ANALISIS MULTIVARIATE Oleh : Dewi Harfina S. SSi., MSi. Pusat Penelitian Kependudukan LIPI Metode Penelitian Bidang Dokumentasi dan Informasi Untuk Pustakawan LIPI PDII – Jakarta, 15 – 16 Desember 2014

Analisis Multivariate Variabel bebas/independence (X) berjumlah lebih dari satu, sebanyak n Variabel tidak bebas/dependence (Y) berjumlah lebih dari satu, sebanyak m. Dimana jumlan n> m Jenis variabel bisa kategorik (nominal dan ordinal) maupun numerik (interval dan rasio) Analisis statistik multivariat merupakan metode dalam melakukan penelitian terhadap lebih dari dua variable secara bersamaan. Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh beberapa variable terhadap variabel lainnya dalam waktu yang bersamaan. saling keterkaitan hubungan antar semua variabel tanpa memperhatikan bentuk variabel yang dilibatkan (Bilson Simamora, 2005).

Mengapa menggunakan analisis multivariate ? Dalam kenyataanya, untuk menggambarkan suatu permasalahan tidak cukup hanya menggunakan satu variabel. Suatu masalah sering dipengaruhi oleh beberapa variabel, baik variabel bebas maupun variabel tidak bebas

Ilustrasi Keselamatan bayi di Indonesia Variabel Tidak bebas :Jumlah bayi yang meninggal dari seorang ibu dan jumlah bayi lahir selamat dari seorang ibu Variabel Bebas : Jumlah anak yang dilahirkan seorang ibu, kualitas dan keberadaan tenaga kesehatan, dan tingkat pendidikan ibu.

Teknis Multivariate Teknik Dependence Teknik Interpendence Untuk menyelesaikan permasalah-permasalah mengenai hubungan antar dua kelompok variabel Teknik Interpendence kedudukan variabel sama, tidak ada ada variabel terikat. Untuk melihat saling keterkaitan hubungan antar semua variabel tanpa memperhatikan bentuk variabel yang dilibatkan. Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh beberapa variable terhadap variabel lainnya dalam waktu yang bersamaan. Berdasarkan hubungan antar variabel, analisis multivariat dapat dibedakan menjadi dependence techniques dan interdependence techniques. Dalam dependence techniques, terdapat dua jenis variabel, yaitu variabel terikat dan variabel bebas. Dependence techniques ini digunakan untuk menyelesaikan permasalahan-permasalahan mengenai hubungan antara dua kelompok variabel tersebut. Sedangkan dalam interdependence techniques, kedudukan setiap variabel sama, tidak ada variabel terikat dan variabel bebas. Biasanya interdependence techniques ini digunakan untuk melihat saling keterkaitan hubungan antar semua variabel tanpa memperhatikan bentuk variabel yang dilibatkan (Bilson Simamora, 2005).

Skema Teknis Analisis Multivariate Analisis Dependence Regresi Berganda Diskriminan Korelasi Kanonik Manova Analisis Interpendence Numerik Faktor Kluster Multiidemisonal Scalling Kategorik Multideminsional Scalling Korespondensi

Regresi Linear Berganda Melibatkan 1 variabel tidak bebas (Y= numerik), dan > 1 variabel bebas (X = numerik/kategorik) Tujuan untuk memperkirakan/ meramalkan nilai Y, jika X diketahui. Hubungan antar variabel bersifat linear, semua variabel X berpengaruh terhadap Y dengan arah yang sama. Antara X1 dan Xn tidak boleh berkorelasi terlalu tinggi atau terlalu rendah

Regresi Linear Berganda Ilustrasi: PT. CEMERLANG dalam beberapa bulan gencar mempromosikan sejumlah peralatan elektronik dengan membuka outlet di berbagai daerah. Data yang dikumpulkan meliputi jumlah penjualan (Y), biaya Promosi (X1) dan Luas Outlet (X2) yang berasal dari 15 daerah di Indonesia. Perusahaan tersebut ingin memprediksi penjualan, jika biaya promosi dan luas outlet diketahui.

Analisis Diskriminan Untuk memprediksi probabilitas obyek penelitian menjadi 2 atau lebih kategori dari variabel tidak bebas (Y=kategorik/skala nominal) berdasarkan beberapa variabel bebas (X1, .... Xn) = numerik/skala interval. Linear Discriminant, Quadratic Discriminat, Canonical Discriminant, Logistic Regression, Non-Parametric Discriminant

Analisis Diskriminan Ilustrasi : Jenis pelanggan kereta api dibagi dua, yaitu mereka yang pengguna jasa kereta api eksekutif dan bisnis/ekonomi. Studi ini ingin mengetahui faktor-faktor yang berpengaruh terhadap pembuatan klasifikasi tsb. Dan apakah pengelompokan tersebut signifikan atau tidak.

