Transcript Analisis Variansi Multivariate

Statistic Multivariate
Pendahuluan
Statistika
Statistika
adalah
ilmu
yang
mempelajari
bagaimana
merencanakan,mengumpulkan,Menganalisis
menginterpretasi dan mempresentasikan data.
Istilah Statistika berbeda dengan statistik .
Statistika adalah ilmu yang berkenaan dengan
data,
sedangkan
Informasi
atau
statistic
hasil
statistika pada suatu data
adalah
penerapan
data,
algoritma
Pengertian
Analisis statistik multivariat merupakan metode
statistik
yang
memungkinkan kita melakukan
penelitian terhadap lebih dari dua variable secara
bersamaan.
Statistika multivariat saat ini diterapkan di hampir
semua cabang ilmu, baik ilmu pengetahuan alam
maupun sosial. Teknik-tekniknya disukai karena
dianggap mampu memodelkan kerumitan sistem yang
nyata, meskipun sulit untuk diterapkan. Komputer
dengan
kapasitas
memori
yang
besar
tidak
terhindarkan dalam analisis data yang menggunakan
statistika multivariat.
Beberapa Teknik Multivariat
Teknik analisis multivariat secara dasar diklasifikasi
menjadi dua, yaitu analisis dependensi dan analisis
interdependensi.
Analisis dependensi berfungsi untuk menerangkan atau
memprediksi variable (variable) tergantung dengan
menggunakan dua atau lebih variable bebas. Yang
termasuk dalam klasifikasi ini ialah Multiple Regression
Analysis, Discriminant analysis, Analisis Variansi
Multivariate (MANOVA), dan Canonical correlation
analysis.
Klasifikasi untuk metode dependensi oleh Zikmund (1997: 635)
digambarkan sebagai berikut:
Metode Dependensi
Jumlah Variabel
Tergantung
Satu Variabel
Tergantung
Metrik
Analisis
Regresi
Berganda
Non
Metrik
Analisis
Diskriminan
Beberapa Variabel
Tergantung
Metrik
Non
Metrik
Analisis
Varian
Multivariat
Analisis
Conjoint
Beberapa Variabel Bebas
dan Tergantung
Metrik atau Non
Metrik
Analisis
Korelasi
Kanonikal
1. Multiple Regression Analysis
Untuk menganalisis secara bersamaan
pengaruh beberapa variable bebas terhadap
satu variable tergantung.
Regresi dapat digunakan untuk prediksi
(termasuk peramalan waktu-series data),
kesimpulan, hipotesa pengujian, dan
pemodelan dari hubungan sebab akibat. Ini
menggunakan regresi yang sangat bergantung
pada asumsi yang tidak puas. Regresi analisis
telah dikritik sebagai disalahgunakan untuk
keperluan dalam banyak kasus di mana yang
sesuai asumsi tidak dapat diverifikasi untuk
terus. Salah satu faktor kontribusi terhadap
penyalahgunaan regresi adalah bahwa ia
dapat mengambil lebih banyak keahlian
untuk kritik model daripada sesuai model.
2. Discriminant analysis
Discriminant analisis adalah teknik untuk
mengklasifikasi sekumpulan pengamatan ke
dalam kelas standar. Tujuannya adalah untuk
menentukan kelas yang berdasarkan
pengamatan sejumlah variabel yang dikenal
sebagai predictors atau input variabel.
