ANALISIS MULTIVARIATE

REFERENSI 1. Johnson, N. and Wichern, D. (1998). “Applied Multivariate Statistical Analysis”, Prentice-Hall, Englewood Cliffs, N.J. 2 . Hair, J.F., Anderson, R.E., Tatham, R.L. and Black, W.C. (2006) “Multivariate Data Analysis”, 6th edition, Prentice Hall International: UK. 3. Santoso, S., (2012), “ Aplikasi SPSS pada Statistik Multivariat”, PT. Elex Media Komputindo, Jakarta 4. Supranto, J. (2004), “ Analisis Multivariat Arti dan Interpretasi”, Rineka Cipta, Jakarta

Analisis Statistika Multivariate analisis statistika yang dikenakan pada data yang terdiri dari banyak variabel dan antar variabel saling berkorelasi, kemudian dilakukan analisis secara serentak .

Jenis Teknik Multivariate Principal Componen Analysis (PCA) Factor Analysis (FA) Canonical Correlation Analysis (CCA) Cluster Analysis (CA) Discriminan Analysis (DA) Multiple Regression Analysis (MRA) Conjoint Analysis (CoA) Analisis Variansi Multivariate (MANOVA), Multidimensional Scalling Structural Equation Modelling (SEM) dll Multivariate Analysis UNIPA Surabaya

Metode Analisis Multivariate No Metode Tujuan 1 Principal Component Analysis Mereduksi dimensi data dengan cara membangkitkan variabel baru (komponen utama) yang merupakan kombinasi linear dari variabel asal sedemikan hingga varians komponen utama menjadi maksimum dan antar komponen utama bersifat saling bebas 2 Factor Analysis Mereduksi dimensi data dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor, sedemikian hingga sejumlah faktor tersebut mampu menjelas-kan sebesar mungkin keragaman data yang dijelaskan oleh variabel asal. 3 Cannonical Correlation Menganalisis hubungan antar dua kelompok variabel dengan cara membangkitkan vari-abel baru pada setiap kelompok. Variabel baru tersebut merupakan kombinasi linear dari variabel asal. Kombinasi linearnya ditentukan sedemikian hingga korelasi antar variabel baru yang berasal dari dua ke-lompok menjadi maksimum 4 Multivariate Regression Memodelkan hubungan antara kelompok variabel respon (Y) dengan kelompok variabel (X) yang diduga mempengaruhi variabel respon 5 MANOVA Menganalisis hubungan antara vektor variabel respon (Y) yang diduga dipengaruhi oleh beberapa perlakuan (treatment). 6 Discriminant Analysis Membentuk fungsi yang memisahkan antar kelompok berdasarkan variabel pembeda, fungsi tsb disusun sedemikian nisbah kera-gaman data antar dan kelompok maksimum. 7 Cluster Analysis Mengelompokkan data ke dalam beberapa kelompok sedemikian hingga data yang berada di dalam kelompok yang sama cenderung mempunyai sifat yang lebih homogen daripada data yang berada di kelompok yang berbeda

Klasifikasi Analisis Multivariate Metode Dependensi Metode yang mempelajari pengaruh dari variabel bebas dan variabel tak bebas Tujuan : untuk menjelaskan atau meramalkan nilai variabel tak bebas berdasarkan lebih dari satu variabel bebas yang mempengaruhinya.

Metode Interdependensi Metode yang mempelajari struktur hubungan antara variabel, antara kasus/responden, dan antara obyek Tujuan : untuk memberikan arti kepada suatu set variabel (kelompok variabel) atau mengelompokkan suatu set variabel menjadi kelompok yang lebih sedikit jumlahnya dan masing-masing kelompok membentuk variabel baru (mereduksi jumlah variabel).

Klasifikasi Teknik Multivariate Cluster Analysis Cases/Respondent Object Interdependence What type of relationship is being examined? Structural equation modeling Canonical correlationanalysis with dummy variales MANOVA Canonical correlation Multiple relationship of dependent & independent variables One dependent variable in singgle relationship Dependence Several dependent variable in single relationship variables metric Non metric What is the measurement scale of the dependent variable ? How many variable are being predicted ? What is the measurement scale of the dependent variale What is the measurement scale of the predictor variable ? Multiple regression Conjoint analysis Multiple discriminant Analysis Linear Probability models Factor Analysis Correspondence analysis Multidimen-sional Scaling Is the structure of relationships among : How are the atributes measurement ? : Dasar klasifikasi : Teknik Multvariate Sumber : Lihat Joseph F Hair dkk Multivariate Analysis UNIPA Surabaya

Two Concept of Multivariate Techniques 1. DEPENDENCE Techniques 2. INTERDEPENDENCE Techniques X A variable or Set of variables Y A variable or Set of variables X A variable or Set of variables Y A variable or Set of variables

Dependence Techniques The different Dependence Techniques can be categorized by two characteristics: 1. The Number of Dependent Variables A single dependent variable Several dependent variables Several dependent/independent relationships 2. The Type of Measurement Scale employed by the Variables Metric (quantitative/numerical: interval/ratio) Nonmetric (qualitative/categorical: nominal/ordinal)

Dependence Techniques 1. UNIVARIATE Dependence Techniques 2. MULTIVARIATE Dependence Techniques X One variable independent Y One variable independent X A variable or Set of variables Y A variable or Set of variables

Univariate Dependence Techniques One Independent Variable One Dependent Variable Metric Nonmetric Simple Regression (linear/nonlinear) Logistic Regression Probit Regression Nominal/Ordinal Regression Discriminant Analysis t-test Z-test Oneway ANOVA Simple Regression with Dummy Variable Logistic/Probit/Nominal/Ordinal Regression with Dummy Variable Discrete Discriminant Analysis

Multivariate Dependence Techniques: One Variable Y – part 1 More than One Independent Variable One Dependent Variable Metric Nonmetric Multiple Regression (linear/nonlinear) Logistic/Probit/Nominal/Ordinal Regression Discriminant Analysis ANOVA Multiple Regression with Dummy Variables Logistic/Probit/Nominal/Ordinal Regression with Dummy Variables Discrete Discriminant Analysis Conjoint Analysis (MONANOVA)

Multivariate Dependence Techniques: One Variable X – part 2 One Independent Variable More than One Dependent Variable Metric Nonmetric Multivariate Regression Multiple-group Discriminant Analysis (MDA) Multivariate Logistic/ Probit Regression Oneway MANOVA Multivariate Regression with Dummy Variable Discrete MDA Multivariate Logistic/ Probit Regression with Dummy Variable

Multivariate Dependence Techniques: More than one X and Y – part 3 More than One Independent Variable More than One Dependent Variable Metric Nonmetric Multivariate Regression Canonical Correlation Multivariate Logistic/ Probit Regression MDA MANOVA Multivariate Regression with Dummy Variables Multivariate Logistic/ Probit Regression with Dummy Variables Discrete MDA

Interdependence (Variables) Statistical Techniques Number of Variables Type of Data Metric Nonmetric Two Simple correlation Two-way contingency table Loglinear models More than two Principal Components Factor Analysis Multiway contingency tables Correspondence analysis

Cases/Respondents and Objects Interdependence Techniques Cases/Respondents Interdependence Techniques CLUSTER ANALYSIS Objects Interdependence Techniques: how are the attributes measured? MULTIDIMENSIONAL SCALING  Metric/Nonmetric scale CORRESPONDENCE ANALYSIS  Nonmetric scale