bab 1.ppt (631kb)

By : Harjanto Sutedjo Ssi, MMSi : [email protected] : (021) 78881112 ext 333

mailto:[email protected]

Tujuan PerkuliahanSetelah mengikuti materi ini anda diharapkan mampu :

Menjelaskan apa yang dimaksud analisis multivariate, kelebihan dan sifat-sifatnya.

Memahami dan mampu mengidentifikasi berbagai jenis skala pengukuran serta berbagai jenis data dasar.

Menjelaskan secara singkat beberapa teknik multivariate yang penting.

Menjelaskan klasifikasi teknik multivariate beserta dasar pengklasifikasiannya.

(c) Harjanto Sutedjo ,Gunadarma University Multivariate Analysis 2

Apakah Analisis Multivariate ?Identik dengan semua metode statistik yang

menganalisa multiple measurement secara simultan pada setiap individu atau obyek yang sedang diteliti.

Semua analisis simultan pada lebih dari 2 distribusi variabel dapat diduga sudah dekat sekali dengn analisis multivariate

Beberapa teknik multivariate merupakan perluasan dari analisis univariate (analisis dari distribusi variabel tunggal) dan analisis bivariate (Analisis dari dua distribusi variables)

Tujuan dari analisis multivariate adalah untuk mengukur, menjelaskan, dan memprediksi derajat hubungan diantara variate-variate (kombinasi variabel terbobot)


Why MultivariateRealitas

Univariate stats only go so far when applicable “Real” data usually contains more than one DV Multivariate analyses are much more realistic and

feasible

“Minimal” Increase in ComplexityMore control and less restrictive assumptionsUsing the right tool at the right time

Coba anda pahami alasan-alasan penggunaan analisis multivariate di atas !


Beberapa Konsep DasarVariateSkala PengukuranJenis Data DasarKesalahan Pengukuran dan Pengukuran

MultivariateStatistical signification Vs Statistical PowerKlasifikasi metode analisa dataJenis-jenis Teknik MultivariateKlasifikasi Teknik Multivariate


VariateBatu penyusun bangunan Analisis

multivariate adalah variateMerupakan suatu kombinasi linear dari

variabel-2 dengan bobot empiris yang ditentukan

Suatu variate dari sejumlah n variabel terbobot (X1 to Xn) dapat dinyatakan secara mathematika sebagai :variate value = w1X1+ w2X2+…+wnXn


Skala PengukuranSemua skala pengukuran dapat diklasifikasikan kedalam empat jenis skala berikut ini :

1.1.NominalNominal Juga disebut sebagai skala kategorik Merupakan skala pengukuran yang bersifat membedakan saja Angka atau simbol yang diberikan tidak memiliki maksud

kuantitatif hanya menunjukkan ada aau tidak adanya atribut atau kharakteristik yang diteliti

Contoh : Jenis kelamin seseorang, status perkawinan, kepesertaan keluarga berencana, lulus atau tidak dll.

Bekerja dengan data ini, peneliti harus menentukan angka untuk tiap kategori, sebagai contoh : 1 untk wanita dan 2 untuk laki-laki (angka ini hanya representasi dari kategori atau kelas-2 dan tidak meunjukkan bilangan dari suatu atribut atau karakteristik.



2.2.Ordinal Ordinal Skala pengukuran yang sifatnya membedakan dan

mengurutkan Setiap sub kelas dapat dibandingkan dengan yang

lain dalam hubungan “ lebih besar” atau “ lebih sedikit”.

Example: misalkan seseorang diminta untuk mengurutkan tiga buah produk berdasarkan tingkat kepuasan terhadap produk.

Not at all satisfied

Product A Product B Product C

Very satisfied

Skala Pengukuran

Brand Rank

A 1

B 2

C 3

3.3. IntervalInterval Skala pengukuran yang bersifat membedakan,

mengurutkan dan memiliki jarak yang sama Tidak memiliki nilai nol mutlak. Semua statistik (note : ingat-ingat pengertian istilah

statistik) dapat diukur dengan skala interval, kecuali yang berbasis rasio seperti koefisien variasi.

contoh : Suatu suhu 80 F tidak dapat dikatakan dua kali lebih panas dari suhu 40 F, karena kita tahu bahwa 80 F, pada skala suhu yang lain, seperti celcius adalah 26,7 C sedangkan 40 F = 4,4 C. meskipun 80 F kelihatannya dua kali 40F , seseorang tidak dapat mengatakan bahwa 80F dua kali lebih panas dari 40F, karena pada skala yang lain panasnya tidak dua kalinya.