Model yang dibangun berdasarkan satu set
observasi kelas yang dikenal. Dan juga
berguna untuk memprediksi probabilitas
suatu obyek-obyek atau individu-individu
yang dimiliki oleh beberapa kategori yang
berbeda didasarkan pada beberapa variable
bebas
3. Analisis Variansi Multivariate
(MANOVA)
Analisis Variansi Multivariate mempunyai
pengertian sebagai suatu teknik statistik
yang digunakan untuk menghitung
pengujian signifikansi perbedaan rata-rata
secara bersamaan antara kelompok untuk
dua atau lebih variable tergantung. Teknik
ini bermanfaat untuk menganalisis
variable-variabel tergantung lebih dari
dua yang berskala interval atau rasio,
Untuk menentukan apakah terdapat
perbedaan signifikan secara statistik pada
beberapa variable yang terjadi secara
serentak antara dua tingkatan dalam satu
variabel
4. Conjoint Analysis
Conjoint Analysis, yang disebut juga
multi-atribut compositional model atau
dinyatakan analisis preferensi, adalah
teknik statistik yang berasal dari
matematika psikologi. Hari ini digunakan
dalam banyak ilmu sosial dan
menerapkan ilmu termasuk pemasaran,
manajemen produk, dan riset operasi. Hal
ini tidak akan bingung dengan teori
umum pengukuran
5. Canonical correlation analysis
Analisis korelasi kanonik adalah salah
satu cara untuk mengukur panjang
hubungan
antara
dua
variabel
multidimensi. Ia menemukan dua basis,
satu untuk setiap variabel, yang optimal
sehubungan dengan correlations, dan
pada saat yang sama, ia menemukan yang
sesuai correlations. Dengan kata lain, ia
menemukan dua basis dimana matriks
korelasi antara variabel-variabel tersebut
dan diagonal correlations pada diagonal
yang maksimal. Kematraan yang baru ini
berbasis sama dengan atau kurang dari
kematraan terkecil dari dua variabel.
Analisis
interdependensi
berfungsi
untuk
memberikan
makna
terhadap
seperangkat
variable atau membuat
kelompok-kelompok
secara bersama-sama.
Yang termasuk dalam
klasifikasi
ini
ialah
analsis faktor, analisis
kluster,
dan
multidimensional
scaling.
Klasifikasi untuk metode interdependensi oleh Zikmund (1997: 635)
digambarkan sebagai berikut:
Metode Interdependensi
Jenis
Masukan
Metrik
Analisis
Faktor
Analisis
Kluster
Non
Metrik
Multidimensional
Scaling Metrik
Multidimensional
Scaling Non Metrik
1. Factor Analysis (FA)
Kegunaan utama analisis faktor ialah
untuk melakukan pengurangan data atau
dengan kata lain melakukan peringkasan
sejumlah variabel menjadi lebih kecil
jumlahnya.
Pengurangan
dilakukan
dengan
melihat
interdependensi
beberapa variabel yang dapat dijadikan
satu yang disebut dengan faktor,
sehingga
ditemukan variabel-variabel
atau faktor-faktor yang dominan atau
penting untuk dianalisa lebih lanjut.
Analisis faktor juga berguna untuk
membuat ringkasan informasi yang berisi
jumlah variable yang banyak menjadi
sejumlah factor yang lebih sedikit
2. Cluster Analysis
Cluster analisis, juga disebut
segmentasi atau analisis analisis
taxonomy,
berusaha
untuk
mengidentifikasi
homogen
subgroups kasus dalam populasi.
Artinya, analisis cluster digunakan
apabila peneliti tidak mengetahui
jumlah kelompok di muka, tetapi
keinginan
untuk
membentuk
kelompok
dan
kemudian
menganalisa anggota grup.
Berguna membuat klasifikasi
individu-individu atau obyek-obyek
ke dalam jumlah yang lebih kecil
kelompok yang berbeda dengan
tujuan untuk meyakinkan bahwa
akan terdapat kesamaan yang besar
dalam kelompok-kelompok tersebut
dan perbedaan antar kelompokkelompok tersebut
Cluster analisis adalah suatu alat
analisis penyelidikan data untuk
memecahkan klasifikasi masalah.
Obyeknya adalah untuk mengurutkan
kasus (orang, hal, kejadian, dll) ke
dalam kelompok, atau kelompok,
sehingga sudut ikatan yang kuat antara
anggota cluster yang sama dan lemah
di antara anggota kelompok yang
berbeda. Setiap klaster sehingga
menjelaskan, dari segi data yang
dikumpulkan, kelas yang dimiliki para
anggotanya, dan penjelasan ini dapat
digunakan melalui abstracted dari
khusus ke umum kelas atau jenis.
3. Multidimensional Scaling
Multidimensional scaling (MDS) adalah
kumpulan teknik statistik terkait yang sering
digunakan dalam visualisasi untuk menjelajahi
informasi atau kesamaan dissimilarities dalam
data. MDS adalah hal khusus dari pentahbisan.
MDS algoritma yang dimulai dengan matriks
barang-barang
kesamaan,
kemudian
memberikan lokasi untuk setiap item dalam
ruang N-dimensi, dimana N adalah sebuah
priori yang ditentukan. Cukup kecil untuk N,
lokasi yang dihasilkan dapat ditampilkan
dalam grafik atau visualisasi 3D.
