GAMBARAN UMUM

METODE-METODE
MULTIVARIAT
Eko Sasongko Putra / 230820301009
Aplikasi Statistik Multivariat
Magister Akuntansi, Fakultas Ekonomi dan Bisnis Universitas Jember
 Analisis Multivariat
Metode statistik yang digunakan untuk menganalisis hubungan antara beberapa variabel secara simultan.
Metode ini memungkinkan peneliti untuk memahami kompleksitas hubungan antara variabel-variabel
tersebut dan mengidentifikasi pola atau struktur yang mungkin tersembunyi di dalam data.

Penerapan analisis multivariat dapat dikatakan tepat ketika peneliti ingin menjawab pertanyaan penelitian
yang melibatkan lebih dari satu variabel dan ingin memahami hubungan antara variabel-variabel tersebut
secara komprehensif. Misalnya, dalam penelitian pemasaran, analisis multivariat dapat digunakan untuk
mengidentifikasi faktor-faktor yang mempengaruhi keputusan pembelian konsumen, mengukur kepuasan
pelanggan berdasarkan beberapa variabel, atau mengidentifikasi segmen pasar berdasarkan karakteristik
demografis dan perilaku konsumen.
 Skala Pengukuran
Nonmetrik
Skala Nominal
Skala ini digunakan untuk mengukur variabel
kategorikal yang tidak memiliki urutan atau
tingkatan. Contohnya adalah jenis kelamin atau
kategori produk. Teknik analisis multivariat yang
cocok untuk skala nominal adalah analisis
kontingensi atau analisis chi-square
Skala Ordinal
Skala ini digunakan untuk mengukur variabel dengan
tingkatan atau urutan tertentu, tetapi tidak memiliki
jarak antara nilai-nilai. Contohnya adalah tingkat
kepuasan pelanggan (sangat puas, puas, tidak puas).
Teknik analisis multivariat yang cocok untuk skala
ordinal adalah analisis nonparametrik seperti uji
Mann-Whitney atau uji Kruskal-Wallis
Skala Pengukuran
Metrik
Skala
Skala Interval Pengukuran
Sistem yang digunakan untuk
Skala ini digunakan untuk mengukur variabel dengan mengukur dan menggambarkan
tingkatan atau urutan tertentu, dan memiliki jarak
antara nilai-nilai yang sama. Contohnya adalah suhu karakteristik atau atribut dari suatu
dalam derajat Celsius atau skor tes. Teknik analisis variabel. Skala pengukuran
multivariat yang cocok untuk skala interval adalah
analisis regresi linear atau analisis faktor memungkinkan kita untuk
memberikan nilai numerik pada
variabel yang diamati, sehingga
memungkinkan analisis statistik
Skala Rasio yang lebih lanjut.
Skala ini memiliki semua sifat skala interval,
ditambah dengan titik nol yang bermakna.
Contohnya adalah berat badan atau pendapatan.
Teknik analisis multivariat yang cocok untuk skala
rasio adalah analisis regresi linear atau analisis jalur
 Kesalahan Pengukuran
Kesalahan pengukuran adalah tingkat ketidakakuratan dalam mengukur variabel yang digunakan dalam
analisis multivariat. Kesalahan pengukuran dapat berasal dari berbagai sumber, seperti kesalahan entri
data, ketidakakuratan pengukuran, atau ketidakmampuan responden untuk memberikan informasi dengan
akurat.

Dampak dari kesalahan pengukuran pada analisis multivariat adalah adanya "noise" atau gangguan dalam
variabel yang diamati atau diukur. Kesalahan pengukuran ini dapat menyebabkan hubungan antara
variabel menjadi lebih lemah dan hasil analisis menjadi kurang akurat. Misalnya, dalam menghitung
korelasi atau mean, efek "true" dari variabel sebagian tersembunyi oleh kesalahan pengukuran, sehingga
korelasi menjadi lebih lemah dan mean menjadi kurang presisi.

Untuk mengurangi dampak kesalahan pengukuran, peneliti harus berusaha meningkatkan validitas dan
reliabilitas pengukuran. Hal ini dapat dilakukan dengan memastikan bahwa pengukuran yang digunakan
sesuai dengan apa yang ingin diukur, dan melakukan validasi dan uji reliabilitas terhadap instrumen
pengukuran yang digunakan.
 • Tujuan Penelitian 2. Jenis Data
Tentukan apakah tujuan penelitian adalah Perhatikan jenis data yang digunakan,
Menentukan Teknik untuk menjelaskan hubungan antara apakah data tersebut bersifat kategorikal,
variabel, mengklasifikasikan atau ordinal, interval, atau rasio. Jenis data ini
Multivariat yang membedakan kelompok, mengidentifikasi akan mempengaruhi pilihan teknik
faktor-faktor yang mempengaruhi
Tepat variabel, atau menggali struktur yang
multivariat yang tepat.

mendasari variabel.

