Analisis Multivariat
Analisis Multivariat adalah metode pengolahan variabel dalam jumlah yang banyak, dimana tujuannya adalah untuk mencari pengaruh variabel-variabel tersebut terhadap suatu obyek secara simultan atau serentak.
Pengertian Analisis Multivariat
Metode analisis multivariat adalah suatu metode statistika yang tujuan digunakannya adalah untuk menganalisis data yang terdiri dari banyak variabel serta diduga antar variabel tersebut saling berhubungan satu sama lain.
Analisis multivariat adalah salah satu dari teknik statistik yang diterapkan untuk memahami struktur data dalam dimensi tinggi. Dimana variabel-variabel yang dimaksud tersebut saling terkait satu sama lain.
Berdasarkan beberapa definisi Analisis Multivariat di atas, maka statistikian menyimpulkan bahwa yang dimaksud dengan Analisis Multivariat adalah suatu analisis yang melibatkan variabel dalam jumlah lebih dari atau sama dengan 3 variabel.
Dimana minimal ada satu variabel terikat dan lebih dari satu variabel bebas serta terdapat korelasi atau keterikatan antara satu variabel dengan variabel lainnya. Maka dapat diartikan bahwa Analisis Multivariat juga merupakan analisis yang melibatkan cara perhitungan yang kompleks. tujuannya adalah agar dapat memahami struktur data berdimensi tinggi dan saling terkait satu sama lain.
Teori Analisis Multivariat
Teori dari Metode analisis multivariat dalam hal ini sebenarnya telah diketahui sejak lama sekali, hanya saja karena cara perhitungannya yang rumit maka jarang sekali diterapkan. Tetapi akhir-akhir ini, bersamaan dengan berkembangnya teknologi. Dimana muncul aplikasi komputer seperti SPSS untuk menghitung atau menganalisis metode statistik dengan mudah. Maka barulah Analisis Multivariat ini sering digunakan oleh para peneliti karena kemudahan-kemudahan yang diberikan oleh aplikasi komputer dan banyaknya informasi yang bisa didapat dari Analisis Multivariat ini.
Statistikian juga berpendapat bahwa telah sering terjadi kesalahpahaman yang mendasar dari para mahasiswa atau bahkan para peneliti. Yaitu tentang definisi Analisis Multivariat, yaitu kerancuan dalam memahami perbedaan antara Analisis Multivariat dan analisis multiple.
Perlu dipahami dan diperhatikan, bahwa pengertian Analisis Multivariat benar-benar berbeda dengan analisis multiple atau disebut juga analisis multivariabel. Kalau tentang Analisis Multivariat sudah dibahas di atas, saatnya kita coba kupas tentang analisis multivariabel.
Perbedaan Dengan Analisis Multivariabel
Analisis multivariabel adalah analisis yang melibatkan lebih dari satu variabel bebas. Dalam pengertian tersebut, kita tidak perlu mengetahui apakah di antara beberapa variabel tersebut, baik variabel bebas maupun variabel terikat terdapat keterikatan atau korelasi satu sama lain.
Maka statistikian dapat menyimpulkan perbedaan antara Analisis Multivariat dan analisis multivariabel, yaitu: Analisis Multivariat pastilah analisis multivariabel, sedangkan analisis multivariabel belum tentu Analisis Multivariat.
Baiklah, untuk meningkatkan pemahaman para pembaca, kami coba jelaskan lebih jauh pengertian harfiah dari Variate. Alasan statistikian perlu menjelaskannya adalah karena Analisis Multivariat tidak pernah bisa lepas dari variate. Maka, pertanyaannya: apakah yang disebut dengan variate?
Pengertian Variat
Titik penyusun bangunan atau pondasi dari Analisis Multivariat adalah variat itu sendiri
Variat adalah suatu kombinasi linear dari variabel-variabel yang memiliki bobot empiris yang telah ditentukan
Suatu variate dari sejumlah n variabel yang terbobot (X1 sampai dengan Xn) dapat dinyatakan secara matematis adalah sebagai berikut: nilai variate = w1X1+ w2X2+ w3X3+…+wnXn.
Sebelum melangkah lebih jauh, penting sekali bagi para pembaca, bahwa Analisis Multivariat adalah salah satu bentuk dari analisis inferensial. Analisis inferensial artinya analisis yang melibatkan sejumlah sampel saja. Dan dimana hasilnya nanti digunakan sebagai alat generalisasi untuk keseluruhan populasi. Oleh karena itu, nantinya dalam Analisis Multivariat tidak akan lepas dari istilah-istilah signifikansi dan juga tingkat kesalahan dan derajat kepercayaan.