4. Principal component analysis
Principal component analysis bertujuan
untuk menyederhanakan variabel yang diamati
dengan cara menyusutkan (mereduksi)
dimensinya. Hal ini dilakukan dengan cara
menghilangkan korelasi diantara variabel
bebas melalui transformasi variabel bebas asal
ke variabel baru yang tidak berkorelasi sama
sekali atau yang biasa disebut dengan principal
component. Setelah beberapa komponen hasil
PCA yang bebas multikolinearitas diperoleh,
maka komponen-komponen tersebut menjadi
variabel bebas baru yang akan diregresikan
atau dianalisa pengaruhnya terhadap variabel
tak bebas (Y) dengan menggunakan analisis
regresi.
Walaupun metode Regresi dengan PCA
ini memiliki tingkat kesulitan yang tinggi akan
tetapi kesimpulan yang diberikan lebih akurat
dibandingkan dengan pengunaan metode lain.
Keuntungan penggunaan Principal
Component Analysis
dibandingkan metode lain :
1. Dapat menghilangkan korelasi secara
bersih (korelasi=0) sehingga masalah
multikolinearitas dapat benar-benar teratasi
secara bersih.
2. Dapat digunakan untuk segala kondisi
data / penelitian.
3. Dapat dipergunakan tanpa mengurangi
jumlah variabel asal.
5. Structural Equation Modelling
Struktural equation modeling (SEM)
merupakan teknik statistik untuk pengujian
dan memperkirakan hubungan kausal
menggunakan kombinasi data statistik dan
kualitatif asumsi kausal. Pandangan ini
telah disampaikan oleh genetika Sewall
Wright (1921), ekonom yang Trygve
Haavelmo (1943) dan Herbert Simon
(1953), dan secara resmi ditetapkan oleh
JUDEA Pearl (2000) menggunakan
kalkulus dari counterfactuals.
Univariate Statistik
statistik univariat dapat diklasifikasikan ke
dalam
statistik parametrik dan nonparametrik.
1. Statistik parametrik digunakan bila outcome
yang diamati bersifat kontinu.
2. Statistik nonparametrik tidak membuat asumsi
tentang bagaimana data terdistribusi dan, oleh
karena itu, sering digunakan bila asumsi suatu uji
parametrik tidak terpenuhi.
Univariate Statistik
Statistik univariat lebih sering digunakan dan
lebih mudah dihitung daripada statistik
multivariat.
Statistik
univariat
biasanya
membandingkan nilai mean dan median pada
dua kelompok atau lebih atau membandingkan
proporsi subjek-subjek yang memiliki suatu ciri
tertentu atau yang tergolong dalam berbagai
kategori..
STATISTIKA ALAT UTAMA METODE ILMIAH
1. Metode Ilmiah
Metode ilmiah adalah prosedur yang dipergunakan oleh ilmuwan
dalam pencarian sistematis terhadap pengetahuan baru dan peninjauan
kembali pengetahuan yang telah ada (The Liang Gie,
1999). Dalam Dictionary of Behavior dikemukakan bahwa, metode
ilmiah adalah teknik dan prosedur-prosedur pengamatan dan
percobaan yang menyelidiki ilmu dan dipergunakan oleh ilmuwanilmuwan untuk mengolah fakta-fakta, data, dan penafsirannya sesuai
dengan asas-asas dan aturan tertentu.
STATISTIKA ALAT UTAMA METODE ILMIAH
2. Peran Statistika dalam Pengembangan Ilmu dan Teknologi
Setiap jenis pengetahuan mempunyai ciri-ciri yang spesifik mengenai
apa (ontologi), bagaimana (epistemologi), dan untuk apa (aksiologi)
pengetahuan tersebut disusun. Ketiga landasan ini saling berkaitan.
Ontologi ilmu terkait dengan epistemologi ilmu, dan epistemologi ilmu
terkait dengan aksiologi ilmu, dan seterusnya. Jadi, kalau kita ingin
membicarakan epistemologi ilmu, maka hal ini harus dikaitkan dengan
ontologi dan aksiologi ilmu (Suriasumantri, 2003). Metode ilmiah
sebagai metode utama dalam mendapatkan ilmu, melalui proses logicohipotetico-verifikasi menempatkan statistika sebagai alat utamanya.