Skala Pengukuran

4.4. RatioRatio Skala pengukuran yang sifatnya membedakan,

mengurutkan dan mempunyai nilai nol mutlak. Nilai nol mutlak adalah nilai dasar yang tidak bisa

diubah meskipun menggunakan skala yang lain. Karenanya nilai-nilai dalam skala ini dapat

dibandingkan dan dapat dilakukan operasi matematis seperti penjumlahan pengurangan, bagi ataupun perkalian.

Contoh :100 Kg memiliki berat dua kali 50 kg1000 meter memiliki panjang 20 kali 50 meterdll


Skala Pengukuran

Jenis Data DasarTerdapat dua jenis data dasar :Terdapat dua jenis data dasar :1.Non Metric (Qualitative)

Data non metrik bisa berupa Atribut, karakteristik, atau sifat kategorik yang menunjukkan atau menggambarkan suatu subyek.

Variabel yang diukur menggunakan skala nominal dan ordinal umumnya merupakan variabel non metric

2. Metric (Quantitative)Pengukuran dilakukan sehingga suatu subyek dapat

diketahui perbedaannya dalam jumlah atau derajat.Variabel yang diukur mengunakan skala Interval dan

Ratio umumnya merupakan variabel metric


Kesalahan Pengukuran dan Pengukuran MultivariateKesalahan pengukuran adalah derajat diamana nilai hasil

pengamatan tidak mewakili / menunjukkan nilai “sebenarnya”.Dalam mengukur derajat kesalahan pengukuran yang ada

dalam setiap ukuran, peneliti harus melakukan uji validitas dan reliabilitas dari ukuran (measure).

Validitas adalah derajat sejauh mana kesalahan pengukuran terdapat pada suatu ukuran / sebuah derajat yang menyatakan sejauh mana suatu ukuran secara akurat menunjukkan yang diukurnya.

Reliabilitas derajat yang menunjukkan sejauh mana variabel yang diamati mengukur “nilai sebenarnya” dan sejauh mana variabel tersebut ”bebas kesalahan”.


Klasifikasi metode data analitis

Klasifikasi metode data analitis dapat dibagi Klasifikasi metode data analitis dapat dibagi menjadimenjadi :

1.Dependence Method Dapat didefinisikan sebagai suatu metode di mana suatu

variabel atau kumpulan variabel yang diketahui sebagai variabel tak bebas diprediksi atau dijelaskan oleh variabel-variabel yang lain yang disebut sebagai variabel bebas.

2.Interdependence MethodAdalah suatu metode dimana tidak ada satu atau

sekelompok variabel yang didefinisikan sebagai variabel bebas ataupun variabel tak bebas.


Jenis Teknik Multivariate1. Principal Componen Analysis (PCA) 2. Factor Analysis (FA)3. Canonical Correlation Analysis (CCA)4. Cluster Analysis (CA)5. Discriminan Analysis (DA)6. Multiple Regression Analysis (MRA)7. Conjoint Analysis (CoA)8. Analisis Variansi Multivariate

(MANOVA), 9. Multidimensional Scalling10. Structural Equation Modelling (SEM)


Klasifikasi Teknik Multivariate


Cluster Analysis

Cases/Respondent Object

Interdependence

What type of relationship is being examined?

Structural equation modeling

Canonical correlationanalysis with dummy variales

MANOVACanonical correlation

Multiple relationship of dependent &

independent variables

One dependent variable in singgle

relationship

Dependence

Several dependent variable in single

relationship variables

metric Non metric

metric

metric Non 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 AnalysisLinear Probability models

Factor Analysis

Correspondence analysis

Multidimen-sional Scaling

metric Non metric

Is the structure of relationships among :

How are the atributes

measurement ?

: Dasar klasifikasi

: Teknik MultvariateSumber : Lihat Joseph F Hair dkk


Klasifikasi of Multivariate Techniques (Interdependence Method)

Number of variableType of Data

Metric Non Metric

Two • Simple Corelation• Two way contingency

table

More than two • Principal Componen

Analysis Faktor Analysis

• Multiway Contingency table

Loglinear model Corespondence

AnalysisSumber : Lihat subbash Sharma hal 11

classification of Multivariate Techniques(Dependence Method)

Depemden Variable (s)One More than One

Independent Variale(s)

Metric Non Metric Metric Non Metrik

OneMetric

Non Metric

Regression

t-test

Discriminan nalysisLogistic regression

Discrete Discriminan Analysis

Canonical Correlation

Manova (Multivariate Analysis of Variance)

Multiple group discriminan analysis (MDA)Discrete MDA

More than OneMetric

Non Metric

Multiple regression

Anova

Discriminan nalysisLogistic regression

Discrete Discriminan AnalysisConjoint Analysis (MONANOVA)

Canonical Correlation

Manova(Multivariate Analysis of Variance)

Multiple group discriminan analysis (MDA)Discrete MDA


Sumber : Lihat subbash Sharma hal 6

bab 1.ppt (631kb)

Documents