-commerce business applications compelling e-
metrics methodologies
business needs
 58

TIMELINE

SEP 20XX NOV 20XX JAN 20XX MAR 20XX MAY 20XX

Synergize scalable Disseminate standardized Coordinate e- Foster holistically Deploy strategic

e-commerce business applications superior methodologies networks with
metrics compelling e-
business needs
 59

REFERENSI
1) http://www.upa.pdx.edu/IOA/newsom/semrefs.htm
2) https://www.google.co.id/books/edition/Teori_Dan_Aplikasi_
Analisis_Multivariat/iCsTEAAAQBAJ?hl=id&gbpv=1&dq=a
plikasi+analisis+multivariate&printsec=frontcover
TERIMAKASIH