Analisis Korelasi Kanonik Untuk melakukan analisis keterkaitan antara dua gugus varibel yang terdiri dari beberapa variabel. untuk melihat hubungan liniearitas antara variable-variabel tidak bebas dengan beberapa variable bebas. Variabel bebas : lebih dari 2 berskala interval. Variabel tidak bebas : lebih dari 2 berskala interval.

Analisis Korelasi Kanonik Ilustrasi : Penelitian ini ingin mengetahui hubungan korelasi antar sekumpulan variabel perilaku (pembuatan daftar belanja, jumlah toko yang dikunjungi, dan frekuensi belanja dalam satu minggu) sebagai kriteria (Y) dengan beberapa variable mengenai personalitas (X), dan bagaimana beberapa karakteristik personalitas tersebut mempengaruhi perilaku berbelanja.

MANOVA MANOVA = Multivariate Analysis of Variance Analog dengan ANOVA (analysis of variance) pada analisis variabel tunggal Digunakan untuk membandingkan rata-rata secara bersama antar kelompok untuk dua atau lebih variabel tidak bebas (Y1,...,Ym = numerik/skala interval atau rasio)

MANOVA Ilustrasi Sebuah studi ingin membandingkan apakah ada perbedaan hasil panen tiga buah varietas padi (A, B dan C). Respon yang diamati adalah tinggi tanaman ketika panen, bobot 100 butir padi, umur panen, panjang galur.

Analisis Faktor Untuk mereduksi variabel Menghasilkan variabel baru yang disebut FAKTOR atau VARIABEL LATEN Banyak digunakan di bidang terapan sosial karena sulit melakukan pengukuran secara langsung terhadap variabel yang diinginkan

Analisis Faktor Ilustrasi : Penelitian ini ingin mengetahui sikap-sikap apa saja yang mendasari orang mau memberikan jawaban terhadap pertanyaan-pertanyaan dalam suatu survei politik? Dari hasil penelitian didapatkan adanya tumpang tindih antara berbagai sub-kelompok butir-butir pertanyaan, misalnya pertanyaan-pertanyaan mengenai masalah perpajakan cenderung berkorelasi satu dengan lainnya, masalah militer saling berkorelasi, masalah ekonomi juga demikian. Jika terjadi demikian, maka kita sebaiknya menyelesaikan persoalan tersebut dengan menggunakan analisis faktor. Dengan teknik ini kita dapat melakukan penyelidikan sejumlah faktor yang mendasarinya dan dapat mengidentifikasi faktor-faktor apa saja yang mewakilinya secara konseptual. Tidak hanya itu, kita juga dapat menghitung nilai-nilai untuk masing-masing responden dan kemudian dipergunakan untuk analisis selanjutnya. Sebagai contoh kita dapat membuat model regresi logistik untuk memprediksi perilaku pemberian suara didasarkan pada nilai-nilai faktor.

Analisis Kluster Digunakan untuk mengelompokkan objek-objek Kemiripan antar objek ditentukan oleh nilai-nilai pengamatan variabel bebas lebih dari dua. Dikenal teknik berhirarki dan tak-berhirarki

Analisis Kluster Ilustrasi Pemberian program bantuan pengembangan sekolah tidak bisa disamakan di setiap sekolah. Berdasarkan karakteristik sekolah (fasilitas, input siswa, mutu pengajar, dukungan masyarakat), DEPDIKNAS melakukan pengelompokan sekolah sehingga diperoleh 4 kelompok SMU dan 4 jenis paket program pengembangan SMU.

Multi Dimensional Scaling Menghasilkan peta atau gambar posisi objek berdasarkan matriks jarak yang diketahui Peta dihasilkan pada dimensi rendah (umumnya dimensi dua) sehingga mudah menginterpretasikan kedekatan antar objek Metric MDS vs Non-Metric MDS, tergantung tipe peubahnya Multidimensional Scaling (MDS) merupakan suatu tehnik eksplorasi yang digunakan untuk memvisualisasikan proximities (kemiripan/ketakmiripan) dalam ruang dimensi yang rendah. Dari sudut pandang nonteknis, tujuan MDS adalah untuk menyajikan secara visual hubungan beberapa objek dalam sebuah grafik. Interpretasi dari keluaran (output) yang dihasilkan MDS dapat mengarah pada pemahaman yang mendasari kedekatan antar objek (entitas). Lebih jauh lagi, dapat dimungkinkan untuk menggabungkan objek-objek yang mirip ke dalam satu kelompok yang sama.

Multi Dimensional Scaling Ilustrasi : Responden diminta untuk menilai kemiripan karakteristik antara mobil Honda dengan mobil Suzuki, dilihat dari kemiripan komponen-komponen sikap. Keterbukanya komponen-komponen sikap tersebut akan membantu menerangkan mengapa obyek-obyek tersebut dinilai mempunyai kemiripan/perbedaan antara keduannya.