Jenis Data Dalam Analisis Multivariat
Seperti halnya analisis statistik lainnya, Analisis Multivariat yang kita bahas ini juga tidak lepas dari jenis data atau skala data. Skala data yang digunakan ada dua macam, yaitu data metrik dan data non metrik.
Data metrik adalah data yang bersifat numerik atau berisi angka-angka dan dapat dilakukan perhitungan matematis di dalamnya, misal nilai ujian, tingkat IQ, berat badan, dll. Data metrik disebut juga dengan data numerik atau data kuantitatif.
Dalam hal ini data metrik ada 2 macam, yaitu data interval dan data rasio. Untuk lebih jelasnya pelajari artikel kami tentang skala data. Sedangkan data non metrik adalah data non numerik atau disebut juga data kualitatif atau data kategorik.
Ada dua macam jenis data non metrik ini, yaitu data nominal dan data ordinal. Sekali lagi, agar anda lebih paham lagi maka untuk lebih jelasnya silahkan pelajari artikel kami tentang skala data.
Baiklah, sepertinya pembukaan atau pengantar tentang Analisis Multivariat telah kita lalui. Selanjutnya kita bahas lebih dalam lagi tentang klasifikasi Analisis Multivariat.
Klasifikasi Analisis Multivariat
Klasifikasi analisis multivariat ada tiga macam, yaitu yang pertama adalah teknik dependensi atau istilah english versionnya adalah dependent technique. Yang kedua adalah teknik interdependensi atau english versionnya adalah interdependent technique. Dan yang ketiga atau yang terakhir adalah dan model struktural atau english versionnya disebut dengan istilah structural model.
Para pakar ada yang menyebutkan bahwa Analisis Multivariat hanya dikelompokkan ke dalam 2 klasifikasi saja. Yaitu analisis dependensi dan analisis interdependensi. Menurut statistikian, tidak ada masalah tentang perbedaan ini, sebab para pakar yang berpendapat bahwa ada dua klasifikasi, telah memasukkan Model Struktural atau struktural equation modelling sebagai bagian dari klasifikasi analisis dependensi.
Teknik Dependensi Analisis Multivariat
Teknik Dependensi Analisis Multivariat adalah suatu metode Analisis Multivariat dimana variabel atau kumpulan variabel yang diidentifikasi sebagai variabel dependen atau variabel terikat dapat diprediksi atau dijelaskan oleh variabel lain yang merupakan variabel independen atau variabel bebas.
Analisis dependensi berfungsi untuk menerangkan atau memprediksi variabel terikat dengan menggunakan dua atau lebih variabel bebas.
Sehingga berdasarkan pengertian di atas, maka analisis yang termasuk di dalam klasifikasi analisis dependensi antara lain: analisis regresi linear berganda atau multiple linear regression, analisis diskriminan atau discriminant analysis, analisis varian multivariate (MANOVA), dan analisis korelasi kanonikal atau canonical correlations.
Jenis-Jenis Analisis Dependensi
Berikut kami tampilkan jenis-jenis analisis dependensi dalam bentuk tabel beserta skala data dan jumlah variabel yang dianalisis:
Dari tabel diatas, dapat kami jelaskan bahwa:
Regresi linear dan regresi logistik digunakan jika jumlah variabel dependen ada 1. Perbedaannya adalah, regresi linear digunakan jika skala data variabel terikat adalah metrik. Sedangkan regresi logistik, skala data variabel terikat adalah non metrik.
Analisis diskriminan juga melibatkan satu variabel terikat, namun sama halnya dengan regresi logistik, skala data variabel terikat adalah data non metrik. Analisis diskriminan lebih dekat dengan regresi linear dari pada regresi logistik, sebab analisis diskriminan mewajibkan variabel bebas yang berskala data numerik haruslah berdistribusi normal.
Perbedaan Analisis Konjoin dengan Regresi Logistik
Sedangkan regresi logistik tidak mewajibkan asumsi tersebut. Analisis konjoin hampir sama dengan analisis diskriminan, namun pada analisis konjoin, semua data yang digunakan adalah data non metrik.
