Pengantar Multivariat1

7/31/2019 Pengantar Multivariat1

1/17

PENGANTAR MULTIVARIAT


2/17

Pemecahan Masalah(Penelitian)

Suatu Masalah BaruYang Mendasar

Masalah yang akhirnyamembuat pengetahuan

yang telah diperbaiki itumenjadi lebih bermanfaat

PENGEMBANGAN SAINS PENGEMBANGAN TEKNOLOGI

PERGURUAN TINGGI

EKSPERIMEN EKSPERIMEN

&

SURVEY

D A T A


3/17

DATA

Data

Kualitatif

Data

Kuantitatif

DiskritKontinu


4/17

Skala PengukuranSifat

Membeda

kan

Ada Urutan/

Tingkatan

Ada

Interval

Ada titik nol

yang punya

arti

Nominal

Ordinal

Interval

Rasio

Skala Pengukuran Data


5/17

PENENTUAN MODEL TERBAIK

estimasi parameter dan pengujian parametersederhana, akurasi tinggi

terpenuhi asumsi pada error

DATA = MODEL + ERROR


6/17

pengumpulan dan pengolahan data

penyusunan model

pengujian kevalidan model


7/17

Pemecahan Masalah (Penelitian)

Seringkali Membatasi Jumlah Peubah Terkait

SEBAGIAN INFORMASI HILANG

PENELITIAN HARUS MELIHATKERANGKA PERMASALAHANSECARA MENYELURUH

MULT

IVARIAT

E

PERLU


8/17

Skema Metode Multivariate


9/17



10/17



11/17

PENYEDERHANAAN STRUKTURKLASIFIKASI

PENGELOMPOKAN VARIABEL

ANALISIS KETERGANTUNGAN

PEMBENTUKAN & PENGUJIAN HIPOTESIS

KEGUNAAN An. MUTLIVARIATE

(Kendall, 1980)


12/17

MANOVA

-

Peubah respon banyak- Antar respon tidak bebas

- Korelasi sangat ditentukan oleh n

untuk n kecil, r = 0,85 belum tentu korelasi tinggi

untuk n besar, r = 0,3 bisa korelasinya kuat

ANALISIS KORELASI KANONIK

-

untuk melihat seberapa besar hubungan ituterjadi

- Korelasi diteruskan ke hubungan sebabakibat (multivariate regression)


13/17

ANALISIS GEROMBOL (CLUSTER)

menggunakan ukuran kedekatan ataukemiripan antar objek

Prinsip cluster: between dan within

Teknik hierarki dan non hierarki

Cluster two step : langkah

menata objek, optimasi jumlah cluster


14/17

ANALISIS BIPLOT

- Mengoverlay-kan dua plot (plot obyek dan

peubah)

- Banyak digunakan pada bidang marketing untukpencutraan produk alam menentukan variabelpenciri dari suatu objek

ANALISIS KORESPONDENSI

- Untuk mengetahui segmentasi pasar di riset

pemasasaran- Objek tidak diukur melainkan dilihat frekuensinya


15/17

ANALISIS DISKRIMINAN

- Fungsi untuk mengklasifikasikan kelas (kelas >2 )

- Clusternya harus ada dulu- Jika kelas =2, digunakan logistic regression / logistic

diskriminan

- Pada dasarnya untuk memaksimumkan jarak

- Banyak digunakan pada bidang management risk

MULTI DIMENSIONAL SCALING

- Untuk mengetahui kompetensi produk, penentuan posisi

- Mirip dengan BIPLOT, pemetaan objek saja- Bekerja dari matrik jarak


16/17

Analisis Komponen Utama

Prinsip dasar:mengelompokkan variabel-variabel yang korelasi liniernya

sejalan linier menjadi satu komponen utama

Tujuan:- penyusutan dimensi banyaknya variabel

atau dapat disederhanakan struktur hubungan variabel

sehingga dengan dimensi yang lebih kecil

- mudah melakukan interpretasi tanpa kehilangan banyak

informasi tentang data, bahkan informasi

yang didapat menjadi lebih padat dan bermakna.

- data (skor komponen) dapat digunakan sebagai input analisis

lanjut (misal: Bi-plot, An. Komponen Regresi, An. Cluster)


17/17

Analisis FaktorPrinsip dasar: mengekstraksi sejumlah factor (common factor) dari

gugusan variabel asal- banyaknya faktor lebih sedikit dari variabel asal X

- sebagian besar informasi variabel X tersimpan dalam faktor

Tujuan: untuk mendapatkan sejumlah kecil faktor (komponen utama)

yang memiliki sifat mampu menerangkan semaksimal mungkin

keragaman data

Kegunaan:

- mengekstrak laten variabel dari indikator atau mereduksi variabel

unobservables menjadi variabel baru yang jumlahnya lebih sedikit

- mempermudah interpretasi, sehingga didapatkan informasi yang

realistik

- pemeriksaan validitas dan reliabilitas instrumen penelitian

- untuk pemetaan dan pengelompokkan variabel

- data (skor faktor) dapat digunakan sebagai input analisis lanjut

(misal: An. Diskriminan, An. Regresi, An. Cluster, MANOVA )

Documents

Pengantar Multivariat1