Menentukan teknik multivariat yang

sesuai untuk masalah penelitian 3. Hubungan yang Ingin 4. Kompleksitas Data
tertentu melibatkan pertimbangan
Diteliti
beberapa faktor, seperti tujuan
penelitian, jenis data yang digunakan, Tentukan apakah hubungan yang ingin Perhatikan kompleksitas data yang akan
dan hubungan yang ingin diteliti. diteliti bersifat linier atau non-linier, dianalisis, seperti jumlah variabel yang
apakah ada interaksi antara variabel, atau terlibat, ukuran sampel, dan tingkat
apakah ada hubungan yang kompleks interaksi antara variabel.
antara variabel.
Teknik 01. Analisis Regresi Linear
Teknik ini digunakan untuk memahami hubungan linier antara satu variabel dependen dengan satu atau lebih variabel

dalam
independen.

02. Analisis Faktor

Teknik ini digunakan untuk mengidentifikasi struktur yang mendasari sekelompok variabel.

Analisis 03. Analisis Diskriminan

Teknik ini digunakan untuk membedakan atau mengklasifikasikan kelompok berdasarkan sejumlah variabel prediktor.

Multivariat 04. Analisis Klaster

Teknik ini digunakan untuk mengelompokkan objek berdasarkan kesamaan dalam sejumlah variabel

05. Analisis Jalur

Teknik ini digunakan untuk memodelkan hubungan sebab-akibat antara variabel-variabel

06. Analisis Konjoin

Teknik ini digunakan untuk memahami preferensi konsumen terhadap kombinasi atribut produk.

07. Analisis Korelasi Kanonikal

Teknik ini digunakan untuk memahami hubungan antara dua set variabel yang saling terkait.

08. Analisis Komponen Utama

Teknik ini digunakan untuk mengurangi dimensi data dengan menggabungkan variabel-variabel yang saling terkait.

09. Analisis Jalur Struktural

Teknik ini digunakan untuk memodelkan hubungan kompleks antara variabel-variabel dalam suatu model konseptual

10. Analisis Multivariat Varians

Teknik ini digunakan untuk membandingkan rata-rata kelompok dalam beberapa variabel.
Pedoman Aplikasi dan 1 Tetapkan signifikansi praktis serta signifikansi statistik. Penting untuk
mempertimbangkan apakah hasil analisis memiliki arti praktis yang relevan
Interpretasi Analisis selain signifikansi statistiknya.

Multivariat 2 Pahami bahwa ukuran sampel mempengaruhi semua hasil. Ukuran sampel yang
lebih besar cenderung menghasilkan hasil yang lebih stabil dan dapat
diandalkan.

3 Kenali data. Memahami karakteristik data yang digunakan, seperti jenis data,
distribusi, dan asumsi yang mendasarinya, akan membantu dalam pemilihan dan
interpretasi teknik multivariat yang tepat.

4 Upayakan kesederhanaan model. Model yang lebih sederhana cenderung lebih

mudah diinterpretasikan dan lebih mudah digeneralisasi ke populasi yang lebih
luas.

5 Perhatikan kesalahan. Melihat kesalahan atau residu dari model multivariat

dapat memberikan wawasan tentang sejauh mana model tersebut cocok dengan
data.

6 Validasi hasil. Sebelum menerima hasil analisis, penting untuk melakukan

analisis validasi yang menguji generalisabilitas hasil ke populasi yang lebih
luas.
Pendekatan 01. Tahap 1
Tentukan Masalah Penelitian, Tujuan, dan Teknik Multivariat yang Akan Digunakan. Langkah pertama
Pembangunan adalah mendefinisikan masalah penelitian dan tujuan analisis secara konseptual sebelum menentukan
variabel atau pengukuran yang akan digunakan.
Model untuk 02. Tahap 2
Persiapkan Data dan Uji Asumsi. Pada tahap ini, perlu memahami karakteristik data yang digunakan,
Analisis seperti jenis data, distribusi, dan asumsi yang mendasarinya. Selain itu, juga perlu melakukan uji
asumsi yang relevan untuk teknik multivariat yang akan digunakan.

Multivariat 03. Tahap 3

Tentukan Model Multivariat yang Sesuai. Pada tahap ini, perlu memilih teknik multivariat yang paling
sesuai dengan masalah penelitian dan tujuan analisis. Pemilihan teknik multivariat harus didasarkan
pada karakteristik data dan hubungan yang ingin diteliti.

04. Tahap 4
Estimasi dan Evaluasi Model. Setelah model multivariat ditentukan, langkah selanjutnya adalah
mengestimasi model menggunakan data yang ada. Setelah itu, perlu mengevaluasi kualitas model
dengan memeriksa signifikansi statistik, kecocokan model, dan interpretasi parameter estimasi.

05. Tahap 5
Interpretasi Variabel. Pada tahap ini, perlu menginterpretasikan variabel-variabel dalam model
multivariat untuk memahami hubungan antara variabel-variabel tersebut. Interpretasi dapat dilakukan
dengan melihat koefisien estimasi variabel dalam model.

06. Tahap 6
Validasi Model Multivariat. Sebelum menerima hasil analisis, perlu melakukan validasi model
multivariat dengan melakukan analisis diagnostik yang menguji generalisabilitas hasil ke populasi
yang lebih luas.
THANK YOU