Analisis Kanonikal lebih mirip dengan analisis diskriminan, hanya saja jumlah variabel terikat yang digunakan lebih dari satu. Sedangkan MANOVA lebih mirip dengan analisis kanonikal, dimana perbedannya adalah pada MANOVA atau yang biasa disebut dengan Multivariate Analysis of Variance menggunakan data non metrik pada variabel bebas.
Agar anda lebih paham lagi, kami jelaskan beberapa pengertian tentang analisis dependensi yang sudah disebutkan di atas.
Multiple Linear Regression atau Regresi Linear Berganda
Regresi Linear Berganda adalah metode analisis ini bertujuan menguji hubungan antara dua variabel bebas atau lebih dan satu variabel terikat. Silahkan pelajari lebih jauh tentang Analisis Regresi Korelasi.
Multiple Discriminant Analysis atau Analisis Diskriminan Berganda
Analisis Diskriminan Berganda adalah suatu teknik statistika yang bertujuan untuk memprediksi atau meramalkan probabilitas dari objek yang termasuk ke dalam dua atau lebih kategori mutual yang eksklusif pada variabel terikat yang berdasarkan pada beberapa variabel bebas.
Asumsi dari analisis Diskriminan Berganda adalah adalah variabel bebas harus berupa data metrik dan berdistribusi normal. Silahkan pelajari lebih jauh tentang Analisis Diskriminan.
Multiple Logit Regression atau Multiple Logistic Regression atau Regresi logistik Berganda
Regresi logistik Berganda adalah model regresi dimana satu variabel terikat non metrik yang diprediksi atau diramalkan oleh beberapa variabel bebas berskala data metrik atau non metrik. Teknik ini hampir sama dengan analisis diksriminan, hanya saja dalam perhitungannya menggunakan prinsip perhitungan regresi seperti halnya regresi linear. Silahkan pelajari lebih jauh tentang regresi logistik.
Multivariate Analysis of Variance (MANOVA)
Suatu teknik statistik yang menyediakan suatu uji signifikansi simultan perbedaan rata-rata antara kelompok-kelompok untuk dua atau lebih variabel dependen. Silahkan pelajari lebih jauh tentang MANOVA.
Conjoint Analysis atau Analisis Konjoin
Analisis Konjoin adalah sebuah teknik statistik yang bertujuan untuk memahami preferensi responden terhadap suatu produk atau jasa. Analisis ini juga dikenal dengan istilah english versionnya sebagai trade off analysis.
Canonical Correlation atau Korelasi Kanonikal
Korelasi Kanonikal adalah bentuk pengembangan dari analisis regresi linear berganda. Tujuan dari analisis korelasi kanonikal adalah untuk mengkorelasikan secara simultan beberapa variabel terikat dengan beberapa variabel bebas.
Perbedaannya dengan regresi linear berganda adalah: regresi linear berganda hanya menggunakan satu variabel terikat dengan beberapa variabel bebas. Sedangkan pada korelasi kanonikal ini menggunakan beberapa variabel terikat yang akan dikorelasikan dengan variabel bebas.
Teknik Interdependensi Analisis Multivariat
Teknik Interdependensi Analisis Multivariat adalah 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 kelompok secara bersama-sama.
Jenis Analisis Interdependensi
Berikut kami tampilkan jenis analisis interdependensi menggunakan tabel:
Berikut kami coba jelaskan satu persatu tentang jenis-jenis analisis interdependensi diatas.
Factor Analysis atau Analisis Faktor
Analisis faktor adalah sebuah teknik statistika untuk menganalisis struktur dari hubungan timbal balik diantara sejumlah besar variabel yang bertujuan untuk menentukan kumpulan faktor dari common underlying dimensions.
Dalam analisis faktor ada dua jenis analisis, yaitu Principal Components Analysis atau PCA dan Common Factor Analysis. Silahkan pelajari lebih detail di artikel kami: Analisis Faktor.
Cluster Analysis atau Analisis Kluster
Analisis Kluster adalah sebuah teknik statistika yang bertujuan untuk mengelompokkan sekumpulan objek sehingga setiap objek tersebut mirip dengan objek yang lainnya dalam suatu gugusan atau kluster dan berbeda dari objek yang berada pada semua gugusan lainnya.
Dalam analisis kluster, ada dua jenis analisis, yaitu analisis kluster hirarki dan analisis kluster non hirarki. Silahkan pelajari lebih detail di artikel kami: Analisis Kluster.
Multidimensional Scaling atau Penskalaan Multi Dimensi
Multidimensional Scaling adalah sebuah teknik statistika yang bertujuan dalam mengukur objek pada skala multidimensi yang berdasarkan pada keputusan dari responden terhadap kesamaan objek.