Multi Dimensional Scaling Peta Dua Dimensi

Analisis Korespondensi Teknik eksplorasi yang diterapkan untuk melihat asosiasi kategori variabel kategorik Menggunakan konsep Generalized Singular Value Decomposition Banyak digunakan di dunia riset pemasaran

Ilustrasi Melihat bagaimana citra bank-bank yang berada di lima kota besar (Jakarta, Surabaya, Medan, Bandung dan Semarang) dengan menggunakan metode korespondensi.

Sumber data Data ini adalah data primer hasil survei PT. Marketing Research Indonesia (MRI) tentang citra masyarakat terhadap bank-bank di Indonesia pada bulan Januari 1997. Target respondennya adalah: Pria dan wanita berusia 15-60 tahun Penghasilan minimum Rp 150.000,00 Menjadi nasabah di suatu bank

Bank-bank yang menjadi target Bank Pemerintah Bank BNI’46 Bank BRI Bank BDN Bank Exim Bank BTN Bank Bapindo Bank BPD Bank Swasta Bank BCA Bank Lippo Bank Niaga Bank Danamon Bank Bali Bank BII Bank Duta Bank Bira Bank Utama Bank Universal Bank Swasta 1. Bank Buana 2. Bank Modern 3. Bank SBU 4. Bank Tamara 5. Bank BUN 6. Bank Panin 7. Bank BHS 8. Bank Bukopin 9. Bank Pacific 10. Bank BDNI Bank Asing Citibank Standard Chartered Bank 3. American Express Bank

Atribut Untuk Mengukur Citra Bank Lokasinya strategis Pelayanannya Profesional Pelayanannya Cepat Pelayanan staff-nya ramah Produknya bervariasi Memiliki fasilitas modern Memiliki layanan pembayaran rekening tertentu Memberikan hadiah/undian Memberikan bunga lebih tinggi J. Setoran awal/ minimalnya kecil K. Biaya administrasinya rendah Cabangnya banyak Bank yang terpercaya Keamanannya terjamin Didukung oleh grup yang kuat Bank-nya terkenal Ada teman/saudara di bank tersebut Iklannya bagus Bank yang sesuai untuk saya

Plot Korespondensi

Interpretasi Gambar Atribut terbagi menjadi 5 kelompok besar, yaitu: Atribut A,B,C,D,Q dan S bergerombol berdekatan dengan hampir semua bank yang ada. Atribut I dan R terlihat bergerombol dan relatif dekat dengan bank Danamon, Citibank dan Universal. Atribut E,F,O dan H terlihat bergerombol dan relatif dekat dengan bank BCA, Bali, American Express dan Lippo. Atribut G,P dan L terlihat bergerombol dan relatif dekat dengan bank BCA, BRI dan BNI. Atribut J,K,M dan N terlihat bergerombol dan relatif dekat dengan bank BRI dan BNI

Analisis Korespondensi Ilustrasi Segmentasi produk bisa dilakukan berdasarkan variabel demografi konsumen. Melalui analisis ini bisa diketahui konsumen utama produk kita dari kelompok usia berapa, jenis kelamin apa, tinggal dimana, dan sebagainya.

Analisis Biplot Merupakan analisis eksplorasi untuk melihat (1) kedekatan antar objek (2) karakteristik atau peubah penciri setiap objek, dan (3) keterkaitan antar peubah Menggunakan konsep penguraian nilai singular Bermula di dunia pertanian, sekarang lebih banyak dipakai di riset pemasaran

Analisis Biplot Ilustrasi Perencanaan layanan perbankan memerlukan informasi mengenai posisi bank kita dibandingkan bank-bank pesaing. Untuk itulah dilakukan survei pasar mengenai persepsi nasabah mengenai berbagai atribut layanan perbankan, sehingga bisa kita ketahui atribut mana saja yang perlu ditingkatkan dan siapa pesaing terdekat yang harus diantisipasi.

Analisis Biplot Ilustrasi berikut memberikan penerapan BIPLOT untuk menilai posisi relatif sembilan negara ASEAN menurut indikator pembangunan berkelanjutan (sustatinable development indicators). Ada 9 variabel yang dimasukkan. Data yang tercatat tercantum pada Tabel 1.

Tabel 1. Data Indikator Pembangunan Berkelanjutan Negara-Negara ASEAN

Hasil Biplot

Interpretasi Hasil Singapura merupakan negara dengan penduduk yang semuanya tinggal di kota dan memiliki jaringan telepon tertinggi, namun juga emisi CO2 yang besar Bruney dan Malaysia merupakan dua negara dengan indikator yang hampir mirip Sedangkan Indonesia, Philipina dan Thailand membentuk kelompok tersendiri Laos dan Kamboja merupakan kelompok dengan ciri persentasi nilai tambah pertanian yang tinggi, serta laju kematian bayi dan laju kematian balita yang besar Nilai tambah industri dan nilai tambah pertanian, keduanya berhubungan negatif Laju kematian bayi dan balita dengan tingkat harapan bayi lahir hidup mempunyai hubungan yang negatif

Terima kasih