Correspondence Analysis atau Analisis Korespondensi
Analisis Korespondensi adalah suatu teknik statistika yang menggunakan data-data non metrik dan bertujuan untuk melakukan evaluasi terhadap hubungan linear atau hubungan non linear. Dimana langkah tersebut sebagai bentuk usaha dalam mengembangkan perceptual map yang menggambarkan asosiasi atau hubungan antara objek dengan seperangkat karakteristik deskriptif dari objek tersebut.
Teknik Model Struktural Atau Structural Model Analisis Multivariat
Teknik yang terakhir ini, yaitu Teknik Model Struktural adalah sebuah teknik yang yang mencoba menganalisis hubungan secara simultan variabel dependen dan independen secara bersamaan. Model seperti ini dikenal dengan istlah model persamaan struktural atau english versionnya adalah Structural Equation Model dan biasa disingkat dengan SEM.
Kelebihan SEM adalah dapat meneliti hubungan antara beberapa kelompok variabel secara bersamaan atau serentak. Baik variabel bebas maupun variabel terikat. Bahkan metode ini juga dapat menggabungkan adanya variabel laten. Variabel laten dalam hal ini adalah variabel yang sebenarnya keberadaannya tidak dapat diukur secara langsung ke dalam analisis.
Demikian telah kami coba jelaskan sedikit tentang analisis multivariat. Agar anda lebih pahami lagi secara detail, silahkan pelajari beberapa artikel kami yang membahas lebih spesifik lagi tentang jenis-jenis analisis yang digunakan dalam analisis multivariat.
Dalam situs kami, www.statistikian.com telah kami coba sediakan sebanyak dan selengkap mungkin. Termasuk cara atau tutorial analisis multivarite tersebut yang tentunya banyak sekali jenisnya, baik yang menggunakan aplikasi SPSS, STATA, Minitab atau bahkan menggunakan aplikasi Excel. Stay Tune Up With www.statistikian.com.
By Anwar Hidayat
Thx sgt membantu sekali
Terimakasih, artikelnya sangat membantu aaya
Terima kasih juga
saya ingin tanya, bagaimana cara interpretasi OR kurang dari 1 (misal 0.9, 0.45 dll). dan apa maksudnya jika pada analisa bivariat variabel x berhubungan, tapi ketika multivariat variabel x malah berubah menjadi tidak berhubungan. apa bisa dikatakan bahwa variabel x bukan variabel independent yang dapat mempengaruhi variabel dependent?
Odds ratio kurang dari 1 artinya variabel bebas tersebut bersifat protektif atau penghambat terjadi potensi atau resiko variabel terikat. Analoginya misalnya: pengaruh kadar HDL terhadap kejadian stroke. Jika nilai odds ratio kurang dari maka dapat diartikan: semakin tinggi kadar HDL maka kemungkinan terjadinya resiko stroke adalah semakin rendah. Sehingga kadar HDL sebagai faktor protektif terjadinya kasus stroke.
Didalam model regresi berganda, bisa jadi satu variabel menjadi tidak signifikan pengaruhnya sedangkan jika dalam hubungan secara individual dengan variabel terikat adalah signifikan. Itu berarti ada pengaruh variabel bebas lainnya di dalam model yang menyebabkan pengaruh parsial 1 variabel bebas lainnya di dalam model menjadi tidak signifikan. Jadi, di dalam model berganda, pengaruh yang dimaksud adalah pengaruh parsial yang artinya memperhatikan keberadaan variabel bebas lainnya di dalam model. Hal tersebut berbeda dengan pengaruh secara individual dimana diasumsikan tidak ada pengaruh variabel bebas lainnya.
kalau variabel bebasnya 3 kategori masih bisa pake regresi logistik atau harus pake uji yanng lain?
Uji regresi logistik biner mewajibkan variable terikat adalah 2 kategori. Sedangkan variabel bebasnya bisa data apa saja, baik data kuantitatif ataupun data kualitatif. Jika variabel terikat ada 3 kategori atau lebih dan skala datanya bertingkat atau ordinal maka sebaiknya menggunakan uji regresi logistik ordinal. Jika variabel terikatnya 3 kategori atau lebih dan skala datanya adalah nominal, maka gunakan uji regresi logistik multinomial.
TERIMA KASIH BERBAGI AMAL ILMU
trmksh, sangat bermanfaat